The impact of digital marketing on the adoption of building information modeling system in Jordanian interior design companies: The moderating role of credibility
Notice bibliographique
Résumé
Failure in digital marketing strategies implementation in building information modeling (BIM) adoption has been observed among some interior design firms. The impact of digital marketing on BIM system adoption among interior design companies was examined in this descriptive analytical research. The research also examined the credibility of BIM system adoption and how the system moderates credibility in the relationship between digital marketing strategies and BIM system adoption. A conceptual model comprising digital marketing strategies (content marketing, social media, and search engines) as independent variables impacting information modeling system adoption as a dependent variable was proposed. The moderating effect of credibility in the relationship between digital marketing strategies and BIM system adoption was examined. Data were gathered through questionnaires delivered online to 300 selected study participants via Google Forms. Usable data from 250 participants and the study hypotheses were analyzed using Structural Equation Modeling (SEM) with Partial Least Square (PLS). The results showed a significant impact of digital marketing strategies (content marketing, social media, and search engines) on BIM system adoption. It also emphasized the moderation of the role of credibility in the relationship between digital marketing strategies (content marketing, social media and search engines). This study can help Jordanian interior design companies to make optimal use of digital marketing strategies (content marketing, social media, and search engines) to adopt the BIM system to increase profits.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».