MétaCan
Menu
Retour à la cohorte
Enregistrement W4312185354 · doi:10.5267/j.uscm.2022.9.012

The impact of service quality, ticket price policy and passenger trust on airport train passenger loyalty

2022· article· en· W4312185354 sur OpenAlexvenueno aff
Prasadja Ricardianto, Tito Aji Yanto, Djarot Tri Wardhono, Peppy Fachrial, Mustika Sari, Abdullah Ade Suryobuwono, Erni Pratiwi Perwitasari, Aang Gunawan, Indriyati Indriyati, Endri Endri

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTicketLoyaltyBusinessService qualityService (business)Quality (philosophy)MarketingQuality of serviceLISRELSample (material)MediationStructural equation modelingAdvertisingTransport engineeringComputer scienceEngineeringTelecommunicationsComputer security

Résumé

récupéré en direct d'OpenAlex

This research aims to know and analyze the direct and indirect impacts of service quality and ticket price policy on trust and also its impact on the passenger loyalty of Soekarno-Hatta Airport Train, Cengkareng, Indonesia. The main problems are that the service quality provided by Soekarno-Hatta Airport Train is not maximal and that the ticket price of the Soekarno-Hatta Airport Train is relatively expensive because the passengers still have to use another transportation mode to go to the station. This research uses a quantitative approach with Structural Equation Modelling, assisted by the Lisrel program with a sample of as many as 150 passengers. The results of this research prove that service quality and ticket price policy have both direct and indirect impacts on passenger loyalty through the mediation of passenger trust. The key finding is that the policymakers can take advantage of the findings of this research, especially the crucial aspects in the questionnaires on service quality and ticket price policy which are considered not optimal by the passengers of Soekarno-Hatta Airport Train. So, passenger loyalty can be enhanced through the improvement of service quality and ticket price policy supported by passenger trust.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetUrban Transport Systems AnalysisTravaux en français237 207