Retail Metaverse acceptance: A meta-analysis with Hofstede’s cultural moderation
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
• A meta-analysis of 140 studies ( N = 46,547) maps the drivers of Metaverse acceptance. • The SHIFT framework integrates five levers of consumer adoption. • Individual self and affective enjoyment strongly predict user attitudes. • Cultural values moderate multiple acceptance mechanisms. • Eight insights extend Metaverse research and retail application. As the utility of Metaverse gains momentum among Retailers, there is growing interest in exploring how this platform can enhance customer engagement and connection. Although previous studies have identified various drivers of adoption, the findings remain fragmented and seldom consider cross-cultural differences. This paper synthesizes 140 independent studies, involving 46,547 participants, through a meta-analysis guided by the SHIFT framework (Social Influence, Habit, Individual Self, Feelings and Cognition, and Tangibility) to develop an integrated understanding of the psychological levers shaping Metaverse acceptance. Findings indicate that individual self-elements and affective enjoyment are among the strongest predictors of attitudes, consumer intention and satisfaction. Additionally, national cultural values, operationalized through Hofstede’s six dimensions, moderate many of these relationships. For instance, power distance and long-term orientation amplify the effects of usability and affective engagement, respectively. The results provide a practical roadmap for retailers by connecting psychological theory with cultural insights, outlining how Metaverse strategies can be localized for different markets. Implications for retail design, platform development, and future research are also discussed, along with eight key insights.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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