MétaCan
Menu
Retour à la cohorte
Enregistrement W2970140938 · doi:10.25300/misq/2019/12349

Using Polynomial Modeling to Understand Service Quality in E–Government Websites1

2019· article· en· W2970140938 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMIS Quarterly · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Service (business)Quality (philosophy)Service modelE-GovernmentComputer scienceService qualityBusinessWorld Wide WebInternet privacyPublic relationsMarketingPolitical scienceInformation and Communications Technology

Résumé

récupéré en direct d'OpenAlex

As e–government websites grow in functionalities and capabilities, there is a need to better understand the nuanced role of service quality to enable governments to better address citizens’ online service needs. Such an understanding should help improve overall e–government use by citizens. Thus motivated, our paper investigates how users respond to the service quality perception–expectation gap in e–government websites. We draw on rational choice theory (RCT) to develop a theoretical model linking expected and perceived information systems (IS) service quality to continued e–government website use intentions. The proposed model is empirically tested using polynomial modeling and response surface analysis. The results indicate that, in contrast to the organizational context, for e–government websites, both agreement and disagreement between expected and perceived IS service quality are positively associated with continued use intention. In our sample, as high as 77 percent of respondents appear to be in the zone of tolerance, suggesting that users can tolerate wide variations in service quality before they consider seeking alternatives to e–government websites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,083
Tête enseignante GPT0,350
Écart entre enseignants0,267 · 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