Users’ Behavioral Intention to Use E-Payment Service in Nepal: Based on SEM Analysis
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
Background: Digital payments were revolutionized after 1990 in Nepal’s payment system, and the rise of ICT and mobile tech since 2010 led customers to embrace e-payments. While e-payment adoption grows, progress is needed to make bank cards default for online purchases and enhance user awareness and trust for secure digital transactions. Further, understanding user perspectives and influencing factors is crucial. Objectives: This study aims to analyze the intention of users to use e-payment services in the Nepalese context. Methods: Explanatory research design is used to meet the purpose of the study. A total of 295 respondents were selected as users of the e-payment services are increasing and there is no exact number of users identified. A structured questionnaire was developed and a pretest was carried out on 10% of the sample. Data is collected from the survey through the structured questionnaire and used the Kobo Toolbox and Interviewed from Key Informants Interview (KII) method. Results: The study shows mobile banking users are highly increasing yearly, followed by internet banking with growing users. The SEM result depicts the significant relationship between behavioral intention on user satisfaction (β = 0.191, P < 0.05), perceived usefulness (β = 0.099, P < 0.05), perceived ease of use (β = 0.084, P < 0.05), social influence (β = 0.064, P < 0.05) and perceived credibility (β =0.096, P < 0.05). Furthermore, improved credibility and ease in e-payment functions can enhance customer satisfaction. Conclusion: The study concluded that Perceived Credibility (PC), Perceived Usefulness (PU), Perceived Ease of and Social Influence (SCI) have an impact on user satisfaction and Behavioral Intention (BI) to use the e-payment system. Additionally, User Satisfaction was also found to be related to Behavioral Intention (BI) to use an e-payment system.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| 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 découle