Investigating consumers’ reluctance to give up local hard drives after adopting the Cloud
Notice bibliographique
Résumé
Purpose The next phase of hardware technology development is focused on alternative ways to manage and store consumers’ personal content. However, even consumers who have adopted Cloud-based services have demonstrated a reluctance to move all of their personal content into the Cloud and continue to resist giving up local hard drives. This paper aims to investigate the characteristics of local hard drives and the Cloud that lead to simultaneous use. Design/methodology/approach This paper uses content analysis of online comments and ten depth interviews with simultaneous users of local hard drives and the Cloud. Findings Three factors influence the resistance to giving up local hard drives. Simultaneous users utilize local hard drives as a redundancy system and as a way to ensure the permanence of their digital content. They are unsure of the Cloud’s ability to support their content creation, management and storage activities (task-technology fit). Research limitations/implications Study findings are based on qualitative methods and thus the results cannot be considered conclusive. Practical implications The authors speculate that it is unlikely that Cloud-only will fully replace hard drives until these factors are understood and addressed by information technology developers. Cloud service providers may not be aware of how little that users understand the Cloud. In contrast to their certainty and confidence in local hard drives, simultaneous users are confused as to what the Cloud is and how it functions. This uncertainty exacerbates their risk perception and need for control. Originality/value This is the first study exploring simultaneous use of local hard drives and the Cloud with a view to understanding this behaviour in terms of the relative advantage of the incumbent technology over the new technology.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».