Trust In and Adoption of Online Recommendation Agents
Notice bibliographique
Résumé
Online product recommendation agents are becoming increasingly prevalent on a wide range of websites. These agents assist customers in reducing information overload, providing advice to find suitable products, and facilitating online decision-making. Consumer trust in recommendation agents is an integral factor influencing their successful adoption. However, the nature of trust in technological artifacts is still an under-investigated and not well understood topic. Online recommendation agents work on behalf of individual users (principals) by reflecting their specific needs and preferences. Trust issues associated with online recommendation agents are complicated. Users may be concerned about the competence of an agent to satisfy their needs as well as its integrity and benevolence in regard to acting on their behalf rather than on behalf of a web merchant or a manufacture. This study extends the interpersonal trust construct to trust in online recommendation agents and examines the nomological validity of trust in agents by testing an integrated Trust-TAM (Technology Acceptance Model). The results from a laboratory experiment confirm the nomological validity of trust in online recommendation agents. Consumers treat online recommendation agents as " social actors" and perceive human characteristics (e.g., benevolence and integrity) in computerized agents. Furthermore, the results confirm the validity of Trust-TAM to explain online recommendation acceptance and reveal the relative importance of consumers' initial trust vis-¨¤-vis other antecedents addressed by TAM (i.e. perceived usefulness and perceived ease of use). Both the usefulness of the agents as "tools" and consumers' trust in the agents as "virtual assistants" are important in consumers' intentions to adopt online recommendation agents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,053 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».