What makes you feel attached to smartwatches? The stimulus–organism–response (S–O–R) perspectives
Notice bibliographique
Résumé
Purpose The purpose of this paper is to answer the question of whether smartwatches will survive and gain their own niche within the consumer electronics market. Based on the stimulus–organism–response (S–O–R) framework, this study identifies and validates the impacts of both technological and fashion-related factors (interactivity, autonomy, visual aesthetics and self-expression) on product attachment towards smartwatches through user satisfaction and pleasure derived from their smartwatches. Design/methodology/approach The authors collected the survey data via online surveys from 198 respondents and tested measurement and structural models with the partial least square technique. Findings The authors found that both technological characteristics (interactivity and autonomy) and fashion-related characteristics (visual aesthetics and self-expression) have an impact on product attachment through pleasure. Research limitations/implications Several other important characteristics of traditional wrist-watches such as durability or workmanship are not considered in this study, but should be included in future studies. The three-item measure of autonomy may be insufficient for more sophisticated wearable devices in the future. In future studies, the impact of product attachment on users’ continued usage should be examined. Practical implications This study provides important practical implications for smartwatch makers interested in product development, as users were found to consider fashion-related characteristics to be as important as technological characteristics. Originality/value This study is the first study that considers both aesthetic and technological factors for IT acceptance in the context of wearable devices. Also, instead of traditional IT acceptance measures such as continued use, this study investigates users’ product attachment, which is more relevant to the case of wearable devices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».