MétaCan
Menu
Retour à la cohorte
Enregistrement W2208486633 · doi:10.1108/ijsms-16-01-2014-b003

Customer productivity in technology-based self-service of virtual golf simulators

2014· article· en· W2208486633 sur OpenAlexfundno aff
Taehee Kim, Hyo-Min Seo, Min Cheol Kim, Kyung-Ro Chang

Notice bibliographique

RevueInternational Journal of Sports Marketing and Sponsorship · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesSamsungUniversity of British ColumbiaSungkyunkwan University
Mots-clésProductivityBusinessMarketingService (business)Customer satisfactionReuseTertiary sector of the economyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Boosting productivity in the service sector is a key priority for promoting long-term growth. To have customers perform certain tasks normally undertaken by employees is an important means to improving productivity. Technological innovation has influenced business practices for several decades and many service firms, including sports service firms, are now utilising technology extensively to reduce the use of labour. This study investigates how the user's perception of technology-based self-service (TBSS)affects customer productivity and how the customer productivity evaluated by TBSS influences the customer's intentions to reuse in relation to a virtual golf simulator - a successful and seriously played game in Korea.

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)0,017
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,034
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,030
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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.

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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Marketing and SponsorshipMême sujetTechnology Adoption and User BehaviourTravaux en français237 207