The effect of e-WOM through intention to use technology and social media community for mobile payments during the COVID-19
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
The use of mobile payments has become a public interest during the current spread of the coronavirus. The use of mobile payments prevents society from touching the payment media. This study examines the effect of ease of use on e-WOM through the intention to use and social media community on the mobile payment method. This research was conducted by taking data through closed questionnaires designed with a five-point Likert scale. This study distributed two hundred fifty questionnaires, and 202 returned to be processed using the partial least square (PLS) technique. The results of data processing show that the ease of use of technology applications had a positive effect on the intention to use an e-WOM. Ease of use of technology has a positive effect on the social media community because of the ease of operation and understanding of the steps for using technology to access and join as members of the social media community. Intention to use in the operation of technology and relatively low cost does not directly affect e-WOM but must go through a community on social media that provides an exciting atmosphere. The social media community has a significant effect on e-WOM. The social media community can share information on social media and share reviews between members so that it creates a sense of trust and mutual concern among members. This study provides an insight into the mobile payment provider to consider the ease of use of their design. This research contributes to the ongoing research in the online payment application study in the pandemic era.
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 | 0,006 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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