SOCIAL COGNITIVE DETERMINANTS OF NON-MALICIOUS, COUNTERPRODUCTIVE COMPUTER SECURITY BEHAVIORS (CCSB): AN EMPIRICAL ANALYSIS
Notice bibliographique
Résumé
This study used a cross-sectional survey to test the relationships among social cognitive variables and employees’ counterproductive computer security behaviors (CCSB). We used data collected from 201 professionals in Canadian organizations. Components from social cognitive theory (SCT) including self-efficacy, observational learning, outcome expectations (organizational and personal), self-regulation, and organizational facilitators could diminish employees’ CCSB. No prior research has examined this phenomenon using SCT. A total of 16 hypotheses were formulated and tested with the partial least squares (PLS) technique; 10 were confirmed. Notably, two SCT variables, i.e. outcome expectations (organizational) and self-regulation had direct negative effects on CCSB. The others did not have direct effects on CCSB; however, outcome expectations (personal) had indirect effect on CCSB through self-regulation. Self-efficacy indirectly impacted CCSB through outcome expectations (organizational). In addition, observational learning and outcome expectations (organizational) had indirect effects on CCSB through self-regulation. The results confirmed that organizational facilitator, i.e. training, have positive effects on self-efficacy. The data showed that intention to engage in CCSB is positively associated with indulgence in the behavior, in this instance, self-reported engagement in CCSB. The social cognitive variables in our research model explained 18% of the variance observed in the intention to engage in CCSB
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».