MétaCan
Menu
Retour à la cohorte
Enregistrement W4400654131 · doi:10.5267/j.ijdns.2024.4.011

The impact of attitude, subjective norms, perceived behavioral control, and perceived risks on intention in online shopping in Jordan

2024· article· en· W4400654131 sur OpenAlexvenueno aff
Muath Ayman Tarawneh, Malek Alsoud, Muath Maqbool Albhirat

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTheory of planned behaviorPsychologyStructural equation modelingPerceived controlRisk perceptionContext (archaeology)Control (management)Social psychologyLimitingValue (mathematics)Consumer behaviourMarketingAdvertisingPerceptionBusinessEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Previously, studies reported inconclusive findings while analyzing the influence of factors affecting online purchase intention. Also, most studies were conducted in the context of developed countries, limiting us to a specific context. Hence, for comprehensive understanding, this study aims at examining the factors affecting the online purchase intention in the e-commerce industry of Jordan. The survey was conducted to collect data from university students in Jordan. Structural equation modeling was employed to analyze the data. Findings show that attitude, subjective norms, perceived behavioral control are positively associated with online purchase intention. However, perceived risks are negatively associated with online purchase intention. Although all factors are significantly related to online purchase intention, the attitude has a greater influence. This study adds value to the theory of planned behavior and consumer behavior by examining attitude, subjective norm, perceived behavioral control, and perceived risks as important predictors of online purchase intention. Besides, this study suggests that online retailers must keep their commitments, promises, and customers’ interests in mind while developing e-commerce strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,158
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,370
Écart entre enseignants0,322 · 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 tête enseignante, 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetOrganizational and Employee PerformanceTravaux en français237 207