MétaCan
Menu
Retour à la cohorte
Enregistrement W2344940147 · doi:10.4172/1204-5357.1000123

Factors Influencing Intention to Adopt Internet Banking by Postgraduate Students of the University of Ibadan, Nigeria

2015· article· en· W2344940147 sur OpenAlexvenueno aff
Funmilola Olubunmi Omotayo, Adebayo AK

Notice bibliographique

RevueThe Journal of Internet Banking and Commerce · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThe InternetTheory of planned behaviorSoutheastern NigeriaControl (management)PsychologyUsabilityTechnology acceptance modelMarketingPositive attitudeQuestionnaireBusinessSociologySocial psychologyComputer scienceWorld Wide WebSocial scienceSocioeconomics

Résumé

récupéré en direct d'OpenAlex

This study examines the factors influencing intention to adopt internet banking by postgraduate students of the University of Ibadan Nigeria. The study adopted the Technology Acceptance Model and Theory of Planned Behaviour as the theoretical framework. The survey instrument employed involved design and administration of a total of 522 survey questionnaires within the University. The results of the study reveal no significant relationship between demographic characteristics of the students and intention to adopt internet banking, while the individual factors (attitude, trust, perceived usefulness, perceived ease of use and perceived behavioural control), and social factor (subjective norms) significantly influenced intention of the students to adoption internet banking. The study concludes that even though some students are yet to adopt the use of internet banking, their attitude towards online banking is favourable. It is therefore recommended that banks should intensify efforts to improve the security of online banking platform as well as continue to educate their customers on the perceived benefits of internet banking in addition to making the platform more user-friendly and easy to use.

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 enseignants0,023
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,098
Tête enseignante GPT0,337
Écart entre enseignants0,238 · 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

Citations23
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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