Search results

This paper aims to empirically examine the impact of psychological factors (i.e. privacy and intrusiveness concerns) on user intentions regarding artificial intelligence (AI)-enabled social commerce applications at their core through perceived usefulness. The theoretical model is supported by the theory of planned behaviour (TPB).

Data was gathered from 488 social media users in Saudi Arabia.

Privacy concerns significantly affect perceived usefulness. Furthermore, the link between privacy concerns and behavioural intentions was mediated by perceived usefulness.

Business leaders should raise users’ awareness about the effectiveness of AI-powered tools that can influence their behavioural intentions. Furthermore, managers must be aware of the regulations that protect user privacy, track online activity and offer secure communication channels.

This paper expands on TPB by bridging the theoretical and practical divide. It further develops a theoretical framework for practitioners to better understand customers’ physiological aspects of using AI-powered social commerce platforms.

Este artículo examina empíricamente el impacto de los factores psicológicos (es decir, preocupaciones de privacidad e intrusión) en las intenciones de los usuarios con respecto a las aplicaciones de comercio social habilitadas con inteligencia artificial (IA) en su núcleo a través de la utilidad percibida. El modelo teórico se sustenta en la teoría del comportamiento planificado (TPB).

Los datos se recopilaron de 488 usuarios de redes sociales en Arabia Saudita.

Las preocupaciones sobre la privacidad afectan significativamente la utilidad percibida. Además, el vínculo entre las preocupaciones por la privacidad y las intenciones de comportamiento estuvo mediado por la utilidad percibida.

Los líderes empresariales deberían concienciar a los usuarios sobre la eficacia de las herramientas impulsadas por la IA que pueden influir en sus intenciones de comportamiento. Además, los gerentes deben conocer las regulaciones que protegen la privacidad de los usuarios, rastrear la actividad en línea y ofrecer canales de comunicación seguros.

Este artículo amplía el TPB cerrando la brecha teórica y práctica. Además, desarrolla un marco teórico para que los profesionales comprendan mejor los aspectos fisiológicos de los clientes al utilizar plataformas de comercio social impulsadas por IA.

本文透過實證研究了心理因素 (即隱私和侵入性問題) 對人工智慧 (AI) 驅動的社交商務應用程式的使用者意圖的影響, 其核心是透過感知有用性。 此理論模型得到計劃行為理論 (TBP) 的支持。

資料收集自沙烏地阿拉伯的 488 名社群媒體用戶。

隱私問題顯著影響感知的用處。 此外, 隱私問題和行為意圖之間的連結是透過感知有用性來調節的。

企業領導者應該提高使用者對人工智慧工具有效性的認識, 這些工具可以影響他們的行為意圖。 此外, 管理人員必須了解保護用戶隱私、追蹤線上活動並提供安全通訊管道的法規。

本文透過彌合理論和實踐鴻溝，對 TPB 進行了擴展。 它進一步為從業者開發了一個理論框架，以便更好地了解使用人工智慧驅動的社交商務平台的客戶的生理方面。

This study aims to address three important issues of combination forecasting in the tourism context: reducing the restrictions arising from requirements related to the statistical properties of the available data, assessing the weights of single models and considering nonlinear relationships among combinations of single-model forecasts.

A three-stage multiple-attribute decision-making (MADM)-based methodological framework was proposed. Single-model forecasts were generated by grey prediction models for the first stage. Vlsekriterijumska Optimizacija I Kompromisno Resenje was adopted to develop a weighting scheme in the second stage, and the Choquet integral was used to combine forecasts nonlinearly in the third stage.

The empirical results for inbound tourism in Taiwan showed that the proposed method can significantly improve accuracy to a greater extent than other combination methods. Along with scenario forecasting, a good forecasting practice can be further provided by estimating ex-ante forecasts post-COVID-19.

The private and public sectors in economies with high tourism dependency can benefit from the proposed method by using the forecasts to help them formulate tourism strategies.

This study contributed to presenting a MADM-based framework that advances the development of a more accurate combination method for tourism forecasting.

針對旅遊需求預測, 本研究就降低對於資料統計性質的要求、模式的重要度評估, 以及各別預設值間存在的非線性關係等三項重要議題建立組合預測的研究框架。

研究方法以多屬性決策分析為基礎, 在實作上以灰色預測模式產生各別預測值、以 VIKOR 為模式發展加權方案, 再使用模糊積分以非線性方式組合預測值。

以台灣的入境旅遊需求進行分析, 並與其他組合方法相較, 發現所提出方法的預測準確度顯著較佳。與情境預測結合下, 研究結果亦可呈現新冠疫情下於各季的事前預測。

對旅遊具有高度依賴的經濟體, 所提出方法所產生的預測值有助於其公部門與私部門規劃旅遊策略。

組合預測在旅遊需求的預測上有其研究價值。本研究在旅遊預測議題提出以多屬性決策分析為基礎之框架, 在推進具高準確率組合方法的發展上作出貢獻。

La combinación de pronósticos en este estudio abordó tres cuestiones importantes para la situación del turismo: Reducir las restricciones que surgen con respecto a las estadísticas de datos disponibles, evaluar los pesos con un solo pronóstico, y considerar las relaciones no lineales entre las combinaciones con un único modelo de pronóstico.

Se propuso un marco metodológico de tres etapas basado en MADM. Un solo pronóstico fue generado mediante modelos de predicción grises para la primera etapa. Se aplicó VIKOR para desarrollar un esquema de ponderación en la segunda etapa, y la integral de Choquet se usó para combinar los pronósticos de manera no lineal en la tercera etapa.

Los resultados empíricos de la demanda turística entrante en Taiwán mostraron que el método propuesto puede mejorar efectivamente la precisión en mayor medida que otros métodos combinados. Una buena práctica del pronóstico puede proporcionar aún más, mediante las previsiones y la estimación exante de pronósticos posteriores al COVID-19.

Los sectores públicos y privados de las economías con alta dependencia del turismo pueden beneficiarse del método propuesto al usar los pronósticos para ayudarlos a formular estrategias turísticas.

Este estudio contribuye a presentar un marco basado en MADM que avanza en el desarrollo de un método de combinación más preciso para la previsión del turismo.