MétaCan
Menu
Retour à la cohorte
Enregistrement W2970564154 · doi:10.5539/ibr.v12n9p62

The Effect of Using Mobile Banking Services Applications on Electronic Word of Mouth: The Mediating Role of Perceived Trust

2019· article· en· W2970564154 sur OpenAlexvenueno aff
Lama Zalloum, Hamad Rashid Al-ghadeer, Nawras M. Nusairat

Notice bibliographique

RevueInternational Business Research · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMobile bankingPersonalizationBusinessMediationUsabilityService qualityInformation qualityQuality (philosophy)Descriptive statisticsService (business)MarketingAdvertisingComputer scienceInformation systemStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

The objective of this study is to examine selected dimensions of mobile banking, (such as Ease of Navigation, Personalization Level, Information Quality, Rewards) on e-wom through the mediating role of perceived trust. Self-structured questionnaire is used to collect data which is then shared via Google forms online and targeted only to the users of mobile banking services application in Jordan. Quantitative and analytical methods were used to analyze the data. 499 questioners were returned, 30 of which were rejected as they were not using mobile banking service applications. 469 of the questionnaires were accepted and analyzed using reliability test analysis, descriptive statistics and regression process. The findings of the study indicate that there is a statistically significant effect of mobile banking (Ease of Navigation, Personalization Level, Information quality, Rewards) through the mediation role of perceived trust on relationships between using mobile banking services and e-wom. It is recommended that banks pay more attention to mobile banking and build powerful and good E-WOM in order to spread the use of mobile banking rapidly.

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)0,003
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,012
Tête enseignante GPT0,309
Écart entre enseignants0,297 · 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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetOrganizational and Employee PerformanceTravaux en français237 207