MétaCan
Menu
Retour à la cohorte
Enregistrement W4386262154 · doi:10.1108/intr-08-2022-0670

Augmented reality in the metaverse market: the role of multimodal sensory interaction

2023· article· en· W4386262154 sur OpenAlexaff
Chongyang Chen, Kem Z.K. Zhang, Zhaofang Chu, Matthew Lee

Notice bibliographique

RevueInternet Research · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensLakehead UniversityThunder Bay Regional Research Institute
Organismes subventionnairesnon disponible
Mots-clésMetaverseComputer scienceHuman–computer interactionKinesthetic learningPerceptionPsychologyVirtual realityCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Purpose In the growing information systems (IS) literature on metaverse, augmented reality (AR) technology is regarded as a cornerstone of the metaverse which enables interaction services. Interaction has been identified as a core technology characteristic of metaverse shopping environments. Based on previous human–technology interaction research, the authors further explicate interaction to be multimodal sensory. The purpose of this study is thus to better understand the unique nature of interaction in AR technology and highlight the technology's benefits for shopping in metaverse spaces. Design/methodology/approach An experiment has been conducted to empirically examine the authors' research model. The authors use the structural equation modeling (SEM) approach to analyze the collected data. Findings This study conceptualizes image, motion and touchscreen interactions as the three dimensions of multimodal sensory interaction, which can reflect visual-, kinesthetic- and haptic-based sensation stimulation. The authors' findings show that multimodal sensory interaction of AR activates consumers' intention to purchase via a psychological process. To delineate this psychological process, the authors use feelings-as-information theory to posit that experiential factors can influence cognitive factors. More specifically, multimodal sensory interaction is shown to increase multisensory experience and spatial presence, which can effectively reduce product uncertainty and information overload. The two outcomes have been considered to be key issues in online shopping environments. Originality/value This study is one of the first ones that shed light on the multimodal sensory peculiarity of AR interactions in the extant IS literature. The authors further highlight the benefits of AR in addressing major online shopping concerns about product uncertainty and information overload, which are largely overlooked by prior research. This study uses feelings-as-information theory to explain the impacts of AR interactions, which reveal the essential role of the experiential process in sensory-enabling technologies. This study enriches the existing theoretical frameworks that mostly focus on the cognitive process. The authors' findings about AR interactions provide noteworthy guidelines for the design of metaverse environments and extend the authors' understanding of how the metaverse may bring benefits beyond traditional online shopping settings.

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)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,005
Communication savante0,0190,013
Science ouverte0,0010,006
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,001

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 Opus0,140
Tête enseignante GPT0,428
Écart entre enseignants0,288 · 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

Citations86
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternet ResearchMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207