Notice bibliographique
Résumé
As customers gain Web site-specific skills they come to perceive the Web site differently and more favourably than inexperienced customers. This is not only due to familiarity, emotional attachment, liking, trust, etc. Often, it is the result of an objective change in the utility of the interface as a result of skill acquisition. This chapter reviews recent work on the link between skill acquisition and loyalty in electronic environments, and extends this work by investigating the impact that learning has on consumers’ perceptions of electronic interfaces. I report the results of an experiment, which demonstrates that with increasing task experience the probability that participants will choose an incumbent Web site, over an objectively equivalent competitor, increases. In addition the data indicate that with increasing experience participants’ perceptions of product quality also increase. Although the two interfaces (i.e., incumbent and competitor) are not perceived to be any different when each has been used only one time, there is a significant difference in quality perceptions between the interfaces when the incumbent has been used six times and the competitor has only been used once. These findings are important, because perceptions of quality have an impact on the choices that customers make when shopping online. Therefore, changes in perception that occur with increasing exposure to the incumbent are meaningful and can have an impact on a Web site’s market share. The data presented in this chapter provide strong evidence that perceptions of interface quality are affected by experience with an interface in a way that gives an incumbent an advantage over competitors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».