MétaCan
Menu
Retour à la cohorte
Enregistrement W2791347416 · doi:10.5267/j.msl.2018.1.001

Investigating the role of unified theory of acceptance and use of technology (UTAUT) in internet banking adoption context

2018· article· en· W2791347416 sur OpenAlexvenueno aff
Samar Rahi, Mazuri Abd Ghani, Feras MI Alnaser, Abdul Hafaz Ngah

Notice bibliographique

RevueManagement Science Letters · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnified theory of acceptance and use of technologyContext (archaeology)The InternetBusinessMarketingComputer scienceKnowledge managementPsychologyExpectancy theorySocial psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Several studies have made known that internet banking (IB) implementation is not only advantageous for banks, but also by perception and experience of IB users.Therefore, little is known about factors propelling user's intention to adopt internet banking in Pakistan.Thus, the purpose of this research is to investigate the role of unified theory of acceptance and use of technology (UTAUT) in internet banking adoption context.A quantitative approach based survey was conducted to collect the data from 398 internet banking users.For statistical analysis structural equation model (SEM) approach was used.The result of this study indicates that, UTAUT model provided a good theoretical foundation in technology adoption investigation.Findings confirmed that all four predictors (performance expectancy, effort expectancy, social influence and facilitating condition) were significant and had significant amount of variance in predicting user's intention to adopt internet banking.Additionally, the IPMA test revealed that performance expectancy was the most important factor among all other variables to predict user's intention towards adoption of internet banking.Lastly, managerial implications, limitations and future recommendations 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 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)0,008
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
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 Opus0,061
Tête enseignante GPT0,315
Écart entre enseignants0,254 · 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

Citations159
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetTechnology Adoption and User BehaviourTravaux en français237 207