3, I fit separate models for rounds

3, I fit separate models for rounds with good recommenda- tions and poor recommendations using winner agreement as the dependent variable. Figure 3 visualizes these models. When receiving good recommendations, the difficulty of the decision had almost no influence on the probability of agree- ing with the DSS in either condition. When receiving a poor recommendation, subjects were slightly more likely to agree with the DSS when the decision was more difficult, and this was true in both conditions. Because the estimates for cus- tomization and non-customization are effectively parallel for both types of recommendations, it does not appear that the difficulty of the decision moderates customization bias, al- though it does seem that when receiving poor recommenda- tions, users of any type of DSS will be more likely to trust it when the decision is difficult than when they have an easier decision.

ผลลัพธ์ (ไทย) 1:

3 ฉัน fit แยกรูปแบบสำหรับรอบ ด้วยดี recommenda-tions และใช้ข้อตกลงผู้ชนะเป็นตัวแปรที่ขึ้นอยู่กับคำแนะนำจน รูปที่ 3 visualizes รุ่นเหล่านี้ เมื่อได้รับคำแนะนำที่ดี difficulty การตัดสินใจมีเกือบ influence ไม่น่าเห็นด้วย-ing กับ DSS ในเงื่อนไขอย่างใดอย่างหนึ่ง เมื่อได้รับคำแนะนำที่ดี วิชาอยู่เล็กน้อยน่าจะเห็นด้วยกับ DSS เมื่อตัดสินใจที่ถูก difficult เพิ่มเติม และนี้คือความจริงทั้งสองเงื่อนไข เนื่องจากการประเมิน cus tomization และไม่ปรับแต่งได้อย่างมีประสิทธิภาพพร้อมทั้งชนิดของคำแนะนำ ไม่ปรากฏว่า difficulty การตัดสินใจ moderates เองอคติ อัล - แม้จะดูเหมือนว่า เมื่อรับดี recommenda-tions ผู้ใช้ DSS ชนิดใดก็จะยิ่งเชื่อถือเมื่อตัดสินใจจะ difficult กว่าเมื่อมีการตัดสินใจได้ง่ายขึ้น

ผลลัพธ์ (ไทย) 2:

3 ผม fi รุ่นแยกเสื้อรอบที่มีข้อเสนอแนะที่ดีและข้อเสนอแนะที่ไม่ดีโดยใช้ข้อตกลงผู้ชนะเป็นตัวแปรตาม รูปที่ 3 visualizes รูปแบบเหล่านี้ เมื่อได้รับข้อเสนอแนะที่ดี culty dif Fi ของการตัดสินใจมีเกือบจะไม่มีอิทธิพลในการที่น่าจะเป็นของความตกลงเขตไอเอ็นจีกับ DSS ในสภาพใด เมื่อได้รับข้อเสนอแนะที่ไม่ดีเรื่องเล็กน้อยมีแนวโน้มที่จะเห็นด้วยกับ DSS เมื่อตัดสินใจที่ยากที่มากขึ้นและนี่คือความจริงในสภาพที่ทั้งสอง เนื่องจากประมาณการ tomization กาหนดเองและไม่ปรับแต่งที่จะมีประสิทธิภาพการขนานสำหรับทั้งสองประเภทของคำแนะนำก็ไม่ปรากฏว่า culty dif Fi ของกลางตัดสินใจปรับแต่งอคติ, อัลแม้ว่ามันจะดูเหมือนว่าเมื่อได้รับข้อเสนอแนะที่น่าสงสารผู้ใช้ ประเภทของ DSS ใดจะมีแนวโน้มที่จะไว้วางใจได้เมื่อตัดสินใจยากที่กว่าเมื่อพวกเขามีการตัดสินใจที่ง่ายขึ้น

ผลลัพธ์ (ไทย) 3:

3 ผมจึงแยกรุ่นสำหรับยกกับดี recommenda - ใช้งานและข้อเสนอแนะที่ยากจนโดยใช้ข้อตกลงผู้ชนะเป็นตัวแปรตาม รูปที่ 3 ทั้ง โมเดลเหล่านี้ เมื่อได้รับคำแนะนำที่ดี , DIF จึง culty ของการตัดสินใจก็แทบจะไม่มีในfl uence บนความน่าจะเป็นของเห็นด้วย - ing กับ DSS ในเงื่อนไข เมื่อได้รับคำแนะนำที่ไม่ดีกลุ่มตัวอย่างมากกว่าเล็กน้อยที่จะเห็นด้วยกับ DSS เมื่อตัดสินใจได้มากขึ้น จึงแยกศาสนา และนี้เป็นจริงในทั้งสองเงื่อนไข เนื่องจากประมาณการสำหรับยูเอส - tomization และการปรับแต่งที่ไม่สามารถขนานสำหรับทั้งสองประเภทของข้อเสนอแนะ ไม่ปรากฏว่า DIF จึง culty ของการตัดสินใจปรับแต่งสบายๆ อคติอัล - แม้ว่ามันจะดูเหมือนว่า เมื่อได้รับ recommenda - จนใช้งานผู้ใช้ประเภทของระบบสนับสนุนการตัดสินใจใด ๆ จะมีแนวโน้มที่จะเชื่อเมื่อการตัดสินใจจึงแยกศาสนากว่าเมื่อพวกเขาได้ตัดสินใจง่ายขึ้น .