MétaCan
Menu
Retour à la cohorte
Enregistrement W4213098521 · doi:10.4018/978-1-60566-138-4.ch018

Cultural Effects on Technology Performance and Utilization

2009· book-chapter· en· W4213098521 sur OpenAlexaboutno aff
Susan K. Lippert, John A. Volkmar

Notice bibliographique

RevueAdvances in global information management (AGIM) book series · 2009
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHofstede's cultural dimensions theoryMasculinityDimension (graph theory)NationalityTechnology acceptance modelHomogeneousPsychologySocial psychologyFemininityElement (criminal law)Value (mathematics)UsabilityPolitical scienceComputer scienceMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Research to date on information technology (IT) adoption has focused primarily on homogeneous single country samples. This study integrates the Theory of Reasoned Action (TRA) and the Technology Acceptance Model (TAM) with Hofstede’s (1980, 1983) Masculinity/Femininity (MAS-FEM) work value dimension to focus instead on post adoption attitudes and behaviors among a mixed gender sample of 366 United States and Canadian users of a specialized supply chain IT. We test 11 hypotheses about attitudes towards IT within and between subgroups of users classified by nationality and gender. Consistent with the national MAS-FEM scores and contrary to the conventional consideration of the U.S. and Canada as a unitary homogenous cultural unit, we found significant differences between U.S. men and women, but not between Canadian men and women. These results support the importance of the MAS-FEM dimension—independent of gender—on user attitudes and help to clarify the relationship between culture and gender effects. Implications for managers responsible for technology implementation and management are discussed and directions for future research are offered.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,011
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,028
Tête enseignante GPT0,331
Écart entre enseignants0,303 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in global information management (AGIM) book seriesMême sujetTechnology Adoption and User BehaviourTravaux en français237 207