MétaCan
Menu
Retour à la cohorte
Enregistrement W4412571889 · doi:10.4018/jgim.386018

Assessing How the “Humanness” of Smart Voice Assistants (SVAs) Drives Consumer Satisfaction and Purchase Intent

2025· article· en· W4412571889 sur OpenAlexfundno aff
Anuja Shukla, Anubhav Mishra, Shailja Agarwal, Isolde Lubbe, Nripendra P. Rana

Notice bibliographique

RevueJournal of Global Information Management · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in Service Interactions
Établissements canadiensnon disponible
Organismes subventionnairesKelley School of Business, Indiana UniversityIndian Institute of Management BangaloreQueen's UniversityDeakin UniversityUniversity of JohannesburgQueen's University Belfast
Mots-clésMarketingConsumer satisfactionPsychologyBusinessAdvertisingApplied psychology

Résumé

récupéré en direct d'OpenAlex

This study examines how interactions with smart voice assistants (SVAs) extend beyond functional use, as individuals develop human-like connections with these technologies. Drawing on the media equation theory and parasocial theory, the research investigates how perceived humanness, specifically anthropomorphism, autonomy, and suspension of disbelief, influences users' satisfaction and purchase intentions. Data were collected from 449 participants and analyzed using partial least squares structural equation modeling (PLS SEM). The findings reveal that anthropomorphism, autonomy, and suspension of disbelief significantly enhance users' sense of control (SOC) and emotional investment (EI). In turn, SOC and EI positively impact customer satisfaction and purchase intentions. Additionally, SOC and EI mediate the relationships between suspension of disbelief, autonomy, customer satisfaction, and purchase intentions.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,648

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,005
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,300
Écart entre enseignants0,282 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Global Information ManagementMême sujetAI in Service InteractionsTravaux en français237 207