מאמר מחקר

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

35 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 פרספקטיבות פסיכולוגיות1,2,3,4, נחקרה ביסודיות מערכת היחסים בין משתמשים לבין טכנולוגיית המידע ברמת הפרט וברמת הארגון5.

בינתיים, ארגונים ציבוריים רבים נאבקים להשיג יעילות תפעולית תחת דרישות חברתיות גוברות, כגון עומסים בנמלי תעופה, הפוגעים באפקטיביות ובאיכות של השירותים הציבוריים. הרחבת תשתיות פיזיות עשויה להניב יתרונות מיידיים, אך היא דורשת השקעות משמעותיות של זמן וכסף6. לעומת זאת, ספקי שירותים ציבוריים חדשניים ניגשו לסוגיה זו באמצעות חדשנות מונחית IT7, תוך שילוב של חידושים בתשתיות קיימות כדי להבטיח את איכות השירות והיעילות התפעולית8,9,10,1. ארגונים ציבוריים מאמצים כעת טכנולוגיות IT חדשניות (למשל, שירותי ענן, אבטחת סייבר וביומטריה) כדי להחיות נכסי ליבה, דבר היוצר אתגרים נוספים בתהליך האימוץ12. בעיה זו עשויה לנבוע מהבנה לא מספקת של המשתמשים בפועל: מחקרים קודמים התמקדו בעיקר בגורמים המניעים קבלה, בעוד שהם הזניחו את גורמי הדחייה. ללא מעורבות פעילה של המשתמשים, יישומים של IT במוסדות ציבוריים עשויים שלא להגיע לאימוץ מעשי.

עם זאת, אימוץ טכנולוגיית מידע (IT) במגזר הציבורי מציב אתגרים ייחודיים השונים מהקשרים של המגזר הפרטי. למרות שנראה כי "קבלה" ו"דחייה" עומדות בסתירה כשני מצבים קיימים נפרדים13, קידום של אחד מהם עלול לעכב את השני, ולכן יש לשקול את שני הצדדים של ההשפעה המנוגדת. מחקרים מוקדמים יותר על חדשנות בשירותי IT ציבוריים נטו להדגיש תוצאות חיוביות10,1,14,15,16. לפיכך, מאמר זה בחן את ה"קבלה" וה"דחייה" יחד, תוך מיזוג של מודלים של מערכות מידע (IS) מבוססי פסיכולוגיה (כלומר, דיפוזיה של חדשנות והתנגדות לחדשנות) עם כלכלה התנהגותית (כלומר, תורת השקיפות).

מקרה הבויומטריה בשדות תעופה, שבו זיהוי ביומטרי מחליף הליכים המבוססים על מסמכים, נבחר כיוון 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 המחקר. RQ1: כיצד משפיעים רווחים והפסדים נתפסים על קבלה ודחייה של שירות IT ציבורי על ידי משתמשים? RQ2: האם הערך הכולל הנדרש לקבלה גדול יותר מזה הנדרש לדחייה, כפי שחוזה תאוריית הערך (prospect theory)? בהתאם לכך, הוצגה מסגרת תיאורטית חדשה אשר תוקפה על ידי מומחים מהתעשייה באמצעות אסטרטגיית IBR (מחקר מבוס התערבות)17 (איור 1). מחקר זה משלב, לפיכך, את תאוריית הערך עם מודלים לאימוץ מערכות מידע (IS) ומספק תובנות יישומיות למנהלי IT במגזר הציבורי.

תרשים זרימה של תהליך המחקר: תיאוריה, מודל, נתונים, ניתוח, מובהקות, השלכות, ביקורת מומחים.
איור 1תהליך המחקר של ניסוח ופיתוח מודל תיאורטיהתרשים מתאר את זרימת המחקר הכוללת, החל מניסוח המודל התאורטי המבוס על מודלי אימוץ קודמים ותאוריית הסיכויים, דרך מחקר 1 ומחקר 2, כאשר לאחר כל אחד מהם התבצעה התערבות מומחים, ועד להשלמת מודל ה-PITA. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

אימוץ טכנולוגיות מידע (IT) נחקר רבות: מודל קבלת הטכנולוגיה (TAM)2 והתיאוריה המאוחדת של קבלה ושימוש בטכנולוגיה (UTAUT)4 ברמה האישית, ודיפוזיית חדשנות (DOI)1 ומסגרת הטכנולוגיה-ארגון-סביבה (TOE)3 ברמת הפירמה, הולידו מחקרי המשך על מציאות רבבדית ולמידת שפה18,19, צ'אטבוטים ותשלומים דיגיטליים20,21, שירותי ניידות2,23, ועבודה מרחוק24. עם זאת, למודלים אלו מגבלות בולטות עבור IT ציבורי: TAM מניח שימוש וולונטרי, DOI מזניחה התנגדות מצד המשתמש, ו-UTAUT פותח בעיקר עבור הגדרות ארגוניות, ולכן ישימותם לשירותי IT ציבוריים שהם למעשה חובה נותרת מוטלת בספק. קיימים גם מחקרים על אימוץ IT ציבורי המבוססים על מודלים אלו, למשל, הרחבת UTAUT לבחינת מערכת מקוונת לטיפול בתלונות הציבור25 ויישום TOE על מערכות מידע של משאבי אנוש במגזר הציבורי14; מחקרים רבים נוספים נקטו בגישות דומות26,27,28,29,30,31,32,3,34,35.

עם זאת, אימוץ IT ברמה הציבורית שונה משמעותית מאימוץ ברמה האינדיבידואלית או ברמת הפירמה (ראו Table 1): הגופים המאמצים והמשתמשים אינם זהים, וכוונות המשתמשים אינן ברורות בשל אינרציה פסיכולוגית והמצב הקיים של השירותים הנוכחיים. המאפיינים המשבשים של IT עלולים לעכב את ארגוןם מחדש של מערכות קיימות36; האימוץ דורש גם שינוי בעמדותיהם ובהתנהגותם של המשתמשים, דבר הדורש הבנה ברורה של נקודות המבט של המשתמשים. בהינתן מאפיינים אלו, מודלים קודמים שהדגישו את הרמה האינדיבידואלית ורמת הפירמה עשויים שלא להיות מספיקים כדי להגדיר את המסה הקריטית לאימוץ IT ציבורי. מכיוון שחדשנות בשירותים המונעת על ידי IT היא קריטית להפחתת עלויות ולשיפור השירות37,38 ובסופו של דבר מקדמת את החברה39, מסגרת תיאורטית ממוקדת לאימוץ IT ציבורי היא חיונית.

רמה אינדיבידואליתרמת חברהרמה ציבורית
ישות האימוץאינדיבידואליםחברות (פרטיות)חברות (ציבוריות)
משתמשאינדיבידואליםעובדי חברהאינדיבידואלים
כוונת המשתמשודאיתודאית (כפויה)בלתי ודאית
אינרציה פסיכולוגיתזניחהזניחה (כפויה)בולטת
תפיסת ערךהכרחיתהכרחית (כפויה)הכרחית
מטרת האימוץ העיקריתאישיתיעילות, חיסכון בעלויותאינטרס ציבורי
מודלי אימוץ IT רלוונטייםTAM2, UTAUT4DOI1, TOE3מחקר זה

טבלה 1: רמות שונות של אימוץ טכנולוגיית מידע (IT). הטבלה מעמידה את אימוץ ה-IT ברמות האישית, הארגונית והציבורית על רקע מודלים תיאורטיים מייצגים, ישויות מאמצות ומשתמשים.

הספרות הקיימת הדגימה כי לאנשים ולעובדים יש כוונה מוקדמת (ברמת הפרט) או כפויה (ברמת הארגון) להשתמש בשירות IT ספציפי2,40, מה שמרמז על כך שהאימוץ היה נקבע מראש4,41. עם זאת, לא כל המשתמשים מתכוונים להשתמש ב-IT42, ורק מספר מצומצם של מחקרי מערכות מידע (IS) זיהו את התכונות וההצדקות לדחייה43,4. בהתאם לכך, שירות IT ציבורי חדש יידחה במכוון עד שהחדשנות תתקבל או תיכשל45.

המטרה העיקרית של מחקר זה היא להבין את הקבלה והדחייה של משתמשים לגבי שירות IT של מוסד ציבורי, כפי שנבחנו דרך שתי תפיסות ערך: תועלת נתפסת (perceived gain) והפסד נתפס (perceived loss). תועלת נתפסת הותאמה ממודל הדיפוזיה של חדשנות1,46; מבנים אלו שימשו רבות לבחינת תפיסות התומכות בקבלת IT47,48 והם מראים תוקף גבוה בהקשרים שונים40. לעומת זאת, הפסד נתפס כולל את התכונות המסבירות מדוע אנשים שומרים על אורח חייהם הנוכחי למרות לחצים להסתגל; קו מחקר זה, המבוס על התנגדות לחדשנות42,49, בוחן מדוע חלק מהאנשים מעכבים את אימוץ החדשנות או דוחים אותה לחלוטין49,50,51,52,53. גישה רב-מדית שימשה ללכידת תפיסות אלו, במקום להתייחס להפסד ותועלת כמבנים כלליים.

אובדן נתפס הוגדר באופן אופרציונלי באמצעות חמישה מבנים53,54. אובדן זמן (TIL) הוא הזמן הנתפס שאבד בלימוד ובשימוש בשירות, וכאשר ציפיות אינן מתממשות53. אובדן חברתי (SOL) הוא הסיכון לאבד את מעמדו של אדם בקבוצה חברתית עקב הופעה כטיפש או כמי שאינו מעודכן54. אובדן פינסי (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 בתפקודו בהשוואה לחלופות קיימות, כולל תקלות וכישלון באספקת התועלות הרצויות53.

כדי להסביר את התועלת הנתפסת (PG), נעשה שימוש ביתרון יחסי, תאימות, יכולת התנסות ומורכבות1,46. יתרון יחסי (REA) הוא המידה שבה חדשנות נתפסת כבעלת יתרון על פני קודמתה; תאימות (COM) היא המידה שבה היא מתאימה לערכיו, לצרכיו ולניסיונותיו הקודמים של מאמץ פוטנציאלי; יכולת התנסות (TRI) היא מידת ההתנסות האפשרית לפני האימוץ; ומורכבות (CPX), הקשורה לקלות השימוש הנתפסת של מודל TAM, מתייחסת למידת הקושי בשימוש בחדשנות ובהבנתה. מדד הנצפיות הושמט כיוון שהוא מעומעם מדי למדידה46 וכיוון שתוצאות ביומטריות בהקשר של מערכות מידע (IT) ציבוריות אינן נצפות בקלות על ידי אחרים.

מסגרת ה"הפסד-רווח" (loss-gain framework) הוצעה כדי להסביר את הערכים הנתפסים המניעים תגובות לשירות IT ציבורי חדש. השערה הייתה כי אם השירות הוא רדיקלי ומאיים על ההתנהגות הרגילה, ההפסד הנתפס יעלה על הרווח הנתפס, מה שיגרום 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, הוצגו ההשערות הבאות:

H1. לתחושת הפסד תהיה השפעה חיובית על דחייה.
H2. לתחושת הפסד תהיה השפעה שלילית על קבלה.
H3. לתחושת רווח תהיה השפעה שלילית על דחייה.
H4. לתחושת רווח תהיה השפעה חיובית על קבלה.

כל התקדמות בשירותי ממשל המונעת על ידי טכנולוגיית מידע (IT) 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 התועלות כפי שהותכוונו. על פי תאוריית הסיכויים (prospect theory)55אנשים מקבלים החלטות לא רציונליות כאלה על בסיס הערכות של חלופות, ערכים ועמדות כלפי אי-ודאות, הנשפטים ביחס לנקודת ייחוס (תלות בייחוס). התובנה המרכזית של התיאוריה היא סלידה מהפסד, הנטייה של הפסדים לשקול יותר מאשר רווחים שווי ערך, יחד עם רגישות פוחת; התמקדות זו ברווחים ובהפסדים ביחס למצב הקיים עולה בקנה אחד באופן ישיר עם הדיכוטומיה של קבלה-דחייה הנבחנת כאן. תיאוריית סיכויי הרווח (Prospect theory) שימשה במחקרים עדכניים בתחומי מערכות מידע (IS) וטכנולוגיית מידע (IT) כדי להסביר החלטות לא רציונליות תחת סיכון ואי-ודאות.56,57,58,59,60הכוללים הקשרים הנעים מעבודה מבוססת בינה מלאכותית ובריאות דיגיטלית ועד לרשתות Wi-Fi ציבוריות ותשלומים בנייד. בעוד שמחקרים אלו מאששים את רלוונטיות התיאוריה, הם התמקדו בעיקר בכוונות אימוץ והזניחו את ממד הדחייה המרכזי בהקשר של טכנולוגיות מידע ציבוריות.

משתמשים בשירותי IT ציבוריים פועלים כאילו הם מחליטים לקבל או לדחות את השירות בהתבסס על הערכים הכוללים הנדרשים (כלומר, הסכום של הרווח וההפסד הנתפסים). אף מחקר קודם על אימוץ IT ציבורי לא בחן תופעה זו מנקודת מבט זו. בהתאם לכך, מקדמי נתיב (כלומר, PL ל-REJ) קודדו כערכים5, 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 אובדן נתפס לדחייה, רווח נתפס לדחייה, אובדן נתפס לקבלה, ורווח נתפס לקבלה, בהתאמה; מקדמים סטנדרטיים אלה מניבים את V(R) ו-V(A) כערכים מורכבים של ההשפעה הכוללת של אובדן ורווח. מכיוון ששירותי IT ציבוריים נועדו להועיל למשתמשים, בעוד שמשתמשים שוקלים אובדנים בכבדות רבה יותר מרווחים בעת עזיבת המצב הקיים, היה צפוי כי קבלה, הבחירה המסוכנת יותר, תדרוש ערך כולל גבוה יותר מאשר דחייה. בהסתמך על H1–H4, השערה H5 בוחנת את המאזן הנקי של השפעות אלו:

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

תרשים תהליך קבלת החלטות; זרימה של הפסד ותועלת נתפסים לעבר דחייה וקבלה.
איור 2מודל PITA רעיוני. התרשים מציג הפסד נתפס (PL) ורווח נתפס (PG) כגורמים מקדימים 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 לחצו כאן כדי להציג גרסה מוגדלת של איור זה.

פרוטוקול

כל נהלי המחקר עמדו בעקרונות האתיים החלים על מחקר הכולל משתפים אנושיים באוניברסיטת aSSIST, באוניברסיטת Sungkyunkwan ובאוניברסיטת Dong-A. מכיוון שתשובות הסקר הועברו לאנונימיות בעת האיסוף ולא נאסף מידע המאפשר זיהוי אישי, ועדת הלסינקי (Institutional Review Board) של אוניברסיטת aSSIST סיווגה את המחקר כפטור מסקירה אתית מלאה. המוסדות המשתתפים לא השגיגו אישורי IRB נפרדים, שכן הם הסתמכו על קביעת הפטור שהוצאה על ידי ועדת הלסינקי של אוניברסיטת aSSIST, אשר כיסתה הן את תכנון 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 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 משתפים שנתנו הסכמה מפורשת הורשו להמשיך בסקר.

סקירת המחקרים
שני מחקרים אמפיריים ושתי התערבויות של מומחים נערכו כדי לבחון את חמש ההשערות ואת מודל ה-PITA המוצע. התוצאות מוצגות ב-איור 3. סקרים בשני 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 של שיטה משותפת (CMB) בנתונים, ולהגביר את יכולת ההכללה של המחקר61,62.

תרשים זרימה להשוואת מחקרים; לפני/אחרי COVID, דגימות, אזורים; לוח זמנים של המחקר, התערבויות.
איור 3סקירה כללית של המחקרים. ציר הזמן מסכם את תכנון שני הגלים: מחקר 1 (רבעון 4 של שנת 2019, לפני COVID-19, מדגם קוריאני, N = 32) ולאחריו התערבות מומחים ראשונה, ומחקר 2 (רבעונים 2-3 של שנת 2020, במהלך COVID-19, מדגמים מקוריאה/בריטניה/ארה"ב, N = 602) ולאחריו התערבות מומחים שנייה. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

מודל מחקר 1
מודל המחקר הראשוני נוצר על בסיס ההשערות שפותחו כדי לחשוף את כוונות המשתמשים לקבל או לדחות שירות IT ציבורי שהוכנס לאחרונה (כלומר, ביומטריה בנמלי תעופה), כפי שמוצג ב-איור 4. דעות המשתמשים על שירותי IT ציבוריים באו לידי ביטוי בשני מבנים מסדר שני, אובדן נתפס (PL) ותועלת נתפסת (PG), שכל אחד מהם הורכב מהמבנים מסדר ראשון המתאימים לו. שני מבנים אלו מסדר שני משמשים כגורמים מקדימים לדחייה (REJ) ולקבלה (ACC), המייצגים את כוונות המשתמשים להשתמש בשירותי IT ציבוריים.

דיאגרמה מושגית; מודל משוואות מבניות עם המבנים PL, PG, REJ, ACC; ניתוח מחקרי.
איור 4מודל המחקר של מחקר 1. חמישה מבני הפסד מסדר ראשון (PEL, TIL, SOL, PHL ו-FIL) מרכיבים את מבנה הסדר השני "הפסד נתפס", וארבעה מבני רווח מסדר ראשון (REA, COM, TRI ו-CPX) מרכיבים את "רווח נתפס"; שני מבני הסדר השני ממודלים כגורמים מקדימים לדחייה ולקבלה (H1–H4). אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

נתוני מחקר של מחקר 1
מדגם הנתונים הראשון, שהתבס על סה"כ 32 משתפים קוריאנים (נשים: 46.6% וגברים: 53.4%) שהייתה להם ניסיון בעלייה למטוס לפחות פעם אחת בשנה האחרונה, נאסף בין ה-13 בנובמבר ל-18 בנובמבר 2019 (לפני תחילת מגפת ה-COVID-19). הגדרות ודוגמאות לשירותי IT ציבוריים (כלומר, יישומים ביומטריים בנמלי תעופה) סופקו במבוא לסקר. הנתונים הגולמיים עבור מחקר 1 מופיעים ב-קובץ משלים 1. תדירות הטיסות נמדדה בחמש קטגוריות שאינן חופפות (FF1–FF5), המתאימות לטיסה אחת, שתיים, שלוש, ארבע, וחמש טיסות או יותר בשנה האחרונה (מחקר 1: 138, 91, 34, 21, ו-38 משתפים; מחקר 2: 174, 153, 109, 82, ו-84 משתתפים, בהתאמה).

מבני הניבוי הוערכו באמצעות סולם ליקרט בן שבע נקודות, שנע בין "במידה רבה מאוד לא מסכים (1)" לבין "במידה רבה מאוד מסכים (7)" (ראו Supplementary File 21,46,53,54,63,64 עבור שאלון המחקר). לאחר מבחן פיילוט עם 20 משתפים, התיקונים הוגבלו לשיפורי ניסוח של פריטי השאלון כדי לשפר את יציבותם, ישימותם וקלות הפרשנות שלהם; לא נוספו או הוסרו מבנים או פריטים לאחר הפיילוט. המסמך הנלווה מכיל את השאלון המלא וכן סטטיסטיקות רלוונטיות והקשר תיאורטי. בוצעו ניתוחים של אנליזה פקטוריאלית מאששת (CFA) ומודל משוואות מבניות מבוס שונות משותפת (CB-SEM).

התערבות מומחים עבור מחקר 1
חמישה מומחים עם ניסיון של עשר שנים לפחות הוזמנו על מנת להבטיח אובייקטיביות ולשפר את רמת העבודה, ביניהם שניים מארגונים בינלאומיים (Airports Council International ו-International Air Transport Association), שניים מארגונים ממשלתיים (Singapore Changi Airport ו-Korea Airports Corporation), ואחד מחברה פרטית המספקת שירותים במסגרת ציבורית (Korean Air). התערבות מומחים זו הייתה חיונית למתן משוב לשיפור המודל והידע התחומי לגבי סביבת היעד. בוצעו הערכות איכותניות (כלומר, משוב סובייקטיבי) וכמותיות (סולם ליקרט של שבע נקודות). לצורך ההערכה הכמותית אומצה גרסה מעודכנת של פריטי שאלון מאפייני דוח-החלטה (ראו קובץ משלים 3)65, אשר תוקפה באמצעות מקדם מתאם תוך-מעמדי6. בכל סב התערבות, כל מומחה מילא את השאלון הכמותי באופן אינדיבידואלי ולאחר מכן סיפק משוב איכותני בשאלות פתוחות; אותה פאנל, אותם כלים ואותו הליך שימשו בשתי ההתערבויות כדי לאפשר שחזור.

מחקר 2
כדי לטפל בבעיות שזוהו במחקר 1 ולשפר את יכולת ההכללה של המודל, במחקר 2 יושם אותו מודל ששימש במחקר 1. מחקר 2 כלל 602 משתתפים (נשים: 42.3%, גברים: 57.7%, קוריאה: 20, בריטניה: 201, וארצות הברית: 201). הנתונים נאספו בין ה-23 ביולי ל-19 באוגוסט 2020 (במהלך פנדמיית ה-COVID-19). הנתונים הגולמיים עבור מחקר 2 מופיעים ב-קובץ משלים 4. עם 33 אינדיקטורים נצפים, גודל מדגם זה מספק כ-18 תצפיות לכל אינדיקטור, מה שעולה על הקריטריון המומלץ בדרך כלל של 10 תצפיות לכל אינדיקטור עבור CB-SEM, וכן עולה על סף המינימום הנפוץ של 200 תצפיות. קוריאה, בריטניה וארצות הברית נבחרו מכיוון שהן היוו 29.1% מכלל הנוסעים בטיסות ברחבי העולם (בערך 1.6 מיליארד מתוך 5.5 מיליארד) מיולי 2019 עד יוני 2020. פנדמיית ה-COVID-19 השפיעה על מדינות אלו בזמנים שונים, החלה בקוריאה ובהמשך השפיעה על ארצות הברית ובריטניה. בנוסף, שלוש המדינות הציעו שילוב של מסורות תרבותיות מזרחיות ומערביות. כתוצאה מכך, מאגר הנתונים המשולב ממדינות אלו שימש לבחינת מסגרת התפיסה-כוונה של המשתמשים עבור שירות ה-IT הציבורי החדש (כלומר, ביומטריה בשדות תעופה).

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

תוצאות

מחקר 1
כדי להעריך הטיה במקור משותף (CMB) פוטנציאלית הקשורה לנתונים בדיווח עצמי, בוצע תחילה ניתוח גורם יחיד67. על פי ממצאי הבדיקה, גורם אחד הסביר 36.56% מהשונות; גורם יחיד המסביר פחות מ-50% מהשונות מעיד כי CMB אינה מהווה בעיה62,67,68. לאחר מכן נבחנו תקפות המבנה והמהימנות. הממצאים בטבלה 2 העלו כי השונות הממוצעת שהופקה (AVE, 0.585 עד 0.836) והמהימנות המורכבת (CR, 0.872 עד 0.939) עמדו בדרישות המינימום הדרושות69,70. בנוסף, השורש הריבועי של ה-AVE עבור כל מבנה, המוצג באלכסון, עלה על המתאמים שלו עם המבנים האחרים, מה שתומך בתקפות מבחנית69.

CRAVEMSVMaxR(H)פיתוסיפוליד (Phosphatidylcholine)פרופיל גנומיACCדחייה
פסיליפין (Phospholipase)0.8720.5850.3070.9020.765
פרוסגלאנדין (PG)0.9020.7050.5990.97-0.380.839
ACC0.9270.8090.5960.9410.554-0.670.9
דחייה0.9390.8360.5990.941-0.430.774-0.770.914

טבלה 2: מהימנות ותוקף של המבנים (מחקר 1). הטבלה מציגה מהימנות מורכבת (CR), שונות ממוצעת שהופקה (AVE), ומתאמי מבנים עבור מודל המדידה של מחקר 1.

בשלב הבא, נבחנו ההשערות באמצעות SEM בין תפיסת רווח, תפיסת הפסד, קבלה ודחייה. כפי שמוצג ב-איור 5, המודל הפגין מדדי התאמה מקובלים (CMIN/DF = 2.25, CFI = 0.936, SRMR = 0.075, RMSEA = 0.062), כאשר כולם עמדו בספי הסף המומלצים (CMIN/DF < 3, CFI > 0.90, SRMR < 0.08, RMSEA < 0.08), והתוצאות תומכות במידה רבה בהשערות שהועלו. חמשת מבני המניעים (PER, TIR, SOR, PHR, ו-FIR) עבור תפיסת הפסד וארבעת מבני המניעים (REA, COM, TRI, ו-CPX) עבור תפיסת רווח (PG) הראו כולם השפעות משמעותיות. הבדיקות של השערות 1 ו-2 מצאו כי לתפיסת הפסד הייתה השפעה חיובית מתונה על דחייה (β = 0.357, p < 0.01) והשפעה שלילית מובהקת על קבלה (β = -0.148, p < 0.01). לפיכך, הן H1 והן H2 נתמכות. מנגד, הבדיקות של השערות 3 ו-4 מצאו כי לתפיסת רווח היו השפעות הפוכות בהשוואה לתפיסת הפסד: השפעה חיובית חזקה על קבלה (β = 0.721, p < 0.01) והשפעה שלילית על דחייה (β = -0.507, p < 0.01), בהתאמה. לכן, גם H3 וגם H4 נתמכות. הסיכום הכולל של תוצאות בדיקת מודל המחקר של מחקר 1 באמצעות SEM מוצג ב-טבלה 3. המודל המבני הסביר 62.4% מהשונות בקבלה ו-52.5% בדחייה (R2 = 0.624 ו-0.525, בהתאמה).

דיאגרמה של מודל משוואות מבניות, המציגה את המבנים PL, REJ, ACC, PG עם מקדמי מתאם.
איור 5תוצאות בדיקת ההשערות של מחקר 1. התרשים מציג את מקדמי הנתיב המתוקננים ואת רמות המובהקות שלהם עבור המודל המבני שהוערך על מדגם מחקר 1 (N = 32); 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 ניסוי; CPX = מורכבות; PL = אובדן נתפס; PG = רווח נתפס; REJ = דחייה; ACC = קבלה אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

השערהנתיבבטאת׳ערך-ppערך-pתוצאה
כותרת 1aPL ← REJ0.3576.592***נתמך
H2bPL ← ACC-0.148-3.059***נתמך
H3נראה שההודעה שלך ריקה או מכילה רק את התו "c". אנא ספק את הטקסט באנגלית שברצונך לתרגם לעברית, ואשמח לבצע עבורך את התרגום המדעי המקצועי בהתאם להנחיות.PG ← REJ-0.507-7.29***נתמך
H4דPG ← ACC0.7218.966***נתמך

טבלה 3: תוצאות כוללות של מחקר 1. הטבלה מסכמת את מקדמי הנתיב המתוקננים, רמות המובהקות ותוצאות בדיקת ההשערות עבור מחקר 1. ***p < 0.01

בנוסף, חושבו הערכים הכוללים הנדרשים עבור REJ ו-ACC כדי לבחון את H5 ולאשר האם המודל עקבי עם תיאוריית הסיכויים (prospect theory)5. במשוואות (1) ו-(2), a מייצגת את הנתיב מהפסד נתפס לדחייה (CLR = 0.357), c את הנתיב מרווח נתפס לדחייה (CGR = -0.507), b את הנתיב מהפסד נתפס לקבלה (CLA = -0.148), ו-d את הנתיב 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 לחלוטין עם הטענות; ערכי הממוצע נעו בין 3.40 ל-4.40 עבור המבנים שמדדו אוריינטציה שיטתית, איכות ומספיקות הגדרת הבעיה. מבנה הרגש השלי הכללי הראה גם הוא טווח של 3.20 עד 3.60 (ICC = 0.609, p = 0.008). ההערכות הסובייקטיביות של המומחים זיהו שני תחומים נוספים לשיפור: מערך הנתונים לא היה מייצג של הגורם הסיטואציוני (הוא נאסף לפני COVID-19), ומדגם קוריאני 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 נערך הליך מקביל למחקר 1. ראשית, בוצע ניתוח של גורם אחד כדי להעריך האם CMB מהווה בעיה במערך הנתונים67. תוצאות הבדיקה הצביעו על כך שלא הייתה השפעה משמעותית של CMB במדגם הנתונים, שכן גורם בודד הסביר 38.97% מהשונות, ערך הנמוך מסף הדאגה של 50%62,67,68. בנוסף ל-CMB, התוצאות בטבלה 4 הצביעו על כך שגם המהימנות והתוקף של המודל עמדו בדרישות באופן מספק69,70. יתרה מכך, כל יחסי ה-heterotrait-monotrait (HTMT) היו נמוכים מסף ה-0.85, מה שסיפק תמיכה נוספת לתוקף מבחין.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0.8610.560.3640.850.748
PG0.9020.7050.670.947-0.420.84
ACC0.960.890.670.961-0.5080.8160.943
REJ0.9420.840.6590.9570.603-0.745-0.8120.919

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

תוצאות מבחן ה-SEM של מחקר 2 עם שלוש המדינות היו CMIN/DF = 3.835, CFI = 0.945, RMSEA = 0.058. ערכי ה-CFI וה-RMSEA עמדו בספים המומלצים, ואף על פי שערך ה-CMIN/DF של 3.835 לא עמד בקריטריון המחמיר יותר של <3.0, הוא עדיין הצביע על התאמה מקובלת של המודל בהתבס על הקריטריון הפחות מחמיר של <5.0. לפיכך, תוצאות המבחן היו עקביות מאוד עם הטיעונים שפותחו 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 < 0.01) היו חיוביים באופן מובהק, בעוד שהקשרים בין PL ל-ACC (β = -0.202, p < 0.01) ובין PG ל-REJ (β = -0.64, p < 0.01) היו שליליים באופן מובהק. לפיכך, ההשערות H1, H2, H3 ו-H4 נתמכו כולן. המודל המבני הסביר 76.0% מהשונות ב-acceptance ו-72.1% ב-rejection (R2 = 0.760 ו-0.721, בהתאמה).

תרשים ניתוח נתיבים עם מבנים: PL ל-PG באמצעות REJ ו-ACC, המציג קשרים סטטיסטיים.
איור 6תוצאות בדיקת ההשערות של מחקר 2. הדיאגרמה מציגה את מקדמי הנתיב הסטנדרטיים ואת רמות המובהקות שלהם עבור המודל המבני שהוערך על מדגם מאוחד של שלושה מדינות מתוך מחקר 2 (N = 602); דפוס התוצאות משחזר את מחקר 1. PEL = אובדן ביצועים; TIL = אובדן זמן; SOL = אובדן חברתי; PHL = אובדן פיזי; FIL = אובדן פינסי; REA = יתרון יחסי; COM = תאימות; TRI = יכולת התנסות; CPX = מורכבות; PL = אובדן נתפס; PG = רווח נתפס; REJ = דחייה; ACC = קבלה אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

השערהנתיבβטערך-ppערך-pתוצאה
כותרת 1aPL ← REJ0.3459.342***נתמך
H2bPL ← ACC-0.202-6.81***נתמך
H3נראה שההודעה שלך ריקה או מכילה רק את התו תו "c". אנא ספק את הטקסט באנגלית שברצונך לתרגם, ואשמח לבצע את התרגום המדעי המקצועי לעברית עבור תוכן ה-JoVE.PG ← REJ-0.644-12.694***נתמך
H4דPG ← ACC0.76713.707***נתמך

טבלה 5: תוצאות כוללות של מחקר 2. הטבלה מסכמת את מקדמי הנתיב המתוקננים, רמות המובהקות ותוצאות בדיקת ההשערות עבור מחקר 2. ***p < 0.01

לאחר מכן, נבחנו לעומק הערכים הכוללים הנדרשים עבור REJ ו-ACC כדי לבחון את H5 ולאשר האם המודל תומך בטיעון של תורת הסיכויים5. עם אותו מיפוי מקדמים כבמחקר 1, התוצאות הראו כי V(R) = a + c = -0.29 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 < 0.01); טווח ערכי הממוצע עבור המבנים המודדים אוריינטציה סיסטמטית, 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 הבין-כיתתי הגבוה מעיד על קונסנזוס חזק של המומחים לגבי האוריינטציה הסיסטמטית, האיכות והבליות של הגדרת הבעיה במודל, והמומחים לא העלו סוגיות נוספות בהערכתם הסובייקטיבית. לפיכך, הוסק כי המחקר עמד לבסוף בדרישות הדרושות להשלמת מודל ה-PITA המוצע.

זמינות נתונים:
הנתונים הועלו כקובץ משלים 1 (מחקר 1) וכקובץ משלים 4 (מחקר 2); פלטי מודל CB-SEM המלאים מופיעים בקובץ 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 לתוויות המשתנים PER, TIR, SOR, PHR, FIR, ו-RES, בהתאמה, והמבנים מסדר שני PL ו-PG מסומנים כ-Perceived_Risk ו-Perceived_Benefit.

קובץ נלווה 1: נתוני מחקר (מחקר 1) אנא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 2: שאלון סקר אנא לחצו כאן כדי להוריד קובץ זה.

קובץ נלווה 3: שאלון התערבותאנא לחצו כאן להורדת קובץ זה.

קובץ משלים 4: נתוני מחקר (מחקר 2)אנא לחצו כאן כדי להוריד קובץ זה.

קובץ משלים 5: קובצי פלט של מודל CB-SEMאנא לחצו כאן כדי להוריד קובץ זה.

קובץ משלים 6: מילון נתונים אנא לחץ 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

תיאוריית הסיכוייםמסגרת תפיסה-כוונהשירותי ממשלה אלקטרוניתאפליקציות בריאות הציבורמערכות ביומטריותקבילה על ידי משתמשיםערך נתפססקר בין-לאומימחקר התערבותי
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.