User Acceptance of Usable Blockchain-Based Research Data Sharing System:\n An Extended TAM Based Study
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
Blockchain technology has evolved as a promising means to transform data\nmanagement models in many domains including healthcare, agricultural research,\ntourism domains etc. In the research community, a usable blockchain-based\nsystem can allow users to create a proof of ownership and provenance of the\nresearch work, share research data without losing control and ownership of it,\nprovide incentives for sharing and give users full transparency and control\nover who access their data, when and for what purpose. The initial adoption of\nsuch blockchain-based systems is necessary for continued use of the services,\nbut their user acceptance behavioral model has not been well investigated in\nthe literature. In this paper, we take the Technology Acceptance Model (TAM) as\na foundation and extend the external constructs to uncover how the perceived\nease of use, perceived usability, quality of the system and perceived enjoyment\ninfluence the intention to use the blockchain-based system. We based our study\non user evaluation of a prototype of a blockchain-based research data sharing\nframework using a TAM validated questionnaire. Our results show that, overall,\nall the individual constructs of the behavior model significantly influence the\nintention to use the system while their collective effect is found to be\ninsignificant. The quality of the system and the perceived enjoyment have\nstronger influence on the perceived usefulness. However, the effect of\nperceived ease of use on the perceived usefulness is not supported. Finally, we\ndiscuss the implications of our findings.\n
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,014 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle