UNDERSTANDING INDIVIDUAL ADOPTION AND USE OF SOCIAL COMPUTING: A USER-SYSTEM FIT MODEL AND EMPIRICAL STUDY
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
During the last few years, the phenomenon of Web 2.0, or social media, has gained growing attention both in academic research and in practice. Evidence suggests that a complex and rich set of motives drive individuals to use social media. However, traditional models of IT acceptance generally do not account for these motives, and thus are not particularly suited to explain the adoption and use of social media. Indeed, a central construct in many of these models, the „usefulness‟ construct, exclusively focuses on productivity and/or performance-related motivations and seems too narrow in a social media context. The current study makes an effort to provide improved understanding of that important phenomenon by offering two contributions. First, the research expands the existing conceptualizations of usefulness through the construct of „needs-supplies fit‟. Based on theories of motivational needs and person-environment fit, needs-supplies fit is conceptualized as a second-order construct with dimensions that span a wide spectrum of needs, including both extrinsic and intrinsic needs. Building on the extant literature and extensive interviews, this research develops a user-system fit model. The model comprises the perceived user-system fit construct, a third-order multidimensional construct that is a combination of four dimensions of fit: user-expression, needs-supplies, demands-abilities, and user-group fit. Perceived user-system fit, is hypothesized to be positively associated with social media use. The model is tested using a Web-based survey of 643 undergraduate students in a large Canadian university. Results indicate that 4 of 5 hypotheses are supported and that the user-system fit model explains 32.2% of social media usage of respondents.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle