MétaCan
Menu
Retour à la cohorte
Enregistrement W4225793595 · doi:10.5267/j.ijdns.2022.2.007

The role of attitude to mediate the effect of trust, perceived behavior control, subjective norm and per-ceived quality on intention to reuse the COVID-19 website

2022· article· en· W4225793595 sur OpenAlexvenueno aff
Ni Nyoman Kerti Yasa, Putu Saroyini Piartrini, Ni Luh Wayan Sayang Telagawathi, Nilna Muna, Putu Laksmita Dewi Rahmayanti, Miko Andi Wardana, Nyoman Surya Wijaya, Pande Ketut Ribek, I Wayan Suartina

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNonprobability samplingPsychologyPath analysis (statistics)Norm (philosophy)Coronavirus disease 2019 (COVID-19)Social psychologyPopulationSample (material)Control (management)ReuseQuality (philosophy)Applied psychologyStatisticsMedicineComputer scienceMathematicsEngineeringEnvironmental healthPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The objectives of this paper was to explain the effect of the variables trust, PBC, subjective norm, perceived quality, and re-usage intention on attitude and re-usage intention. This study's population consisted of Indonesians who visited the COVID-19 website to learn more about the progress of COVID-19. With the purposive sampling strategy, the sample size was as large as 238 participants. Path Analysis with the SEM-PLS approach was employed as the analytical technique. The findings revealed that trust, subjective norm, and perceived quality all had a positive and significant effect on attitudes when using the COVID-19 website, although PBC had a favorable but small effect. Furthermore, attitude influences intention to use in a positive and significant way.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,025
Tête enseignante GPT0,334
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207