מאמר מחקר

הצעה לאימוץ מערכות מידע (IT) ציבוריות עם ביסוס תיאורטי וממצאים אמפיריים

0 צפיות

⸱

DOI:

10.3791/73614

⸱

15 בספטמבר 2026

 ,  , 
1Seoul AI School, Seoul School of Integrated Sciences and Technologies (aSSIST University), 2School of Business, Sungkyunkwan University, 3Department of Management Information Systems, Dong-A University

במאמר זה

סיכום

מחקר זה מציע את מודל האימוץ של טכנולוגיית מידע (IT) ציבורית, מסגרת של תפיסה-כוונה המבוססת על תיאוריית הערכים (prospect theory), המסבירה כיצד רווחים והפסדים נתפסים מניעים את קבלתו או דחייתו של המשתמש שירותי IT ציבוריים, כגון ביומטריה בשדות תעופה. שני סקרים, כולל סקר רב-לאומי, והתערבויות של מומחים תיקפו את המודל, ותמכו בתיאוריית הערכים במדינות ובהקשרים שונים.

תקציר

מחקר זה מציע מודל תיאורטי לאימוץ טכנולוגיית מידע ציבורית (PITA). שירותי טכנולוגיית מידע (IT) ציבוריים מתייחסים לשירותים מבוססי IT שמוסדות ציבור מציעים לכלל האזרחים, כגון פורטלים של ממשלה אלקטרונית, אפליקציות לבריאות הציבור ומערכות ביומטריות בשדות תעופה. בשל טבעה הייחודי של טכנולוגיית המידע הציבורית, מודלים שפותחו בעבר והתמקדו בעיקר ברמת הפרט והחברה נחשבו לבלתי מספיקים כדי לזהות את המסה הקריטית של אימוץ IT ציבורי. כדי למלא פער זה, הוצע מסגרת של תפיסה-כוונה המבוססת על תיאוריית הסיכויים (prospect theory) כדי לבחון את ההפסדים והרווחים הנתפסים של משתמשים באימוץ שירות IT ציבורי חדש, תוך הצעה שתפיסות אלו היו הגורמים המקדימים לדחייה או לקבלה של שירות IT ציבורי חדש. נערכו שני מחקרים, כולל מחקר אחד עם מדגמי סקר משלוש מדינות (דרום קוריאה, בריטניה וארצות הברית). חמישה מומחים מהתעשייה הוזמנו גם הם, באמצעות גישת מחקר מבוססת התערבות, כדי לזקק ולתקף את המודל באופן איכותני כך שניתן יהיה להשתמש בו בתרחיש מעשי. התוצאות הראו כי הערך הכולל של הקבלה, כלומר הערך הנתפס המצטבר הנדרש כדי שהמשתמשים יקבלו את השירות, שחושב כסכום מקדמי הנתיב הרלוונטיים, היה גבוה בעקביות מזה של הדחייה. ממצא דומה נראה עבור רווח נתפס, שהיה מנבא חזק יותר הן לקבלה והן לדחייה מאשר הפסד נתפס. למרות שהממצאים מתבססים על נתונים חתך בדיווח עצמי, הם מספקים תמיכה חזקה לתיאוריית הסיכויים ותורמים להבנה מעמיקה יותר של תפקידה היסודי של התיאוריה באימוץ IT ציבורי. לפיכך, על ידי הרחבת תיאוריית הסיכויים להקשר של IT במגזר הציבורי, מודל PITA מציע לחוקרים בסיס תיאורטי מתוקף ולמבצעים כלי מעשי לאבחון אימוץ של שירותי IT ציבוריים.

מבוא

טכנולוגיית המידע (IT) התפתחה במהלך העשורים האחרונים לכלי דומיננטי ונפוץ לקידום חדשנות ושינתה באופן משמעותי את חיי היומיום. מאז הצגתם של מודלים לאימוץ טכנולוגיית מידע המבוססים על נקודות מבט פסיכולוגיות1,2,3,4, נחקר באופן יסודי הקשר בין משתמשים לבין טכנולוגיית המידע ברמת הפרט וברמת הארגון5.

בינתיים, ארגונים ציבוריים רבים התקשו להשיג יעילות תפעולית תחת דרישות חברתיות גוברות, כגון עומסים בשדות תעופה, הפוגעים באפקטיביות ובאיכות השירותים הציבוריים. הרחבת תשתיות פיזיות עשויה להניב יתרונות מיידיים, אך היא דורשת השקעות משמעותיות של זמן וכסף6. בניגוד לכך, ספקי שירותים ציבוריים חדשניים ניגשו לסוגיה זו באמצעות חדשנות מונעת-IT7, תוך שילוב חידושים בתשתיות קיימות כדי להבטיח את איכות השירות ואת היעילות התפעולית8,9,10,11. ארגונים ציבוריים מאמצים כעת טכנולוגיות IT חדשניות (למשל, שירותי ענן, אבטחת סייבר וביומטריה) כדי להחיות נכסי ליבה, דבר היוצר אתגרים נוספים באימוץ12. בעיה זו עשויה לנבוע מהבנה לא מספקת של המשתמשים בפועל: מחקרים קודמים התמקדו בעיקר בגורמים המניעים קבלה, תוך התעלמות מדחייה. ללא מעורבות פעילה של המשתמשים, יישומי IT במוסדות ציבוריים עלולים שלא להגיע לאימוץ מעשי.

עם זאת, אימוץ מערכות מידע (IT) במגזר הציבורי מציב אתגרים ייחודיים השונים מהקשרים של המגזר הפרטי. אף על פי שנראה כי "קבלה" ו"דחייה" עומדות בסתירה זו לזו כשני מצבים קיימים נפרדים13, קידום של אחת מהן עלול לעכב את השנייה, ולכן יש לשקול את שני הצדדים של ההשפעה המנוגדת. מחקרים מוקדמים יותר על חדשנות בשירותי IT ציבוריים נטו להדגיש תוצאות חיוביות10,11,14,15,16. לפיכך, מאמר זה בחן את ה"קבלה" וה"דחייה" יחד, תוך שילוב של מודלי מערכות מידע מבוססי פסיכולוגיה (כלומר, דיפוזיה של חדשנות והתנגדות לחדשנות) עם כלכלה התנהגותית (כלומר, תאוריית הסיכויים).

מקרה הבחינה של ביומטריה בשדות תעופה, שבו זיהוי ביומטרי מחליף הליכים מבוססי מסמכים, נבחר מכיוון ששירות IT ציבורי זה מוצע לכל האזרחים, כולל מידע אישי רגיש, ומעמיד את המשתמשים בפני החלטה ברורה של קבלה או דחייה. שתי שאלות מחקר הנחו את הסטודיו. RQ1: כיצד תפיסת רווחים והפסדים משפיעה על קבלתם או דחייתם של המשתמשים שירות IT ציבורי? RQ2: האם הערך הכולל הנדרש לקבלה גדול יותר מזה הנדרש לדחייה, כפי שחוזה תאוריית הסיכויים (prospect theory)? בהתאם לכך, הוצגה מסגרת תיאורטית חדשה אשר תוקפה על ידי מומחי תעשייה באמצעות אסטרטגיית IBR (מחקר מבוסס התערבות)17 (איור 1). מחקר זה משלב לפיכך את תאוריית הסיכויים עם מודלים לאימוץ מערכות מידע (IS) ומספק תובנות יישומיות למנהלי IT במגזר הציבורי.

figure-introduction-1
איור 1: תהליך המחקר של בניית ופיתוח המודל התאורטי. הדיאגרמה מתארת את זרימת המחקר הכוללת, החל מבניית מודל תאורטי המבוסס על מודלי אימוץ קודמים ותיאוריית סיכונים (prospect theory), דרך מחקר 1 ומחקר 2, שלאחר כל אחד מהם התבצעה התערבות מומחים, ועד להשלמת מודל ה-PITA. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

אימוץ טכנולוגיית מידע (IT) נחקר רבות: מודל קבלת הטכנולוגיה (TAM)2 והתיאוריה המאוחדת של קבלה ושימוש בטכנולוגיה (UTAUT)4 ברמה האינדיבידואלית, וכן תיאוריית דיפוזיית החדשנות (DOI)1 ומסגרת הטכנולוגיה-ארגון-סביבה (TOE)3 ברמת הפירמה, הולידו מחקרי המשך על מציאות רגאומנטרית ולמידת שפות18,19, צ'טבוטים ותשלומי דיגיטל20,21, שירותי ניידות22,23, ועבודה מרחוק24. עם זאת, למודלים אלו מגבלות בולטות בנוגע ל-IT ציבורי: TAM מניח שימוש רצוני, DOI מזניחה את התנגדות המשתמש, ו-UTAUT פותח בעיקר עבור מסגרות ארגוניות, ולכן מידת התאימות שלהם לשירותי IT ציבוריים כמעט-חובה נותרה מוטלת בספק. קיימים גם מחקרים על אימוץ IT ציבורי המבוססים על מודלים אלו, למשל, הרחבת UTAUT לבחינת מערכת מקוונת לטיפול בתלונות ציבוריות25 ויישום TOE על מערכות מידע למשאבי אנוש במגזר הציבורי14; מחקרים רבים נוספים נקטו בגישות דומות26,27,28,29,30,31,32,33,34,35.

עם זאת, אימוץ טכנולוגיות מידע (IT) ברמה הציבורית שונה משמעותית מאימוץ ברמה האינדיבידואלית או ברמת הפירמה (ראה טבלה 1): הגופים המאמצים והמשתמשים אינם זהים, וכוונות המשתמשים אינן מובנות בשל אינרציה פסיכולוגית והסטטוס קוו של השירותים הנוכחיים. המאפיינים המשבשים של ה-IT עשויים להקשות על ארגון מחדש של מערכות קיימות36; האימוץ דורש גם שינוי בגישותיהם ובהתנהגויותיהם של המשתמשים, דבר המצריך הבנה ברורה של נקודת מבטם של המשתמשים. בהינתן מאפיינים אלה, ייתכן שמודלים קודמים שהדגישו את הרמה האינדיבידואלית ורמת הפירמה לא יהיו מספיקים כדי להגדיר את המסה הקריטית לאימוץ IT ציבורי. מכיוון שחדשנות שירותים המונעת על ידי IT היא קריטית להפחתת עלויות ולשיפור השירותים37,38 ובסופו של דבר מקדמת את החברה39, מסגרת תיאורטית ממוקדת לאימוץ IT ציבורי היא חיונית.

רמה אישיתרמת חברהרמה ציבורית
ישות האימוץיחידיםחברות (פרטיות)חברות (ציבוריות)
משתמשיחידיםעובדי החברהיחידים
כוונת המשתמשוודאיתוודאית (כפויה)בלתי וודאית
אינרציה פסיכולוגיתזניחהזניחה (כפויה)בולטת
תפיסת ערךהכרחיתהכרחית (כפויה)הכרחית
מטרת אימוץ עיקריתאישיתיעילות, חיסכון בעלויותאינטרס ציבורי
מודלי אימוץ IT רלוונטייםTAM2, UTAUT4DOI1, TOE3מחקר זה

טבלה 1: רמות שונות של אימוץ טכנולוגיית מידע (IT). הטבלה משווה בין אימוץ טכנולוגיית מידע ברמה האינדיבידואלית, רמת הפירמה והרמה הציבורית, במונחים של מודלים תיאורטיים מייצגים, ישויות מאמצות ומשתמשים.

ספרות קיימת הראתה כי לאנשים ולעובדים יש כוונה מוקדמת (ברמת הפרט) או כפויה (ברמת הארגון) להשתמש בשירות IT ספציפי2,40, דבר המרמז כי האימוץ היה קבוע מראש4,41. עם זאת, לא כל המשתמשים מתכוונים להשתמש ב-IT42, ורק מספר מצומצם של מחקרי מערכות מידע (IS) זיהו את התכונות וההצדקות לדחייה43,44. בהתאם לכך, שירות IT ציבורי חדש עלול להידחות במכוון עד שהחדשנות תתקבל או תיכשל45.

המטרה המרכזית של מחקר זה היא הבנת הקבלה או הדחייה של שירות IT במוסד ציבורי על ידי המשתמשים, שנבחנה באמצעות שתי תפיסות ערך: תועלת נתפסת ואובדן נתפס. התועלת הנתפסת הותאמה ממודל הדיפוזיה של חדשנות1,46; מבנים אלו שימשו באופן נרחב לבחינת תפיסות המעודדות קבלת IT47,48 והם מראים תוקף גבוה בהקשרים שונים40. לעומת זאת, אובדן נתפס כולל את התכונות המסבירות מדוע אנשים שומרים על אורח חייהם הנוכחי למרות לחצים להסתגל; גישה זו, המבוססת על התנגדות לחדשנות42,49, בוחנת מדוע חלק מהאנשים מעכבים את אימוץ החדשנות או דוחים אותה לחלוטין49,50,51,52,53. גישה רב-ממדית תפסה תפיסות אלו במקום להתייחס לאובדן ותועלת כאל מבנים כלליים.

אובדן נתפס הוגדר באופן אופרציונלי באמצעות חמישה מבנים53,54. אובדן זמן (TIL) הוא הזמן הנתפס שאבד בלמידה ובשימוש בשירות, וכאשר ציפיות אינן מולבשות53. אובדן חברתי (SOL) הוא הסיכון לאובדן מעמדו של אדם בקבוצה חברתית עקב הופעה כטיפש או כמי שאינו מעודכן54. אובדן פיננסי (FIL) כולל הפסדים כספיים פוטנציאליים מעלויות רכישה, עמלות או גניבת מידע אישי54. אובדן פיזי (PHL) הוא התפיסה שהשימוש עלול לגרום לנזק, אי-נוחות או תשישות53,54. אובדן ביצועים (PEL) הוא הירידה הנתפסת באיכות השירות או בפונקציונליות שלו בהשוואה לחלופות קיימות, כולל תקלות וכישלון באספקת התועלת הרצויה53.

כדי להסביר את התועלת הנתפסת (PG), נעשה שימוש ביתרון יחסי, תאימות, יכולת ניסוי ומורכבות1,46. יתרון יחסי (REA) הוא המידה שבה חידוש נתפס כבעל יתרון רב יותר מקודמו; תאימות (COM) היא המידה שבה הוא תואם את ערכיו, צרכיו וניסיונותיו הקודמים של מאמץ פוטנציאלי; יכולת ניסוי (TRI) היא ההיקף של התנסות אפשרית לפני האימוץ; ומורכבות (CPX), הקשורה לקלות השימוש הנתפסת במודל TAM, מתייחסת לכמה קשה להשתמש בחידוש ולהבינו. נצפיתות הושמטה מכיוון שהיא עמומה מדי למדידה46 ומכיוון שתוצאות ביומטריות בהקשר של מערכות מידע (IT) ציבוריות אינן ניתנות לצפייה קלה על ידי אחרים.

מסגרת ה"הפסד-רווח" (loss-gain) הוצעה כדי להסביר את הערכים הנתפסים המניעים תגובות לשירות IT ציבורי חדש. אם השירות הוא רדיקלי ומאיים על ההתנהגות הרגילה, הונחה כי ההפסד הנתפס יעלה על הרווח הנתפס, דבר שיוביל לדחייה; אם מצב זה יימשך, הדחייה עשויה להפוך להיבט קבוע של הכוונה התנהגותית42,49. לעומת זאת, אם התועלת הנתפסת עולה על ההפסדים הצפויים, למשתמש יש סיבות מועטות לדחיית השירות. לפיכך, הוצעו ההשערות הבאות:

H1. תפיסת הפסד תשפיע באופן חיובי על דחייה.
H2. תפיסת הפסד תשפיע באופן שלילי על קבלה.
H3. תפיסת רווח תשפיע באופן שלילי על דחייה.
H4. תפיסת רווח תשפיע באופן חיובי על קבלה.

כל התקדמות המונעת על ידי מערכות מידע (IT) בשירותי ממשלה נועדה לקדם את החברה (למשל, עלייה מהירה ובטוחה יותר למטוס באמצעות ביומטריה בשדות תעופה), אך שירות IT ציבורי שהושק לאחרונה רצוף בסיכונים ובאי-ודאות, וייתכן שהמשתמשים לא יקבלו את היתרונות כפי שהתכוונו. על פי תיאוריית הערך (prospect theory)55, אנשים מקבלים החלטות לא רציונליות כאלה על בסיס הערכות של חלופות, ערכים ועמדות כלפי אי-ודאות, הנשפטים ביחס לנקודת ייחוס (תלות בנקודת ייחוס). התובנה המרכזית של התיאוריה היא סמימות להפסד (loss aversion), הנטייה של הפסדים להשפיע יותר מאשר רווחים שווי ערך, יחד עם רגישות פוחתת; התמקדות זו ברווחים ובהפסדים ביחס למצב הקיים עולה בקנה אחד עם הדיכוטומיה של קבלה-דחייה הנבדקת כאן. תיאוריית הערך שימשה במחקרי מערכות מידע (IS) ו-IT מהעת האחרונה כדי להסביר החלטות לא רציונליות תחת סיכון ואי-ודאות56,57,58,59,60, תוך כיסוי הקשרים הנעים מעבודה מבוססת AI ובריאות דיגיטלית ועד ל-Wi-Fi ציבורי ותשלומים בנייד. בעוד שמחקרים אלו מאשרים את רלוונטיות התיאוריה, הם התמקדו בעיקר בכוונות קבלה והזניחו את ממד הדחייה המרכזי בהקשר של IT ציבורי.

משתמשים בשירותי IT ציבוריים פועלים כאילו הם מחליטים לקבל או לדחות את השירות בהתבסס על הערכים הכוללים הנדרשים (כלומר, סכום התועלת וההפסד הנתפסים). שום מחקר קודם על אימוץ IT ציבורי לא בחן תופעה זו מנקודת מבט זו. בהתאם לכך, מקדמי נתיבים (כלומר, PL ל-REJ) קודדו כערכים55, והערכים הכוללים הנדרשים לדחייה ולקבלה חושבו באופן הבא:

V(R) = CLR + CGR      (1)
V(A) = CLA + CGA       (2)

כאשר CLR, CGR, CLA, ו-CGA הם מקדמי הנתיב של הפסד נתפס לדחייה, רווח נתפס לדחייה, הפסד נתפס לקבלה, ורווח נתפס לקבלה, בהתאמה; מקדמים סטנדרטיים אלו מניבים את V(R) ו-V(A) כערכים מורכבים של ההשפעה הכוללת של הפסד ורווח. מכיוון ששירותי IT ציבוריים נועדו להועיל למשתמשים, בעוד שמשתמשים שוקלים הפסדים באופן כבד יותר מרווחים בעת עזיבת מצב הקיים (status quo), הציפייה הייתה שקבלה, שהיא הבחירה המסוכנת יותר, תדרוש ערך כולל גבוה יותר מאשר דחייה. בהתבסס על H1–H4, השערה H5 בוחנת את המאזן הנקי של השפעות אלו:

H5. הערך הכולל הנדרש לקבלה, V(A), יהיה גבוה יותר מאשר לדחייה, V(R). מודל ה-PITA (אימוץ טכנולוגיית מידע ציבורית) המושגי שנתקבל מוצג ב-איור 2.

figure-introduction-2
איור 2: מודל PITA מושגי. הדיאגרמה מציגה אובדן נתפס (PL) ותועלת נתפסת (PG) כגורמים מקדמים לדחייה (REJ) ולקבלה (ACC); הנתיבים a, b, c ו-d תואמים למקדמים המשמשים לחישוב הערכים הכוללים V(R) ו-V(A). הערה: a = CLR, b = CLA, c = CGR, ו-d = CGA  אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

פרוטוקול

כל נהלי המחקר עמדו בעקרונות האתיים החלים על מחקר הכולל משתתפים אנושיים באוניברסיטת aSSIST, אוניברסיטת Sungkyunkwan ואוניברסיטת Dong-A. מכיוון שתשובות הסקר היו אנונימיות בעת האיסוף ולא נאסף מידע המאפשר זיהוי אישי, קרש הבקרה המוסדי (Institutional Review Board) של אוניברסיטת aSSIST סיווג את המחקר כפטור מסקירה אתית מלאה. המוסדות המשתתפים לא קיבלו אישורי IRB נפרדים, שכן הם הסתמכו על קביעת הפטור שהוצאה על ידי קרש הבקרה המוסדי של אוניברסיטת aSSIST, אשר כיסתה הן את עיצוב המחקר והן את נהלי איסוף הנתונים. קביעה זו התקבלה בהתאם לסעיף 15 של חוק הביואתיקה והבטיחות של רפובליקת קוריאה ולקריטריוני הפטור המפורטים בסעיף 13 של תקנות האכיפה שלו (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). לפני הגישה לשאלון ה-Qualtrics, הוצגה לכל המשתתפים הצהרת הסכמה מדעת אלקטרונית המסבירה את המטרה האקדמית של המחקר, את העיבוד האנונימי של התשובות, את השימוש בנתונים למטרות מחקר בלבד, ואת היעדר סיכונים צפויים באופן סביר. רק משתתפים שנתנו הסכמתם במפורש הורשו להמשיך בסקר.

סקירה של המחקרים
שני מחקרים אמפיריים ושתי התערבויות של מומחים נערכו כדי לבחון את חמש ההשערות ואת מודל ה-PITA המוצע. התוצאות מוצגות ב-איור 3. סקרי שני גלים נערכו לפני COVID-19 (רבעון 4 של 2019) ובמהלך COVID-19 (רבעונים 2-3 של 2020) כדי למדוד מבנים נפרדים בזמנים שונים, להפחית את האפשרות להט שיטה משותף (CMB) בנתונים, ולהגביר את ההכללה של המחקר61,62.

figure-protocol-1
איור 3סקירה כללית של המחקרים. ציר הזמן מסכם את התכנון הדו-גלי: מחקר 1 (רבעון 4 של שנת 2019, לפני COVID-19, מדגם קוריאני, N = 322) שבעקבותיו בוצעה התערבות מומחים ראשונה, ומחקר 2 (רבעונים 2-3 של שנת 2020, במהלך COVID-19, מדגמים מקוריאה/בריטניה/ארה"ב, N = 602) שבעקבותיו בוצעה התערבות מומחים שנייה. אנא לחצו כאן כדי להציג גרסה גדולה יותר של איור זה.

מודל מחקר 1
מודל המחקר הראשוני נוצר על בסיס ההיפותזות שפותחו כדי לחשוף את כוונות המשתמשים לקבל או לדחות שירות IT ציבורי שהוכנס לאחרונה (כלומר, ביומטריה בשדות תעופה), כפי שמוצג ב-איור 4. דעותיהם של המשתמשים על שירותי IT ציבוריים באו לידי ביטוי בשני מבנים (constructs) מסדר שני, אובדן נתפס (PL) ותועלת נתפסת (PG), כאשר כל אחד מהם נוצר על ידי מבני סדר ראשון המתאימים לו. שני מבני סדר שני אלה משמשים כגורמים מקדימים לדחייה (REJ) ולקבלה (ACC), המייצגים את כוונות המשתמשים להשתמש בשירותי IT ציבוריים.

figure-protocol-2
איור 4: מודל המחקר של מחקר 1. חמישה מבני הפסד מסדר ראשון (PEL, TIL, SOL, PHL ו-FIL) מרכיבים את המבנה מסדר שני "הפסד נתפס", וארבעה מבני רווח מסדר ראשון (REA, COM, TRI ו-CPX) מרכיבים את "רווח נתפס"; שני המבנים מסדר שני מומדלים כגורמים מקדימים לדחייה ולקבלה (H1–H4). אנא לחצו כאן כדי להצפת גרסה גדולה יותר של איור זה.

נתוני מחקר של ניסוי 1
מדגם הנתונים הראשון, שהתבסס על סך של 322 משתתפים קוריאנים (נשים: 46.6% וגברים: 53.4%) שהיה להם ניסיון בעלייה למטוס לפחות פעם אחת בשנה האחרונה, נאסף בין ה-13 בנובמבר ל-18 בנובמבר 2019 (לפני תחילת פנדמיית ה-COVID-19). הגדרות ודוגמאות לשירותי IT ציבוריים (כלומר, יישומים ביומטריים בשדות תעופה) סופקו במבוא לסקר. הנתונים הגולמיים עבור ניסוי 1 מופיעים ב-קובץ משלים 1. תדירות הטיסות נמדדה בחמש קטגוריות מוexcluded הדדית (FF1–FF5), המתאימות לטיסה אחת, שתיים, שלוש, ארבע, וחמש טיסות או יותר בשנה האחרונה (ניסוי 1: 138, 91, 34, 21, ו-38 משתתפים; ניסוי 2: 174, 153, 109, 82, ו-84 משתתפים, בהתאמה).

מבני הנבואים הוערכו באמצעות סולם ליקרט בן שבע דרגות, שנע בין "איני מסכים בכלל (1)" ל"מסכים מאוד (7)" (ראו קובץ משלים 21,46,53,54,63,64 עבור שאלון המחקר). לאחר מבחן פיילוט עם 20 משתתפים, התיקונים הוגבלו לשיפורים בניסוח של פריטי השאלון על מנת לשפר את יציבותם, ישימותם וקלות הפרשנות שלהם; לא נוספו או הוסרו מבנים או פריטים לאחר הפיילוט. המסמך התומך כולל את השאלון המלא וכן סטטיסטיקות רלוונטיות והקשר תיאורטי. בוצעו ניתוחים של ניתוח גורמים מאשר (CFA) ומידול משוואות מבניות מבוסס שונות משותפת (CB-SEM).

מעורבות מומחים עבור מחקר 1
חמישה מומחים עם ניסיון של עשר שנים לפחות הוזמנו כדי להבטיח אובייקטיביות ולשפר את רמת העבודה, ביניהם שניים מארגונים בינלאומיים (Airports Council International ו-International Air Transport Association), שניים מארגונים ממשלתיים (נמל התעופה של סינגפור צ'נגי ו-Korea Airports Corporation), ואחד מחברה פרטית המציעה שירותים במסגרת ציבורית (Korean Air). מעורבות מומחים זו הייתה חיונית למתן משוב לשיפור המודל והידע התחומי לגבי הסביבה הנבדקת. בוצעו הערכות איכותניות (כלומר, משוב סובייקטיבי) וכמותיות (סולם ליקרט בן שבע נקודות). לצורך ההערכה הכמותית אומצה גרסה מעודכנת של פריטי שאלון מאפייני דוח ההחלטות (ראו קובץ משלים 3)65, אשר תוקפה באמצעות מקדם מתאם תוך-כיתתי66. בכל סבב התערבות, כל מומחה מילא את השאלון הכמותי באופן פרטני ולאחר מכן סיפק משוב איכותני פתוח; אותם פאנל, כלים והליך שימשו בשתי ההתערבויות כדי לאפשר שחזור.

מחקר 2
כדי לטפל בבעיות שזוהו במחקר 1 ולשפר את יכולת ההכללה של המודל, במחקר 2 הוחל המודל ששימש במחקר 1. מחקר 2 כלל 602 משתתפים (נשים: 42.3%, גברים: 57.7%, קוריאה: 200, בריטניה: 201, וארה"ב: 201). הנתונים נאספו בין 23 ביולי ל-19 באוגוסט 2020 (במהלך מגפת ה-COVID-19). הנתונים הגולמיים עבור מחקר 2 מופיעים ב-קובץ משלים 4. עם 33 מדדים נצפים, גודל מדגם זה מספק כ-18 תצפיות לכל מדד, ובכך הוא עולה על הקריטריון המומלץ בדרך כלל של 10 תצפיות למדד עבור CB-SEM, וכן עולה על סף המינימום הנפוץ של 200 תצפיות. קוריאה, בריטניה וארה"ב נבחרו מכיוון שהן היוו 29.1% מכלל נוסעי האוויר ברחבי העולם (בערך 1.6 מיליארד מתוך 5.5 מיליארד) מיולי 2019 עד יוני 2020. מגפת ה-COVID-19 השפיעה על מדינות אלו בזמנים שונים, החל מקוריאה ומאוחר יותר השפיעה על ארה"ב ובריטניה. בנוסף, שלוש המדינות הציעו שילוב של מסורות תרבותיות מזרחיות ומערביות. כתוצאה מכך, מאגר הנתונים המשולב ממדינות אלו שימש לבחינת מסגרת התפיסה-כוונה של משתמשים עבור שירות IT ציבורי חדש (כלומר, ביומטריה בשדות תעופה).

התערבות מומחים עבור מחקר 2
אותם מומחים הוזמנו, בוצעו אותן הערכות כמותיות ואיכותיות, והמשוב שלהם נבקש כדי לתקף את הממצאים במחקר 2.

תוצאות

מחקר 1
כדי להעריך הטיה במקור משותף (CMB) פוטנציאלית הקשורה לנתונים בדיווח עצמי, בוצע תחילה ניתוח גורם אחד67על פי ממצאי הבדיקה, גורם אחד הסביר 36.56% מהשונות; גורם בודד המסביר פחות מ-50% מהשונות מעיד כי הטיות מקור משותף (CMB) אינן מהוות בעיה.62,67,68לאחר מכן הוערכו תוקף המבנה והמהימנות. הממצאים ב- טבלה 2 הוצע כי השונות הממוצעת שהוצאה (AVE, 0.585 עד 0.836) והמהימנות המורכבת (CR, 0.872 עד 0.939) עמדו בדרישות המינימליות הדרושות69,70בנוסף, השורש הריבועי של ה-AVE עבור כל מבנה (construct), המוצג על האלכסון, עלה על המתאמים שלו עם המבנים האחרים, דבר התומך בתוקף מבחן (discriminant validity).69.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0.8720.5850.3070.9020.765
PG0.9020.7050.5990.97-0.380.839
ACC0.9270.8090.5960.9410.554-0.670.9
REJ0.9390.8360.5990.941-0.430.774-0.770.914

טבלה 2: מהימנות ותוקף של המבנים (מחקר 1). הטבלה מציגה מהימנות מורכבת (CR), שונות ממוצעת מופקת (AVE), ומתאמים בין המבנים עבור מודל המדידה של מחקר 1.

בשלב הבא, נבחנו ההשערות באמצעות מודלים של משוואות מבניות (SEM) בין תועלת נתפסת, הפסד נתפס, קבלה ודחייה. כפי שמוצג ב- איור 5המודל הדגים מדדי התאמה מקובלים (CMIN/DF = 2.25, CFI = 0.936, SRMR = 0.075, RMSEA = 0.062), שכולם עמדו בסף המומלץ (CMIN/DF < 3, CFI > 0.90, SRMR < 0.08, RMSEA < 0.08), והתוצאות תומכות מאוד בהשערות שהגבשו. חמשת המבני המניעים (PER, TIR, SOR, PHR, ו-FIR) עבור תחושת אובדן וארבעת המבני המניעים (REA, COM, TRI, ו-CPX) עבור תחושת רווח (PG) הראו כולם השפעות משמעותיות. הבדיקות של השערות 1 ו-2 מצאו כי לתחושת אובדן הייתה השפעה חיובית מתונה על דחייה (β = 0.357, p < 0.001) והשפעה שלילית מובהקת על קבילה (β = -0.148, p < 0.001). לפיכך, הן H1 והן H2 נתמכים. מנגד, הבדיקות של היפותזות 3 ו-4 מצאו כי לתועלת נתפסת היו השפעות הפוכות בהשוואה להפסד נתפס: השפעה חיובית חזקה על קבלה (β = 0.721, p < 0.001) והשפעה שלילית על הדחייה (β = -0.507, p < 0.001), בהתאמה. לפיכך, גם H3 ו-H4 נתמכים. הסיכום הכולל של תוצאות בדיקת מודל המחקר של מחקר 1 באמצעות SEM מוצג ב- טבלה 3המודל המבני הסביר 62.4% מהשונות בקבלה ו-52.5% מהשונות בדחייה (R2 = 0.624 ו-0.525, בהתאמה).

figure-results-1
איור 5: תוצאות בדיקת ההשערות של מחקר 1. הדיאגרמה מציגה את מקדמי הנתיב הסטנדרטיים ואת רמות המובהקות שלהם עבור המודל המבני שהוערך על מדגם מחקר 1 (N = 322); כל הנתיבים המשוערים היו מובהקים בכיוונים הצפויים. PEL = אובדן ביצועים; TIL = אובדן זמן; SOL = אובדן חברתי; PHL = אובדן פיזי; FIL = אובדן פיננסי; REA = יתרון יחסי; COM = תאימות; TRI = יכולת התנסות; CPX = מורכבות; PL = אובדן נתפס; PG = רווח נתפס; REJ = דחייה; ACC = קבלה אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

השערהנתיבβtערך-ppערך-pתוצאה
כותרת 1aPL → דחייה0.3576.592***נתמך
H2bPL → ACC-0.148-3.059***נתמך
H3גPG → דחייה-0.507-7.29***נתמך
H4דפרוטאין G (PG) → ACC0.7218.966***נתמך

טבלה 3: תוצאות כלליות של מחקר 1. הטבלה מסכמת את מקדמי הנתיב הסטנדרטיים, רמות המובהקות ותוצאות בדיקת ההשערות עבור מחקר 1. ***p < 0.001

בנוסף, חושבו הערכים הכוללים הנדרשים עבור REJ ו-ACC כדי לבחון את H5 ולאשר האם המודל עקבי עם תאוריית הסיכויים (prospect theory)55. במשוואות (1) ו-(2), a מתייחס לנתיב מהפסד נתפס לדחייה (CLR = 0.357), c לנתיב מרווח נתפס לדחייה (CGR = -0.507), b לנתיב מהפסד נתפס לקבלה (CLA = -0.148), ו-d לנתיב מרווח נתפס לקבלה (CGA = 0.721). התוצאות הצביעו על כך ש- V(R) = a + c = -0.150 ו- V(A) = b + d = 0.573; לפיכך, V(R) < V(A), ו-H5 קיבלה תמיכה.

תוצאות התערבות המומחים עבור מחקר 1
הממצאים הצביעו על כך שהמומחים לא הסכימו באופן מלא עם הטענות; ערכי הממוצע נעו בין 3.40 ל-4.40 עבור המבנים (constructs) המודדים אוריינטציה מערכתית, איכות ומספיקות הצגת הבעיה. המבנה של רגש שלילי כללי הראה אף הוא טווח של 3.20 עד 3.60 (ICC = 0.609, p = 0.008). הערכותיהם הסובייקטיביות של המומחים זיהו שני תחומים נוספים לשיפור: מערך הנתונים לא היה מייצג את הגורם הסיטואציוני (הוא נאסף לפני COVID-19), ומדגם המורכב מקוריאנים בלבד לא יהיה הולם לצורך הכללה. תוצאות אלו הניחו את היסודות למחקר 2, שבוצע לאחר התערבויות המומחים כדי לטפל בבעיות אלו.

מחקר 2
במחקר 2 ננקב נוהל מקביל למחקר 1. ראשית, בוצע ניתוח של גורם אחד כדי להעריך האם CMB מהווה בעיה במערך הנתונים67. תוצאות המבחן הצביעו על כך שלא היה השפעה משמעותית של CMB במדגם הנתונים, כיוון שגורם יחיד הסביר 38.97% מהשונות, ערך הנמוך מסף הדאגה של 50%62,67,68. בנוסף ל-CMB, התוצאות ב-טבלה 4 הצביעו על כך שגם המהימנות והתוקף של המודל עמדו בדרישות באופן הולם69,70. בנוסף, כל יחסי ה-heterotrait-monotrait (HTMT) היו נמוכים מסף ה-0.85, דבר המספק תמיכה נוספת לתוקף מבחין.

CRAVEMSVMaxR(H)פוטיתינג ליגנד (PL)פרוגסטרון (PG)ACCדחייה
PL0.8610.560.3640.8850.748
פרוסטגלנדין (PG)0.9020.7050.6670.947-0.4220.84
ACC0.960.8890.6670.961-0.5080.8160.943
דחייה0.9420.8440.6590.9570.603-0.745-0.8120.919

טבלה 4: מהימנות ותיקוף של המבנים (מחקר 2). הטבלה מציגה מהימנות מורכבת (CR), שונות ממוצעת מופקת (AVE), ומתאמים בין מבנים עבור מודל המדידה של מחקר 2.

תוצאות בדיקת ה-SEM של מחקר 2 עבור שלושת המדינות היו CMIN/DF = 3.835, CFI = 0.945, RMSEA = 0.058. מדדי ה-CFI וה-RMSEA עמדו בספי המומלצים, ואף על פי שערך ה-CMIN/DF של 3.835 לא עמד בקריטריון המחמיר יותר של <3.0, הוא עדיין הצביע על התאמת מודל מקובלת על פי הקריטריון הפחות מחמיר של <5.0. לפיכך, תוצאות הבדיקה היו עקביות מאוד עם הטיעונים שהועלו ועם תוצאות מחקר 1, כפי שמוצג ב-איור 6 וב-טבלה 5. בדומה לתוצאות במחקר 1, הקשרים בין PL ל-REJ (β = 0.345, p < 0.001) ובין PG ל-ACC (β = 0.767, p < 0.001) היו חיוביים באופן מובהק, בעוד שהקשרים בין PL ל-ACC (β = -0.202, p < 0.001) ובין PG ל-REJ (β = -0.644, p < 0.001) היו שליליים באופן מובהק. לפיכך, השערות H1, H2, H3 ו-H4 כולן נתמכו. המודל המבני הסביר 76.0% מהשונות בקבלה ו-72.1% מהשונות בדחייה (R2 = 0.760 ו-0.721, בהתאמה).

figure-results-2
איור 6: תוצאות בדיקת ההשערות של מחקר 2. הדיאגרמה מציגה את מקדמי הנתיב הסטנדרטיים ואת רמות המובהקות שלהם עבור המודל המבני שהוערך על מדגם מאוחד משלוש מדינות של מחקר 2 (N = 602); דפוס התוצאות משחזר את מחקר 1. PEL = אובדן ביצועים; TIL = אובדן זמן; SOL = אובדן חברתי; PHL = אובדן פיזי; FIL = אובדן פיננסי; REA = יתרון יחסי; COM = תאימות; TRI = יכולת התנסות; CPX = מורכבות; PL = אובדן נתפס; PG = רווח נתפס; REJ = דחייה; ACC = קבלה אנא לחצו כאן כדי להציג גרסה גדולה יותר של איור זה.

השערהנתיבβנראה כי לא הוזן טקסט לתרגום. אנא ספק את התוכן באנגלית שברצונך לתרגם לעברית.ערך-ppערך-pתוצאה
H1aPL → דחייה0.3459.342***נתמך
H2bPL → ACC-0.202-6.81***נתמך
H3סPG → דחייה-0.644-12.694***נתמך
H4דPG → ACC0.76713.707***נתמך

טבלה 5: תוצאות כלליות של מחקר 2. הטבלה מסכמת את מקדמי הנתיב המתוקננים, רמות המובהקות ותוצאות בדיקת ההשערות עבור מחקר 2. ***p < 0.001

בשלב הבא, נבחנו ביתר רב הערכים הכוללים הדרושים עבור REJ ו-ACC כדי לבחון את H5 ולאשר האם המודל תומך בטיעון של תאוריית הסיכון55. עם מיפוי המקדמים העומד בסימן עם מחקר 1, התוצאות הראו כי V(R) = a + c = -0.299 ו-V(A) = b + d = 0.565; לפיכך, V(R) < V(A). H5 נתמכה גם במחקר 2, וההבדל בין V(R) ל-V(A) במחקר 2 (0.864) היה גדול יותר מזה שבמחקר 1 (0.723).

תוצאות התערבות מומחים עבור מחקר 2
תוצאות ההערכה הכמותית היו חיוביות באופן מובהק (ICC = 0.960, p < 0.001); טווח ערכי הממוצע עבור המבנים המודדים אוריינטציה מערכתית, איכות והבליות של הגדרת הבעיה היה בין 6.20 ל-6.80, ועבור המבנה המודד רגש שלילי כללי היה בין 1.20 ל-1.80. המתאם התוך-מערכתי הגבוה מעיד על הסכמה חזקה של המומחים לגבי האוריינטציה המערכתית, האיכות והבליות של הגדרת הבעיה במודל, והמומחים לא העלו סוגיות נוספות בהערכתם הסובייקטיבית. לפיכך, הוסק כי המחקר עמד לבסוף בדרישות הנחוצות להשלמת מודל ה-PITA המוצע.

זמינות נתונים:
הנתונים הועלו כ-קובץ משלים 1 (מחקר 1) ו-קובץ משלים 4 (מחקר 2); פלטי מודל CB-SEM המלאים מסופקים ב-קובץ משלים 5, והגדרות המשתנים והקידוד מתועדים במילון הנתונים (קובץ משלים 6). בקובצי הנתונים ובפלטי ה-CB-SEM, קיצורי כתב היד PEL, TIL, SOL, PHL, FIL, ו-REJ תואמים לתויבי המשתנים PER, TIR, SOR, PHR, FIR, ו-RES, בהתאמה, והמבנים מסדר שני PL ו-PG מסומנים כ-Perceived_Risk ו-Perceived_Benefit.

קובץ משלים 1: נתוני מחקר (מחקר 1) אנא לחצו כאן כדי להוריד קובץ זה.

קובץ משלים 2: שאלון סקר אנא לחצו כאן להורדת קובץ זה.

קובץ משלים 3: שאלון התערבות אנא לחצו כאן להורדת קובץ זה.

קובץ משלים 4: נתוני מחקר (מחקר 2) אנא לחצו כאן להורדת הקובץ.

קובץ משלים 5: קובצי פלט של מודל CB-SEM אנא לחץ כאן להורדת קובץ זה.

קובץ משלים 6: מילון נתונים אנא לחצו כאן כדי להוריד קובץ זה.

דיון

חקירה זו, שהורכבה משני מחקרים, בחנה את מודל PITA של אימוץ טכנולוגיות מידע (IT) ציבוריות; בשני המחקרים, כל חמש ההשערות קיבלו תמיכה, והפער בין V(A) ל-V(R) התרחב בהקשר המסוכן יותר של COVID-19, בהתאם לתחזית של תאוריית הסיכויים (prospect theory) לפיה בחירות מסוכנות יותר דורשות ערך נתפס גבוה יותר. נמצא פער ביסודות התיאורטיים של ספרות אימוץ ה-IT, כולל TAM2 ו-DOI1, אשר לא הצליחו להסביר באופן מספק את אימוץ IT ציבורי. חשוב מכך, מחקרים אלו לא התחשבו באופן הולם בחוסר הוודאות של המשתמשים בעת שימוש בשירותי IT ציבוריים. לפיכך, נבחנה השאלה איזו השפעה יש למסגרת התפיסה-כוונה שהוצגה על ידי PITA על ההחלטה לאמץ שירותי IT ציבוריים. משתמש חייב לשקול את היתרונות והחסרונות של אפשרויות הסטטוס קוו כאשר מוצג בפניו שירות IT ציבורי חדש וחדשני. אם האפשרות החדשה נדחית, המשתמש חוזר למצב הקודם, מה שהופך את האפשרות החדשה למיותרת. מודל PITA מאפשר הבנה של תפיסות הערך הבסיסיות המשפיעות על בחירה כזו. בנוסף, הדבר סיפק מספר הצעות למניעת כישלונות כאלו לפני השקעה בשירות IT ציבורי חדש1,42. מחקר זה בחן כיצד רווחים והפסדים נתפסים משפיעים על קבלה או דחייה של שירות IT ציבורי; כל חמש ההשערות קיבלו תמיכה. ניתן להסתכל על תפיסות המשתמשים לגבי שירותי IT ציבוריים משתי נקודות מבט, וסביר להניח שתפיסות שליליות של המשתמשים יגברו. עם זאת, הממצאים הצביעו על כך שתפיסות חיוביות עודדו אותם לקבל את השירות ולהפחית התנגדות. דוגמאות רלוונטיות להפסד נתפס כוללות ביצועים לא עקביים, הליכים ממושכים באופן בלתי סביר, התנגדות מהסביבה של המשתמשים, נזק פיזי הנגרם על ידי מכשירים וכשלים בעסקאות פיננסיות. בנוסף, פונקציות ניתנות להחלפה, אירועי בדיקה בבטא פתוחה וקלות שימוש ישמשו כדוגמאות לרכיבים של רווח נתפס. הממצאים משני המחקרים היו עקביים עם מחקרים קודמים על מודל ההתנגדות לחדשנות ועל הפצת חדשנות, למשל1,42.

ממצא משמעותי היה שהערך הכולל של קבלה היה גדול פי חמישה בקירוב מזה של דחייה. פער גדול זה בין V(A) ל-V(R) נבע בעיקר מהשפעה חיובית חזקה של רווח נתפס על קבלה (β = 0.721) ומהשפעה שלילית של רווח נתפס על דחייה (β = -0.507), מה שמרמז שתפיסות המשתמשים לגבי תועלות, כגון קלות שימוש ופונקציות ניתנות להחלפה, ממלאות תפקיד דומיננטי יותר מתפיסות של הפסד בעיצוב החלטות האימוץ. כדי שמשתמשים יקבלו את ההחלטה המסוכנת יותר לאמץ שירות IT ציבורי חדש ולא מוכר, תפיסות חיוביות חייבות לגבור באופן משמעותי על תפיסות שליליות. משתמשים עשויים גם להחליט נגד שירותי IT ציבוריים חדשים על חשבון הפסדים, מכיוון שתהליך קבלת ההחלטות עשוי שלא להיות רציונלי לחלוטין. תופעה זו עשויה להיות מוסברת על ידי היקשרות חזקה לשירות הנוכחי והעובדה ששירותי IT ציבוריים אינם מיועדים לשימוש יומי סדיר. המשתמשים יכולים לשמור על מצבם הנוכחי אם הם נתקלים באי-נוחות כלשהי. משתמשים לא ינסו להתגבר על התנגדותם הפסיכולוגית כדי לקבל שירותי IT ציבוריים חדשים אם הרווחים הנתפסים אינם מספיקים או אם ההפסדים הנתפסים גדולים מהצפוי. במחקר 2, שהראה בעקביות את אותם דפוסים במסגרת התפיסה-כוונה של המשתמשים בהקשר של שירות IT ציבורי, התקבל אישוש קונקרטי ורחב יותר עבור המודל התאורטי שהוצע. בנוסף, V(A) היה גבוה משמעותית מ-V(R), מה שתומך בטיעון להרחבת תאוריית השקיפות55.

השפעת הגורם הסיטואטיבי (COVID-19) על V(A) ו-V(R) הייתה ממצא מעניין נוסף במחקר 2. הפער בין V(R) ל-V(A) במחקר 2 התרחב בהשוואה למחקר 1. במהלך משבר בריאות עולמי, ייתכן שהמשתמשים תפסו הפסדים פוטנציאליים גדולים יותר מהדבקה, ובמקביל זיהו רווחיות פוטנציאלית גבוהה יותר משירות ללא מגע, ואפקט כפול זה הגביר את הפרש הערכים הנדרש לקבלה. ממצא זה תומך בניסיון לקדם את תאוריית הסיכויים (prospect theory) על ידי כך שהוא מצביע על כך שהאפשרות המסוכנת יותר (קבלה של שירות IT ציבורי חדש במצב מסוכן יותר, COVID-19) דורשת ערך גבוה יותר55. באופן בלתי נמנע, ממצאי ההערכה ממחקר 2 תמכו שוב בממצאי מחקר 1. הגורם הסיטואטיבי היה אלמנט פוטנציאלי שיכול היה לשנות את הערכים הקשורים להחלטות של המשתמשים, כפי שחזו המומחים במהלך ההתערבות הראשונה. בנוסף, התוצאות תמכו בתוקף הנחות המודל באמצעות מדגמים גדולים יותר עבור מקרה הביומטריה בשדה התעופה, מה שהעניק לו חוסן וכלליות רבה יותר. עם זאת, הניתוח המאוחד של מספר מדינות הניח שהמבנים (constructs) פורשו באופן דומה בין המדינות; בדיקת חוסר משתנה (measurement invariance) פורמלית והשוואות ספציפיות למדינות לא בוצעו ונותרו כמשימה למחקרים עתידיים.

על פי הניתוח שבוצע באמצעות מסגרת התפיסה-כוונה (perception-intention framework), משתמשים לא יבחרו באפשרות של תרחום המצב הקיים (status quo) אם יאמינו שיקבלו תועלת גדולה משמעותית משימוש בשירות ה-IT הציבורי. דבר זה מרמז כי רק כאשר התועלות הנתפסות הופכות את האפשרות המסוכנת של קבלה למושכת יותר, המשתמשים מוכנים לנטוש את שיווי המשקל שלהם. במבט לאחור, יש היגיון מושגי בכך שקבלה מושפעת יותר מתועלות נתפסות מאשר מהפסדים. השירות הנוכחי המוצע למשתמש הוא האפשרות המאובטחת ו"הנמנעת מסיכונים", מכיוון שהוא ישות מוכרת שעימה למשתמשים יש ניסיון קודם, על פי תיאוריית הסיכויים (prospect theory)55. המשמעות היא שהמשתמש יכול לצפות לקבל את אותה תוצאה ללא סיכון, מבלי להסתגל או לשנות תנאים התנהגותיים כלשהם. עם זאת, סביר להניח שהאפשרות המסוכנת תיבחר, תוך סטייה מהאפשרות ה"נמנעת מסיכונים", ברגע שהתועלות הנתפסות יעלו באופן משמעותי על ההפסדים הנתפסים. מעניין לציין כי השפעות אלו היו חזקות יותר כאשר המשתמש נתקל במצב מסוכן יותר, פנדמיית ה-COVID-19, שעשויה הייתה להגביר את הצורך בערך אם שקלו להשתמש בשירות ה-IT הציבורי החדש. נמצא קשר עקבי בין תועלת והפסד נתפסים לבין קבלה או דחייה של שירותי IT ציבוריים. על פי הנתונים, נדרשת הבנה מעמיקה יותר של האופן שבו משתמשים תופסים תועלות פוטנציאליות וכיצד הבנה זו משפיעה על בחירתם להשתמש בשירות IT ציבורי או לא. נראה כי קבלת שירות IT חדש קשה יותר באופן משמעותי עבור כל משתמש כאשר מוצגת בפניו אפשרות חדשה, מכיוון שעליו להיאבק באינרציה פסיכולוגית שעשויה להתקיים. דבר זה הוכח גם על ידי העובדה ששיפורים במסגרת התפיסה והכוונה היו צריכים להיות משמעותיים יותר. ממצאים אלו עולים בקנה אחד עם הרעיון הבסיסי שהוצג בתיאוריית הסיכויים55: החלטות מסוכנות יותר דורשות ערכים גבוהים יותר מאשר החלטות בטוחות יותר. בולט הדבר שהדפוס האסימטרי, שבו תועלת נתפסת ניבאה קבלה בעוצמה רבה יותר מאשר הפסד נתפס ניבא דחייה, מרמז שקבלת החלטות בהקשר זה אינה נמנעת מהפסדים בלבד אלא מונעת מתועלת, ניואנס שמרחיב את הדגש הטיפוסי של תיאוריית הסיכויים על הימנעות מהפסדים. תוצאות אלו תואמות גם למחקרי אימוץ קודמים: ההשפעה החזקה של תועלת נתפסת על קבלה עולה בקנה אחד עם הדגש של מודל TAM על תועלת נתפסת2, בעוד שההשפעה המשמעותית של הפסד נתפס על דחייה תומכת בטענת מודל העמידות לחדשנות שחסמים לאימוץ עשויים לגבור על תועלות פוטנציאליות42,49. מחקר זה מרחיב ספרות זו על ידי הדגמה כי תועלות והפסדים משפיעים בו-זמנית הן על קבלה והן על דחייה, ולא פועלים באופן בלתי תלוי. לפיכך, הממצאים תורמים להבנה התיאורטית של מה שמניע משתמשים בשירותי IT ציבוריים לשמר את המצב הקיים (כלומר, דחייה) או להגביר את נכונותם לסיכון (כלומר, קבלה). מחקר זה קידם את גוף המחקר הגדל על התנגדות לאימוץ IT. הוכח כי דחיית IT וקבלה שלו הן קריטריונים שונים לקבלת החלטות, בהסתמך על עבודות קודמות בספרות ברמת הפרט והחברה45,50,51. לכל המשתמשים יש סף42,49; עם זאת, שום מחקר על אימוץ IT ציבורי לא בחן מה עשויים להיות ספים אלו. לכן, הכללת הפסד נתפס הייתה דרך מועילה לבחון סבילות זו והשפיעה באופן משמעותי הן על הבחירה לקבל והן על הבחירה לדחות את ה-IT הציבורי. ממצאים אלו הוסיפו למחקרים קודמים המיישמים את אותו עיקרון של קבלה ודחייה על ידי הרחבתו להקשר חדש51.

לממצאים יש השלכות ניהוליות משמעותיות עבור מוסדות ציבוריים. ראשית, ידוע כי מוסדות אלו מתקשים עם שינויים וכי מעבר לתשתיות דיגיטליות הוא מאתגר. לפיכך, החלטות שגויות שיתקבלו על ידי ארגונים ציבוריים בעת מעבר לשירות IT עלולות להוביל להשפעות שליליות ארוכות טווח. סביר שהמשתמשים לא יהיו מוכנים לאמץ את שירות ה-IT המוצע אם הם יחושו כי ההפסד גדול מדי. לעומת זאת, השקעות בשירות IT ציבורי עשויות להצליח יותר אם מנהל במוסד ציבורי יגדיר את הגורמים המפחיתים את הדחייה באמצעות תועלות נתפסות. על ידי הגדלת התועלות הנתפסות והפחתת ההפסדים הנתפסים, יוכלו המנהלים בסופו של דבר להגביר את הקבלה ולהפחית את הדחייה באמצעות שימוש ב-PITA כדי למצוא פתרונות המעוררים תגובה חיובית. לדוגמה, נמל תעופה ציבורי המטמיע סינון ביומטרי יכול להשתמש ב-PITA כדי להעריך את תפיסות המשתמשים לפני ההשקעה: אם V(R) שואף ל-V(A) או עולה עליו, המנהלים עשויים למקד את התקשורת בתועלות מוחשיות כגון עיבוד מהיר יותר (הגדלת התועלת הנתפסת) או להציע חלופות לבחירה (הפחתת ההפסד הנתפס). בשל פשטות המודל, ניתן לחשב את V(A) ו-V(R) ישירות מנתוני סקרים, מה שמספק למנהלים מדד ברור להבנת כוונות השימוש של המשתמשים ולקביעת הסטטוס והסיכויים לאימוץ שירות ה-IT המוצע.

למחקר זה מספר מגבלות חשובות. ראשית, למרות שההשפעות היו דומות בשני המחקרים, נדרש מחקר נוסף כדי להבין באופן מלא את ההשפעות הפחות מובהקות שנצפו במדידות של אובדן נתפס, והגורמים שנלקחו בחשבון במחקר זה עשויים להסביר רק חלקית את השונות שנמצאה במודל. שנית, שני המחקרים השתמשו בנתוני סקרים של דיווח עצמי בחתך רוחבי מנוסעי מטוסים; תכנון זה מונע הסקות סיבתיות, עשוי להחדיר הטיות של ברירה והעדפה חברתית, ומגביל את היכולת להכליל את הממצאים מעבר לאוכלוסייה זו. בדיקה פורמלית של אינווריאנטיות מדידה (measurement invariance) בין שלוש המדינות טרם בוצעה. שלישית, הנתונים נאספו בתקופות ספציפיות (רבעון 4 של שנת 2019 ואמצע 2020), ותפיסות המשתמשים עשויות היו להשתנות עם התפתחות הפנדמיה. רביעית, הניחו כי מנהל ישקול רק אפשרות פוטנציאלית חדשה אחת, כאשר האפשרות הנוכחית משמשת כמגבלה נוספת. עבודות עתידיות צריכות לשקול אפשרויות טכנולוגיות שונות של PITA, שכן, על פי אפקט הוודאות, כאשר קיימות מספר אפשרויות עם דרגות ודאות משתנות, הדבר מעודד התנהגויות של נטילת סיכונים71 ועשוי להיות כיוון כדאי למחקר. מחקר עתידי צריך לבחון גם צורות וספים אחרים של התנגדות לחדשנות63, להרחיב את PITA לשירותי IT ציבוריים אחרים (למשל, פורטלי ממשלה אלקטרונית ואפליקציות בריאות הציבור) ולתחומים אחרים שבהם תועלת נתפסת וסיכון מעצבים יחד את האימוץ64, להשתמש בתכנונים אורך כדי לעקוב אחר האופן שבו V(A) ו-V(R) מתפתחים לאורך זמן, ולבחון האם ממדים תרבותיים ממתנים את הקשרים במודל. באופן כללי, מחקר זה אמור לתרום להבנה טובה יותר של אימוץ IT ציבורי. על ידי שילוב של הן רווח נתפס והן אובדן נתפס, מודל PITA לוכד את הטבע הדואלי של קבלת החלטות של המשתמש: קבלה מונעת על ידי משיכת הרווחים, בעוד שדחייה מונעת על ידי הפחד מאובדנים. לפני ביצוע השקעה, ניתן להנחות מנהלים לכיוון הנכון על ידי קבלת החלטות מושכלות ומדויקות בשלבים המוקדמים של זיהוי פתרונות IT פוטנציאליים. מנהלים צריכים לבחון מחדש את אסטרטגיית שירותי ה-IT שלהם אם הערך הכולל של הקבלה אינו מספיק, מכיוון ש-PITA מספק למנהלים את סך הערך הדרוש הן לקבלה והן לדחייה. הממצא שסיכון סיטואציוני מגביר את הפרש הערכים הנדרש לקבלה מהווה תרומה חדשנית הן לתאוריית הסיכויים (prospect theory) והן לספרות על אימוץ טכנולוגיה. לפיכך, PITA אמור לסייע למנהלים למצוא פתרון המציע ערך קבלה כולל הגבוה מזה של הדחייה: רק אז המשתמשים יהיו מוכנים להשתמש בשירות IT ציבורי חדש.

גילויים

המחברים מצהירים כי אין ניגודי עניינים. במהלך הכנת כתב יד מתוקן זה, נעשה שימוש בכלי בינה מלאכותית גנרטיבית (ChatGPT 5o) כדי לסייע בעריכת השפה ובעיצוב. המחברים סקרו ואישרו את כל התכנים והם נושאים באחראיות מלאה לכתב היד; לא נעשה שימוש בכלי בינה מלאכותית ליצירת נתונים, ביצוע ניתוחים או יצירת איורים.

תודות

עבודה זו נתמכה במימון מחקר מאוניברסיטת aSSIST.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
IBM SPSS Amos (תוכנת CB-SEM)IBM Corp. (Armonk, NY, USA)version 27; https://www.ibm.com/products/structural-equation-modeling-sem/שימשה לכל ניתוחי מודלים של משוואות מבניות מבוססי שונות משותפת (CB-SEM), כולל הערכת מודל המדידה (CFA: מהימנות מורכבת, AVE ותוקף מבחין) וניתוח נתיבים של המודל המבני. 
Prolific (פלטפורמה למשכיב משתתפים מקוון)Prolific Academic Ltdhttps://www.prolific.com/פלטפורמה מקוונת ששימשה לגיוס משתתפים לסקר. המשתתפים סוננו על סמך קריטריוני זכאות (למשל, ניסיון בשדות תעופה) וקיבלו פיצוי בהתאם להנחיות התגמול ההוגן של Prolific. 
Qualtrics (פלטפורמה לסקרים מקוונים)Qualtrics, LLCRRID:SCR_016728פלטפורמת סקרים מבוססת רשת ששימשה לעיצוב השאלונים, הפצתם ואיסוף נתוני התגובות. כל פריטי המדידה הועברו באמצעות Qualtrics תוך שימוש בסולם Likert בעל 7 דרגות (1 = לא מסכים כלל, 7 = מסכים מאוד). https://www.qualtrics.com/

מקורות

  1. Rogers EM, Singhal A, Quinlan MM. Diffusion of innovations. In: An integrated approach to communication theory and research. London: Routledge; 2014. p. 432-448.
  2. 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.
  3. Tornatzky LG, Fleischer M, Chakrabarti AK. Processes of technological innovation. Lexington (MA): Lexington Books; 1990.
  4. Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478.
  5. 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.
  6. Balliauw M, Onghena E. Expanding airport capacity of cities under uncertainty: strategies to mitigate congestion. J Air Transp Manag. 2020;84:101791.
  7. Marjanovic O, Cecez-Kecmanovic D. Open government data platforms - a complex adaptive sociomaterial systems perspective. Inf Organ. 2020;30(4):100323.
  8. 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.
  9. 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.
  10. Negri NAR, Borille GMR, Falcão VA. Acceptance of biometric technology in airport check-in. J Air Transp Manag. 2019;81:101720.
  11. Morosan C. An empirical examination of US travelers' intentions to use biometric e-gates in airports. J Air Transp Manag. 2016;55:120-128.
  12. Price A, Prusak A, Wright M. Tech trends 2021: a government perspective. Deloitte Insights; 2021.
  13. Samuelson W, Zeckhauser R. Status quo bias in decision making. J Risk Uncertain. 1988;1(1):7-59.
  14. Troshani I, Jerram C, Hill SR. Exploring the public sector adoption of HRIS. Ind Manag Data Syst. 2011;111(3):470-488.
  15. 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.
  16. Warkentin M, Orgeron C. Using the security triad to assess blockchain technology in public sector applications. Int J Inf Manag. 2020;52:102090.
  17. Oliva R. Intervention as a research strategy. J Oper Manag. 2019;65(7):710-724.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. Epstein B. Two decades of e-government diffusion among local governments in the United States. Gov Inf Q. 2022;39(2):101665.
  23. Hasselwander M, Bigotte JF, Fonseca M. Understanding platform internationalisation to predict the diffusion of new mobility services. Res Transp Bus Manag. 2022;43:100765.
  24. Ng PM, Lit KK, Cheung CT. Remote work as a new normal? The technology-organization-environment (TOE) context. Technol Soc. 2022;70:102022.
  25. 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.
  26. Alawadhi S, Morris A. Factors influencing the adoption of e-government services. J Softw. 2009;4(6):584-590.
  27. Chan FKY, et al. Modeling citizen satisfaction with mandatory adoption of an e-government technology. J Assoc Inf Syst. 2010;11(10):519-549.
  28. 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.
  29. 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.
  30. 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.
  31. 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.
  32. 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.
  33. 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.
  34. 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.
  35. 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.
  36. Dahabiyeh L, Constantinides P. Legitimating digital technologies in industry exchange fields: the case of digital signatures. Inf Organ. 2022;32(1):100392.
  37. Feller I. Managerial response to technological innovation in public sector organizations. Manage Sci. 1980;26(10):1021-1030.
  38. Dawson GS, Denford JS, Desouza KC. Governing innovation in US state government: an ecosystem perspective. J Strateg Inf Syst. 2016;25(4):299-318.
  39. Oliveira T, Fraga M. Literature review of information technology adoption models at firm level. Electron J Inf Syst Eval. 2011;14(1):110-121.
  40. 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.
  41. 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.
  42. Ram S. A model of innovation resistance. Adv Consum Res. 1987;14(1):208-212.
  43. Lapointe L, Rivard S. A multilevel model of resistance to information technology implementation. MIS Q. 2005;29(3):461-491.
  44. Davidson E, Baird A, Prince K. Opening the envelope of health care information systems research. Inf Organ. 2018;28(3):140-151.
  45. Bradley L, Stewart K. A Delphi study of the drivers and inhibitors of Internet banking. Int J Bank Mark. 2002;20(6):250-260.
  46. 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.
  47. 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.
  48. 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.
  49. Ram S, Sheth JN. Consumer resistance to innovations: the marketing problem and its solutions. J Consum Mark. 1989;6(2):5-14.
  50. 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.
  51. Gatignon H, Robertson TS. Technology diffusion: an empirical test of competitive effects. J Mark. 1989;53(1):35-49.
  52. Weber EU, Bottom WP. Axiomatic measures of perceived risk: some tests and extensions. J Behav Decis Mak. 1989;2(2):113-131.
  53. Stone RN, Grønhaug K. Perceived risk: further considerations for the marketing discipline. Eur J Mark. 1993;27(3):39-50.
  54. Featherman MS, Pavlou PA. Predicting e-services adoption: a perceived risk facets perspective. Int J Hum Comput Stud. 2003;59(4):451-474.
  55. Kahneman D, Tversky A. Prospect theory: an analysis of decision under risk. Econometrica. 1979;47(2):263-291.
  56. 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.
  57. 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.
  58. Choi HS, Carpenter D, Ko MS. Risk taking behaviors using public Wi-Fi. Inf Syst Front. 2021:1-18.
  59. 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.
  60. 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.
  61. 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.
  62. 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.
  63. Szmigin I, Foxall G. Three forms of innovation resistance: the case of retail payment methods. Technovation. 1998;18(6-7):459-468.
  64. 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.
  65. Aldag RJ, Power DJ. An empirical assessment of computer-assisted decision analysis. Decis Sci. 1986;17(4):572-588.
  66. Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull. 1979;86(2):420-428.
  67. Podsakoff PM, Organ DW. Self-reports in organizational research: problems and prospects. J Manag. 1986;12(4):531-544.
  68. 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.
  69. Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39-50.
  70. Kline E, et al. Convergent and discriminant validity of attenuated psychosis screening tools. Schizophr Res. 2012;134(1):49-53.
  71. 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.

הדפסות חוזרות והרשאות

תגיות

צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.