Consumer trust and distrust: retaining paper bills in online banking
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to explore the role of paper bills and statements in online and mobile banking and how they may serve to support trust along with mitigating distrust for consumers when dealing with banks and billing firms. Design/methodology/approach – A two-phase study with 208 Canadian online bill payers. Phase 1 verified the comprehension of the measurement items being tested. In Phase 2, exploratory factor analysis was used to determine the factor structure. Regression analysis was used to identify the relationship of the factors with the intention to continuing receiving paper bills. Findings – Four factors for trust and distrust were identified in this study of which two (structural assurance and counted on to help) plus subjective norm predict the intention to continue receiving paper bills. Research limitations/implications – Trust and distrust are shown to co-exist in this study. Consumers feel vulnerable to the risks inherent in online financial interactions, but signal their willingness to trust by adopting online and mobile banking. Consumers mitigate the distrust they have in banks and billing firms by continuing to receive paper bills and statements. This study is limited to paper bills and statements. The role of other paper documents in customer relationship management is worthy of further exploration. Practical implications – This research investigates the role of financial documents in the consumer-firm relationship. This study suggests that paper bills are a communication method that supports consumers’ trust in the banks and billing firms and their adoption of online and mobile banking. Banks and billing firms’ continued emphasis on consumers’ giving up paper bills while insisting on original paper documentation in problem resolution situations, sends mixed messages to consumers, which heightens their distrust in these firms. Originality/value – This is the first study to suggest that paper bills and statements have a role in influencing trust or distrust of banks and billing firms.
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 | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».