Emotions and ERP information sourcing: the moderating role of expertise
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to report on a laboratory experiment in which the paper investigated how expert and novice users differ in their emotional responses during use of an enterprise resource planning (ERP) system in a decision-making context, and how such a difference affects information sourcing behavior. Design/methodology/approach – In a simulated SAP business environment, participants’ emotional responses were physiologically measured based on electrodermal activity (EDA) while they made business decisions. Findings – Results show that both expert and novice users exhibit considerable EDA activity during their interaction with the ERP system, indicating that ERP use is an emotional process for both groups. However, the findings also indicate that experts’ emotional responses led to their sourcing information from the ERP, while novices’ emotional responses led to their sourcing information from other people. Research limitations/implications – From an academic standpoint, this paper responds to the recent call for more research on the role of emotions for information systems behavior. Practical implications – The paper discusses the implications of this finding for the development of ERP system trainings. Originality/value – Because emotions often do not reach users’ awareness level, the paper used EDA, a neurophysiological measure, to capture users’ emotional responses during ERP decision making, instead of using self-report measures that depend on conscious perception. Based on this method, the paper found that emotions can lead to different behavioral reactions, depending on whether the user is an expert or novice.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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