The impact of information technology quality on electronic customer satisfaction in movie industry
Notice bibliographique
Résumé
The use of social media becomes a common habit in today's community and routinely used to interact with the community member. Also, many companies used social media to create a social media community concerning the products and services provided to strengthen the company's brand. This study surveys as many as 231 respondents and data analysis uses the PLS method utilizing smart PLS software. The result reveals that the use of information technology that is getting faster with high-speed data accessibility enhances the intensity of interaction between the community member with the path coefficient value of 0.605. Furthermore, the use of information technology with high-speed data accessibility also increase the satisfaction of movie trailer viewers with the path coefficient value of 0.392 since it can provide excitement and entertainment. Besides, the increased use of information technology provides higher satisfaction to the audience. The results also show that the presence of a social media community could provide satisfaction for movie trailer viewers with a coefficient of 0.332. The availability of films in the community provides excellent interactive communication between users. This research has focused only on the use of information technology in the respondents who watch movie trailers and is limited to a region of East Java province, Indonesia. Further research is required to be performed, which focuses on different types of social media and context and needs to analyze the comment of the film viewer in order to provide a better benefit on the latest films and for the entertainment company.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».