MétaCan
Menu
Retour à la cohorte
Enregistrement W6978129268 · doi:10.9876/sim.v23i4.740

Factors Affecting the Adoption of Connected Objects in e-Health: A Mixed Methods Approach

2018· article· en· W6978129268 sur OpenAlexaff

Notice bibliographique

RevueSystèmes d information & management · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Sample (material)Affect (linguistics)Object (grammar)Qualitative researchData collectionQuantitative analysis (chemistry)

Résumé

récupéré en direct d'OpenAlex

The development of connected objects (COs) offers a new perspective on both e-health and the economy; however, the factors leading to the adoption of e-health and COs remain somewhat misunderstood. Using a sequential combination of qualitative and quantitative research methods, this study investigates the factors affecting the adoption of COs in e-health. After conducting semi-structured interviews, a research model was developed and tested on a sample of 226 professionals in an online survey. The findings of this mixed methods study indicate that perceived convenience and social influence mainly affect adoption. Five other factors were also found to contribute to CO adoption: compatibility, object interoperability, object integration, result demonstrability and reputation. This study contributes to the understanding of CO adoption in e-health and provides useful insight into how to successfully launch connected devices.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,029
Tête enseignante GPT0,331
Écart entre enseignants0,302 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSystèmes d information & managementMême sujetSports injuries and preventionTravaux en français237 207