Drivers of Blockchain Adoption in Accounting and Auditing Services: Leveraging Theory of Planned Behavior with Identity and Moral Norms
Notice bibliographique
Résumé
Blockchain technology has become a game changer in sectors like accounting and auditing. Its usage is still restricted due to a lack of insight into what drives people to adopt it for financial services like accounting and auditing. This research delves into the factors that influence the adoption of blockchain systems in accounting and auditing services by utilizing an enhanced edition of the Theory of Planned Behavior. In this study, alongside the previously established elements like Attitude, subjective norm, and Perceived Behavioral Control, self-perception and personal moral values are included to reflect how identity and ethics impact decision-making processes. Data were gathered via an online survey (N = 751) conducted on the Prolific platform, and the hypotheses were tested using Structural Equation Modeling. The hypotheses were examined through the Structural Equation Modeling method. The findings indicate that each of the five predictors plays a significant role in influencing Behavioral Intention, with personal moral values being the influential factor followed by subjective norm and Perceived Behavioral Control. Attitude plays an important role in shaping adoption choices and showcases the complexity involved in such decisions. As such, it is crucial to take into account ethical factors when encouraging the use of blockchain technology. This study adds to the existing knowledge of the Theory of Planned Behavior framework, offering insights for companies aiming to boost the implementation of blockchain systems in professional settings. Future research avenues and real-world implications are explored with an emphasis placed on developing targeted strategies that align technological adoption with personal values and organizational objectives.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».