Differential Effects of Customers’ Regulatory Fit on Trust, Perceived Value, and M-Commerce Use among Developing and Developed Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite promising growth, mobile commerce (m-commerce) still represents only a small proportion of the world's total e-commerce market. The research behind this article moves away from the predominantly single-country (typically developed) and utilitarian-focused market scope of past research to examine and provide a more nuanced understanding of customers’ motivations, whether utilitarian or hedonic, for using m-commerce across six countries. The six-country context, with data collected from 1,183 m-commerce users, offers a unique opportunity to advance mobile-retailing literature by comparing customers’ value perceptions, trust, and m-commerce use across disparate national markets. By treating motivations as conditions activated by individuals’ chronic regulatory orientations, our results show that hedonic motivation plays a more significant role in influencing customers’ value perceptions and trust for those who are promotion oriented (Australia and the United States), whereas utilitarian motivation plays a more important role for those who are prevention oriented (Bangladesh and Vietnam). Finally, both hedonic and utilitarian motivations play an important role in influencing customers’ value perceptions and trust for those who are moderately promotion and prevention oriented (India and Pakistan). These results offer insights to mobile retailers operating internationally in their decisions to standardize or adapt the mobile-shopping environment to deliver the most valuable, trustworthy, and engaging solutions to customers.
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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle