What influences news learning and sharing on mobile platforms? An analysis of multi-level informational factors
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.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle