MétaCan
Menu
Retour à la cohorte
Enregistrement W4360776645 · doi:10.5267/j.ijdns.2023.3.006

Data processing related to the impact of performance expectation, effort expectation, and perceived usefulness on the use of electronic banking services for customers of Jordanian banks

2023· article· en· W4360776645 sur OpenAlexvenueno aff
Omar Mohammad Ali Alqudah, Baker Akram Falah Jarah, Abdul Razzak Alshehadeh, Zeyad Almatarneh, Mohammed Zakaria Soda, Haneen A. Al-Khawaja

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectronic bankingBusinessMarketingPerceptionRetail bankingFinancial servicesThe InternetFinancePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to investigate and identify the influence of performance expectation, effort expectation, and perceived usefulness on the usage of electronic banking services by Jordanian bank customers. The study used a quantitative method, with questionnaires administered to Jordanian bank clients. The statistics support the association between performance expectation, effort expectation, perceived utility, and the usage of electronic banking services. This implies that these characteristics have a major influence on Jordanian bank customers' electronic banking services. The association between performance expectation and use of electronic banking services is the strongest, followed by effort expectation and use of electronic banking services, and the poorest between perceived usefulness and use of electronic banking services. Even the most tenuous association (perceived usefulness and use of electronic banking services) is statistically significant. These findings also imply that banks seeking to boost the usage of electronic banking services should concentrate on improving consumers' perceptions of performance and effort expectations, as well as perceived usefulness.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,055
Tête enseignante GPT0,322
Écart entre enseignants0,267 · 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

Citations30
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetOrganizational and Employee PerformanceTravaux en français237 207