MétaCan
Menu
Retour à la cohorte
Enregistrement W2912635231 · doi:10.1108/intr-04-2018-0174

Adoption and non-adoption motivational risk beliefs in the use of mobile services for health promotion

2019· article· en· W2912635231 sur OpenAlexaff
Mihail Cocosila, Ofir Turel

Notice bibliographique

RevueInternet Research · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésPromotion (chess)Antecedent (behavioral psychology)Service (business)Mobile serviceMarketingConstruct (python library)OriginalityTechnology acceptance modelBusinessMobile technologySocial influenceStructural equation modelingValue (mathematics)PsychologyMobile deviceUsabilitySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to validate empirically a theoretical model that integrates an innovative construct capturing consumers’ non-adoption risk belief associated with not using a mobile service designed to support them in a non-leisure activity. Design/methodology/approach A theoretical model contrasting perceived non-adoption risk to perceived adoption risk of a mobile service supporting health promotion was developed and tested with a sample of potential consumers in North America. Findings Results show that non-adoption risk is a moderately strong antecedent of motivational factors in contrast to adoption risk that hinders the acceptance of a mobile service supporting health promotion. Research limitations/implications Healthcare is a highly sensitive social sector, so possible negative consequences of not using the support of a mobile service are an additional motivation for adopting this service. Future research should test the role of non-adoption risk in other contexts of technology use, including non-leisure settings. Practical implications Making potential users see the possible negative consequences of not using a mobile service designed to support them in a non-leisure activity increases their motivation and, subsequently, intention to use the service. Social implications Educational efforts to making consumers see the risks of not using a supporting technology application appear to be justified. Originality/value This study demonstrates the significant role of non-adoption risk belief that captures the negative consequences individuals may perceive if they fail to use as expected a mobile service application designed specifically to help them.

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)0,005
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
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 Opus0,261
Tête enseignante GPT0,484
Écart entre enseignants0,223 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternet ResearchMême sujetTechnology Adoption and User BehaviourTravaux en français237 207