Fugu-MT 論文翻訳(概要): Factors Influencing Intention to use the COVID-19 Contact Tracing Application

論文の概要: Factors Influencing Intention to use the COVID-19 Contact Tracing Application

arxiv url: http://arxiv.org/abs/2301.10770v1
Date: Wed, 25 Jan 2023 03:12:44 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 13:51:58.952751
Title: Factors Influencing Intention to use the COVID-19 Contact Tracing Application
Title（参考訳）: 新型コロナウイルス接触追跡アプリケーションの使用意図に影響する要因
Authors: Vinh T. Nguyen and Chuyen T. H. Nguyen
Abstract要約: パフォーマンスの期待、信頼、プライバシはすべて、アプリの使用意図に影響を与えます。社会的影響、努力の期待、状況の促進は統計的に有意なものではない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study investigated the effects of variables influencing the intention to use the COVID-19 tracker. Experiment results from 224 individuals revealed that performance expectations, trust, and privacy all have an impact on app usage intention. However, social impact, effort expectation, and facilitating conditions were not shown to be statistically significant. The conceptual model explained 60.07 percent of the amount of variation, suggesting that software developers, service providers, and policymakers should consider performance expectations, trust, and privacy as viable factors to encourage citizens to use the app
Abstract（参考訳）: 本研究では,covid-19トラッカーの使用意図に影響を与える変数の影響について検討した。 224人の個人による実験結果によると、パフォーマンスの期待、信頼、プライバシはすべて、アプリの使用意図に影響を与えている。しかし,社会的影響,努力期待,ファシリテーション条件は統計的に有意ではなかった。この概念モデルは変動量の60.7パーセントを説明しており、ソフトウェア開発者、サービス提供者、および政策立案者は、市民にアプリの使用を奨励するための実行可能な要因として、パフォーマンスの期待、信頼、プライバシを考慮するべきであることを示唆している。

関連論文リスト

Improving Personalisation in Valence and Arousal Prediction using Data Augmentation [2.447631206868802]
本稿では、データ拡張を利用したパーソナライズ戦略の強化について述べる。提案手法であるDWA(Distance Weighting Augmentation)では,対象者のデータセットを拡大する重み付けに基づく拡張手法を採用している。 MuSe-Personalisation 2023 Challengeデータセットの実験結果から,提案手法は特徴セットの性能を著しく向上させることが示された。
論文参考訳（メタデータ） (2024-04-13T16:57:37Z)
Fairness Concerns in App Reviews: A Study on AI-based Mobile Apps [9.948068408730654]
本研究は,モバイルアプリレビューにおける公平性の懸念を調査することを目的としている。我々の研究は、AIベースのモバイルアプリレビューに焦点を当てており、AIベースのアプリの不公平な振る舞いや結果が非AIベースのアプリよりも高い可能性がある。
論文参考訳（メタデータ） (2024-01-16T03:43:33Z)
Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。既存の感受性研究は、自己報告された信念に大きく依存している。本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文参考訳（メタデータ） (2023-11-16T07:22:56Z)
The Impact of Performance Expectancy, Workload, Risk, and Satisfaction on Trust in ChatGPT: Cross-sectional Survey Analysis [1.9580473532948401]
本研究は,Chat Generative Pre-Trained Transformer(ChatGPT)における作業負荷,満足度,パフォーマンス期待度,リスクベネフィット感がユーザの信頼度に与える影響について検討した。月に少なくとも1回はChatGPTを積極的に使用している米国の成人を対象に、半構造化ウェブベースの調査を行った。
論文参考訳（メタデータ） (2023-10-20T16:06:11Z)
Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文参考訳（メタデータ） (2023-10-20T06:17:02Z)
Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文参考訳（メタデータ） (2023-05-25T21:01:00Z)
A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文参考訳（メタデータ） (2023-05-10T08:11:21Z)
Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文参考訳（メタデータ） (2022-10-15T17:15:51Z)
DAPPER: Label-Free Performance Estimation after Personalization for Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文参考訳（メタデータ） (2021-11-22T08:49:33Z)
How good is good enough for COVID19 apps? The influence of benefits, accuracy, and privacy on willingness to adopt [24.202334512830255]
手動の接触追跡を補完するコンタクト追跡アプリも増えている。新型コロナウイルスの接触追跡アプリをインストールする意思の報告に対する精度とプライバシの双方の影響を評価した。
論文参考訳（メタデータ） (2020-05-09T01:53:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。