The influence of 360-degree VR videos on tourism web usage behaviour: the role of web navigability and visual interface design quality
Notice bibliographique
Résumé
Purpose Using the stimulus–organism–response (SOR) theoretical model, this empirical research aims to examine and validate how tourists’ interactions with 360-degree virtual reality (VR) videos incorporating Web navigability and visual interface design quality (stimulus) on travel websites can make tourists more engaged and then satisfied (organism), which could make them more likely to visit destinations and spread electronic word of mouth (e-WOM) (response). Design/methodology/approach Using the convenience sampling method, 975 responses were collected through a questionnaire. The data were analysed using Smart-PLS 4 software to investigate the hypothesised relationships. Findings The findings demonstrate that 360-degree VR videos significantly create Web user engagement, and Web user engagement is significantly associated with Web user satisfaction. The result shows that Web user engagement and satisfaction impact the intention to visit the tourist destination. Additionally, Web user satisfaction impacts e-WOM. Lastly, navigability and visual interface design quality are significantly moderated between 360-degree VR videos and Web user engagement. Research limitations/implications This research only examined the tourists’ behavioural intentions with 360-degree VR videos during the pre-travel phase. In contrast, future research may investigate how tourists behave with VR during the on-site and post-travel phases. Practical implications Tourism marketers should not only adopt 360-degree VR but also integrate Web navigability and visual interface design to boost Web users’ engagement on tourism websites. Originality/value This study advances the study of VR from the tourists’ psychological perspective. Moreover, the SOR theory has been re-examined from the VR and technology tourism perspectives. It provides a general understanding of the behavioural aspects of tourists in developing countries.
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 | 0,002 | 0,018 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».