MétaCan
Menu
Retour à la cohorte
Enregistrement W2336325997 · doi:10.5539/ass.v12n5p139

Customer Satisfaction with Electronic Banking Services in the Saudi Banking Sector

2016· article· en· W2336325997 sur OpenAlexvenueno aff
Hani A. AlHaliq, Ahmad A. AlMuhirat

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectronic bankingCustomer satisfactionBusinessMarketingQuality (philosophy)Financial servicesComputer scienceFinanceThe Internet

Résumé

récupéré en direct d'OpenAlex

<p class="a">This research aims to examine the extent of customer satisfaction with electronic banking (e-banking) services in the Saudi banking sector and to address issues with quality of services by focusing on the following: (i) ease of use; (ii) information security and reliability and its role in influencing customer adoption of electronic services; (iii) the mechanisms of monitoring and control over these services. The research employed analytic and descriptive methodology, collecting primary data through a survey. It examined various aspects of electronic services provided by banks in Saudi Arabia to shed more light on these services and customer expectations, while also taking into account modern studies in this field as secondary data. The results show that Saudi banks have succeeded in attaining significant customer satisfaction by improving their electronic services, facilitating electronic transactions, improving processing performance and enhancing the specifications of electronic services. In addition, they have achieved effective communication with their customers as well as the speed of applications. However, there is an absence of awareness and guidance for customers about the e-banking system. The results of this research lead to some recommendations for improving the electronic services provided by banks in Saudi Arabia to enhance customer satisfaction.</p>

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,452
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,334
Écart entre enseignants0,301 · 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.

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

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207