MétaCan
Menu
Retour à la cohorte
Enregistrement W4301187872 · doi:10.21554/hrr.092210

EDUCATIONAL DETERMINANTS OF ONLINE BANKING ADOPTION IN BOSNIA AND HERZEGOVINA

2022· article· en· W4301187872 sur OpenAlexaff
Nesiba Smajic, Irfan Djedović, Ensar Mekić

Notice bibliographique

RevueJournal Human Research in Rehabilitation · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensTD Bank Group
Organismes subventionnairesnon disponible
Mots-clésUsabilityStructural equation modelingTechnology acceptance modelPath analysis (statistics)PsychologyTest (biology)MarketingComputer-assisted web interviewingBanking industrySurvey data collectionBusinessSocial psychologyComputer scienceStatisticsAccountingMathematicsHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

This study aims to empirically investigate the determinants of online banking adoption in Bosnia and Herzegovina. The data presented in this paper was collected via a survey from 321 randomly selected banking users in Bosnia and Herzegovina. The survey was developed based on the Technology Acceptance Model (TAM) framework to test the constructs and their ability to predict consumers’ behavioral intentions. All gathered data was processed and analyzed using the AMOS software version 24. We performed the Structural Equation Modeling (SEM) for path analysis to estimate the strength of the hypothesized relationships among the determinants. The findings indicate a significant impact of Attitude, Perceived Usefulness, and Perceived Ease of Use on consumers’ Intention to Use online banking services. Further, the research has proven that Perceived Usefulness and Perceived Ease of Use impact consumers’ Attitudes toward online banking adoption. The path analysis result suggests that Perceived Usefulness strongly mediates the relationship between Perceived Ease of Use and Attitude.

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)0,015
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,154
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,254
Tête enseignante GPT0,535
Écart entre enseignants0,281 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Human Research in RehabilitationMême sujetTechnology Adoption and User BehaviourTravaux en français237 207