An Extended Model of Adoption of Technology in Households: A Model Test on People’s Intention to Adopt a Mobile Phone
Notice bibliographique
Résumé
Individual adoption of technology has been studied extensively in the workplace (Brown & Venkatesh, 2005). Far less attention has been paid to adoption of technology in the household (Brown & Venkatesh,2005). Obviously,mobile phone is now integrated into our daily life. Indeed, according to the more recent forecast of Gartner Research, 986 millions of mobile phones have been sold throughout the world in 2006 (Ouellet, 2006). And, as the tendency is showing up, mobile phone use will be continuously increasing in the future. The purpose of this study is then to investigate who has the intention to adopt a mobile phone, and why? In other words, we try to identify who really wants to buy a mobile phone and what are the determining factors who will make such that he/she will buy it? On the basis of the theoretical foundations developed by Brown and Venkatesh (2005) to verify the determining factors in intention to adopt a computer in household by American people, this study examines the determining factors in intention to buy a mobile phone in household by Canadian people. Data were gathered from 307 Atlantic Canadian people who do not yet own a mobile phone. Data analysis was performed using the structural equation modeling software Partial Least Squares (PLS). The results revealed that only one third of the variables examined in the study showed to be determining factors in intention to buy a mobile phone for household use.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».