The continuation and recommendation intention of artificial intelligence-based voice assistant systems (AIVAS): the influence of personal traits
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
Purpose Based on the post-acceptance model of information system continuance (PAMISC), this study investigates the influence of the early-stage users' personal traits (specifically personal innovativeness and technology anxiety) and ex-post instrumentality perceptions (specifically price value, hedonic motivation, compatibility and perceived security) on social diffusion of smart technologies measured by the intention to recommend artificial intelligence-based voice assistant systems (AIVAS) to others. Design/methodology/approach Survey data from 400 US AIVAS users were collected and analyzed with Statistical Product and Service Solutions (SPSS) 18.0 and the partial least square technique using advanced analysis of composites (ADANCO) 2.1. Findings AIVAS technology is presently at the early stage of market penetration (about 25% of market penetration in the USA). A survey of AIVAS technology users reveals that personal innovativeness is directly and indirectly (through confirmation and continuance) associated with a stronger intention to recommend the use of the device to others. Confirmation is associated with all four ex-post instrumentality perceptions (hedonic motivation, compatibility, price value and perceived security). Among the four, however, only hedonic motivation and compatibility are significant predictors of satisfaction, which lead to use continuance and, eventually, intention to recommend. Finally, technology anxiety is found to be indirectly (but not directly) associated with a lower intention to recommend. Originality/value This is the first study conducted on the early-stage AIVAS users that evaluates the influence of both personal traits and ex-post instrumentality perceptions on users' intention for continuance and recommendation to others.
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 | 0,007 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle