Effect of Smart Attributes of SPA on Intention to Use of Blockchain System - Based on Securities Lending of Small and Medium Construction
Notice bibliographique
Résumé
Background/Objectives: This study investigates the effects of Smart Attributes of SPA on the perceived usefulness and Intension to Use of blockchain systems. To achieve the purpose of the study, we analyzed the effect of Smart Attributes of SPA on Perceived Usefulness and Intension to Use of blockchain systems using TAM.Methods/Statistical analysis: The data for this study were collected through a survey. We conducted a survey of users from June to August 2019. A Likert 5-point scale was used. The survey targeted Small and Medium Construction staff and using the Blockchain system. There were 719 valid cases. SPSS 24 and AMOS 22 were used for the analysis of collected data. The analysis methods were technical analysis, frequency analysis, correlation analysis, reliability analysis, factor analysis, CFA, Structural Equation Model.Findings: The findings can be implied in three ways: First, when designing a blockchain-based securities lending system, the system should be designed according to the user's purpose, that is, the 'Usability' attribute should be included in the function. Second, 'Customization' should be considered when designing the system. In other words, the needs of specific customers should be fully understood and reflected in the system design. Third, when designing a system, the 'Connectivity' attribute must be fully considered. It is to be able to connect social and device-to-device networks and all the connectable objects.Improvements/Applications: When designing a blockchain-based securities lending system, the four attributes of Smart Attributes of SPA should be fully reflected. In other words, if 'Usability', 'Customization', and 'Connectivity' are reflected as much as possible, it will contribute to the early settlement of the system.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».