INTRODUCTION TO THE SPECIAL ISSUE ON NOVEL PERSPECTIVES ON TRUST IN INFORMATION SYSTEMS
Notice bibliographique
Résumé
Research on trust has taken center stage in the MIS field in the past few decades, covering a wide range of trust-related topics based on a multitude of theories from sociology and psychology to economics. To extend this rapidly emerging trend and identify some ground-breaking perspectives on the study of trust, this special issue of the MIS Quarterly on “Novel Perspectives on Trust in Information Systems” aims to explore novel aspects of trust in new and under-researched IS contexts. In brief, the intent of the special issue was to publish innovative research articles about (1) novel antecedents of trust, (2) the construct of distrust and its relationship to trust, (3) the boundaries of trust, and (4) the study of trust in new and unexplored MIS contexts (Benbasat et al. 2008). The papers submitted were first screened by the editors, in some cases aided by an associate editor, to verify their appropriateness to the topic of the special issue and their novelty. The remaining manuscripts went through the MIS Quarterly’s standard, rigorous review process, including the usual “arms-length” and “conflict of interest” guidelines for the senior editors, associate editors, and reviewers in the handling of the papers. Interestingly, neither of the papers eventually accepted utilized traditional research methods commonly used in past research on trust in MIS. Indeed, the two papers that appear in this special issue dealt with what to MIS research are rather novel methodologies (namely functional brain imaging, specifically functional magnetic resonance imaging, or fMRI) (see Belliveau et al. 1991; Friston et al. 1994; Logothetis et al. 2001; Ogawa et al. 1990), which enabled these two papers to offer new insights into topics that were out of reach for the more traditional research methods previously used in trust research. By no means do we imply, however, that future novel contributions to the study of trust in MIS research should be limited to any particular research methodologies.
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 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 | 0,009 | 0,010 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».