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 employeesâ 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 employeesâ 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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 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 ».