MétaCan
Menu
Retour à la cohorte
Enregistrement W4293214969 · doi:10.5267/j.ijdns.2022.7.008

Attitude based on Tri Kaya Parisudha in increasing intention to reuse e-money

2022· article· en· W4293214969 sur OpenAlexvenueno aff
Nyoman Dwika Ayu Amrita, Wayan Gede Supartha, I Gusti Ayu Ketut Giantari, Ni Wayan Ekawati

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, Technology, Consumer Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRisk perceptionReuseNonprobability samplingNorm (philosophy)PerceptionSocial psychologyPsychologySample (material)MedicineEngineeringPolitical scienceEnvironmental healthLawPopulation

Résumé

récupéré en direct d'OpenAlex

The purpose of the study is to explain the effect of perceived risk and subjective norm to the attitude based on Tri Kaya Parisudha and reuse intentions, attitude to reuse, and role attitude in mediating the effect on perceived risk and norm subjective to reuse intention from the use of e-money in the elderly. Quantitative approach is conducted for this study. The subject is the elderly/senior citizen who uses e-money, with a sample of 150 respondents. Purposive sampling is used as a method of sampling determination with the SEM-PLS technique. The result of this study are attitude based on Tri Kaya Parisudha capable mediate influence perception risk and norm subjective to reuse intention, also this study found the attitudes based on Tri Kaya Parisudha turned out to be able to mediate the effect of risk perception and also the influence of subjective norms on the intention to reuse e-money in the elderly in the city of Denpasar and the elderly who, even though they are elderly, still use e-money to meet their needs.

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 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)0,011
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,060
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
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 Opus0,126
Tête enseignante GPT0,489
Écart entre enseignants0,363 · 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 tête enseignante, 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetHealth, Technology, Consumer BehaviorTravaux en français237 207