Search

The expansion of social commerce websites has gradually transformed people’s life in terms of social interaction during leisure time spending. Communication has been simplified because of the advancement of information communication technology. Information sources will help consumers to determine and find information sources easily. Nevertheless, consumers face the possibility of encountering a big challenge in understanding the contents as the information may lead to untruthfulness and biases. By combining the technology acceptance model (TAM) and social support theory (SST), the current research developed a detailed purchase intention model to analyse relationships connected with social commerce websites. Trust was tested as the mediating effect on social commerce websites. The study was undertaken using the quantitative approach, while non-probability (convenience sampling) was employed by online survey. A total of 392 respondents participated in this study. This method demonstrates that different forms of social support (emotional and informational) have a strong relationship with TAM, trust, and purchase intention. Nonetheless, perceived usefulness and purchase intention revealed insignificant relationships. Moreover, trust was a mediator between social supports and TAM constructs in the social commerce purchase intention model. Based on the analysed samples, the proposed model appears to fit and explicitly explains each relationship. Therefore, the integration and extension of constructs may serve as new potential research directions. Furthermore, the findings have considerable potential to be employed when marketers and practitioners develop social commerce websites.

Resumo A seca meteorológica é um evento atmosférico temporário e recorrente, originado pela falta de precipitação por um período considerável em uma determinada área. A parte noroeste de Bangladesh enfrenta anomalias de precipitação que podem se transformar em seca meteorológica e, por isso, é necessário investigar a confirmação do surgimento de seca meteorológica nesta área em um futuro próximo. Neste estudo, usando Rede Neural Artificial (ANN), este fenômeno foi investigado para uma região da parte noroeste de Bangladesh que é o distrito de Bogra. Através do estudo de previsão do índice de seca meteorológica - o índice de Precipitação Padronizada (SPI-12 e SPI-24), verificou-se que esta região enfrentará seca meteorológica extrema em 2030. Os dados foram pré-processados através da Transformação Wavelet Discreta (DWT) antes da previsão, o que melhorou a precisão. Os principais desafios para este estudo foram prever a seca por um período de tempo mais longo (quase 16 anos). Rede neural artificial autorregressiva não linear (NAR-NN) juntamente com DWT previu com sucesso isso com uma precisão razoável de valor R > 0,8 e um erro quadrático médio (MSE) ≤ 0,05. O resultado mostra que eventos extremamente secos e úmidos ocorrerão nessa área com muita frequência, afetando o fluxo do riacho, o armazenamento do reservatório e a recarga do lençol freático.