L'impact de l'utilisabilité et de la lisibilité matérielle de l'appareil mobile sur l'utilisation de l'application bancaire
Bibliographic record
Abstract
Afin de se positionner différemment des concurrents, les entreprises développent des attributs plausibles, distinctifs et attractifs pour les consommateurs (Porter et Millar, 1985). Les applications mobiles, qui représentent un nouveau lien direct entre le consommateur et les entreprises (Nantel, 2005), apparaissent comme un moyen de différenciation innovant et de plus en plus utilisé. Dans le domaine bancaire au Québec, l'utilisation des applications mobiles bancaires sur appareils mobiles est en grande croissance (Mobile Money and Banking Report, 2011). En reliant les appareils mobiles les plus utilisés par le consommateur aujourd'hui aux applications mobiles qui sont également en essor, les institutions financières sont devenues ubiquitaires et accessibles en tout temps et lieu sans avoir à supporter des coûts supplémentaires de main d'œuvre (Dahlberg et autres, 2008; Mallat, 2007). Cette recherche, portant sur le domaine bancaire, s'inscrit dans ce contexte et fait le lien entre des aspects inhérents à l'appareil mobile et les applications. En effet, le présent sujet démontre que l'utilisabilité perçue de l'appareil mobile et la perception de la lisibilité matérielle des caractères affichés sur son écran influent à la fois sur l'intensité d'utilisation et l'intention future d'utiliser les applications bancaires mobiles. Ces effets passent par l'auto-efficacité perçue du consommateur lors de l'utilisation de l'appareil mobile. D'un point de vue théorique, ce mémoire constitue un point de départ dans l'étude de l'impact de caractéristiques propres à l'appareil mobile sur l'intensité de la réalisation d'opérations sur application bancaire. Il fournit un nouvel éclairage de l'étude du comportement des utilisateurs d'applications mobiles bancaires. Cette recherche contribue à la fois aux littératures en marketing bancaire et celles portant sur les systèmes d'informations. D'un point de vue managérial, cette étude démontre aux institutions financières qu'il est important de tenir compte de l'appareil mobile utilisé par le consommateur dans les critères de développement de leurs applications mobiles. Il en est de même pour les fabricants d'appareils mobiles désireux d'attirer des partenaires commerciaux exclusifs pour le développement d'applications mobiles compatibles seulement avec le modèle vendu par l'entreprise. Des recherches futures seront nécessaires pour comprendre les mécanismes sous-jacents à ce phénomène et analyser l'ensemble des attributs d'un appareil mobile qui influeraient sur l'utilisation des applications mobiles à caractère transactionnel en général et bancaires en particulier. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Appareils mobiles, applications mobiles bancaires, utilisabilité, lisibilité matérielle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".