Notice bibliographique
Résumé
Purpose It is widely agreed that usefulness of new products is one of the most considered factors by innovators to justify the adoption of new devices. However, the fun aspect of the product is rarely considered as a predictor of innovation adoption. The current study intends, therefore, to examine the effect of the fun aspect on consumers' adoption of technological products. Design/methodology/approach Three competing models mainly derived from the technology adoption model (TAM) were tested in two markets (Canada and France) that present two different maturity stages. A survey of 367 actual users of mobile devices was used and analyzed by a structural equation model. Findings The results show that fun is an important antecedent of the attitude toward the act (use of mobile devices for surfing the internet). Fun was also found to mediate the effect of usefulness on attitude. This implies that the impact of emotions goes beyond the consumption of hedonic products and extends to the adoption of technological ones. Research limitations/implications The small sample size of the current study did not allow deeper statistical analyses. A larger sample could allow testing the model separately in each market. Also, the current study focused only on the use of mobile devices to surf the internet. Further studies might apply the model to other products/services/industries. Practical implications The results suggest that product designers should develop interfaces and products that not only satisfy utilitarian needs but also hedonic and enjoyment motivations. Originality The present study finds its originality at two levels: first, it tests the technology adoption model using a sample from two countries (France and French Canada) which are different in terms of mobile market maturity stage. This may allow further generalisation of the TAM model. Second, in comparison to previous research on the adoption of mobile devices, the present study uses a non student sample. This is important especially when studying innovation adoption because students are thought to lean to the adoption of new habits.
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 | 0,021 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,017 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».