MétaCan
Menu
Retour à la cohorte
Enregistrement W4251654944 · doi:10.46290/cjok000013

An Application of the Technology Acceptance Model to Individual Protective Measures (IPMs) Against Viruses

2021· article· en· W4251654944 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueCascade Journal of Knowledge · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingTechnology acceptance modelPsychologySocial psychologyPersonal hygienePersonal protective equipmentCoronavirus disease 2019 (COVID-19)EtiquetteApplied psychologyUsabilityMathematicsComputer scienceStatisticsMedicinePolitical scienceFamily medicine

Résumé

récupéré en direct d'OpenAlex

This presentation describes Technology Acceptance Model (TAM) when using individual protective measures (IPMs) against the spreading of viruses like COVID-19. The constructs in TAM are perceived usefulness, and ease of use, attitude towards the use of IPMs and the actual use as well as social influence, which were measured with relevant indicator variables. The statistical method used in the analysis was Partial Least Squares Structural Equation Modelling (PLS-SEM). IPMs include personal protective measures for everyday use (e.g., voluntary home isolation, respiratory etiquette, and hand hygiene); Personal protective measures for influenza pandemics (e.g., voluntary home quarantine, and use of face masks in community settings); and Environmental measures (e.g., routine cleaning of frequently touched surfaces). The results indicate that all relationships were significant also so that the effect sizes were large to medium with the exception of social influence -> perceived usefulness and social influence -> attitude towards usage.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,092
Tête enseignante GPT0,419
Écart entre enseignants0,328 · 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