An Empirical Study of Rural CustomerâÂÂs Satisfaction from EBankingin India
Notice bibliographique
Résumé
In India there are 6, 40,867 villages and 68.84% of population resides in rural areas that offer a huge potential to the economy (Census 2011). Banking sector being the forefront of the economy has ventured into many innovative services to cater the need of these non-urban residents and e-banking is one of the most splendid offers in this context. E-banking has alchemized the conventional way of banking through providing countless benefits to its users. But the adaptability of e-banking in rural areas is not in consensus with the proliferate growth of e-banking observed in other areas. In this context the present paper attempts to explore different factors that might be interrupting the burgeoning development of e-banking in rural areas. The study is based upon the primary data collected from 520 rural respondents regarding 17 variables which are expected to affect the satisfaction level of e-banking users. The data has been tested through Cronbach Alpha, Kaiser-Meyer-Olkin measure, Bartlett’s test and correlation among different variables. It has further been analyzed though factor analysis, regression analysis and ANOVA. The study attempts to submit some suggestions to enhance the level of overall satisfaction of rural customers and resultant rise in the propensity to use e-banking as a primary channel of banking.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».