Bonus or burden? Exploring the interplay of FOMO and attitudes on DeepSeek adoption, managing information and firm performance in China
Notice bibliographique
Résumé
Purpose This study aims to understand the factors influencing the adoption of DeepSeek to seek and utilize information within the company, with a focus on its impact on managing and utilizing information to enhance firm performance. Specifically, this study examines how fear of missing out (FOMO) and attitudes impact firm performance through the adoption of DeepSeek for improving task efficiency, streamlining workflows, supporting effective information management and enhancing firm performance. Design/methodology/approach Data were collected from 568 full-time employees in managerial roles in China through SoJump, a widely recognized and robust online survey platform. The data analysis was conducted using the Partial Least Squares Structural Equation Modeling (PLS-SEM) approach, utilizing the SmartPLS software. Findings Results showed that personal FOMO and social FOMO have positive impact on value-expressive and utilitarian attitude to predict DeepSeek adoption in enhancing firm performance. However, social-adjustive attitude was found to be an insignificant predictor in DeepSeek adoption. The research highlighted that there is a need for AI developers to promote DeepSeek adoption from the perspectives of roles of attitudes and motivations to enhance work efficiency, thereby improving firm performance. Originality/value By integrating self-determination theory (SDT) and functional theory of attitudes, this research provides a novel framework linking motivations, attitudes and firm performance in the context of Generative artificial intelligence (AI) (GenAI) adoption. Specifically, it highlights FOMO as a unique and powerful motivator, integrating it with functional attitude theories to predict user behavior in DeepSeek adoption This study contributes to the technology adoption literature by emphasizing the contextual relevance of China’s digital ecosystem and exploring the interplay between motivations and functional attitudes – an innovative approach in the AI context that advances our understanding of how GenAI adoption drives firm performance.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».