Key Factors Influencing Adoption of Online Dispute Resolution in Banking Sector: An Empirical Analysis
Notice bibliographique
Résumé
Background: Online dispute resolution system helps banks to reduce expenses and time associated with dispute resolution while enhancing client satisfaction and loyalty However, it faces several challenges necessitating the establishment of standards to ensure consistency and security. Objectives: Many online dispute resolution (ODR) services like email, chat, and video conferencing offer global grievance solutions, yet individuals face challenges due to diverse regulations, leading to security, privacy, and connectivity issues. Thus, this study aims to understand how customers perceive online dispute resolution for resolving banking issues. Methods: The research adopts an explanatory research design and employs a convenient sampling method for data collection. It's grounded in the Unified Theory of Acceptance and Use of Technology theory. A total of 403 data points were gathered using structured questionnaires and were analyzed using both descriptive and inferential analysis. Results: This study reveals that the trust placed in ODR technology, trust in the bank's services, and the perceived ease of use (effort expectancy) are crucial determinants shaping individuals' intentions to engage with ODR. The challenges of limited technology access, lack of awareness and trust, and inadequate infrastructure pose constraints on online dispute resolution's effectiveness. Addressing these limitations involves enhancing access to technology, and infrastructure and organizing awareness programs as managerial solutions. Conclusion: Trust in ODR technology, trust in the bank's services, and perceived ease of use are key factors influencing individuals' intentions to utilize ODR. Challenges, including limited technology access, lack of awareness and trust, and inadequate infrastructure, pose significant constraints on the effectiveness of online dispute resolution. Managerial solutions should prioritize enhancing technology access, improving infrastructure, and implementing awareness programs to overcome these barriers and optimize the potential of ODR.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».