Este estudio propone el modelo de adopción pública de tecnologías de la información, un marco prospectivo basado en la teoría de la perspectiva que explica cómo las ganancias y pérdidas percibidas impulsan la aceptación o rechazo por parte de los usuarios de servicios públicos de tecnologías de la información, como los biométricos en aeropuertos. Dos encuestas, incluyendo una encuesta multinacional, junto con intervenciones de expertos, validaron el modelo, respaldando la teoría de la perspectiva en distintos países y contextos.
Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
Propuesta de adopción de TI pública con su fundamento teórico y hallazgos empíricos
En este artículo
Resumen
Resumen
Esta investigación propone un modelo teórico de adopción de tecnologías de la información públicas (PITA, por sus siglas en inglés). Los servicios públicos de tecnologías de la información (TI) se refieren a servicios basados en TI que las instituciones públicas ofrecen a todos los ciudadanos, como portales de gobierno electrónico, aplicaciones de salud pública y sistemas biométricos en aeropuertos. Debido a la naturaleza única de las TI públicas, los modelos desarrollados previamente, centrados principalmente en los niveles individual y empresarial, se han considerado insuficientes para identificar la masa crítica de adopción de TI públicas. Para abordar esta brecha, se propuso un marco percepción-intención basado en la teoría de la perspectiva para explorar las pérdidas y ganancias percibidas por los usuarios al adoptar un nuevo servicio de TI público, sugiriendo que estas percepciones son antecedentes de la aceptación o rechazo de un servicio novedoso de TI pública. Se realizaron dos estudios, uno de ellos con muestras de encuestas de tres países (Corea del Sur, el Reino Unido y Estados Unidos). También se invitó a cinco expertos del sector, mediante un enfoque de investigación basado en intervención, a refinar y validar cualitativamente el modelo para que pudiera utilizarse en un escenario práctico. Los resultados mostraron que el valor total de aceptación, es decir, el valor percibido agregado necesario para que los usuarios acepten el servicio, calculado como la suma de los coeficientes de las rutas relevantes, fue consistentemente mayor que el del rechazo. Un hallazgo similar se observó para la ganancia percibida, que resultó ser un predictor más fuerte tanto de la aceptación como del rechazo que la pérdida percibida. Aunque los hallazgos se basan en datos transversales autorreportados, proporcionan un sólido respaldo a la teoría de la perspectiva y contribuyen a una mayor comprensión del papel fundamental de esta teoría en la adopción de TI públicas. Por tanto, al extender la teoría de la perspectiva al contexto de TI en el sector público, PITA ofrece a los investigadores una base teórica validada y a los profesionales una herramienta práctica para diagnosticar la adopción de servicios de TI públicos.
Introducción
La tecnología de la información (TI) ha evolucionado durante las últimas décadas hasta convertirse en una herramienta dominante y omnipresente para impulsar la innovación y ha alterado significativamente la vida cotidiana. Desde la introducción de modelos de adopción de TI basados en perspectivas psicológicas1,2,3,4, la relación entre los usuarios y la TI ha sido ampliamente investigada a nivel individual y organizacional5.
Mientras tanto, muchas organizaciones públicas han tenido dificultades para lograr eficiencia operativa ante demandas sociales abrumadoras, como la congestión en aeropuertos, lo cual afecta la efectividad y calidad de los servicios públicos. Ampliar las infraestructuras físicas podría generar beneficios inmediatos, pero requiere inversiones significativas de tiempo y dinero6. En contraste, proveedores innovadores de servicios públicos han abordado este problema mediante innovaciones impulsadas por tecnologías de la información7, integrando novedades con las infraestructuras existentes para garantizar la calidad del servicio y la eficiencia operativa8,9,10,11. Actualmente, las organizaciones públicas están adoptando tecnologías de la información novedosas (por ejemplo, servicios en la nube, ciberseguridad y biometría) para revitalizar sus activos fundamentales, lo que genera desafíos adicionales de adopción12. Este problema podría deberse a una comprensión inadecuada de los usuarios reales: investigaciones previas se han centrado predominantemente en los factores que impulsan la aceptación, descuidando el rechazo. Sin la participación activa de los usuarios, las implementaciones de tecnologías de la información en instituciones públicas podrían no alcanzar una adopción práctica.
Sin embargo, la adopción de tecnologías de la información en el sector público presenta desafíos únicos que difieren de los contextos del sector privado. Aunque la «aceptación» y el «rechazo» parecen ser opuestos como dos estados estacionarios distintos13, promover uno podría inhibir al otro, por lo que deben considerarse ambos aspectos del efecto contrapuesto. Estudios anteriores sobre innovación en servicios públicos de TI solían enfatizar resultados positivos10,11,14,15,16. Por lo tanto, este artículo examinó conjuntamente la «aceptación» y el «rechazo», integrando modelos de sistemas de información basados en la psicología (es decir, la difusión de la innovación y la resistencia a la innovación) con la economía conductual (es decir, la teoría de la perspectiva).
Se seleccionó el caso de la biométrica en aeropuertos, en el cual la identificación biométrica sustituye a los procedimientos basados en documentos, porque este servicio público de tecnologías de la información se ofrece a todos los ciudadanos, involucra información personal sensible y enfrenta a los usuarios con una decisión clara de aceptación o rechazo. Dos preguntas de investigación guiaron el estudio. Pregunta de investigación 1: ¿Cómo influyen las ganancias y pérdidas percibidas en la aceptación o rechazo por parte de los usuarios de un servicio público de tecnologías de la información? Pregunta de investigación 2: ¿Es el valor total requerido para la aceptación mayor que el necesario para el rechazo, tal como predice la teoría de la perspectiva? En consecuencia, se propuso un marco teórico novedoso, que fue validado por expertos del sector mediante la estrategia de investigación basada en intervenciones (IBR, por sus siglas en inglés)17 (Figura 1). Este estudio integra así la teoría de la perspectiva con los modelos de adopción de sistemas de información y ofrece conclusiones aplicables para los gestores de servicios públicos de tecnologías de la información.
Figura 1: El proceso de investigación de la formulación y desarrollo del modelo teórico. El diagrama muestra el flujo general de la investigación, desde la formulación del modelo teórico basado en modelos previos de adopción y en la teoría de la perspectiva, pasando por el Estudio 1 y el Estudio 2, cada uno seguido por una intervención de expertos, hasta la finalización del modelo PITA. Haga clic aquí para ver una versión más grande de esta figura.
La adopción de tecnologías de la información ha sido ampliamente estudiada: el modelo de aceptación de la tecnología (TAM)2 y la teoría unificada de la aceptación y el uso de la tecnología (UTAUT)4 a nivel individual, y la difusión de la innovación (DOI)1 y el marco tecnología-organización-entorno (TOE)3 a nivel empresarial, han generado estudios posteriores sobre realidad aumentada y aprendizaje de idiomas18,19, chatbots y pagos digitales20,21, servicios de movilidad22,23 y trabajo remoto24. Sin embargo, estos modelos presentan limitaciones notables en el contexto de las tecnologías de la información públicas: el TAM supone un uso voluntario, el DOI pasa por alto la resistencia del usuario y la UTAUT fue desarrollada principalmente para entornos organizacionales, por lo que su aplicabilidad a servicios públicos de TI cuasiobligatorios sigue siendo cuestionable. También existen estudios sobre la adopción de tecnologías de la información públicas basados en estos modelos, por ejemplo, extensiones de la UTAUT para examinar un sistema en línea de resolución de quejas ciudadanas25 y aplicaciones del marco TOE a sistemas de información de recursos humanos en el sector público14; muchos otros estudios han seguido enfoques similares26,27,28,29,30,31,32,33,34,35.
Sin embargo, la adopción de tecnologías de la información a nivel público difiere significativamente de la adopción a nivel individual o empresarial (véase Tabla 1): las entidades que adoptan y los usuarios no son los mismos, y las intenciones de los usuarios no son evidentes debido a la inercia psicológica y al estado actual de los servicios existentes. Las características disruptivas de las tecnologías de la información pueden dificultar la reestructuración de los sistemas existentes36; además, la adopción requiere cambiar las actitudes y comportamientos de los usuarios, lo cual exige una comprensión clara de sus perspectivas. Dadas estas características, los modelos anteriores que enfatizan los niveles individual y empresarial podrían no ser adecuados para identificar la masa crítica necesaria para la adopción pública de tecnologías de la información. Dado que la innovación en servicios impulsada por tecnologías de la información es fundamental para la reducción de costos y la mejora de los servicios37,38 y, en última instancia, para el avance de la sociedad39, resulta crucial contar con un marco teórico específico para la adopción pública de tecnologías de la información.
| A nivel individual | A nivel de empresa | A nivel público | |
| Entidad adoptante | Individuos | Empresas (privadas) | Empresas (públicas) |
| Usuario | Individuos | Empleados de la empresa | Individuos |
| Intención del usuario | Cierta | Cierta (obligada) | Inciera |
| Inercia psicológica | Despreciable | Despreciable (obligada) | Prominente |
| Percepción de valor | Indispensable | Indispensable (obligado) | Indispensable |
| Principal propósito de adopción | Personal | Eficiencia, ahorro de costos | Interés público |
| Modelos relevantes de adopción de tecnologías de la información | TAM2, UTAUT4 | DOI1, TOE3 | Este estudio |
Tabla 1: Diferentes niveles de adopción de tecnologías de la información. La tabla compara la adopción de tecnologías de la información a nivel individual, empresarial y público en términos de modelos teóricos representativos, entidades adoptantes y usuarios.
La literatura existente ha demostrado que los individuos y empleados tienen una intención a priori (a nivel individual) o forzada (a nivel empresarial) de utilizar un servicio de TI específico2,40, lo que implica que la adopción estaba predeterminada4,41. Sin embargo, no todos los usuarios tienen la intención de utilizar tecnologías de la información42, y solo unos pocos estudios sobre sistemas de información han identificado los rasgos y justificaciones para el rechazo43,44. Por consiguiente, un nuevo servicio público de TI sería rechazado deliberadamente hasta que la innovación sea aceptada o fracase45.
El objetivo principal de este estudio es comprender la aceptación y el rechazo por parte de los usuarios de un servicio de tecnologías de la información (TI) de una institución pública, analizado a través de dos percepciones de valor: la ganancia percibida y la pérdida percibida. La ganancia percibida fue adaptada del modelo de difusión de la innovación1,46; estas construcciones se han utilizado ampliamente para examinar percepciones que favorecen la aceptación de TI47,48 y muestran una alta validez en diversos contextos40. En contraste, la pérdida percibida incluye los rasgos que explican por qué las personas mantienen su forma actual de vida a pesar de las presiones para adaptarse; basada en la resistencia a la innovación42,49, esta línea de investigación examina por qué algunas personas retrasan la adopción de una innovación o la rechazan directamente49,50,51,52,53. Un enfoque multidimensional capturó estas percepciones, en lugar de tratar la pérdida y la ganancia como construcciones generales.
La pérdida percibida se operacionalizó mediante cinco constructos53,54. La pérdida de tiempo (TIL) es el tiempo percibido como perdido al aprender y utilizar el servicio, y cuando no se cumplen las expectativas53. La pérdida social (SOL) es el riesgo de perder el estatus dentro de un grupo social al parecer ingenuo o desactualizado54. La pérdida financiera (FIL) comprende las posibles pérdidas monetarias derivadas de costos de compra, tarifas o robo de información personal54. La pérdida física (PHL) es la percepción de que el uso podría causar daño, incomodidad o agotamiento53,54. La pérdida de rendimiento (PEL) es la disminución percibida en la calidad del servicio o en la funcionalidad en comparación con las alternativas existentes, incluyendo mal funcionamiento e incapacidad para proporcionar los beneficios deseados53.
Para explicar la ganancia percibida (PG), se utilizaron la ventaja relativa, la compatibilidad, la posibilidad de experimentación y la complejidad1,46. La ventaja relativa (REA) es el grado en que se considera que una innovación es más ventajosa que su predecesora; la compatibilidad (COM), el grado en que se ajusta a los valores, necesidades y experiencias previas de un posible adoptante; la posibilidad de experimentación (TRI), la extensión de la experimentación posible antes de la adopción; y la complejidad (CPX), que está relacionada con la facilidad de uso percibida del modelo TAM, se refiere a lo difícil que resulta usar y comprender la innovación. La observabilidad fue excluida porque es demasiado ambigua para medirla46 y porque los resultados biométricos en el contexto de tecnologías de la información públicas no son fácilmente observables por otras personas.
Se propuso el marco de pérdida-ganancia para explicar los valores percibidos que motivan las reacciones frente a un nuevo servicio público de tecnologías de la información. Si el servicio es radical y amenaza el comportamiento habitual, se hipotetizó que la pérdida percibida superaría la ganancia percibida, provocando el rechazo; si esta situación persiste, el rechazo podría convertirse en un aspecto constante de la intención conductual42,49. Por el contrario, si los beneficios percibidos superan las pérdidas anticipadas, el usuario tiene pocas razones para rechazar el servicio. Por lo tanto, se formularon las siguientes hipótesis:
H1. La pérdida percibida tendrá una influencia positiva sobre el rechazo.
H2. La pérdida percibida tendrá una influencia negativa sobre la aceptación.
H3. La ganancia percibida tendrá una influencia negativa sobre el rechazo.
H4. La ganancia percibida tendrá una influencia positiva sobre la aceptación.
Todo avance impulsado por tecnologías de la información (TI) en los servicios gubernamentales tiene como objetivo promover el progreso social (por ejemplo, embarque más rápido y seguro mediante biométrica en aeropuertos), sin embargo, un servicio público de TI recientemente lanzado está lleno de riesgos e incertidumbre, y es posible que los usuarios no acepten los beneficios tal como se pretendía. Según la teoría de la perspectiva55, las personas toman decisiones irracionales de este tipo basándose en la evaluación de alternativas, valores y actitudes frente a la incertidumbre, juzgadas en relación con un punto de referencia (dependencia del punto de referencia). La principal aportación de esta teoría es la aversión a la pérdida, la tendencia de que las pérdidas pesen más que ganancias equivalentes, junto con la sensibilidad decreciente; este enfoque en ganancias y pérdidas en relación con el estado actual se alinea directamente con la dicotomía aceptación-rechazo analizada aquí. La teoría de la perspectiva ha sido utilizada en estudios recientes sobre sistemas de información (SI) y tecnologías de la información (TI) para explicar decisiones irracionales bajo riesgo e incertidumbre56,57,58,59,60, abarcando contextos que van desde el trabajo con inteligencia artificial y salud digital hasta Wi-Fi público y pagos móviles. Aunque estos estudios confirman la relevancia de la teoría, se centraron principalmente en las intenciones de aceptación y descuidaron la dimensión del rechazo, fundamental en el contexto de las TI públicas.
Los usuarios de servicios públicos de tecnologías de la información actúan como si decidieran aceptar o rechazar el servicio según los valores totales requeridos (es decir, la suma de la ganancia y la pérdida percibidas). Ningún estudio previo sobre la adopción de tecnologías de la información públicas ha investigado este fenómeno desde esta perspectiva. Por consiguiente, los coeficientes de camino (es decir, PL a REJ) se codificaron como valores55, y los valores totales requeridos para el rechazo y la aceptación se calcularon de la siguiente manera:
V(R) = CLR + CGR (1)
V(A) = CLA + CGA (2)
donde CLR, CGR, CLA y CGA son los coeficientes de trayectoria de la pérdida percibida hacia el rechazo, la ganancia percibida hacia el rechazo, la pérdida percibida hacia la aceptación y la ganancia percibida hacia la aceptación, respectivamente; estos coeficientes estandarizados producen V(R) y V(A) como valores compuestos de la influencia total de la pérdida y la ganancia. Dado que los servicios públicos de tecnologías de la información están diseñados para beneficiar a los usuarios, y los usuarios ponderan las pérdidas más fuertemente que las ganancias al abandonar el estado actual, se esperaba que la aceptación, la opción más arriesgada, requiriera un valor total mayor que el rechazo. Basándose en H1–H4, H5 evalúa el equilibrio neto de estos efectos:
H5. El valor total necesario para la aceptación, V(A), será mayor que para el rechazo, V(R). El modelo conceptual resultante de adopción pública de tecnologías de la información (PITA) se muestra en la Figura 2.
Figura 2: Modelo conceptual PITA. El diagrama muestra la pérdida percibida (PL) y la ganancia percibida (PG) como antecedentes del rechazo (REJ) y la aceptación (ACC); las rutas a, b, c y d corresponden a los coeficientes utilizados para calcular los valores totales V(R) y V(A). Nota: a = CLR, b = CLA, c = CGR y d = CGA Haga clic aquí para ver una versión más grande de esta figura.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Protocolo
Todos los procedimientos del estudio cumplieron con los principios éticos aplicables a la investigación con participantes humanos en la Universidad aSSIST, la Universidad Sungkyunkwan y la Universidad Dong-A. Dado que las respuestas a la encuesta se anonimizaron en el momento de la recolección y no se recopiló ninguna información identificable personalmente, la Junta de Revisión Institucional de la Universidad aSSIST clasificó el estudio como exento de revisión ética completa. Las instituciones participantes no obtuvieron aprobaciones independientes del comité de ética, ya que se basaron en la determinación de exención emitida por la Junta de Revisión Institucional de la Universidad aSSIST, la cual cubría tanto el diseño de la investigación como los procedimientos de recolección de datos. Esta determinación se realizó de conformidad con el Artículo 15 de la Ley de Bioética y Seguridad de la República de Corea y los criterios de exención especificados en el Artículo 13 de su Reglamento de Aplicación (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Antes de acceder al cuestionario de Qualtrics, todos los participantes recibieron una declaración electrónica de consentimiento informado que explicaba el propósito académico de la investigación, el procesamiento anónimo de las respuestas, el uso exclusivo de los datos con fines de investigación y la ausencia de riesgos razonablemente previsibles. Solo se permitió a los participantes que dieron su consentimiento explícitamente continuar con la encuesta.
Resumen de los estudios
Se llevaron a cabo dos estudios empíricos y dos intervenciones con expertos para probar las cinco hipótesis y el modelo PITA propuesto. Los resultados se muestran en la Figura 3. Se realizaron encuestas en dos momentos, antes de la COVID-19 (cuarto trimestre de 2019) y durante la COVID-19 (segundo y tercer trimestre de 2020), con el fin de medir los constructos por separado en diferentes momentos, reducir la posibilidad de sesgo por método común (SMC) en los datos y aumentar la generalización del estudio61,62.
Figura 3: Resumen de los estudios. La cronología resume el diseño en dos fases: Estudio 1 (cuarto trimestre de 2019, antes de la COVID-19, muestra surcoreana, N = 322), seguido por la primera intervención de expertos, y Estudio 2 (segundo y tercer trimestre de 2020, durante la COVID-19, muestras de Corea, Reino Unido y Estados Unidos, N = 602), seguido por la segunda intervención de expertos. Haga clic aquí para ver una versión ampliada de esta figura.
Modelo del estudio 1
El modelo de investigación inicial se creó basándose en las hipótesis desarrolladas para revelar las intenciones de los usuarios de aceptar o rechazar un servicio público de TI recientemente introducido (es decir, biometría en aeropuertos), como se muestra en la Figura 4. Las opiniones de los usuarios sobre los servicios públicos de TI se reflejaron en dos constructos de segundo orden, pérdida percibida (PL) y ganancia percibida (PG), cada uno formado por sus respectivos constructos de primer orden. Estos dos constructos de segundo orden actúan como antecedentes del rechazo (REJ) y la aceptación (ACC), que representan las intenciones de los usuarios de utilizar servicios públicos de TI.
Figura 4: Modelo de investigación del estudio 1. Cinco constructos de pérdida de primer orden (PEL, TIL, SOL, PHL y FIL) forman el constructo de segundo orden de pérdida percibida, y cuatro constructos de ganancia de primer orden (REA, COM, TRI y CPX) forman la ganancia percibida; los dos constructos de segundo orden se modelan como antecedentes del rechazo y la aceptación (H1–H4). Haga clic aquí para ver una versión más grande de esta figura.
Datos de investigación del Estudio 1
La primera muestra de datos, basada en un total de 322 participantes surcoreanos (mujeres: 46,6% y hombres: 53,4%) que habían abordado un avión al menos una vez durante el último año, se recopiló del 13 al 18 de noviembre de 2019 (antes del inicio de la pandemia de COVID-19). En la introducción de la encuesta se proporcionaron definiciones y ejemplos de servicios públicos de tecnologías de la información (es decir, aplicaciones biométricas en aeropuertos). Los datos brutos del Estudio 1 se incluyen en el Archivo Suplementario 1. La frecuencia de vuelos se midió en cinco categorías mutuamente excluyentes (FF1-FF5), correspondientes a uno, dos, tres, cuatro y cinco o más vuelos en el último año (Estudio 1: 138, 91, 34, 21 y 38 participantes; Estudio 2: 174, 153, 109, 82 y 84 participantes, respectivamente).
Los constructos predictores se evaluaron utilizando una escala Likert de siete puntos que iba desde «totalmente en desacuerdo (1)» hasta «totalmente de acuerdo (7)» (véase Archivo Suplementario 21,46,53,54,63,64 para el cuestionario del estudio). Tras una prueba piloto con 20 participantes, las revisiones se limitaron a mejoras en la redacción de los ítems de las preguntas para aumentar su estabilidad, aplicabilidad y facilidad de interpretación; no se añadió ni eliminó ningún constructo ni ítem tras la prueba piloto. El documento complementario contiene el cuestionario completo, así como estadísticas relevantes y el contexto teórico. Se realizaron análisis de análisis factorial confirmatorio (CFA) y de modelado de ecuaciones estructurales basado en covarianzas (CB-SEM).
Intervención de expertos para el Estudio 1
Se invitó a cinco expertos con al menos diez años de experiencia para garantizar la objetividad y mejorar la calidad de este trabajo, incluyendo dos de organizaciones internacionales (Airports Council International y International Air Transport Association), dos de organizaciones gubernamentales (Aeropuerto Internacional de Singapur Changi y Corporación de Aeropuertos de Corea) y uno de una empresa privada que ofrece servicios en un entorno público (Korean Air). Esta intervención de expertos fue fundamental para obtener retroalimentación que mejorara el modelo y el conocimiento del dominio del entorno objetivo. Se realizaron evaluaciones tanto cualitativas (es decir, retroalimentación subjetiva) como cuantitativas (escala Likert de siete puntos). Se adoptó una versión revisada de los ítems del cuestionario sobre las características del informe de decisión (véase Archivo Suplementario 3)65 para la evaluación cuantitativa, y se validó utilizando el coeficiente de correlación intraclase66. En cada ronda de intervención, cada experto completó individualmente el cuestionario cuantitativo y luego proporcionó retroalimentación cualitativa abierta; se utilizó el mismo panel, instrumentos y procedimiento en ambas intervenciones para permitir la replicación.
Estudio 2
Para abordar los problemas identificados en el Estudio 1 y mejorar la generalizabilidad del modelo, el Estudio 2 aplicó el mismo modelo que el Estudio 1. El Estudio 2 incluyó a 602 participantes (mujeres: 42,3 %, hombres: 57,7 %, Corea: 200, Reino Unido: 201 y Estados Unidos: 201). Los datos se recopilaron entre el 23 de julio y el 19 de agosto de 2020 (durante la pandemia de COVID-19). Los datos brutos del Estudio 2 se proporcionan en el Archivo Suplementario 4. Con 33 indicadores observados, este tamaño muestral proporciona aproximadamente 18 observaciones por indicador, superando el criterio comúnmente recomendado de 10 observaciones por indicador para el CB-SEM, y también excede el umbral mínimo ampliamente utilizado de 200 observaciones. Se eligieron Corea, el Reino Unido y Estados Unidos porque representaron el 29,1 % de todos los viajeros aéreos del mundo (aproximadamente 1600 millones de 5500 millones) entre julio de 2019 y junio de 2020. La pandemia de COVID-19 afectó a estos países en momentos diferentes, comenzando en Corea y afectando posteriormente a Estados Unidos y al Reino Unido. Además, las tres naciones ofrecían una combinación de tradiciones culturales orientales y occidentales. En consecuencia, se utilizó el conjunto de datos combinado de estos países para examinar el marco de percepción-intención de los usuarios respecto a un nuevo servicio público de tecnologías de la información (es decir, la biometría en aeropuertos).
Intervención de los expertos para el Estudio 2
Se invitó a los mismos expertos, se realizaron las mismas evaluaciones cuantitativas y cualitativas, y se solicitó su retroalimentación para validar los hallazgos en el Estudio 2.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Resultados
Estudio 1
Para evaluar posibles sesgos de método común (CMB) asociados con datos autoreportados, primero se realizó un análisis de un solo factor67. De acuerdo con los resultados de la prueba, un factor explicó el 36,56 % de la varianza; un solo factor que explica menos del 50 % de la varianza indica que el CMB no es una preocupación62,67,68. Luego se evaluó la validez de constructo y...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Discusión
Esta investigación de dos estudios evaluó el modelo PITA de adopción pública de tecnologías de la información (IT); en ambos estudios, se respaldaron las cinco hipótesis, y la brecha entre V(A) y V(R) aumentó en el contexto más riesgoso de la COVID-19, en concordancia con la predicción de la teoría de la perspectiva de que decisiones más arriesgadas requieren un valor percibido mayor. Se identificó una laguna en los fundamentos teóricos de la literatura sobre adopción de IT, incluyendo el modelo TAM2
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Divulgaciones
Los autores declaran no tener conflictos de intereses. Durante la elaboración de este manuscrito revisado, se utilizó una herramienta de inteligencia artificial generativa (ChatGPT 5o) para ayudar con la edición del lenguaje y el formato. Los autores revisaron y verificaron todo el contenido y asumen total responsabilidad por el manuscrito; ninguna herramienta de IA se utilizó para generar datos, realizar análisis o crear figuras.
Agradecimientos
Este trabajo fue apoyado por fondos de investigación de la Universidad aSSIST.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Materiales
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| IBM SPSS Amos (software de modelado de ecuaciones estructurales basado en covarianzas) | IBM Corp. (Armonk, NY, USA) | versión 27; https://www.ibm.com/products/structural-equation-modeling-sem/ | Utilizado para todos los análisis de modelado de ecuaciones estructurales basados en covarianzas (CB-SEM), incluida la evaluación del modelo de medición (AC: confiabilidad compuesta, AVE y validez discriminante) y el análisis de trayectorias del modelo estructural. |
| Prolific (plataforma en línea para reclutamiento de participantes) | Prolific Academic Ltd | https://www.prolific.com/ | Plataforma en línea utilizada para reclutar participantes para encuestas. Los participantes fueron seleccionados según criterios de elegibilidad (por ejemplo, experiencia en aeropuertos) y compensados de acuerdo con las directrices de pago justo de Prolific. |
| Qualtrics (plataforma en línea para encuestas) | Qualtrics, LLC | RRID:SCR_016728 | Plataforma web para encuestas utilizada en el diseño, distribución y recopilación de datos de respuestas. Todos los ítems de medición se administraron mediante Qualtrics utilizando una escala Likert de 7 puntos (1 = totalmente en desacuerdo, 7 = totalmente de acuerdo). https://www.qualtrics.com/ |
Referencias
- Rogers EM, Singhal A, Quinlan MM. Diffusion of innovations. In: An integrated approach to communication theory and research. London: Routledge; 2014. p. 432-448.
- Davis FD. A technology acceptance model for empirically testing new end-user information systems: theory and results [dissertation]. Cambridge (MA): Massachusetts Institute of Technology; 1985.
- Tornatzky LG, Fleischer M, Chakrabarti AK. Processes of technological innovation. Lexington (MA): Lexington Books; 1990.
- Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478.
- Jeyaraj A, Sabherwal R. Adoption of information systems innovations by individuals: a study of processes involving contextual, adopter, and influencer actions. Inf Organ. 2008;18(3):205-234.
- Balliauw M, Onghena E. Expanding airport capacity of cities under uncertainty: strategies to mitigate congestion. J Air Transp Manag. 2020;84:101791.
- Marjanovic O, Cecez-Kecmanovic D. Open government data platforms - a complex adaptive sociomaterial systems perspective. Inf Organ. 2020;30(4):100323.
- Kim C, Lee KC, Costello FJ. The intention of passengers towards repeat use of biometric security for sustainable airport management. Sustainability. 2020;12(11):4528.
- Morosan C. Voluntary steps toward air travel security: an examination of travelers' attitudes and intentions to use biometric systems. J Travel Res. 2012;51(4):436-450.
- Negri NAR, Borille GMR, Falcão VA. Acceptance of biometric technology in airport check-in. J Air Transp Manag. 2019;81:101720.
- Morosan C. An empirical examination of US travelers' intentions to use biometric e-gates in airports. J Air Transp Manag. 2016;55:120-128.
- Price A, Prusak A, Wright M. Tech trends 2021: a government perspective. Deloitte Insights; 2021.
- Samuelson W, Zeckhauser R. Status quo bias in decision making. J Risk Uncertain. 1988;1(1):7-59.
- Troshani I, Jerram C, Hill SR. Exploring the public sector adoption of HRIS. Ind Manag Data Syst. 2011;111(3):470-488.
- Cordella A, Bonina CM. A public value perspective for ICT enabled public sector reforms: a theoretical reflection. Gov Inf Q. 2012;29(4):512-520.
- Warkentin M, Orgeron C. Using the security triad to assess blockchain technology in public sector applications. Int J Inf Manag. 2020;52:102090.
- Oliva R. Intervention as a research strategy. J Oper Manag. 2019;65(7):710-724.
- Oyman M, Bal D, Ozer S. Extending the technology acceptance model to explain how perceived augmented reality affects consumers' perceptions. Comput Hum Behav. 2022;128:107127.
- Hsu HT, Lin CC. Extending the technology acceptance model of college learners' mobile-assisted language learning by incorporating psychological constructs. Br J Educ Technol. 2022;53(2):286-306.
- Balakrishnan J, Abed SS, Jones P. The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technol Forecast Soc Change. 2022;180:121692.
- Wu B, An X, Wang C, Shin HY. Extending UTAUT with national identity and fairness to understand user adoption of DCEP in China. Sci Rep. 2022;12(1):1-11.
- Epstein B. Two decades of e-government diffusion among local governments in the United States. Gov Inf Q. 2022;39(2):101665.
- Hasselwander M, Bigotte JF, Fonseca M. Understanding platform internationalisation to predict the diffusion of new mobility services. Res Transp Bus Manag. 2022;43:100765.
- Ng PM, Lit KK, Cheung CT. Remote work as a new normal? The technology-organization-environment (TOE) context. Technol Soc. 2022;70:102022.
- Rana NP, Dwivedi YK, Williams MD, Weerakkody V. Adoption of online public grievance redressal system in India: toward developing a unified view. Comput Hum Behav. 2016;59:265-282.
- Alawadhi S, Morris A. Factors influencing the adoption of e-government services. J Softw. 2009;4(6):584-590.
- Chan FKY, et al. Modeling citizen satisfaction with mandatory adoption of an e-government technology. J Assoc Inf Syst. 2010;11(10):519-549.
- Weerakkody V, El-Haddadeh R, Al-Sobhi F, Shareef MA, Dwivedi YK. Examining the influence of intermediaries in facilitating e-government adoption: an empirical investigation. Int J Inf Manag. 2013;33(5):716-725.
- Mensah IK. Impact of government capacity and e-government performance on the adoption of e-government services. Int J Public Adm. 2020;43(4):303-311.
- Al Mansoori KA, Sarabdeen J, Tchantchane AL. Investigating Emirati citizens' adoption of e-government services in Abu Dhabi using modified UTAUT model. Inf Technol People. 2018;31(2):455-481.
- Mukred M, et al. The key factors in adopting an electronic records management system (ERMS) in the educational sector: a UTAUT-based framework. IEEE Access. 2019;7:35963–35980.
- Naranjo-Zolotov M, Oliveira T, Casteleyn S. Citizens' intention to use and recommend e-participation: drawing upon UTAUT and citizen empowerment. Inf Technol People. 2019;32(2):364-386.
- Toufaily E, Zalan T, Dhaou SB. A framework of blockchain technology adoption: an investigation of challenges and expected value. Inf Manag. 2021;58(3):103444.
- Amron MT, Ibrahim R, Bakar NAA, Chuprat S. Acceptance of cloud computing in the Malaysian public sector: a proposed model. Int J Eng Bus Manag. 2019;11:1847979019880709.
- Chatfield AT, Reddick CG. The role of policy entrepreneurs in open government data policy innovation diffusion: an analysis of Australian federal and state governments. Gov Inf Q. 2018;35(1):123-134.
- Dahabiyeh L, Constantinides P. Legitimating digital technologies in industry exchange fields: the case of digital signatures. Inf Organ. 2022;32(1):100392.
- Feller I. Managerial response to technological innovation in public sector organizations. Manage Sci. 1980;26(10):1021-1030.
- Dawson GS, Denford JS, Desouza KC. Governing innovation in US state government: an ecosystem perspective. J Strateg Inf Syst. 2016;25(4):299-318.
- Oliveira T, Fraga M. Literature review of information technology adoption models at firm level. Electron J Inf Syst Eval. 2011;14(1):110-121.
- Tornatzky LG, Klein KJ. Innovation characteristics and innovation adoption-implementation: a meta-analysis of findings. IEEE Trans Eng Manag. 1982;EM-29(1):28-45.
- Harrison DA, Mykytyn PP Jr, Riemenschneider CK. Executive decisions about adoption of information technology in small business: theory and empirical tests. Inf Syst Res. 1997;8(2):171-195.
- Ram S. A model of innovation resistance. Adv Consum Res. 1987;14(1):208-212.
- Lapointe L, Rivard S. A multilevel model of resistance to information technology implementation. MIS Q. 2005;29(3):461-491.
- Davidson E, Baird A, Prince K. Opening the envelope of health care information systems research. Inf Organ. 2018;28(3):140-151.
- Bradley L, Stewart K. A Delphi study of the drivers and inhibitors of Internet banking. Int J Bank Mark. 2002;20(6):250-260.
- Moore GC, Benbasat I. Development of an instrument to measure the perceptions of adopting an information technology innovation. Inf Syst Res. 1991;2(3):192-222.
- Agarwal R, Prasad J. The role of innovation characteristics and perceived voluntariness in the acceptance of information technologies. Decis Sci. 1997;28(3):557-582.
- Karahanna E, Straub DW, Chervany NL. Information technology adoption across time: a cross-sectional comparison of pre-adoption and post-adoption beliefs. MIS Q. 1999;23(2):183-213.
- Ram S, Sheth JN. Consumer resistance to innovations: the marketing problem and its solutions. J Consum Mark. 1989;6(2):5-14.
- Ellen PS, Bearden WO, Sharma S. Resistance to technological innovations: an examination of the role of self-efficacy and performance satisfaction. J Acad Mark Sci. 1991;19(4):297-307.
- Gatignon H, Robertson TS. Technology diffusion: an empirical test of competitive effects. J Mark. 1989;53(1):35-49.
- Weber EU, Bottom WP. Axiomatic measures of perceived risk: some tests and extensions. J Behav Decis Mak. 1989;2(2):113-131.
- Stone RN, Grønhaug K. Perceived risk: further considerations for the marketing discipline. Eur J Mark. 1993;27(3):39-50.
- Featherman MS, Pavlou PA. Predicting e-services adoption: a perceived risk facets perspective. Int J Hum Comput Stud. 2003;59(4):451-474.
- Kahneman D, Tversky A. Prospect theory: an analysis of decision under risk. Econometrica. 1979;47(2):263-291.
- Verma S, Singh V. Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Comput Hum Behav. 2022;131:107215.
- Fadel KJ, Meservy TO, Kirwan CB. Information filtering in electronic networks of practice: an fMRI investigation of expectation (dis)confirmation. J Assoc Inf Syst. 2022;23(2):491-520.
- Choi HS, Carpenter D, Ko MS. Risk taking behaviors using public Wi-Fi. Inf Syst Front. 2021:1-18.
- Khan WU, Shachak A, Seto E. Understanding decision-making in the adoption of digital health technology: the role of behavioral economics' prospect theory. J Med Internet Res. 2022;24(2):e32714.
- Wong D, Liu H, Meng-Lewis Y, Sun Y, Zhang Y. Gamified money: exploring the effectiveness of gamification in mobile payment adoption among the silver generation in China. Inf Technol People. 2022;35(1):281-315.
- Tarafdar M, Maier C, Laumer S, Weitzel T. Explaining the link between technostress and technology addiction for social networking sites: a study of distraction as a coping behavior. Inf Syst J. 2020;30(1):96-124.
- Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
- Szmigin I, Foxall G. Three forms of innovation resistance: the case of retail payment methods. Technovation. 1998;18(6-7):459-468.
- Lee MC. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electron Commer Res Appl. 2009;8(3):130-141.
- Aldag RJ, Power DJ. An empirical assessment of computer-assisted decision analysis. Decis Sci. 1986;17(4):572-588.
- Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull. 1979;86(2):420-428.
- Podsakoff PM, Organ DW. Self-reports in organizational research: problems and prospects. J Manag. 1986;12(4):531-544.
- Podsakoff PM, MacKenzie SB, Podsakoff NP. Sources of method bias in social science research and recommendations on how to control it. Annu Rev Psychol. 2012;63:539-569.
- Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39-50.
- Kline E, et al. Convergent and discriminant validity of attenuated psychosis screening tools. Schizophr Res. 2012;134(1):49-53.
- Tversky A, Kahneman D. Rational choice and the framing of decisions. In: Multiple criteria decision making and risk analysis using microcomputers. Berlin, Heidelberg: Springer; 1986. p. 81-126.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.