Investigating e-wallet adoption of COVID19 intra-period among Malaysian youths': Integrated task-technology fit and technology acceptance model framework
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
As embodied in Malaysia's Vision 2020, Malaysia aims to become a cashless country. Therefore, the existing statistical data indicated that the e-wallet adoption rate remains at a low percentage. It has been a barrier for Malaysia in achieving the aims to become a cashless country. The use of e-wallet was also expected to rise amidst the Covid-19 pandemic; to optimize an intervention for the Covid-19 outbreak. Thus, the current study investigates the factors that correlate with the intention to use e-wallet during the Covid-19 pandemic. This study is designed using a quantitative approach through cross-sectional data. A total of 160 Malaysian youths participated and collected by using an online survey. Further, the Task-Technology Fit (TTF) model and Technology Acceptance Model (TAM) were integrated into this study with an extended variable, namely, perceived credibility. The analysis results showed that Individual-Technology Fit, Task-Technology Fit, Perceived Usefulness, Perceived Ease of Use and Perceived Credibility were significantly correlated to Covid19 intra-period e-wallet adoption. In conclusion, a considerable theoretical contribution was demonstrated by integrating TTF-TAM and Perceived Credibility in a single integrated model. The constructs in the TTF model (i.e., Individual-technology fit and task-technology fit) has positively related to the constructs in the TAM model (i.e., perceived usefulness and perceived ease of use). This study is useful to stakeholders and provides enhanced directions to meet market needs by understanding and predicting e-wallet user's post-pandemic behavior, thereby helping service providers attract new users and retain their existing users.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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