Using the playful consumption experience model to uncover behavioral intention to play Multiplayer Online Battle Arena (MOBA) games
Notice bibliographique
Résumé
Purpose Playing video gaming is one of the most popular forms of leisure activities. This study looks into a specific video game genre, under the category of Multiplayer Online Battle Arena (MOBA) games. The purpose of this research is to investigate the factors that lead to the consumption of MOBA games. Three factors, imaginal, emotional and sensory experiences, are investigated through an integration of the hedonic consumption model, Technology Acceptance Model (TAM) and Uses and Gratification Theory (UGT). Design/methodology/approach The study analyses a sample of 292 MOBA game players using the PLS-SEM model. The study comprises two stages; in the first stage, an estimation model was used to test the constructs' quality and legitimacy. In the second stage, we assessed the theoretical model to test the relationship between the principle constructs. Findings The study found that factors related to emotional experiences, namely enjoyment, emotional involvement, and arousal, led to greater intention to play MOBA games. Similarly, two factors related to imaginal experiences, escapism and role projection, also positively impacted while fantasy carried a negative impact. The study also found that sensory experiences had a significant positive impact on the intention to play MOBA games. Lastly, a positive correlation was also found between the intention to use and usage behavior in MOBA games. Originality/value This study contributes to the theoretical understanding of the playful-consumption experiences of pleasure-oriented information systems (I.S.) that is MOBA games that derive behavioral intention to play MOBA games, which in turn determines the usage behavior of MOBA players. The study also incorporates the uses and gratification theory to uncover the needs and experiences that trigger MOBA games' behavioral intention and its further impact on gamers' usage behavior. The study also presents useful insights for game developers and other relevant stakeholders in game development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».