Understanding small and medium enterprises’ behavioral intention to adopt social commerce: a perceived value perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study aims to examine the factors (Stimuli) enhancing perceived utilitarian, social and conditional values (Organisms) of social commerce (s-commerce) platforms and their impact on small and medium enterprises’ (SMEs’) behavioral intention (Response) to adopt s-commerce. Design/methodology/approach Survey data were gathered from 304 Indian SMEs using s-commerce platforms. Data were analyzed using SmartPLS 3 software. Findings The results indicated that perceived values significantly impact SMEs’ behavioral intention to adopt s-commerce. Among conditional, utilitarian and social values, the conditional value of s-commerce sites was found to be the strongest motivator for SMEs to adopt s-commerce. Research limitations/implications This research contributes to the growing literature on s-commerce, explaining how perceived value influences the decision of SMEs to adopt s-commerce platforms. Practical implications Among the significant influencers, perceived usefulness and perceived reputation were found to be the most effective triggers that stimulate perceived values of s-commerce sites. The findings draw due attention from policymakers toward environmental cues such as the legal and regulatory environment, which are instrumental in creating the most important perceived value for SMEs, i.e. conditional value. Originality/value By employing the inputs from the theory of consumption values and the Stimulus-Organism-Response framework, this original study looked beyond the technology factors and examined the role of perceived values of s-commerce platforms in shaping SMEs’ behavioral intention to adopt.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle