What influences news learning and sharing on mobile platforms? An analysis of multi-level informational factors
Notice bibliographique
Résumé
Purpose The purpose of the study is threefold: first, to identify what factors influence mobile users' willingness of news learning and sharing, second, to find out whether users' learning in the news platforms will affect their sharing behavior and third, to access the impact of sharing intention on actual sharing behavior on the mobile platform. Design/methodology/approach This study proposes an influence mechanism model for examining the relationship among the factors, news learning and news sharing. The proposed mechanism includes factors at three levels: personal, interpersonal and social level. To achieve this, researchers collected data from 474 mobile news users in China to test the hypotheses. The tools SPSS 26.0 and AMOS 23.0 were used to analysis the reliability, validity, model fits and structural equation modeling (SEM), respectively. Findings The findings indicate that news learning on the mobile platforms is affected by self-efficacy and self-enhancement. And news sharing intention is influenced by self-efficacy, interpersonal trust, interpersonal reciprocity, online community identity and social norms positively. News sharing intention has a significant effect on news sharing behavior, but news learning has an insignificant relationship with new sharing. Originality/value This study provides practical guidelines for mobile platform operators and news media managers by explicating the various factors of users' engagement on the news platforms. This paper also enriches the literature of news learning and news sharing on mobile by the integration of two theories: the social ecology theory and the interpersonal behavior theory.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».