研究記事

理論的根拠と実証的知見に基づく公共IT導入の提案

35 回視聴

⸱

DOI:

10.3791/73614

⸱

2026年9月15日

 ,  , 
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

この記事について

サマリー

本研究では、空港のバイオメトリクス認証などの公共ITサービスに対し、知覚される利得と損失がユーザーの受容または拒絶をどのように促進するかを説明する、プロスペクト理論に基づいた知覚・意図フレームワークである「公共IT導入モデル」を提案します。多国間調査を含む2つのアンケート調査と専門家による介入によって本モデルを検証し、国や状況を問わずプロスペクト理論が有効であることが支持されました。

要約

本研究では、公共IT導入（Public IT Adoption: PITA）の理論モデルを提案します。公共情報技術（IT）サービスとは、eガバメントポータル、公衆衛生アプリケーション、空港のバイオメトリクスシステムなど、公的機関が全市民に提供するITベースのサービスを指します。公共ITの特異な性質により、主に個人および企業レベルに焦点を当てて開発された従来のモデルでは、公共IT導入のクリティカルマスを特定するには不十分であると考えられてきました。このギャップを埋めるため、プロスペクト理論に基づく「知覚-意図」フレームワークを提案し、新しい公共ITサービスを導入する際のユーザーの知覚損失と知覚利得を調査しました。これにより、これらの知覚が、新しい公共ITサービスを拒絶または受容するための先行要因となることが示唆されました。3カ国（韓国、英国、米国）からの調査サンプルを含む2つの研究を実施しました。また、介入ベースの研究アプローチを通じて5名の業界専門家を招き、実用的なシナリオで使用できるようモデルを質的に洗練し、検証しました。その結果、関連するパス係数の合計として算出された、受容の総価値（すなわち、ユーザーがサービスを受容するために必要な合計知覚価値）は、一貫して拒絶の総価値よりも高いことが示されました。同様の結果が知覚利得についても見られ、知覚利得は知覚損失よりも受容と拒絶の両方において強力な予測因子となっていました。これらの知見は横断的な自己報告データに基づいたものですが、プロスペクト理論を強力に支持し、公共IT導入における同理論の根本的な役割への理解を深めることに寄与します。したがって、プロスペクト理論を公共セクターのITコンテキストに拡張することで、PITAは研究者に検証済みの理論的基盤を、実務家に公共ITサービスの導入を診断するための実用的ツールを提供します。

概要

情報技術（IT）は、過去数十年にわたり、イノベーションを追求するための支配的かつ普及したツールへと進化し、日常生活を大きく変えてきました。心理学的視点に基づいたIT導入モデルの導入以来1,2,3,4、ユーザーとITの関係について、個人および企業レベルで徹底的な研究が行われてきました5。

一方で、多くの公的機関は、空港の混雑など、公的サービスの有効性と質を損なう圧倒的な社会的需要の下で、運営効率の達成に苦慮しています。物理的なインフラを拡張すれば即効性のある利益が得られるかもしれませんが、多大な時間と資金の投資が必要となります6。対照的に、革新的な公的サービス提供者は、IT主導のイノベーションを通じてこの問題に取り組み7、現在のインフラにイノベーションを統合することで、サービスの質と運営効率を確保しています8,9,10,11。現在、公的機関は中核資産を活性化させるために、新しいIT（例：クラウドサービス、サイバーセキュリティ、バイオメトリクス）を導入していますが、これにより新たな導入上の課題が生じています12。この問題は、実際のユーザーに対する理解不足に起因している可能性があります。先行研究は主に受容を促進する要因に焦点を当てており、拒絶については軽視してきました。ユーザーの積極的な関与がなければ、公的機関におけるIT導入は実用的な定着に至らない可能性があります。

しかしながら、公共セクターにおけるIT導入には、民間セクターとは異なる固有の課題が存在します。「受容」と「拒絶」は、2つの異なる現状として相反するように見えますが13、一方を促進することがもう一方を抑制する可能性があるため、この相殺効果の両面を考慮する必要があります。公共ITサービスのイノベーションに関する先行研究では、肯定的な成果が強調される傾向にありました10,11,14,15,16。したがって、本論文では、「受容」と「拒絶」を合わせて検討し、心理学ベースのISモデル（すなわち、イノベーションの普及とイノベーション抵抗）と行動経済学（すなわち、プロスペクト理論）を統合させました。

生体認証による識別が書類ベースの手続きに取って代わる空港のバイオメトリクス事例を選択したのは、この公共ITサービスがすべての市民に提供されており、機密性の高い個人情報を扱い、かつユーザーが「承諾か拒否か」という明確な意思決定を迫られるためである。本研究では、2つのリサーチクエスチョン（RQ）を設定した。RQ1：知覚された利得と損失は、公共ITサービスに対するユーザーの承諾および拒否にどのように影響するか。RQ2：プロスペクト理論の予測通り、承諾に必要な総価値は、拒否に必要な総価値よりも大きいか。これに基づき、新たな理論的枠組みを提示し、IBR（介入ベースの研究）戦略17（図1）を通じて業界のエキスパートによる検証を行った。これにより、本研究はプロスペクト理論をIS（情報システム）採用モデルに統合し、公共ITマネージャーにとって実践的な知見を提供するものである。

研究プロセスのフローチャート：理論、モデル、データ、分析、意義、示唆、専門家によるレビュー。
図 1: 理論的モデルの構築および開発の研究プロセス。この図は、先行する受容モデルとプロスペクト理論に基づく理論的モデルの構築から始まり、それぞれに専門家による介入を伴う研究1および研究2を経て、PITAモデルが完成するまでの全体的な研究フローを示している。こちらのリンクから、この図の拡大版を確認してください。

ITの導入に関しては広範な研究が行われてきた。個人レベルでは技術受容モデル（TAM）2および技術受容および利用の統合理論（UTAUT）4が、企業レベルではイノベーション普及理論（DOI）1および技術・組織・環境フレームワーク（TOE）3が提唱されており、これらは拡張現実と言語学習18,19、チャットボットとデジタル決済20,21、モビリティサービス22,23、リモートワーク24に関する後続研究を生み出してきた。しかし、これらのモデルを公共ITに適用する場合、顕著な限界がある。TAMは自発的な利用を前提としており、DOIはユーザーの抵抗を軽視し、UTAUTは主に組織的な環境向けに開発されたため、準強制的である公共ITサービスへの適用可能性には疑問が残る。とはいえ、これらのモデルに基づいた公共IT導入の研究も存在し、例えばUTAUTを拡張してオンラインの公共苦情処理システムを調査したもの25や、公共セクターの人事情報システムにTOEを適用したもの14がある。さらに、多くの研究が同様のアプローチを採用している26,27,28,29,30,31,32,33,34,35。

しかしながら、公共レベルにおけるIT導入は、個人レベルや企業レベルでの導入とは大きく異なります（表1を参照）。導入主体と利用者が同一ではなく、心理的な慣性や現状のサービスのあり方によって、利用者の意図が不透明であるためです。ITの破壊的な特性が、既存システムの再構築を妨げる可能性があります36。また、導入には利用者の態度や行動の変容が必要であり、それには利用者の視点を明確に理解することが求められます。これらの特性を考慮すると、個人や企業レベルを重視した従来のモデルでは、公共IT導入におけるクリティカルマスを正確に特定するには不十分である可能性があります。IT主導のサービスイノベーションは、コスト削減とサービスの向上にとって不可欠であり37,38、最終的に社会を前進させるものであるため39、公共IT導入に特化した理論的枠組みが極めて重要となります。

個体レベルの企業レベルの一般レベル
採用主体個体民間企業企業（公的）
ユーザー個体企業の従業員個体
ユーザーの意図特定の確定的（強制的な）不確実な
心理的慣性無視できる無視できる（強制）顕著な
価値知覚不可欠な不可欠（強制）不可欠な
主な導入目的個人用効率化、コスト削減公共の利益
関連するIT導入モデル腫瘍関連マクロファージ2, 技術受容理論 (UTAUT)4DOI1, TOE3本研究

表1：IT導入の異なるレベル。この表では、代表的な理論モデル、導入主体、およびユーザーの観点から、個人、企業、および公共レベルにおけるIT導入を対比させています。

既存の文献では、個人や従業員が特定のITサービスの利用に対して、先験的な（個人レベルの）または強制的な（企業レベルの）意図を持っていることが示されており2,40、これは導入があらかじめ決定されていたことを意味しています4,41。しかし、すべてのユーザーがITの利用を意図しているわけではなく42、拒絶の特性や正当性を特定したIS研究はわずかしかありません43,44。したがって、新しい公共ITサービスは、そのイノベーションが受け入れられるか、あるいは失敗するまで、意図的に拒絶されることになります45。

本研究の主な目的は、公的機関のITサービスに対するユーザーの受容と拒絶を理解することであり、知覚された利得（perceived gain）と知覚された損失（perceived loss）という2つの価値認識を通じて検討しました。知覚された利得は、イノベーション普及モデル1,46から適合させたものです。これらの構成概念は、IT受容に寄与する認識を検討するために広く用いられており47,48、さまざまなコンテキストにおいて高い妥当性を示しています40。対照的に、知覚された損失には、適応への圧力があるにもかかわらず、なぜ人々が現在の生活様式を維持しようとするのかを説明する特性が含まれます。これはイノベーション抵抗42,49に基づいた研究領域であり、なぜ一部の人々がイノベーションの導入を遅らせたり、完全に拒絶したりするのかを検討するものです49,50,51,52,53。本研究では、損失と利得を一般的な構成概念として扱うのではなく、多次元的なアプローチを用いてこれらの認識を捉えました。

知覚された損失は、5つの構成概念を通じて操作化されました53,54。時間的損失（TIL）とは、サービスの学習や利用に費やされる、あるいは期待が満たされなかった際に失われたと感じる時間のことです53。社会的損失（SOL）とは、愚かに見えたり、世間から取り残されているように見えたりすることで、社会的なグループ内での地位を失うリスクのことです54。金銭的損失（FIL）には、購入費用、手数料、または個人情報の盗難による潜在的な金銭的損失が含まれます54。身体的損失（PHL）とは、利用によって危害、不快感、または疲労が生じる可能性があるという認識のことです53,54。パフォーマンス損失（PEL）とは、故障や期待される利益の提供不能を含め、既存の代替手段と比較して、サービスの品質や機能が低下したと感じることです53。

知覚された有用性（PG）を説明するために、相対的優位性、適合性、試用可能性、および複雑性が用いられた1,46。相対的優位性（REA）とは、あるイノベーションがその前身よりも有利であると考えられる程度のことである。適合性（COM）は、潜在的な導入者の価値観、ニーズ、および過去の経験にどの程度適合するかを指し、試用可能性（TRI）は、導入前にどの程度の試行実験が可能かを示す。そして、TAMの知覚された使いやすさに関連する複雑性（CPX）は、そのイノベーションの使用および理解がどの程度困難であるかを指す。観察可能性については、測定するにはあまりに曖昧であること46、および公的なITコンテキストにおけるバイオメトリックの結果は他者が容易に観察できるものではないことから、除外された。

新しい公共ITサービスに対する反応を動機付ける知覚価値を説明するために、損失-利得フレームワーク（loss-gain framework）が提案されました。サービスが革新的であり、通常の行動を脅かす場合、知覚された損失が知覚された利得を上回り、拒絶を引き起こすと仮定されました。この状態が持続すると、拒絶が行動意図の恒常的な側面となる可能性があります42,49。逆に、知覚された便益が予想される損失を上回る場合、ユーザーがサービスを拒絶する理由はほとんどありません。したがって、以下の仮説が立てられました：

H1. 知覚された損失は、拒絶に正の影響を及ぼす。
H2. 知覚された損失は、受容に負の影響を及ぼす。
H3. 知覚された利得は、拒絶に負の影響を及ぼす。
H4. 知覚された利得は、受容に正の影響を及ぼす。

政府サービスにおけるIT主導のあらゆる進歩は、社会の発展（例：空港のバイオメトリクスによるより迅速で安全な搭乗手続き）を目的としていますが、最近導入された公共ITサービスにはリスクと不確実性が多く、ユーザーが意図した通りにそのメリットを受け入れない可能性があります。プロスペクト理論55によれば、人々は基準点からの相対的な評価（参照点依存性）に基づき、代替案、価値、および不確実性に対する態度を評価して、このような不合理な意思決定を行います。この理論の核心的な洞察は、同等の利得よりも損失をより重く受け止める傾向である損失回避と、感度の逓減にあります。現状に対する利得と損失へのこの注目は、本研究で検討する受容と拒絶の二分法と直接的に一致しています。プロスペクト理論は、AIを活用した業務やデジタルヘルスから公共Wi-Fi、モバイル決済に至るまで、幅広い文脈において、リスクと不確実性の下での不合理な意思決定を説明するために、近年の情報システム（IS）およびIT研究で使用されてきました56,57,58,59,60。これらの研究はこの理論の妥当性を裏付けていますが、主に受容意図に焦点を当てており、公共ITの文脈において中心となる拒絶の次元は軽視されてきました。

公共ITサービスの利用者は、必要とされる総価値（すなわち、知覚された利得と損失の合計）に基づいて、サービスの受容または拒絶を決定すると考えられます。公共ITの導入に関する先行研究において、この視点から本現象を調査したものはありません。したがって、パス係数（例：PLからREJ）を値として符号化し55、拒絶および受容に必要とされる総価値を次のように算出しました：

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

ここで、CLR、CGR、CLA、CGAはそれぞれ、知覚された損失から拒絶へ、知覚された利得から拒絶へ、知覚された損失から受容へ、および知覚された利得から受容へのパス係数です。これらの標準化係数により、V(R)およびV(A)は損失と利得の総影響の複合値として算出されます。公的ITサービスは利用者の利益となるように設計されている一方で、利用者が現状から離れる際には利得よりも損失を重く見積もるため、よりリスクの高い選択肢である受容には、拒絶よりも大きな総値が必要になると予想されました。H1〜H4に基づき、H5ではこれらの効果の正味のバランスを検証します。

H5. 受容に必要な合計値 V(A) は、拒絶に必要な値 V(R) よりも大きくなる。得られた概念的なPITA（公的情報技術導入）モデルを図 2に示す。

意思決定プロセスの図。知覚された損失と利得が拒絶および受容へと流れる。
図 2: PITAモデルの概念図。 知覚された損失（PL）と知覚された利得（PG）が、拒絶（REJ）および受容（ACC）の前件として示されている。パスa、b、c、およびdは、合計値V(R)およびV(A)を算出するために使用される係数に対応している。注：a = CLR、b = CLA、c = CGR、d = CGA こちらのリンクをクリックして、この図の拡大版を表示してください。

プロトコル

すべての研究手続きは、aSSIST大学、成均館大学、および東亜大学における人間を対象とする研究に適用される倫理原則に従って実施されました。調査回答は収集時に匿名化され、個人を特定できる情報は収集されなかったため、aSSIST大学の制度審査委員会（IRB）により、本研究は完全な倫理審査を免除されるものとして分類されました。参加機関は、研究設計とデータ収集手順の両方を網羅するaSSIST大学のIRBによる免除決定に基づき、個別のIRB承認は得ていません。この決定は、大韓民国の生命倫理及び安全法第15条および同施行規則第13条に規定される免除基準（https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do）に従って行われました。Qualtricsのアンケートにアクセスする前に、すべての参加者は、研究の学術的目的、回答の匿名処理、データの研究目的のみへの使用、および合理的に予見可能なリスクがないことを説明する電子インフォームドコンセント同意書を提示されました。明示的に同意を与えた参加者のみがアンケートに進むことが許可されました。

研究の概要
5つの仮説および提案されたPITAモデルを検証するため、2つの実証研究と2つの専門家による介入を実施した。結果を図3に示す。異なる時点での構成概念を個別に測定し、データにおける共通メソッドバイアス（CMB）の可能性を低減させ、研究の汎用性を高めるため、COVID-19以前（2019年第4四半期）とCOVID-19期間中（2020年第2〜第3四半期）に2波のアンケート調査を実施した61,62。

研究比較フローチャート：COVID前後、サンプル、地域、研究タイムライン、介入。
図 3: 研究の概要。タイムラインは2波のデザインをまとめたものである。研究1（2019年第4四半期、COVID-19以前、韓国サンプル、N = 322）に続き第1回専門家介入が行われ、その後、研究2（2020年第2〜3四半期、COVID-19期間中、韓国/英国/米国サンプル、N = 602）に続き第2回専門家介入が行われた。こちらのリンクをクリックして、この図の拡大版を表示してください。

研究1のモデル
最近導入された公共ITサービス（例：空港でのバイオメトリクス）をユーザーが受容するか、あるいは拒絶するかという意図を明らかにするため、構築した仮説に基づいた初期の研究モデルを図4に示す。公共ITサービスに対するユーザーの意見は、「知覚される損失（PL）」と「知覚される利得（PG）」という2つの二次構成概念に反映されており、それぞれが対応する一次構成概念によって形成されている。これら2つの二次構成概念は、公共ITサービスを利用しようとするユーザーの意図を表す「拒絶（REJ）」および「受容（ACC）」の先行要因となる。

概念図。PL、PG、REJ、ACCの構成概念を用いた構造方程式モデル。研究分析。
図4: 研究1のリサーチモデル。 5つの一次損失構成概念（PEL、TIL、SOL、PHL、FIL）が二次構成概念である「知覚された損失（perceived loss）」を形成し、4つの一次利得構成概念（REA、COM、TRI、CPX）が「知覚された利得（perceived gain）」を形成しています。これら2つの二次構成概念は、拒絶（rejection）および受容（acceptance）の前件としてモデル化されています（H1–H4）。 こちらをクリックして、この図の拡大版を表示してください。

研究1の調査データ
最初のデータサンプルは、過去1年間に少なくとも1回航空機への搭乗経験がある計322名の韓国人参加者（女性：46.6%、男性：53.4%）を対象として、2019年11月13日から11月18日（COVID-19パンデミック開始前）に収集されました。公共ITサービス（例：空港でのバイオメトリクスアプリケーション）の定義と例は、調査の導入部で提示されました。研究1の生データは補足ファイル1に提供されています。飛行頻度は、過去1年間に1回、2回、3回、4回、および5回以上のフライトに対応する5つの排他的なカテゴリー（FF1〜FF5）で測定されました（研究1：参加者数 138名、91名、34名、21名、38名；研究2：参加者数 174名、153名、109名、82名、84名）。

予測因子の構成概念は、「全く同意しない (1)」から「非常に同意する (7)」までの7段階のリッカート尺度を用いて評価されました（調査アンケートについては、Supplementary File 21,46,53,54,63,64を参照）。20名の参加者を対象としたパイロットテストの後、安定性、適用可能性、および解釈の容易さを向上させるため、質問項目の文言レベルの微調整のみに限定して修正を行いました。パイロットテスト後に構成概念や項目の追加および削除は行っていません。補足資料には、アンケートの全文に加え、関連する統計データと理論的背景が記載されています。また、確認的因子分析 (CFA) および共分散構造分析 (CB-SEM) を実施しました。

研究1における専門家の介入
客観性を確保し、本研究の質を向上させるため、10年以上の経験を持つ5名の専門家を招待した。内訳は、国際機関（国際空港評議会および国際航空運送協会）から2名、政府機関（シンガポール・チャンギ空港および韓国空港公社）から2名、および公共設定でサービスを提供する民間企業（大韓航空）から1名である。この専門家による介入は、モデルの改善および対象設定に関するドメイン知識を強化するためのフィードバックを得るために不可欠であった。定性的（すなわち主観的なフィードバック）および定量的（7段階のリッカート尺度）な評価の両方が実施された。定量的な評価には、修正版の意思決定報告特性アンケート項目（補足ファイル3を参照）65を採用し、級内相関係数66を用いて妥当性を検証した。各介入ラウンドにおいて、すべての専門家が個別に定量アンケートに回答し、その後、自由形式の定性的フィードバックを提供した。再現性を可能にするため、両方の介入において同一のパネル、評価ツール、および手順を用いた。

研究2
研究1で特定された課題に対処し、モデルの汎用性を向上させるため、研究2では研究1と同じモデルを適用した。研究2には602名の参加者が含まれた（女性：42.3%、男性：57.7%、韓国：200名、英国：201名、米国：201名）。データは2020年7月23日から8月19日まで（COVID-19パンデミック期間中）に収集された。研究2の生データは補足ファイル4に提供されている。33個の観測指標があるため、このサンプルサイズは指標1つあたり約18件の観測値となり、CB-SEMで一般的に推奨される指標あたり10件の基準および、広く用いられている最小閾値である200件の観測値をともに上回っている。韓国、英国、米国が選ばれた理由は、2019年7月から2020年6月までの全世界の航空旅行者の29.1%（約55億人のうち約16億人）をこれらの国が占めていたためである。COVID-19パンデミックはこれらの国々に異なる時期に影響を及ぼし、韓国から始まり、後に米国と英国に影響した。さらに、これら3カ国は東洋と西洋の文化伝統が混在している。その結果、これらの国々から得られた統合データセットを用いて、新しい公共ITサービス（すなわち、空港バイオメトリクス）に対するユーザーの知覚・意図フレームワークを検証した。

研究2における専門家による介入
同様の専門家を招き、同一の定量的および定性的評価を実施し、研究2の結果を検証するために彼らのフィードバックを収集した。

結果

研究1
自己申告データに関連する潜在的な共通方法バイアス（CMB）を評価するために、まず1因子分析が実施された67。検定の結果によると、1つの因子が分散の36.56％を説明した。分散の50％未満を説明する単一の因子は、CMBが問題ではないことを示している62,67,68。次に、構成概念の妥当性と信頼性が評価された。表2の結果から、抽出平均分散（AVE：0.585～0.836）および合成信頼性（CR：0.872～0.939）が、必要な最低限の基準を満たしていることが示された69,70。さらに、対角線上に示されている各構成概念のAVEの平方根は、他の構成概念との相関関係を上回っており、弁別的妥当性が支持されている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

表2：構成概念の信頼性と妥当性（研究1）。 この表は、研究1の測定モデルにおける合成信頼性（CR）、平均抽出分散値（AVE）、および構成概念間相関を示している。

次に、知覚された利益、知覚された損失、受容、および拒絶の間における仮説をSEMを用いて検証した。図5に示すように、モデルは許容できる適合度指標（CMIN/DF = 2.25、CFI = 0.936、SRMR = 0.075、RMSEA = 0.062）を示しており、すべて推奨される閾値（CMIN/DF < 3、CFI > 0.90、SRMR < 0.08、RMSEA < 0.08）を満たしており、得られた結果は提案された仮説を強く支持している。知覚された損失に対する5つの駆動因子（PER、TIR、SOR、PHR、FIR）および知覚された利益（PG）に対する4つの駆動因子（REA、COM、TRI、CPX）は、いずれも大きな効果を示した。仮説1および2の検定では、知覚された損失が拒絶に対して中程度の正の影響（β = 0.357、p < 0.001）を持ち、受容に対しては有意な負の影響（β = -0.148、p < 0.001）を持つことがわかった。したがって、H1およびH2の両方が支持された。一方、仮説3および4の検定では、知覚された利益は知覚された損失とは逆の効果を持つことが示された。すなわち、受容に対して強い正の影響（β = 0.721、p < 0.001）、拒絶に対しては負の影響（β = -0.507、p < 0.001）を持つ。したがって、H3およびH4も同様に支持された。SEMを用いた第1研究における研究モデル検定結果の全体的な要約は表3に示されている。構造モデルは、受容の分散の62.4％および拒絶の分散の52.5％を説明した（R2 = 0.624および0.525、それぞれ）。

構造方程式モデル図。PL、REJ、ACC、PGの構成概念と相関係数を示している。
図5：研究1の仮説検定結果。 この図は、研究1のサンプル（N = 322）に基づいて推定された構造モデルの標準化パス係数とその有意性レベルを示している。すべての仮説されたパスは、予想された方向に有意であった。PEL = パフォーマンスの損失；TIL = 時間の損失；SOL = 社会的損失；PHL = 身体的損失；FIL = 経済的損失；REA = 相対的優位性；COM = 互換性；TRI = 試行可能性；CPX = 複雑さ；PL = 知覚された損失；PG = 知覚された利益；REJ = 拒否；ACC = 受容 この図の拡大版を表示するには、ここをクリックしてください。

仮説経路βt-値p-値結果
H1a: PL → REJ0.3576.592***支持された
H2b: PL → ACC-0.148-3.059***支持された
H3c: PG → REJ-0.507-7.29***支持された
H4d: PG → ACC0.7218.966***支持された

表3：研究1の全体的な結果。 この表は、研究1における標準化されたパス係数、有意性レベル、および仮説検定の結果をまとめたものです。***p < 0.001

さらに、H5を検証し、モデルがプロスペクト理論55と一致するかどうかを確認するために、REJおよびACCに必要な合計値が計算された。式（1）および（2）において、aは知覚された損失から拒否への経路に対応する（CLR = 0.357）、cは知覚された利益から拒否への経路に対応する（CGR = -0.507）、bは知覚された損失から受容への経路に対応する（CLA = -0.148）、dは知覚された利益から受容への経路に対応する（CGA = 0.721）ことを示す。その結果、V(R) = a + c = -0.150およびV(A) = b + d = 0.573であり、したがってV(R) < V(A)となり、H5は支持された。

研究1の専門家介入結果
結果は、専門家が主張に対して完全に同意しなかったことを示した。体系的指向性、品質、問題記述の十分性を測定する構成概念の平均値は、3.40から4.40の範囲であった。一般的な負の感情の構成概念も3.20から3.60の範囲を示した（ICC = 0.609、p = 0.008）。専門家の主観的評価では、改善が必要な追加の2つの領域が特定された。すなわち、データセットが状況要因を代表していなかったこと（COVID-19以前に収集された）と、韓国語話者だけのサンプルでは一般化に不十分であるということである。これらの結果は、これらの問題に対処するために専門家の介入後に実施された研究2の基盤となった。

研究2
研究2では、研究1と同様の手順に従った。まず、データセットにおいてCMBが問題となるかどうかを評価するために、1因子分析を実施した67。検定の結果、単一の因子が分散の38.97％を説明しており、懸念のしきい値である50％を下回っていたことから、データサンプルにおいてCMBの実質的な影響は認められなかった62,67,68。CMBに加えて、表4の結果は、モデルの信頼性と妥当性も十分な水準を満たしていることを示唆している69,70。さらに、すべての異質-同質（HTMT）比が0.85のしきい値を下回っており、弁別妥当性のさらなる裏付けとなっている。

CRAVEMSVMaxR(H)PLPGACCREJ
PL0.8610.560.3640.8850.748
PG0.9020.7050.6670.947-0.4220.84
ACC0.960.8890.6670.961-0.5080.8160.943
REJ0.9420.8440.6590.9570.603-0.745-0.8120.919

表4：構成概念の信頼性と妥当性（研究2）。 この表は、研究2の測定モデルにおける合成信頼性（CR）、平均抽出分散（AVE）、および構成概念間相関を示しています。

3か国すべてを対象とした研究2のSEM検定結果は、CMIN/DF = 3.835、CFI = 0.945、RMSEA = 0.058であった。CFIおよびRMSEAは推奨される閾値を満たしており、より厳格な基準（<3.0）には達していないものの、CMIN/DFの値3.835は、より緩やかな基準（<5.0）に基づけば、依然として許容できるモデル適合を示している。したがって、検定結果は構築された理論的主張および図6と表5に示された研究1の結果と非常に整合している。研究1の結果と同様に、PLとREJの関係（β = 0.345、p < 0.001）およびPGとACCの関係（β = 0.767、p < 0.001）は有意に正の相関を示したのに対し、PLとACCの関係（β = -0.202、p < 0.001）およびPGとREJの関係（β = -0.644、p < 0.001）は有意に負の相関を示した。したがって、仮説H1、H2、H3、およびH4はすべて支持された。構造モデルは、受容の分散の76.0％および拒絶の分散の72.1％を説明した（R2 = 0.760および0.721、それぞれ）。

PLからREJおよびACCを介してPGへ至る構成概念を示すパス分析図。統計的関係を示している。
図6：研究2の仮説検定結果。 この図は、3か国合同の研究2サンプル（N = 602）に基づいて推定された構造モデルにおける標準化されたパス係数とその有意性レベルを示している。結果のパターンは研究1を再現している。PEL = パフォーマンスの損失；TIL = 時間の損失；SOL = 社会的損失；PHL = 身体的損失；FIL = 金銭的損失；REA = 相対的優位性；COM = 互換性；TRI = 試行可能性；CPX = 複雑さ；PL = 知覚された損失；PG = 知覚された利益；REJ = 拒否；ACC = 受容 この図の拡大版をご覧になるには、ここをクリックしてください。

仮説経路βt値p値結果
H1a: PL → REJ0.3459.342***支持された
H2b: PL → ACC-0.202-6.81***支持された
H3c: PG → REJ-0.644-12.694***支持された
H4d: PG → ACC0.76713.707***支持された

表5：研究2の全体的な結果。 この表は、研究2における標準化されたパス係数、有意性レベル、および仮説検定の結果をまとめたものです。***p < 0.001

次に、REJおよびACCに必要な合計値についてさらに検討を行い、H5を検定し、モデルがプロスペクト理論の主張を支持するかどうかを確認した55。研究1と同じ係数マッピングを用いた結果、V(R) = a + c = -0.299およびV(A) = b + d = 0.565であり、したがってV(R) < V(A)であった。H5は研究2でも支持され、研究2におけるV(R)とV(A)の差（0.864）は研究1（0.723）よりも大きかった。

研究2の専門家介入結果
定量的評価の結果は非常に有意であった（ICC = 0.960、p < 0.001）。体系的指向性、質、および問題記述の適切性を測定する構成概念の平均値の範囲は6.20から6.80であり、一般的な否定的気分を測定する構成概念の範囲は1.20から1.80であった。高いクラス内相関係数は、専門家がモデルの体系的指向性、質、および問題記述の適切性に関して強い合意を持っていることを示している。また、専門家は主観的評価においてその他の問題を指摘しなかった。したがって、本研究は提案されたPITAモデルを完成させるために必要な要件を最終的に満たしたと結論づけられた。

データ利用可能性：
データは補足ファイル1（研究1）および補足ファイル4（研究2）としてアップロードされている。完全なCB-SEMモデルの出力結果は補足ファイル5に記載されており、変数の定義および符号化はデータ辞書（補足ファイル6）に文書化されている。データファイルおよびCB-SEM出力において、論文内の略語PEL、TIL、SOL、PHL、FIL、REJはそれぞれ変数ラベルPER、TIR、SOR、PHR、FIR、RESに対応しており、二次構成概念PLおよびPGはそれぞれ「Perceived_Risk」と「Perceived_Benefit」としてラベル付けされている。

補足ファイル1：研究データ（研究1）このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル2：調査質問票このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル3：介入に関するアンケートこのファイルをダウンロードするには、ここをクリックしてください。

補足ファイル4：研究データ（研究2）このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル5：CB-SEMモデル出力ファイルこのファイルをダウンロードするには、ここをクリックしてください。

補足ファイル6：データ辞書このファイルをダウンロードするには、ここをクリックしてください。

ディスカッション

本2つの研究による調査では、公共IT導入のPITAモデルを検証しました。両方の研究を通じて、5つの仮説すべてが支持され、V(A)とV(R)の差は、よりリスクの高いCOVID-19の状況下で拡大しました。これは、リスクの高い選択にはより大きな知覚価値が必要であるというプロスペクト理論の予測と一致しています。TAM2やDOI1を含むIT導入に関する理論的根拠に欠落があり、公共ITの導入を十分に説明できていないことが判明しました。最も重要な点として、これらの研究は公共ITサービスを利用する際のユーザーの不確実性を十分に考慮していませんでした。したがって、PITAが提示する知覚-意図フレームワークが、公共ITサービスの導入決定にどのような影響を与えるかが問われました。ユーザーは、新しく革新的な公共ITサービスを提示された際、現状維持という選択肢のメリットとデメリットを検討しなければなりません。新しい選択肢が拒否された場合、ユーザーは以前の状態に戻るため、新しい選択肢は不要となります。PITAモデルは、そのような選択に影響を与える潜在的な価値知覚の理解を可能にします。さらに、これにより、新しい公共ITサービスに投資する前に、そのような失敗を防ぐためのいくつかの提案がなされました1,42。本研究では、知覚された利得と損失が公共ITサービスの受容と拒絶にどのように影響するかを調査し、5つの仮説すべてが支持されました。公共ITサービスに対するユーザーの知覚は2つの視点から見ることができ、ユーザーの否定的知覚が支配的になる可能性が高いと考えられます。しかし、調査結果は、好意的な知覚が受容を促し、抵抗感を軽減させることを示しました。知覚された損失の具体的な例としては、不安定なパフォーマンス、不当に長期化した手続き、ユーザーの周囲からの抵抗、デバイスによる身体的危害、金融取引の失敗などが挙げられます。また、代替可能な機能、オープンベータテストイベント、使いやすさなどが、知覚された利得の構成要素の例となります。両方の研究から得られた知覚結果は、例えばイノベーション抵抗モデルやイノベーション普及に関する先行研究と一致していました1,42。

重要な発見は、受容の総合的な価値が拒絶の価値よりもほぼ5倍大きかったことです。V(A)とV(R)のこの大きな差は、主に知覚された利得が受容に及ぼす強い正の効果（β = 0.721）と、知覚された利得が拒絶に及ぼす負の効果（β = -0.507）によるものであり、使いやすさや機能の互換性などの利便性に対するユーザーの認識が、損失に対する認識よりも採用決定において支配的な役割を果たすことが示唆されました。ユーザーが、新しく不慣れな公共ITサービスを受け入れるというリスクの高い決定を下すには、肯定的な認識が否定的な認識を大幅に上回らなければなりません。また、意思決定が完全に合理的ではないため、ユーザーは損失を被ってでも新しい公共ITサービスの導入に反対することを決定する場合があります。この現象は、現在のサービスへの強い愛着や、公共ITサービスが日常的に頻繁に使用されることを目的としていないという事実によって説明できる可能性があります。ユーザーは、何らかの不便さを感じた場合、現状を維持することができます。知覚された利得が不十分であるか、あるいは知覚された損失が想定よりも大きい場合、ユーザーは新しい公共ITサービスを受け入れるための心理的抵抗を克服しようとはしないでしょう。公共ITサービスの文脈におけるユーザーの「認識-意図」フレームワークにおいて一貫して同様のパターンが示された研究2により、提案された理論モデルに対してより具体的かつ広範な裏付けが得られました。さらに、V(A)がV(R)よりも大幅に高く、プロスペクト理論を拡張する妥当性が支持されました55。

状況的要因（COVID-19）がV(A)およびV(R)に与えた影響は、研究2におけるもう一つの興味深い知見であった。研究2におけるV(R)とV(A)の差は、研究1と比較して拡大した。世界的な健康危機の間、ユーザーは感染による潜在的な損失をより大きく認識すると同時に、非接触サービスの潜在的な利点をより高く評価した可能性があり、この二重の効果が受容に必要な価値の格差を増幅させた。この知見は、よりリスクの高い選択肢（COVID-19というリスクの高い状況下で新しい公共ITサービスを受け入れること）にはより大きな価値が必要であることを示しており、プロスペクト理論を発展させる試みを支持するものである55。必然的に、研究2の評価結果は、改めて研究1の結果を支持することとなった。状況的要因は、第1回介入の際に専門家が予測した通り、ユーザーの意思決定に関連する価値を変化させ得る潜在的な要素であった。さらに、空港のバイオメトリクス事例において、より大規模なサンプルを用いてモデルの仮定の妥当性が支持されたことで、モデルの堅牢性と汎用性が高まった。それにもかかわらず、プールされた多国間分析では、構成概念が国を超えて同様に解釈されると想定していた。正式な測定不変性テストおよび国別の比較は実施されておらず、今後の研究課題として残っている。

知覚・意図フレームワークを用いた分析によれば、ユーザーは公共ITサービスの利用によって著しく大きな利益が得られると信じた場合、現状維持の選択肢を選ばないことが示されました。これは、知覚された利益によって「受容」というリスクを伴う選択肢がより魅力的に感じられた場合にのみ、ユーザーが均衡状態から脱する意向を持つことを示唆しています。振り返ってみれば、受容は損失よりも知覚された利益に強く影響されるということは、概念的に理にかなっています。プロスペクト理論55に基づけば、ユーザーに提供されている現在のサービスは、ユーザーが以前の経験を持つ既知の存在であるため、安全で「リスク回避的」な選択肢となります。つまり、ユーザーは行動条件を適応または変更することなく、リスクなしに同じ結果を得られることを予期できるということです。しかし、知覚された利益が知覚された損失を大幅に上回れば、「リスク回避的」な選択肢から離れ、リスクを伴う選択肢がおそらく選択されることになります。興味深いことに、これらの効果は、ユーザーがCOVID-19パンデミックというよりリスクの高い状況に直面した際に、より強く現れました。これは、新しい公共ITサービスの利用を検討する場合、価値へのニーズが高まったためであると考えられます。知覚された利益および損失と、公共ITサービスの受容または拒絶との間には、一貫した関係が認められました。データによれば、ユーザーが潜在的な利益をどのように知覚し、その理解が公共ITサービスの利用を選択するかどうかにどのように影響するかについて、より深い理解が必要であることが分かります。新しい選択肢を提示された際、ユーザーは既存の心理的慣性に抗わなければするため、新しいITサービスを受容することは著しく困難であると思われます。これは、知覚と意図のフレームワーク内での改善が、より顕著である必要があったという事実によっても示されました。これらの知見は、プロスペクト理論55が提示した基本概念、すなわちリスクの高い決定には安全な決定よりも高い価値が必要であるという点と一致しています。特に、知覚された損失が拒絶を予測するよりも、知覚された利益が受容をより強く予測するという非対称的なパターンは、この文脈における意思決定が純粋な損失回避ではなく、むしろ利益駆動型であることを示唆しており、これは損失回避に重点を置く一般的なプロスペクト理論を補完するニュアンスを含んでいます。また、これらの結果は先行する採用研究とも整合しています。知覚された利益が受容に与える強い影響は、TAMにおける知覚された有用性の重視2と一致しており、知覚された損失が拒絶に与える有意な影響は、採用への障壁が潜在的な利益を上回り得るというイノベーション抵抗モデルの主張42,49を支持しています。本研究は、利益と損失が独立して作用するのではなく、受容と拒絶の両方に同時に影響を与えることを実証し、それらの文献を拡張しました。したがって、これらの知見は、公共ITサービスのユーザーが現状を維持（すなわち拒絶）するか、あるいはリスクテイクを増大（すなわち受容）させる動機となる要因についての理論的理解に寄与します。本研究により、IT採用への反対に関する研究蓄積がさらに前進しました。個人および企業レベルの先行文献45,50,51に基づき、ITの拒絶と受容は異なる意思決定基準であることが実証されました。すべてのユーザーには閾値42,49が存在しますが、公共ITの採用に関する研究で、これらの閾値がどのようなものであるかを検討したものはこれまでありませんでした。したがって、知覚された損失を組み込んだことは、この許容度を調査する有用な手法となり、公共ITの受容または拒絶の選択の両方に有意な影響を与えました。これらの知見は、同様の受容・拒絶の原則を適用した先行研究を、新しい文脈に拡張することで、それらの研究に寄与するものです51。

これらの知見は、公的機関の管理運営において重要な示唆を与えます。第一に、これらの機関は変化への適応に苦慮しており、デジタルインフラへの移行が困難であることは周知の事実です。したがって、ITサービスの導入時に公的機関が誤った決定を下すと、長期的に負の影響を及ぼす可能性があります。ユーザーは、失うものが大きすぎると感じた場合、提案されたITサービスの採用に乗り出さないと考えられます。対照的に、公的機関の管理者が、知覚される利益を通じて拒絶反応を軽減させる要因を明確に提示できれば、公的ITサービスへの投資はより成功する可能性があります。管理者は、知覚される利益を増加させ、知覚される損失を減少させることで、PITAを用いて肯定的な反応を引き出す解決策を模索し、最終的に受容性を高め、拒絶を減らすことができます。例えば、バイオメトリック・スクリーニングを導入する公的空港では、投資前にPITAを用いてユーザーの認識を評価することが可能です。もしV(R)がV(A)に近づくか、あるいは上回る場合は、管理者は処理時間の短縮といった具体的なメリット（知覚される利益の増加）に焦点を当てたコミュニケーションを行うか、あるいはオプトアウトの代替案を提示する（知覚される損失の軽減）ことで対応できます。このモデルは簡潔であるため、V(A)およびV(R)をアンケートデータから直接算出することができ、管理者はユーザーの利用意向を理解し、提案するITサービスの導入状況や採用の可能性を判断するための明確なベンチマークを得ることができます。

本研究にはいくつかの重要な限界がある。第一に、2つの研究で同様の効果が見られたものの、知覚された損失の測定において観察された有意性の低い効果を完全に理解するにはさらなる研究が必要であり、本研究で考慮した要因はモデルに見られる分散の一部しか説明できていない可能性がある。第二に、両研究とも航空旅行者を対象とした横断的な自己報告式アンケートデータを用いている。この設計では因果推論ができず、選択バイアスや社会的望ましさバイアスが導入される可能性があり、またこの集団以外への一般化が制限される。3カ国間での正式な測定不変性の検証は今後の課題である。第三に、データは特定の期間（2019年第4四半期および2020年中盤）に収集されており、パンデミックの進展に伴いユーザーの認識が変化した可能性がある。第四に、管理者が検討するのは1つの新しい潜在的な選択肢のみであり、現在の選択肢がもう一つの制約として機能すると想定した。確実性効果によれば、確実性の度合いが異なる複数の選択肢が存在する場合、リスクを伴う行動が促進されるため71、今後は様々なPITAテクノロジーの選択肢を検討することが有益な方向性であると考えられる。今後の研究では、イノベーション抵抗の他の形式や閾値を調査し63、PITAを他の公共ITサービス（例：eガバメントポータルや公衆衛生アプリケーション）や、知覚された便益とリスクが共同で導入を左右する他の領域へと拡張し64、縦断的設計を用いてV(A)およびV(R)が時間の経過とともにどのように進化するかを追跡し、文化的次元がモデル内の関係性を調整するかどうかを検証すべきである。総じて、本研究は公共ITの導入に関する理解を深めることに寄与すると考えられる。知覚された利得と知覚された損失の両方を組み込むことで、PITAモデルはユーザーの意思決定の二面性を捉えている。すなわち、受容は利得への誘引によって促進され、拒絶は損失への恐怖によって促進される。投資を行う前に、潜在的なITソリューションを特定する初期段階で健全かつ正確な判断を下すことで、管理者は正しい方向へ導かれる。PITAは受容と拒絶の両方に必要な価値の合計を管理者に提示するため、受容の総価値が不十分な場合、管理者はITサービス戦略を再考すべきである。状況的なリスクが、受容に必要な価値の格差を増幅させるという知見は、プロスペクト理論とテクノロジー導入の文献の両方に対する斬新な貢献である。したがって、PITAは、拒絶の総価値を上回る受容の総価値を提供するソリューションを管理者が見つけるのに役立つはずである。ユーザーが新しい公共ITサービスを利用する準備が整うのは、そのような条件が満たされた時のみである。

開示事項

著者は利益相反がないことを宣言します。この改訂原稿の作成にあたり、言語編集およびフォーマットの補助として生成AIツール（ChatGPT 5o）が使用されました。著者はすべての内容を確認および検証し、本原稿に対して全責任を負います。データの生成、解析の実施、または図の作成にAIツールは使用されていません。

謝辞

本研究は、aSSIST Universityからの研究助成金によって支援を受けました。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
IBM SPSS Amos (CB-SEM ソフトウェア)IBM Corp. (Armonk, NY, USA)version 27; https://www.ibm.com/products/structural-equation-modeling-sem/測定モデルの評価（CFA：合成信頼性、AVE、および判別妥当性）および構造モデルのパス解析を含む、すべての共分散構造分析（CB-SEM）に使用。  
Prolific (オンライン参加者募集プラットフォーム)Prolific Academic Ltdhttps://www.prolific.com/調査参加者の募集に使用したオンラインプラットフォーム。参加者は適格性基準（例：空港での経験）に基づいてスクリーニングされ、Prolificの公正な報酬ガイドラインに従って報酬が支払われた。 
Qualtrics (オンライン調査プラットフォーム)Qualtrics, LLCRRID:SCR_016728アンケートの設計、配布、および回答データの収集に使用したウェブベースの調査プラットフォーム。すべての測定項目は、Qualtricsを用いて7段階のリッカート尺度（1 = 全く同意しない、7 = 非常に同意する）で実施された。 https://www.qualtrics.com/

参考文献

  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.

再版と許可

タグ

プロスペクト理論知覚-意図フレームワーク電子政府サービス公衆衛生アプリケーション生体認証システムユーザーアクセプタンス知覚価値国際比較調査インターベンション研究
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。