Islamic financial technology acceptance: An empirical study in Jordan
Notice bibliographique
Résumé
The present research endeavors to comprehend the determinants that impact the inclination to utilize financial technology within the context of Islamic banking clientele. The study undertakes an examination of various determinants that may exert an influence on the consumer's intention. These determinants encompass financial risk, legal risk, security risk, operational risk, consumer innovativeness, perceived ease of use, and perceived usefulness. The technology acceptance model is employed as the theoretical framework for the research. The requisite data for hypothesis testing is collected through the administration of an online survey to consumers of Islamic banks who possess a high degree of adaptability and proficiency in utilizing financial technology. The study employs the methodology of structural equation modelling with partial least squares to assess the proposed relationships among a sample of 399 participants. The results indicate that the acceptance of Islamic Financial technology services is contingent upon the perceived ease of use, perceived usefulness, and consumer innovativeness. In contrast, it is observed that various other factors, namely financial risk, legal risk, security risk, and operational risk, do not hold significant sway in shaping the level of acceptance of Islamic Financial technology among users of Islamic banking services. The concept of Technology Acceptance Model (TAM) is expanded within the realm of Islamic financial technology, and it is utilized to examine the impact of a novel factor, specifically consumer innovativeness. The untested nature of consumer innovativeness makes this paper a valuable resource for policymakers, academics, and researchers in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».