MétaCan
Menu
Retour à la cohorte
Enregistrement W2617626082 · doi:10.1145/3033701.3033711

The Interplay of Aesthetics, Usability and Credibility in Mobile Websites and the Moderation by Culture

2016· article· en· W2617626082 sur OpenAlexaffabout
Kiemute Oyibo, Julita Vassileva

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésUsabilityCredibilityModerationContext (archaeology)PerceptionVariance (accounting)Empirical evidencePsychologyComputer scienceSocial psychologyAestheticsHuman–computer interactionPolitical scienceArtEpistemologyGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

The relationships between aesthetics, usability and credibility have been widely investigated in human-computer interaction (HCI). However, in the mobile domain, limited empirical evidence exists showing the interplay among these three constructs and the role culture plays. To address this, we carried out a survey on four systematically designed mobile websites among 233 subjects from Canada and Nigeria, which belong to low- and high-context cultures respectively. Using path modeling, we investigated the relationships among the perceptions of these three HCI constructs and the possible differences that exist between the two cultures. Our results show: 1) it is the perception of aesthetics that predominantly drives the judgment of mobile web credibility at the global and subgroup levels, with the effect size being greater for the Canadian group than for the Nigerian group; 2) the direct effect of aesthetics on usability is moderated by culture, with the magnitude being stronger for the Nigerian group than for the Canadian group; and 3) our models explain 29-83% of the variance of credibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,263
Écart entre enseignants0,257 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations16
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInnovative Human-Technology InteractionTravaux en français237 207