Are Indian Consumers willing to share personal data to avail personalized recommendations? - Indian Artificial Intelligence Market Perspective

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 98

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIJMS-17-1_016

تاریخ نمایه سازی: 6 دی 1402

چکیده مقاله:

The willingness of the user to share personal information is an important factor that drives Artificial Intelligence (AI) applications. This study aims to explore the AI beliefs of the consumers who are willing/not willing to share their data with the AI applications. The study was conducted across India by adopting the questionnaire survey method. An Independent sample t-test was conducted on the final sample of ۶۱۰ respondents to analyze the difference in the means of each of the AI beliefs when divided based on the willingness to share. The results show that the consumers who are willing to share personal data with AI applications have more trust in AI, have a strong preference for AI’s recommendations, currently use these applications, are very aware of these applications, have a positive outlook on their performance and desire several AI applications in the future. They are less worried about the dangers of AI in the future and have less negative feedback. Businesses that invest in AI applications need to educate their target consumers about their data policy and strengthen their beliefs about AI so that they are willing to share personal data to avail recommendations. AI-run applications can be a success only when consumers freely share their preferences without any privacy concerns or trust issues.

کلیدواژه ها:

نویسندگان

Renu Isidore

Department of Business Administration, Loyola Institute, Chennai, India

C. Joe Arun

Department of Business Administration, Loyola Institute, Chennai, India

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aguirre, E., Mahr, D., Grewal, D., De Ruyter, K., & ...
  • Al-Jabri, I. M., Eid, M. I., & Abed, A. (۲۰۱۹). ...
  • Awad, N. F., & Krishnan, M. S. (۲۰۰۶). The Personalization ...
  • Belle, N., Cantarelli, P., & Battaglio, R. P. (۲۰۲۱). To ...
  • Benbasat, I., & Wang, W. (۲۰۰۵). Trust in and adoption ...
  • Benda, T., & Lind, V. (۲۰۲۱). Why won't you let ...
  • Bigras, É., Léger, P. M., & Sénécal, S. (۲۰۱۹). Recommendation ...
  • Chatterjee, S., & Sreenivasulu, N. S. (۲۰۱۹). Personal data sharing ...
  • Chellappa, R. K., & Sin, R. G. (۲۰۰۵). Personalization versus ...
  • Chen, K., & Rea Jr, A. I. (۲۰۰۴). Protecting personal ...
  • Chopra, K. (۲۰۱۹). Indian shopper motivation to use artificial intelligence: ...
  • Culnan, M. J., & Armstrong, P. K. (۱۹۹۹). Information privacy ...
  • Epro, B. (۲۰۱۹). Behavioral Data & Artificial Intelligence: The Keys ...
  • Evens, T., & Van Damme, K. (۲۰۱۶). Consumers’ willingness to ...
  • Gile, K. J., & Handcock, M. S. (۲۰۱۰). ۷. Respondent-driven ...
  • Goodman, L. A. (۱۹۶۱). Snowball sampling. The annals of mathematical statistics, ...
  • Gray, K. (۲۰۱۷). AI can be a troublesome teammate. Harvard Business ...
  • Kalyanakrishnan, S., Panicker, R.A., Natarajan, S., & Rao, S. (۲۰۱۸). ...
  • Karampela, M., Ouhbi, S., & Isomursu, M. (۲۰۱۹, July). Exploring ...
  • Karwatzki, S., Dytynko, O., Trenz, M., & Veit, D. (۲۰۱۷). ...
  • Kushwaha, B. P., Singh, R. K., & Tyagi, V. (۲۰۲۱). ...
  • Kim, J. (۲۰۲۰). The influence of perceived costs and perceived ...
  • Komiak, S. Y., & Benbasat, I. (۲۰۰۶). The effects of ...
  • Kumar, V., Rajan, B., Venkatesan, R., & Lecinski, J. (۲۰۱۹). ...
  • Leppäniemi, M., Karjaluoto, H., & Saarijärvi, H. (۲۰۱۷). Customer perceived ...
  • Li, X., Hess, T. J., & Valacich, J. S. (۲۰۰۸). ...
  • Longini, C., & Cian, L. (۲۰۲۰). When Do We Trust ...
  • Montaner, M., López, B., & De La Rosa, J. L. ...
  • Montgomery, A. L., & Smith, M. D. (۲۰۰۹). Prospects for ...
  • Murray, K. B., & Häubl, G. (۲۰۰۹). Personalization without interrogation: ...
  • Phelps, J., Nowak, G., & Ferrell, E. (۲۰۰۰). Privacy concerns ...
  • Perdereaux-Weekes, A. W. (۲۰۲۱). To Investigate the Impact of Data Privacy ...
  • Postma, O. J., & Brokke, M. (۲۰۰۲). Personalisation in practice: ...
  • PwC (۲۰۱۸). Artificial intelligence in India – hype or reality ...
  • Salesforce (۲۰۱۸). Artificial Intelligence in Asia: Trust, Understanding and the ...
  • Schudy, S., & Utikal, V. (۲۰۱۷). ‘You must not know ...
  • Senecal, S., & Nantel, J. (۲۰۰۴). The influence of online ...
  • Sheng, H., Nah, F. F. H., & Siau, K. (۲۰۰۸). ...
  • Song, C. S., & Kim, Y. K. (۲۰۲۰, December). Should ...
  • Song, C. S., & Kim, Y. K. (۲۰۲۱). Predictors of ...
  • Sundar, S. S., & Kim, J. (۲۰۱۹, May). Machine heuristic: ...
  • Wang, W., & Benbasat, I. (۲۰۰۵). Trust in and adoption ...
  • Xiao, B. & Benbasat, I. (۲۰۰۷). E-Commerce Product Recommendation Agents: ...
  • Yeh, C. H., Wang, Y. S., Lin, S. J., Tseng, ...
  • Zaheer, N., & Trkman, P. (۲۰۱۷). An information sharing theory ...
  • Zamora, J. (۲۰۱۷). Rise of the chatbots: Finding a place ...
  • Zhang, Q., Lu, J., & Jin, Y. (۲۰۲۱). Artificial intelligence ...
  • نمایش کامل مراجع