Diffusion of Internet Banking amongst educated consumers in a high income non-OECD country
Notice bibliographique
Résumé
This study analyses the internet banking channels and service preferences of educated banking consumers in the UAE and examines the factors influencing the intention to adopt or to continue the use of internet banking among both users and non users of internet banking. It is shown that although the banking sector in the UAE is a regional leader, internet banking in the UAE is yet to be properly utilized as a real added value tool to improve customer relationship and to attain cost advantages. The Technology Acceptance Model (TAM) was used to identify factors influencing the intention to adopt and continued use of internet banking customers. Data was collected from internet banking users and potential users in the United Arab Emirates and factor analyses and multiple regression analyses were conducted to examine the data. Relative usefulness is introduced as one of the factors and is defined as the degree to which a new technology is better than exiting ones. There is a significant difference between users and non-users on six of the seven factors identified. Further, it was revealed that relative usefulness, perceived risk, computer efficacy and image had a significant impact on continued usage of internet banking for IB Users, while relative usefulness and result demonstrability were the only ones significant for Non-users of internet banking. The effects of age, gender, income, and e-commerce users also explored. Result demonstrability is significant for all categories of non-users except for those with income below AED 7,000. Implications of results were discussed, and future research directions outlined.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».