MétaCan
Menu
Retour à la cohorte
Enregistrement W3038626814 · doi:10.5267/j.msl.2020.6.021

The effect of the service quality on passengers’ satisfaction

2020· article· en· W3038626814 sur OpenAlexvenueno aff
Sakkarin Nonthapot, Angwara Nasoontorn

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésService qualityQuality (philosophy)BusinessService (business)Customer satisfactionMarketingOperations managementAdvertisingComputer scienceProcess managementEconomics

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to investigate the impacts of the perceived service quality on passengers' satisfaction towards the service quality of the Nakhon Phanom Municipality, Thailand -Thakhek, Lao People's Democratic Republic ferry.The sample group comprised Thai and Lao passengers who used the ferry's service.A questionnaire was used to collect data from 505 samples who were selected using the simple random sampling method.The collected data was analyzed using the confirmatory factor analysis (CFA), structural equation modelling (SEM), and partial least squares (PLS) regression with the ADANCO 2.1.1 software.The results showed that the perceived service quality consisted of tangible, reliability, responsiveness, assurance, and empathy, which had the same impact with the passengers' satisfaction towards the service quality.The most influential factors were the tangible and responsiveness.Therefore, entrepreneurs should prioritize the improvement and development of the ferry's tangible.Furthermore, the government sector or relevant agencies should promote the implementation of technology into the development in order to fulfill the passengers' demand and create an impression that would lead to satisfaction and repurchasing.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,017
Tête enseignante GPT0,251
Écart entre enseignants0,234 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207