MétaCan
Menu
Retour à la cohorte
Enregistrement W2795002767 · doi:10.5539/mas.v12n4p204

Predicting Individuals’ Usage Intention of Social Commerce

2018· article· en· W2795002767 sur OpenAlexvenueno aff
Yazn Alshamaila

Notice bibliographique

RevueModern Applied Science · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of JordanU.S. Department of Commerce
Mots-clésPurchasingSocial mediaSocial commerceQuality (philosophy)Technology acceptance modelConstruct (python library)MarketingPerspective (graphical)BusinessValue (mathematics)Knowledge managementUsabilityComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Online interactions pave the way for new streams of collaborations and support among connected users of social networking sites, and this collaboration is leveraged for business purposes. The purpose of this paper is to contribute to a growing body of research on social commerce by studying individuals’ behavior from the consumer perspective of information technology innovations. By adopting “social support” and the technology acceptance model as a theoretical base, this study used a web-based questionnaire survey to collect data from 325 users of SNSs in Jordan. The data were then analyzed using Statistical Package for the Social Sciences regression. Jordan was selected because it is a country that has reported high SNS usage compared to other countries. The main factors that were identified as playing a significant role in individual adoption of social commerce were social commerce construct and perceived usefulness. This study did not find enough evidence that perceived ease of use and perceived information quality were a significant determinant of social commerce adoption. These findings have important implications and value for the academia, businesses managers, and social media specialists in terms of formulating better strategies for handling social commerce effects on businesses. For social media specialists, using the research model in this study can assist in increasing their understanding of why some individuals choose to adopt social commerce services. Additionally, business managers may need to improve their interaction with SNS users and develop a better understanding of how consumers use social commerce in the purchasing decision process. Based on our review of the existing scientific literature on social commerce, few empirical studies have been conducted to scientifically evaluate and explain the usage behavior of social commerce in Jordan. This paper contributes to the continuing research in social commerce adoption and diffusion in the individual context.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,118
Tête enseignante GPT0,385
Écart entre enseignants0,268 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207