MétaCan
Menu
Retour à la cohorte
Enregistrement W4390394495 · doi:10.1109/ict60153.2023.10374052

The Impact of Perceived Risks to Continuance Intention on Using NFC Technology

2023· article· en· W4390394495 sur OpenAlexaff
Erwin Halim, Nadira Altera, Placide Poba‐Nzaou

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésContinuanceNear field communicationUsabilityPaymentExploratory researchData collectionRisk perceptionService (business)Applied psychologyPsychologyInternet privacyComputer scienceBusinessMarketingWorld Wide WebTelecommunicationsSocial psychologyHuman–computer interactionStatistics

Résumé

récupéré en direct d'OpenAlex

Technological advancements have contributed to the enhanced manageability of human existence. NFC is considered to be one of the technologies in this category. Payments can only be facilitated through the attachment of the smartphone to the NFC tag. The objective of this study is to examine the impact of perceived risk on the intention to sustain the usage of NFC technology. In April 2023, a sampling approach was employed to distribute a questionnaire in Indonesia for the purpose of data collection. According to the findings of this survey, a total of 129 participants were identified as having utilized Near Field Communication (NFC) technology. The data analysis was conducted utilizing SmartPLS3.0. The objective of this study is to assess the impact of various input variables, namely System and Service Quality (SSQ), Perceived Usefulness (PU), Ease of Use (EU), Privacy (P), Security (S), Risk (R), Trust (T), User Satisfaction (US), and Continuous Use Intention (CUI). In this exploratory study, a total of nine hypotheses were examined and subsequently confirmed as valid.

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)0,018
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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,301
Tête enseignante GPT0,511
Écart entre enseignants0,210 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTechnology Adoption and User BehaviourTravaux en français237 207