MétaCan
Menu
Retour à la cohorte
Enregistrement W4205603558 · doi:10.4018/ijhisi.295821

End User Satisfaction With Cloud Computing

2022· article· en· W4205603558 sur OpenAlexfundno aff
Fatima Alqahtani, Emad Abu-Shanab

Notice bibliographique

RevueInternational Journal of Healthcare Information Systems and Informatics · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesYarmouk UniversityQatar UniversityWilfrid Laurier UniversityHamad Medical Corporation
Mots-clésCloud computingPopularityUser satisfactionComputer scienceBusinessPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Cloud computing assures a faster, cheaper and more efficient rendering of resources, which leads to huge popularity among businesses and specifically the health sector. The major objective of this research is to identify the benefits of cloud computing (CC) and the factors influencing users satisfaction. Utilizing a survey collected from 219 employees, the research model was tested. Results indicated that employee compliance issues, security and privacy issues, economic benefits, operational benefits, functional benefits, and trust are all significant predictors of satisfaction. Management issues and private cloud risks were not significant predictors of satisfaction. The coefficient of determination R2 = 0.81. This study conducted comparisons between different categories of the sample based on their satisfaction level and concluded that age and education were significant discriminators, while gender, experience, and department were not. Conclusions and future research are stated in the last section.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare Information Systems and InformaticsMême sujetOrganizational and Employee PerformanceTravaux en français237 207