Selekcja kryteriów oceny jakości serwisów internetowych z wykorzystaniem pojemności informacyjnej Hellwiga

• Autorzy: Paweł Ziemba , Ryszard Budziński

Warianty tytułu

Criteria Selection for the Websites Quality Assessment Based on the Information Capacity of Hellwig

• Języki publikacji: PL

Abstrakty

Jakość strony internetowej ma istotny wpływ na postrzeganie przez użytkowników serwisu instytucji, do której dana strona należy. Wobec tego istotną kwestią jest ocena jakości serwisów internetowych oraz wybór kryteriów tej oceny. W pracy zaproponowano metodę selekcji istotnych kryteriów oceny jakości serwisów internetowych, opartą na indywidualnym wskaźniku pojemności informacyjnej Hellwiga. (abstrakt oryginalny)

EN

Website quality is highly significant to the users' perception of an organisation. Therefore, the important issue is to assess the websites quality and selection of criteria for this assessment. The paper proposes a method for selection of important criteria assessing the websites quality, based on the individual indicator of the information capacity of Hellwig and Symmetrical Uncertainty. (original abstract)

Słowa kluczowe

PL

Badanie Internetu; Serwis internetowy; Internet; Ocena jakości

EN

Internet survey; Website; Internet; Quality assessment

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2012
• Tom: 13(XIII)
• Numer: nr 3
• Strony: 302--311

Twórcy

autor

Paweł Ziemba

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Ryszard Budziński

• Uniwersytet Szczeciński

Bibliografia

• Internet World Stats (2012) World Internet Users and Population Stats, http://www.internetworldstats.com/stats.htm
• Netcraft (2012) April 2012 Web Server Survey, http://news.netcraft.com/archives/2012/04/04/april-2012-web-server-survey.html
• Hwang J., Yoon Y.S., Park N.H. (2011) Structural effects of cognitive and affective responses to web advertisements, website and brand attitudes, and purchase intentions: The case of casual-dining restaurants, International Journal of Hospitality Management, No.30, s. 897-907.
• Lin, C.S., Wu, S., Tsai, R.J. (2005) Integrating perceived playfulness into expectationconfirmation model for web portal context. Information & Management, No.42, s. 683-693.
• Grigoroudis, E., Litos, C., Moustakis, V.A., Politis, Y., Tsironis, L. (2008) The assessment of user-perceived web quality: Application of a satisfaction benchmarking approach. European Journal of Operational Research, No.187, s. 1346-1357.
• Barnes S.J., Vidgen R.T. (2006) Data triangulation and web quality metrics: A case study in e-government, Information & Management, No.43, s. 767-777.
• Lin H.F. (2010) An application of fuzzy AHP for evaluating course website quality, Computers & Education, No.54, s. 877-888.
• Ho C., Lee Y. (2007) The development of an e-travel service quality scale, Tourism Management, No.28, s. 1434-1449.
• Ou C.X., Sia C.L. (2010) Consumer trust and distrust: An issue of website design, International Journal of Human-Computer Studies, No.68, s. 913-934.
• Yang Q., Shao J., Scholz M., Plant C. (2011) Feature selection methods for characterizing and classifying adaptive Sustainable Flood Retention Basins, Water Research, No.45, s.993-1004.
• Zenebe A., Zhou L., Norcio A.F. (2010) User preferences discovery using fuzzy models, Fuzzy Sets and Systems, No.161, s. 3044-3063.
• Ziemba P., Budziński R. (2011) Dobór kryteriów dla oceny serwisów informacyjnych w portalach internetowych, Studia i materiały PSZW, No.37, s. 368-378.
• Ziemba P. (2011) Formal procedure of selecting the significant website assessment criteria based on data mining methods, Young Scientists Innovations Forum 2011, ISSN 2082-4831. www.fimb.p.lodz.pl.
• Gnat S. (2006) Przegląd niektórych metod doboru zmiennych do modeli jednorównaniowych, Prace Katedry Ekonometrii i Statystyki, No. 17, s. 165-178.
• Rokach L., Maimon O. (2010) Supervised Learning, Classification Trees, [In]: Maimon O.,Rokach L. (eds.), Data Mining and Knowledge Discovery Handbook, Springer, s. 133-174
• Webb G.I. (2003) Association Rules, [In]: Ye N. (eds.), The Handbook of Data Mining, Lawrence Erlbaum Associates, s. 25-40.
• Pham-Gia T., Hung T.L. (2001) The Mean and Median Absolute Deviations, Mathematical and Computer Modeling, No. 34, s. 921-936.