MétaCan
Menu
Retour à la cohorte
Enregistrement W2595389828 · doi:10.24251/hicss.2017.501

A Meta-Analysis of Enjoyment Effect on Technology Acceptance: The Moderating Role of Technology Conventionality

2017· article· en· W2595389828 sur OpenAlexaff
Nour El Shamy, Khaled Hassanein

Notice bibliographique

RevueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System Sciences · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAffordanceWearable technologyComputer scienceHuman–computer interactionInformation technologyWearable computerTechnology acceptance modelEmerging technologiesInternet privacyKnowledge managementUsabilityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Recent advancements in Information and Communication Technology lead to the development of affordable, novel, out of the ordinary, and unconventional information technology artifacts. Such innovative technologies including virtual reality, wearable technology, and robots; feature unique human-computer interfaces, untraditional hardware designs, enable unique and atypical affordances, and provide their users with unprecedented experiences. As these artifacts become more pervasive, it is important to understand whether established Information Systems theories apply to this new paradigm. This meta-analysis introduces the definition of technology conventionality and investigates its moderating role on the effect of perceived enjoyment on users’ behavioural intention to use the technology with the aim of contrasting the effect sizes across conventional and unconventional technologies. Findings indicate that perceived enjoyment plays an important role in shaping users’ behavioural intention for both conventional and unconventional technologies. Implications for practice and future research are discussed.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,007
Communication savante0,0010,002
Science ouverte0,0210,003
Intégrité de la recherche0,0010,001
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 Opus0,157
Tête enseignante GPT0,397
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations26
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System SciencesMême sujetTechnology Adoption and User BehaviourTravaux en français237 207