The Uber users were recruited throu

The Uber users were recruited through Amazon’s Mechanical Turk (MTurk), an online crowdsourcing sys- tem. To address the issues of respondents from MTurk, we followed the four categories of screening techni- ques from Goodman, Cryder, and Cheema (2013). First, we limited the time to the minimum required time for taking a survey of 100 s. Since the survey contained a total of 57 questions, it was considered inadequate when a respondent took less than 100 s to complete the survey. Second, we included a pre-screening ques- tion, which required the respondents to have adopted the Uber mobile application in the past 12 months. At the beginning of the survey, we specifically asked a screening question (i.e., How many times have you used the Uber mobile application for requesting trans- portation in the last 12 months?) to check if respon- dents had used the Uber mobile application. The respondents who indicated that they had never used the Uber mobile application before were eliminated from the sample. Third, each respondent was compen- sated US$0.50 for successfully completing the survey, leading to a better response rate that could enhance the validity and generalizability of the data. Lastly, three attention check questions were included to effectively identify and remove “poor” participants from the data.

結果 (繁體中文) 1:

尤伯杯用戶是通過亞馬遜的Mechanical Turk（MTurk），網上眾包SYS-TEM招募。為了解決從MTurk受訪者的問題，我們就跟著四類從古德曼，Cryder和吉瑪（2013）篩選techni-疑問句的。首先，我們有限的時間所需的最短時間採取的100個調查。由於該調查共訪問了57載的問題，它被認為是不夠的，當受訪者花了不到100秒完成調查。其次，我們包括ques-重刑，要求受訪者在過去12個月已通過了尤伯杯移動應用程序預檢。在調查開始時，我們專門問了一個問題篩查（即，有多少次你用於請求反portation在過去12個月的尤伯杯移動應用程序？），以檢查是否respon-凹痕曾使用尤伯杯移動應用程序。誰表示，他們從未使用過尤伯杯移動應用程序的受訪者之前，從樣品中消除。第三，每個受訪者為彌補的飽食US $ 0.50成功地完成調查，導致更好的響應速度，可以提高數據的有效性和普遍性。最後，被列入三項注意檢查問題，以有效地識別和刪除數據“差”的參與者。導致更好的響應速度，可以提高數據的有效性和普遍性。最後，被列入三項注意檢查問題，以有效地識別和刪除數據“差”的參與者。導致更好的響應速度，可以提高數據的有效性和普遍性。最後，被列入三項注意檢查問題，以有效地識別和刪除數據“差”的參與者。

結果 (繁體中文) 2:

優步使用者是通過亞馬遜的機械土耳其（MTurk）招募的，這是一個線上眾包系統。為了解決來自 MTurk 的受訪者的問題，我們關注了古德曼、克萊德和切瑪（2013 年）的四類篩選技術。首先，我們把時間限制在進行100次調查的最短時間。由於調查共包含57個問題，當被調查者完成調查時，認為不夠充分。其次，我們包括一項預篩選要求，要求受訪者在過去 12 個月內採用 Uber 移動應用程式。在調查開始時，我們專門問了一個篩選問題（即，在過去 12 個月中，您多次使用 Uber 移動應用程式請求跨移植？表示以前從未使用過優步移動應用程式的受訪者從樣本中排除了這些應用。第三，每個被調查者都為成功完成調查而支付0.50美元，從而提高了答覆率，從而提高了資料的有效性和可概括性。最後，列入了三個注意檢查問題，以有效地從資料中識別和消除"差"參與者。

結果 (繁體中文) 3:

Uber用戶是通過亞馬遜的Mechanical Turk（MTURK）線上眾包系統招募的。為了解决來自mturk的受訪者的問題，我們遵循了goodman、cryder和cheema（2013）的四類篩選科技。首先，我們將調查時間限制在100秒的最低要求時間內。由於調查共包含57個問題，囙此當被調查者用不到100秒的時間完成調查時，就被認為是不够的。其次，我們包括了一個預篩選問題，要求受訪者在過去12個月內採用了Uber移動應用程序。在調查開始時，我們特別提出了一個篩選問題（即，在過去12個月內，您使用Uber移動應用程序請求傳輸了多少次？）以檢查響應者是否使用了uber移動應用程序。表示以前從未使用過uber移動應用程序的受訪者被排除在樣本之外。第三，每個被調查者成功完成調查獲得0.50美元的補償，從而獲得更好的答覆率，從而提高數據的有效性和概括性。最後，還提出了三個注意檢查問題，以有效地識別並從數據中剔除“差勁”的參與者。