Unveiling consumer adoption intentions towards AI-powered home appliances in emerging economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of the present study is to investigate the consumer intention to use artificial intelligence (AI)-powered home appliances in an emerging economy with influences of perceived usefulness, novelty value, perceived value, hedonic motivation and attitude. This study also measures the indirect influences of perceived usefulness, novelty value, perceived value and hedonic motivation on the intention to use AI-powered home appliances through the mediating effect of attitude. Design/methodology/approach The present study applied a purposive sampling method to collect data from 358 respondents using a self-administered survey questionnaire. The data were analysed using partial least squares structural equation modelling (PLS-SEM) to determine the construct reliability, validity and path coefficients. Findings The study's findings revealed that perceived usefulness, novelty value, hedonic motivation, and attitude significantly and positively influence the intention to use AI-powered home appliances. The findings also indicate that perceived value does not significantly impact the intention to use AI-powered home appliances, but it indirectly influences the intention to use them through the mediating effect of attitude. Originality/value The present research findings provide valuable insights to service providers who want to adopt artificial intelligence in home appliances to offer better services towards consumers. This study enhances theoretical depth by incorporating attitude as a mediating variable and sheds light on its pivotal role in shaping users'’ adoption intentions. It also brings much-needed attention to the emerging economy context and offers valuable insights into consumer behaviour in regions with unique challenges and opportunities.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle