MétaCan
Menu
Retour à la cohorte
Enregistrement W4386014980 · doi:10.5267/j.ijdns.2023.7.007

Factors affecting the adoption of e-wallets to enter cashless society: An integration approach

2023· article· en· W4386014980 sur OpenAlexvenueno aff
Nor Hazlina Hashim, Tak Jie Chan, Panfeng Li

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesMultimedia University
Mots-clésKuala lumpurInnovation diffusionBusinessData collectionTest (biology)Government (linguistics)Unified theory of acceptance and use of technologyMarketingPsychologySocial influenceSocial psychologySociologySocial science

Résumé

récupéré en direct d'OpenAlex

The Malaysian government actively encourages the development of e-wallets in Malaysia and set a goal to enter a cashless society by 2050. However, the mobile technology that has swept the world does not seem to be developing smoothly in Malaysia. The objective of the study is to investigate the determinants that impact the user behavior of Malaysians in adopting e-wallets and proposes integration theoretical models, namely UTAUT 2, Diffusion of Innovation, and self-efficacy to support the study. Data were collected among 253 Malaysian e-wallet users in the Federal State of Kuala Lumpur. The survey (online questionnaire) was distributed to respondents via QR codes and links as data collection. The PLS-SEM was utilized to test hypothetical relationships. The findings of the study demonstrated that compatibility, hedonic motivation, habits, and self-efficacy have a significant relationship with the user behavior of e-wallets. Self-efficacy was found to be the strongest predictor in influencing the use behavior of e-wallets. Conclusion, implications, and suggestions for future study were also discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,419
Score d'incertitude au seuil0,568

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
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 Opus0,274
Tête enseignante GPT0,452
Écart entre enseignants0,178 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207