MétaCan
Menu
Retour à la cohorte
Enregistrement W2185009385

CustomerâÂÂs Choice amongst Self Service Technology (SST)Channels in Retail Banking: A Study UsingAnalytical Hierarchy Process (AHP)

2010· article· en· W2185009385 sur OpenAlexvenueno aff
Thamaraiselvan Natarajan, Senthil Arasu Balasubramanian, Sivagnanasundaram Manickavasagam

Notice bibliographique

RevueThe Journal of Internet Banking and Commerce · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnalytic hierarchy processContext (archaeology)Computer scienceMobile bankingService (business)Retail bankingTelecommunicationsProcess (computing)HierarchyBusinessMarketingOperations researchComputer securityEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the retail banking context, convergence of technologies has given birth to different channels of distribution like Automatic Teller machines (ATM), internet banking, and mobile banking. This enables the customer to avail the banking services at any time and any where. These technological interfaces are known as self service technologies (SSTs). Customers availing banking services through these SSTs get more benefits in terms of time, cost and energy. Despite these benefits the customer trial, adoption and repeat usage of SSTs vary among banking customers. Although the kinds of service one can avail from these SST are similar, the patronage among the SSTs differs. The SST channel choice could be attributed to various factors viz., Nature of service to be availed or purpose, Perceived risk, Requirements and Benefits. When it comes to predicting customer priority among alternatives, Analytical hierarchy process (AHP) has been proved as an effective technique. This paper explores the factors influencing customer choice of SSTs by employing AHP technique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,066
Tête enseignante GPT0,370
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations32
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Internet Banking and CommerceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207