Travelling with open eyes! A study to measure consumers’ intention towards experiencing immersive technologies at tourism destinations by using an integrated model of TPB, TAM captured through the lens of S-O-R
Notice bibliographique
Résumé
Purpose Immersive technologies fully immerse users in augmented environments for interactive experiences. The purpose of this study is to measure consumers’ intention towards experiencing immersive technologies at tourism destinations using an integrated theory of planned behaviour (TPB) and technology acceptance model (TAM) model within the stimulus-organism-response (S-O-R) framework, including motivation (MOT), trust (TR) and perceived risk (PR). Design/methodology/approach The survey data was collected through convenience sampling via an online questionnaire, with a sample size of 487 Indians. Structural equation modelling was conducted using SPSS and AMOS software for data analysis, ensuring a robust examination of the proposed model and its relationships. Findings Virtual interactivity and social interaction influence both attitude and perceived behavioural control. Attitude, perceived behavioural control, perceived usefulness and TR significantly influence intention. However, MOT, PR and perceived ease of use do not exhibit a significant influence on intention. These findings highlight the importance of these variables in shaping consumers’ intention towards experiencing immersive technologies at tourism destinations. Research limitations/implications The findings hold significant implications for various stakeholders, including government agencies, travel firms, content creators and software developers. They can leverage these insights to enhance marketing strategies, develop immersive tourism experiences, innovate in the realm of Web 4.0 and personalize tourism offerings. Originality/value This study offers a distinctive contribution by integrating the S-O-R framework with TPB and TAM, while also incorporating key factors such as MOT, TR and PR. This novel approach provides a fresh perspective on consumer behaviour towards immersive technologies.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».