MétaCan
Menu
Retour à la cohorte
Enregistrement W4378904938 · doi:10.46729/ijstm.v4i3.801

The Influence Of Brand Image, Online Service Quality , And Of Use On Purchase Decisions On With Trust As A Mediation Variable

2023· article· en· W4378904938 sur OpenAlexaff
Suharni Rahayu, Nandan Limakrisna, Jan Horas Veryady Purba

Notice bibliographique

RevueInternational Journal Of Science Technology & Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensCanadian Steel Producers Association
Organismes subventionnairesnon disponible
Mots-clésPurchasingNonprobability samplingMediationBusinessSample (material)PopulationMarketingService qualityAdvertisingQuality (philosophy)UsabilityBrand imageService (business)Descriptive statisticsPsychologyStatisticsMathematicsComputer scienceMedicineSociology

Résumé

récupéré en direct d'OpenAlex

This research is to determine the effect of Brand Image, Online Service Quality, and Ease of Use on purchasing decisions with Trust as a mediating variable. The population in this study are consumers who have purchased products on the Shopee e-commerce application in South Tangerang. The sample used in this study were 225 respondents. The sampling technique used was purposive sampling. By using a quantitative descriptive approach. Data analysis used statistical analysis with SEM-PLS. The results of this study indicate that Brand Image has a positive and significant effect on Trust. Online Service Quality has a positive and significant effect on Trust. Ease of Use has a significant positive effect on Trust. Brand Image has a negative and insignificant effect on Purchasing Decisions. Online Service Quality has a positive and significant effect on Purchasing Decisions. Ease of Use has a positive and significant effect on Purchasing Decisions. Trust has a positive and significant effect on purchasing decisions.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,027
Tête enseignante GPT0,326
Écart entre enseignants0,299 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal Of Science Technology & ManagementMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207