MétaCan
Menu
Retour à la cohorte
Enregistrement W1733635077 · doi:10.2307/25148705

The Effects of Virtual Reality on Consumer Learning: An Empirical Investigation1

2005· article· en· W1733635077 sur OpenAlexaff

Notice bibliographique

RevueMIS Quarterly · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVirtual realityEmpirical researchPsychologyHuman–computer interactionKnowledge managementComputer scienceBusinessMarketingSociologyCognitive psychologyEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

As competition in business-to-consumer e-commerce becomes fiercer, Web-based stores are attempting to attract consumers’ attention by exploiting state-of-the-art technologies. Virtual reality (VR) on the Internet has been gaining prominence recently because it enables consumers to experience products realistically over the Internet, there by mitigating the problems associated with consumers’ lack of physical contact with products. However, while the employment of VR has increased in B2C e-commerce, its impact has not been explored extensively by research in the IS field. This study investigates whether and under what circumstances VR enhances consumer learning about products. In general, VR enables consumers to learn about products thoroughly by providing high-quality three-dimensional images of products, interactivity with the products, and increased telepresence. In addition, congruent with the theory of cognitive fit, the effects of VR are more pronounced when it exhibits products whose salient attributes are completely apparent through visual and auditory cues (because most VR on desktop computers uses only those two sensory modalities to deliver information). Based on these attributes, we distinguish between two types of products—namely, virtually high experiential (VHE) and virtually low experiential (VLE) products—in terms of the sensory modalities that are used and required for product inspection. Hypotheses arising from the distinctions expressed by these terms were tested via a laboratory experiment. The results support the predictions that VR interfaces increase overall consumer learning about products and that these effects extend to VHE products more significantly than to VLE products.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,048
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,309
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations491
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207