A Study on the Preference and Consumption Intention of Chinese College Students for Online Knowledge Payment
Notice bibliographique
Résumé
The phenomenon of knowledge payment mainly refers to the phenomenon that the recipient of knowledge pays for the knowledge reading. The year of 2016 is known as “the first year of knowledge payment”. With the continuous progress of Internet technology, online knowledge payment has become an important trend of development. Students are the main consumers of knowledge products. It will help enterprises to design products with better quality by studying students' preferences and consumption intentions for online knowledge payment products, and it will be easier to meet the needs of the public. This article first makes the simple classification of the platforms of the knowledge payment, through the information on the Internet. Then with the methods of literature review, and questionnaire survey, it is concluded that the students are more inclined to choose the video class, the type of documentation platform, online courses, content of school related courses and the interest/practical skills class of products; The key factors that influence students' choice of knowledge payment platforms or products are also the main reasons that trigger students' willingness to consume knowledge payment products. This includes the ease of availability of the online product itself, and the quality of the paid product compared to the free product. This paper proposes that we should cater to students' preferences and needs, and design corresponding products for this group; Work closely with the school to further meet students' academic needs; Enrich and improve students' extracurricular interest and skills courses; Improve the interactive nature of the paid knowledge products; Increase publicity; This paper is to optimize the user feedback mechanism and improve their product quality hard power recommendations.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».