Discovering the adoption factors of internet banking usage among banking customers in Kota Kinabalu / Husinah Basari
Notice bibliographique
Résumé
Internet is a powerful tool used in various field. In banking sector, Internet is use as a medium of interaction between banks and their customers. The usage of Internet is not stop there. On 2000, the banking sector in Malaysia revolutionized with the introduction of a new channel which is online banking or also known as Internet banking. Internet banking is one of the technologies which are getting recognition around the globe. It has grown tremendously over the past several years and will continue to grow as financial institutions continue to strive to allow customers to complete fund transfers, pay bills, access account information or manage their account online. This innovation seems to be accepted by many banking customers around the world despite some disadvantage such as security, trust and fraud. For Malaysia market itself, the Internet bankers shown to be increased to 8.7 millions on second quarter of 2010. A total of 115 respondents are involved in this study. And the problems analyzed include factors influencing the adoption of Internet banking as suggested by previous researchers such as TAM, DOI and privacy and security. As well as demographic profile, users' attitude and behaviors towards Internet and Internet banking. The findings based on three main different independent variables; security and privacy, Technology Acceptance Model which consists of perceived usefulness and perceived ease of use and Diffusion of Innovation characteristics. It showed that all the variables are influenced consumers' Internet banking adoption except for complexity, trialability, security and privacy factors. The recommendations from researcher also presented based on the findings in this research.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».