Battles of mobile payment networks: The impacts of network structures, technology complementarities and institutional mechanisms on consumer loyalty
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
Abstract Most information systems (IS) research takes for granted that consumers' adoption and the use of mobile payment (MP) applications are motivated by generic factors such as perceived usefulness and perceived ease of use. Challenging this assumption, we argue that the salient contextual characteristics of MP applications compel a reconsideration and problematization of research on MP adoption and use. Drawing on network effect theory, we examined how contextual network effects and contextual network types determine MP consumer loyalty. Using a mixed methods design, we find that direct network effects (i.e., network size, network centrality, network capability), indirect network effects (i.e., platform–application complementarity, application–service complementarity, service–strategy complementarity) and negative network effects (i.e., general institutional structure, general structural assurance, local institutional structure and local structural assurance) are key determinants of perceived benefits, which further promote MP consumer loyalty. Furthermore, except for general institutional structure and general structural assurance, all of the network effects are important predictors of switching costs, which influence MP consumer loyalty. Finally, the impacts of network effects on MP consumer loyalty differ between consumer‐ and service‐oriented networks. Our study enriches the IS literature by problematizing the core assumption underlying the MP adoption and use research and offering a contextual explanation of MP consumer loyalty. Our work also provides practitioners with insights into how to better leverage network effects on MP consumer loyalty.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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