Putting the I in I-voting: An examination of internet voting adoption factors on the individual level
Notice bibliographique
Résumé
Internet voting (i-voting) has been researched since countries started trialing it two decades ago. Although several countries have abandoned their trials, some implemented i-voting in national elections. I-voting research discusses successful implementations of i-voting in countries such as Estonia, Switzerland, and Canada, which has generated many different factors for successful adoption. However, no systematic literature review (SLR) on i-voting adoption factors has been identified. The problem that this thesis addresses is the lack of a comprehensive overview on reasons why an individual decides to adopt an i-voting solution. Thus, the purpose of this thesis is “to identify i-voting adoption factors on the individual level”. This study aims to answer the following research question: “How can TAM be adapted to explain an individual’s intention to adopt i-voting?” A semi systematic literature review of 117 articles is used that contains articles spanning two decades of i-voting research. The scope is narrowed down to adoption factors on the individual level and include the non-technical factors: “Voter experiences and perceptions”, “Trust”, and “Education”, and the technical factors: “User experience”, and “Performance”. The technology acceptance model (TAM) is used to explain how the factors relate to Perceived Ease of Use (PEOU) and Perceived Usability (PU) within TAM. A suggestion of an extended model is also made that includes other factors which were identified to explain individual adoption. Thus, the conclusion of this thesis is that TAM can in part explain an individual’s intention to adopt i-voting, but that it should be adapted to include the following additional factors: “Trust”, “Demographics”, “Education”, and “Voter experiences and perceptions”. Recommendations for future research on i-voting, limitations, and ethical and societal consequences are also discussed.
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 | 0,012 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».