MétaCan
Menu
Retour à la cohorte
Enregistrement W2085011100 · doi:10.5539/ijef.v3n6p107

The Acceptance of Tax Office Automation System (VEDOP) By Employees: Factorial Validation of Turkish Adapted Technology Acceptance Model (TAM)

2011· article· en· W2085011100 sur OpenAlexvenueno aff
Ahmet Ferda ÇAKMAK, Serkan Benk, Tamer Budak

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2011
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTechnology acceptance modelTurkishExtant taxonUsabilityVariance (accounting)MarketingBusinessPsychologyComputer scienceAccounting

Résumé

récupéré en direct d'OpenAlex

In this study, Davis’s (1989) The Technology Acceptance Model (TAM) is used as a theoretical framework to extend and complement extant tax officials by acceptance of technological components of Tax Office Automation System (VEDOP) in Turkey. Relying on the basic TAM model, we examine the extent to which perceived usefulness (PU), perceived ease of use (PE), and attitudes (AT) toward VEDOP affect behavior intentions (BI). The data set of the study was obtained from the survey applied to 185 individual tax officials in the city of Zonguldak. Consistent with the hypotheses, the results in general provided that the core constructs of TAM namely PU, PE and AT are positively and significantly determine BI of automation system used by tax officials. As predicted, these three factors explained a large proportion of variance in Behavioral Intention to use the VEDOP system. Internet and VEDOP training experience have not found to effect significantly.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,307
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations29
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207