期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
Understanding users’effective use of generative conversational AI from a media naturalness perspective:a hybrid structural equation modeling-artificial neural network(SEM-ANN)approach
1
作者 Kun Wang Yaobin Lu Zhao Pan 《Data Science and Management》 2025年第2期147-159,共13页
Although generative conversational artificial intelligence(AI)can answer questions well and hold conversations as a person,the semantic ambiguity inherent in text-based communication poses challenges to effective use.... Although generative conversational artificial intelligence(AI)can answer questions well and hold conversations as a person,the semantic ambiguity inherent in text-based communication poses challenges to effective use.Effective use reflects the users’utilization of generative conversational AI to achieve their goals,which has not been previously studied.Drawing on the media naturalness theory,we examined how generative conversational AI’s content and style naturalness affect effective use.A two-wave survey was conducted to collect data from 565 users of generative conversational AI.Two techniques were used in this study.Initially,partial least squares structural equation modeling(PLS-SEM)was applied to determine the variables that significantly affected the mechanisms(i.e.,cognitive effort and communication ambiguity)and effective use.Secondly,an artificial neural network model was used to evaluate the relative importance of the significant predictors of mechanisms and effective use identified from the PLS-SEM analysis.The results revealed that the naturalness of content and style differed in their effects on cognitive effort and communication ambiguity.Additionally,cognitive effort and communication ambiguity negatively affected effective use.This study advances the literature on effective use by uncovering the psychological mechanisms underlying effective use and their antecedents.In addition,this study offers insights into the design of generative conversational AI. 展开更多
关键词 Generative conversational AI Content naturalness Style naturalness Effective use sem-ann method
在线阅读 下载PDF
算法感知视角下社交媒体平台用户的价值共创行为研究
2
作者 陈飞飞 《情报探索》 2026年第1期75-82,共8页
[目的/意义]旨在探讨社交媒体平台用户价值共创行为的影响因素,以期提高用户参与价值共创的成效。[方法/过程]基于信任理论与社会交换理论,从算法感知视角来探索用户对算法的感知如何影响用户信任及用户价值共创行为,借助SmartPLS 4和Ma... [目的/意义]旨在探讨社交媒体平台用户价值共创行为的影响因素,以期提高用户参与价值共创的成效。[方法/过程]基于信任理论与社会交换理论,从算法感知视角来探索用户对算法的感知如何影响用户信任及用户价值共创行为,借助SmartPLS 4和Matlab软件对回收的382份问卷进行SEM-ANN两阶段分析。[结果/结论]感知算法的公平性、透明性、问责性以及可解释性对用户的信任均有正向的影响作用,且信任在其与用户价值共创行为中起到了正向的中介作用。 展开更多
关键词 算法感知 信任 价值共创 sem-ann
在线阅读 下载PDF
基于SEM与ANN混合方法的社交问答平台用户转移行为 被引量:1
3
作者 周涛 宓秦泽 《信息与管理研究》 2024年第1期30-42,共13页
社交问答平台得到了用户的广泛使用,但由于各平台的功能类似,用户转移起来较为容易,这将导致用户流失。基于PPM模型,研究社交问答平台用户转移行为。采集447份有效数据,采用SEM(结构方程模型)与ANN(人工神经网络)混合方法进行分析。结... 社交问答平台得到了用户的广泛使用,但由于各平台的功能类似,用户转移起来较为容易,这将导致用户流失。基于PPM模型,研究社交问答平台用户转移行为。采集447份有效数据,采用SEM(结构方程模型)与ANN(人工神经网络)混合方法进行分析。结果发现:推力因素(不满意度、厌倦性)和拉力因素(内容质量、用户体验)正向影响用户的转移意向,锚定因素(转移成本)负向影响转移意向,且负向调节推力因素和拉力因素的作用。ANN结果显示:不满意度是影响转移意向的最重要因素。因此,社交问答平台需要提高内容质量,改善用户体验,降低用户的不满意度和厌倦性,从而防止用户的转移行为,实现用户保持。 展开更多
关键词 社交问答平台 转移行为 SEM ANN
在线阅读 下载PDF
基于SEM和ANN的新冠肺炎疫情期间大学生校内出行行为影响因素研究
4
作者 刘猛 赵胜川 《交通运输研究》 2021年第5期43-53,共11页
为明确新冠肺炎疫情期间大学生校内出行行为的影响因素,从而更好地满足大学生的校内出行需求,对大学生的感知建成环境、态度、出行行为的相互作用关系及其受到的新冠肺炎疫情的影响进行研究。针对大连理工大学在校大学生进行问卷调查,... 为明确新冠肺炎疫情期间大学生校内出行行为的影响因素,从而更好地满足大学生的校内出行需求,对大学生的感知建成环境、态度、出行行为的相互作用关系及其受到的新冠肺炎疫情的影响进行研究。针对大连理工大学在校大学生进行问卷调查,收集个人基本属性、感知建成环境、态度、工作日和休息日的出行次数等相关数据,建立结构方程模型(Structural Equation Model,SEM)以探究各变量间的作用路径,并应用人工神经网络(Artificial Neural Network,ANN)对各影响因素对于出行行为的重要性进行排序。结果显示:①感知建成环境,尤其是便利性,对休息日出行行为(路径系数为0.241,P<0.05)和工作日出行行为(路径系数为0.193,P<0.05)均有显著正向影响;②态度对休息日出行行为(路径系数为0.200,P<0.05)有显著正向影响,对工作日出行行为无显著影响;③态度对感知建成环境的影响和感知建成环境对态度的影响均显著,但前者相对更强;④新冠肺炎疫情对感知建成环境和态度有显著负向的直接或间接影响。基于以上研究结果,建议各高校通过完善校园基础设施、优化布局,以改善大学生对校园建成环境的感知,培养积极的出行态度,从而促进大学生身心健康发展。 展开更多
关键词 新冠肺炎疫情 出行态度 出行行为 感知建成环境 结构方程模型 人工神经网络
在线阅读 下载PDF
制造企业绿色创新韧性提升的多元驱动路径研究:基于PLS—ANN—fsQCA的混合方法分析
5
作者 郭敏 翟翯 +1 位作者 王京北 刘慧 《创新科技》 2026年第3期44-62,共19页
在“双碳”目标与数字化转型双重背景下,绿色创新韧性已成为制造企业应对环境不确定性与政策波动的重要能力。然而,既有研究多聚焦于绿色创新的线性影响,较少从组态视角系统揭示其形成机制。基于技术—组织—环境(TOE)框架,以中国319家... 在“双碳”目标与数字化转型双重背景下,绿色创新韧性已成为制造企业应对环境不确定性与政策波动的重要能力。然而,既有研究多聚焦于绿色创新的线性影响,较少从组态视角系统揭示其形成机制。基于技术—组织—环境(TOE)框架,以中国319家制造企业为研究样本,综合运用偏最小二乘结构方程模型(PLS-SEM)、人工神经网络(ANN)与模糊集定性比较分析(fsQCA),探究数字技术积累可供性、数字技术变异可供性、高管绿色认知、大数据分析能力、命令控制型环境规制与市场导向型环境规制等对绿色创新韧性的多元驱动路径。研究发现:①6类前因条件均对绿色创新韧性产生显著正向影响,但不同要素的影响强度和作用方式存在显著差异;②ANN分析表明,绿色创新韧性的形成呈现明显的非线性特征,其中市场导向型环境规制与大数据分析能力的重要性在不同情境下存在差异;③fsQCA识别出“技术积累—认知协同型”“认知—数据能力—规制三力驱动型”“数字积累+双重规制补偿型”和“认知引领—规制驱动型”等4条实现高绿色创新韧性的等效组态路径,印证了其多重并发因果与因果不对称性特征。研究通过前因组态视角丰富了绿色创新韧性的理论解释框架,为制造企业基于自身资源禀赋在复杂环境中构建绿色创新韧性提供了实践路径与政策启示。 展开更多
关键词 绿色创新韧性 TOE框架 组态分析 PLS-SEM ANN 制造企业 数字技术可供性 数字化转型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部