An empirical examination of factors affecting the post-adoption stage of mobile wallets by consumers: A perspective from a developing country
Notice bibliographique
Résumé
Although the critical success factors might be different between the pre and post-adoption stages of mobile wallets, there have been few studies conducted to examine those factors for the post-adoption stage when compared to the number of studies conducted to examine those factors for the pre-adoption stage. Yet, the post-adoption stage of mobile wallets is crucial to the success and sustainability of the mobile wallets’ ecosystem. Thus, this study developed and examined a model by integrating relevant factors into the Technology Acceptance Model 2 (TAM2). Data were collected from 578 mobile wallet users in Jordan using an electronic questionnaire. A structural equation modelling approach was utilized to analyze the data. The results revealed that perceived usefulness and perceived ease of use have statistically significant positive direct effects on the intention to continuous use of mobile wallets, while subjective norm does not. In addition to that, results indicated that trust, security, and ubiquity have statistically significant positive direct effects on perceived usefulness and perceived ease of use, and, in turn, on the intention to continuous use of mobile wallets. Moreover, this study found that perceived ease of use and subjective norms have statistically significant positive direct effects on perceived usefulness, and, in turn, on the intention of continuous use of mobile wallets. While risk does not have a significant effect on perceived usefulness, it has been found to have a statistically significant negative direct effect on perceived ease of use, and, in turn, on the intention to continuous use of mobile wallets. The findings of this study should help stakeholders to develop more effective consumer retention tactics and formulate appropriate marketing decisions.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| 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 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 ».