An Extended Model of Adoption of Technology in Households: A Model Test on People Using A Mobile Phone
Notice bibliographique
Résumé
Individual adoption of technology has been studied extensively in the workplace (Brown & Venkatesh, 2005). Far less attention has been paid to adoption of technology in the household (Brown & Venkatesh, 2005). Obviously, mobile phone is now integrated into our daily life. Indeed, according to the more recent forecast of Gartner Research, 986 millions of mobile phones have been sold throughout the world in 2006 (Ouellet, 2006). And, as the tendency is showing up, mobile phone use will be continuously increasing in the future. The purpose of this study is then to investigate who uses a mobile phone, and why? In other words, we try to identify who really are the users of a mobile phone and what are the determining factors who make such that they are using a mobile phone? On the basis of the theoretical foundations developed by Brown and Venkatesh (2005) to verify the determining factors in intention to adopt a computer in household by American people, this study examines the determining factors in the use of mobile phone in household by Canadian people. Data were gathered from 327 Atlantic Canadian people who own a mobile phone. Data analysis was performed using the structural equation modeling software Partial Least Squares (PLS). The results revealed that about half of the variables examined in the study showed to be determining factors in the use of mobile phone by people in household.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».