Purchasing pirated software: an initial examination of Chinese consumers
Notice bibliographique
Résumé
Purpose To analyze Chinese consumers in purchasing pirated software; to establish and empirically validate a model for analyzing consumers in software piracy; and to help software companies understand the software piracy issue in China and design anti‐piracy strategies. Design/methodology/approach A research model was established by extending a model used by Ang et al. in studying Singaporeans' purchasing pirated CD. A survey was conducted. Hypotheses were tested through stepwise regressions. An exploratory factor analysis was carried out to analyze Chinese consumers' attitude toward software piracy. Findings Four personal and social factors were found important in influencing Chinese consumers' attitude toward software piracy, including value consciousness, normality susceptibility, novelty seeking, and collectivism. Five attitude measures, which were important in influencing consumer purchase intention, were identified as reliability of pirated software, recognized social benefits of piracy, functionality of pirated software, risks of purchasing, and perceived legality of purchasing. An exploratory study identified three attitude attributes. Research limitations/implications As student samples were used, caution needs to be exercised when generalizing findings from this study. Regressions were used to test construct relationships in the model, and the model was not tested as a whole. Practical implications This research provides an in‐depth understanding on Chinese consumers, and the research findings are useful in designing anti‐piracy strategies in China. Originality/value This research is one of the first to examine the Chinese market, which is a focus of piracy problems for the software industries. This research contributes to theory development in developing and testing a model and important constructs, and to industrial practice in providing understanding on Chinese consumers to help design anti‐piracy strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».