MétaCan
Menu
Retour à la cohorte
Enregistrement W3015568260 · doi:10.5267/j.msl.2020.3.029

Determinants influencing customers' decision to use mobile payment services: The case of Vietnam

2020· article· en· W3015568260 sur OpenAlexvenueno aff
Nghi Huu Phan, Mạnh Dũng Trần, Van Hoa Hoang, Thanh Dung Dang

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessReputationPaymentMobile paymentMarketingOrder (exchange)Service providerService (business)Unified theory of acceptance and use of technologySocial securityExpectancy theoryFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

This study is conducted to investigate the impact levels of determinants on customers' decision to use payment services via mobile devices in Hanoi, Vietnam. Data were collected from a survey of people living in Hanoi city of Vietnam who may or not use mobile payment services. Based on the theory of technology acceptance and use (UTAUT) developed, we design a research model with six determinants including expected efficiency, effort expectations, social impact, safety and security, perceived costs and supplier reputation. The results show that determinants of expected efficiency, expected effort, social impact, safety and security and supplier reputation (except perceived costs) had positive impacts on the decision of customer. However, the degree and order of impact varies between two groups of unused and already used customers. In particular, the determinants of effort of expectation, safety and security, reputation of suppliers had the strongest impacts on the decisions of customers in both groups in using payment services through mobile device. Based on the findings, we give suggestions for managers and service providers in developing this kind of service in Hanoi, Vietnam as a case study for emerging countries.

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 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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,347
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 tête enseignante, 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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetTechnology Adoption and User BehaviourTravaux en français237 207