É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de investigação

Propondo a Adoção de TI Pública com sua Fundamentação Teórica e Descobertas Empíricas

75 visualizações

⸱

DOI:

10.3791/73614

⸱

15 de setembro de 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

Neste artigo

Resumo

Este estudo propõe o modelo de adoção pública de TI, um quadro prospectivo baseado na teoria da perspectiva que explica como ganhos e perdas percebidos impulsionam a aceitação ou rejeição pelos usuários de serviços de tecnologia da informação públicos, como a biometria em aeroportos. Duas pesquisas, incluindo uma pesquisa multinacional, e intervenções de especialistas validaram o modelo, corroborando a teoria da perspectiva em diferentes países e contextos.

Resumo

Esta pesquisa propõe um modelo teórico de adoção de tecnologia da informação pública (PITA, na sigla em inglês). Os serviços de tecnologia da informação (TI) públicos referem-se a serviços baseados em TI que instituições públicas oferecem a todos os cidadãos, como portais de governo eletrônico, aplicativos de saúde pública e sistemas biométricos em aeroportos. Devido à natureza única da TI pública, modelos previamente desenvolvidos, focados principalmente nos níveis individual e corporativo, têm sido considerados insuficientes para identificar a massa crítica de adoção da TI pública. Para preencher essa lacuna, propôs-se um quadro de percepção-intenção baseado na teoria da perspectiva, com o objetivo de explorar as perdas e ganhos percebidos pelos usuários ao adotar um novo serviço de TI pública, sugerindo que essas percepções são antecedentes da rejeição ou aceitação de um novo serviço de TI pública. Foram realizados dois estudos, incluindo um com amostras de inquéritos de três países (Coreia do Sul, Reino Unido e Estados Unidos). Também foram convidados cinco especialistas do setor, por meio de uma abordagem de pesquisa com intervenção, para refinar e validar qualitativamente o modelo, de modo que pudesse ser utilizado em um cenário prático. Os resultados mostraram que o valor total de aceitação, ou seja, o valor percebido agregado necessário para que os usuários aceitem o serviço, calculado como a soma dos coeficientes de caminho relevantes, foi consistentemente maior do que o de rejeição. Um achado semelhante foi observado para o ganho percebido, que foi um preditor mais forte tanto da aceitação quanto da rejeição do que a perda percebida. Embora os achados se baseiem em dados transversais e autorrelatados, eles fornecem forte apoio à teoria da perspectiva e contribuem para uma compreensão mais aprofundada do papel fundamental dessa teoria na adoção de TI pública. Assim, ao estender a teoria da perspectiva ao contexto de TI no setor público, o PITA oferece aos pesquisadores uma base teórica validada e aos profissionais uma ferramenta prática para diagnosticar a adoção de serviços de TI pública.

Introdução

A tecnologia da informação (TI) evoluiu nas últimas décadas até se tornar uma ferramenta dominante e onipresente para a busca de inovação e alterou significativamente a vida cotidiana. Desde a introdução de modelos de adoção de TI baseados em perspectivas psicológicas1,2,3,4, a relação entre usuários e TI tem sido amplamente pesquisada nos níveis individual e organizacional5.

Enquanto isso, muitas organizações públicas têm enfrentado dificuldades para alcançar eficiência operacional diante de demandas sociais avassaladoras, como a congestão em aeroportos, o que prejudica a eficácia e a qualidade dos serviços públicos. Ampliar as infraestruturas físicas pode gerar benefícios imediatos, mas exige investimentos significativos de tempo e dinheiro6. Em contraste, provedores inovadores de serviços públicos têm abordado essa questão por meio da inovação impulsionada por tecnologia da informação7, integrando inovações às infraestruturas existentes para garantir a qualidade do serviço e a eficiência operacional8,9,10,11. Atualmente, organizações públicas estão adotando novas tecnologias da informação (por exemplo, serviços em nuvem, cibersegurança e biometria) para revitalizar seus ativos principais, o que cria desafios adicionais de adoção12. Esse problema pode decorrer de uma compreensão inadequada dos usuários reais: pesquisas anteriores concentraram-se predominantemente em fatores que impulsionam a aceitação, negligenciando o estudo da rejeição. Sem a participação ativa dos usuários, as implementações de tecnologia da informação em instituições públicas podem não alcançar adoção prática.

No entanto, a adoção de TI no setor público apresenta desafios únicos, distintos dos contextos do setor privado. Embora "aceitação" e "rejeição" pareçam ser opostas, representando duas situações distintas13, promover uma poderia inibir a outra; portanto, ambos os lados do efeito contrabalançador devem ser considerados. Estudos anteriores sobre inovação em serviços públicos de TI tenderam a enfatizar resultados positivos10,11,14,15,16. Este artigo, portanto, examinou "aceitação" e "rejeição" em conjunto, integrando modelos de SI baseados na psicologia (ou seja, difusão da inovação e resistência à inovação) com a economia comportamental (ou seja, teoria da perspectiva).

O caso da biometria em aeroportos, no qual a identificação biométrica substitui procedimentos baseados em documentos, foi selecionado porque este serviço público de tecnologia da informação é oferecido a todos os cidadãos, envolve informações pessoais sensíveis e coloca os usuários diante de uma decisão clara de aceitar ou rejeitar. Duas questões de pesquisa orientaram o estudo. PQ1: Como as percepções de ganhos e perdas influenciam a aceitação e a rejeição de um serviço público de tecnologia da informação pelos usuários? PQ2: O valor total exigido para aceitação é maior do que para rejeição, conforme prevê a teoria da perspectiva? Assim, uma nova estrutura teórica foi proposta e validada por especialistas do setor por meio da estratégia IBR (pesquisa baseada em intervenção)17 (Figura 1). Este estudo, portanto, integra a teoria da perspectiva aos modelos de adoção de sistemas de informação e oferece insights acionáveis para gestores públicos de tecnologia da informação.

Fluxograma do processo de pesquisa: teoria, modelo, dados, análise, significância, implicações, revisão por especialistas.
Figura 1: O processo de pesquisa de estruturação e desenvolvimento do modelo teórico. O diagrama mostra o fluxo geral da pesquisa, desde a formulação do modelo teórico com base em modelos de adoção anteriores e na teoria da perspectiva, passando pelo Estudo 1 e pelo Estudo 2, cada um seguido por uma intervenção de especialistas, até a conclusão do modelo PITA. Clique aqui para visualizar uma versão maior desta figura.

A adoção de TI tem sido amplamente estudada: o modelo de aceitação de tecnologia (TAM)2 e a teoria unificada de aceitação e uso de tecnologia (UTAUT)4 no nível individual, e a difusão da inovação (DOI)1 e o modelo tecnologia-organização-ambiente (TOE)3 no nível da empresa, geraram estudos subsequentes sobre realidade aumentada e aprendizagem de línguas18,19, chatbots e pagamentos digitais20,21, serviços de mobilidade22,23 e trabalho remoto24. No entanto, esses modelos apresentam limitações significativas para TI pública: o TAM assume uso voluntário, o DOI negligencia a resistência do usuário e o UTAUT foi desenvolvido principalmente para ambientes organizacionais, de modo que sua aplicabilidade a serviços de TI pública quase obrigatórios permanece questionável. Também existem estudos sobre a adoção de TI pública com base nesses modelos, por exemplo, estendendo o UTAUT para examinar um sistema online de resolução de reclamações públicas25 e aplicando o TOE a sistemas de informação de recursos humanos no setor público14; muitos outros estudos adotaram abordagens semelhantes26,27,28,29,30,31,32,33,34,35.

No entanto, a adoção de TI no nível público difere significativamente da adoção no nível individual ou empresarial (veja Tabela 1): as entidades que adotam e os usuários não são os mesmos, e as intenções dos usuários não são evidentes devido à inércia psicológica e à situação atual dos serviços existentes. As características disruptivas da TI podem dificultar a reestruturação dos sistemas existentes36; a adoção também exige mudanças nas atitudes e comportamentos dos usuários, o que demanda uma compreensão clara das perspectivas desses usuários. Diante dessas características, modelos anteriores que enfatizam os níveis individual e empresarial podem não ser adequados para identificar a massa crítica necessária para a adoção pública de TI. Como a inovação em serviços impulsionada pela TI é fundamental para a redução de custos e a melhoria dos serviços37,38 e, em última instância, para o avanço da sociedade39, um framework teórico focado na adoção pública de TI é essencial.

Nível individualNível empresarialNível público
Entidade de adoçãoIndivíduosEmpresas (privadas)Empresas (públicas)
UsuárioIndivíduosFuncionários da empresaIndivíduos
Intenção do usuárioCertaCerta (obrigatória)Incertaina
Inércia psicológicaDesprezívelDesprezível (obrigatória)Prominente
Percepção de valorIndispensávelIndispensável (obrigatório)Indispensável
Principal finalidade da adoçãoPessoalEficiência, economia de custosInteresse público
Modelos relevantes de adoção de TITAM2, UTAUT4DOI1, TOE3Este estudo

Tabela 1: Diferentes níveis de adoção de TI. A tabela contrasta a adoção de TI nos níveis individual, empresarial e público em termos de modelos teóricos representativos, entidades adotantes e usuários.

A literatura existente demonstrou que indivíduos e funcionários têm uma intenção a priori (em nível individual) ou forçada (em nível organizacional) de utilizar um serviço de TI específico2,40, o que implica que a adoção foi predeterminada4,41. No entanto, nem todos os usuários pretendem utilizar tecnologias de informação42, e apenas alguns estudos sobre sistemas de informação identificaram as características e justificativas para a rejeição43,44. Assim, um novo serviço público de TI seria deliberadamente rejeitado até que a inovação seja aceita ou fracasse45.

Compreender a aceitação e a rejeição dos usuários em relação ao serviço de TI de uma instituição pública é o objetivo principal deste estudo, analisado por meio de duas percepções de valor: ganho percebido e perda percebida. O ganho percebido foi adaptado do modelo de difusão da inovação1,46; essas construções têm sido amplamente utilizadas para examinar percepções favoráveis à aceitação de TI47,48 e demonstram alta validade em diversos contextos40. Em contraste, a perda percebida inclui as características que explicam por que as pessoas mantêm seu modo atual de vida apesar das pressões para se adaptarem; baseada na resistência à inovação42,49, essa linha de pesquisa examina por que algumas pessoas atrasam a adoção de uma inovação ou a rejeitam abertamente49,50,51,52,53. Uma abordagem multidimensional capturou essas percepções, em vez de tratar perda e ganho como construtos gerais.

A perda percebida foi operacionalizada por meio de cinco construtos53,54. A perda de tempo (TIL) é o tempo percebido como perdido no aprendizado e uso do serviço, especialmente quando as expectativas não são atendidas53. A perda social (SOL) é o risco de perder o prestígio em um grupo social ao parecer tolo ou desatualizado54. A perda financeira (FIL) abrange possíveis prejuízos monetários decorrentes de custos de compra, taxas ou roubo de informações pessoais54. A perda física (PHL) é a percepção de que o uso pode causar danos, desconforto ou exaustão53,54. A perda de desempenho (PEL) é a diminuição percebida na qualidade ou funcionalidade do serviço em comparação com alternativas existentes, incluindo mau funcionamento e a incapacidade de proporcionar os benefícios desejados53.

Para explicar o ganho percebido (PG), foram utilizados a vantagem relativa, a compatibilidade, a experimentabilidade e a complexidade1,46. A vantagem relativa (REA) é o grau em que se considera que uma inovação é mais vantajosa do que seu antecessor; a compatibilidade (COM), o grau em que ela se ajusta aos valores, necessidades e experiências anteriores de um possível adotante; a experimentabilidade (TRI), a extensão da possível experimentação antes da adoção; e a complexidade (CPX), que está relacionada à facilidade de uso percebida no TAM, refere-se à dificuldade de usar e compreender a inovação. A observabilidade foi excluída porque é muito ambígua para ser medida46 e porque os resultados biométricos no contexto público de TI não são facilmente observáveis por outras pessoas.

A abordagem perda-ganho foi proposta para explicar os valores percebidos que motivam as reações a um novo serviço público de TI. Se o serviço for radical e ameaçar comportamentos habituais, a perda percebida foi hipotetizada como superior ao ganho percebido, causando rejeição; se isso persistir, a rejeição pode tornar-se um aspecto constante da intenção comportamental42,49. Por outro lado, se os benefícios percebidos superarem as perdas antecipadas, o usuário terá poucas razões para rejeitar o serviço. Portanto, foram formuladas as seguintes hipóteses:

H1. A perda percebida terá uma influência positiva na rejeição.
H2. A perda percebida terá uma influência negativa na aceitação.
H3. O ganho percebido terá uma influência negativa na rejeição.
H4. O ganho percebido terá uma influência positiva na aceitação.

Qualquer avanço baseado em TI nos serviços governamentais tem como objetivo promover a sociedade (por exemplo, embarque mais rápido e seguro por meio de biométrica em aeroportos), ainda assim, um serviço público de TI recentemente lançado está repleto de riscos e incertezas, e os usuários podem não aceitar os benefícios como pretendido. De acordo com a teoria da perspectiva55, as pessoas tomam decisões irracionais desse tipo com base na avaliação de alternativas, valores e atitudes diante da incerteza, julgados em relação a um ponto de referência (dependência de referência). A principal percepção dessa teoria é a aversão à perda, a tendência de as perdas pesarem mais do que ganhos equivalentes, juntamente com a sensibilidade decrescente; esse foco em ganhos e perdas em relação ao status quo alinha-se diretamente com a dicotomia aceitação-rejeição examinada aqui. A teoria da perspectiva tem sido utilizada em estudos recentes de SI e TI para explicar decisões irracionais sob risco e incerteza56,57,58,59,60, abrangendo contextos desde trabalho com IA e saúde digital até Wi-Fi público e pagamentos móveis. Embora esses estudos confirmem a relevância da teoria, eles se concentraram principalmente nas intenções de aceitação e negligenciaram a dimensão de rejeição central ao contexto de TI pública.

Os usuários de serviços públicos de TI agem como se decidissem aceitar ou rejeitar o serviço com base nos valores totais exigidos (ou seja, a soma do ganho e da perda percebidos). Nenhum estudo anterior sobre adoção de TI pública investigou esse fenômeno sob essa perspectiva. Assim, os coeficientes de caminho (ou seja, PL para REJ) foram codificados como valores55, e os valores totais exigidos para rejeição e aceitação foram calculados da seguinte forma:

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

em que CLR, CGR, CLA e CGA são os coeficientes de caminho da perda percebida em relação à rejeição, do ganho percebido em relação à rejeição, da perda percebida em relação à aceitação e do ganho percebido em relação à aceitação, respectivamente; esses coeficientes padronizados geram V(R) e V(A) como valores compostos da influência total da perda e do ganho. Como os serviços públicos de TI são projetados para beneficiar os usuários, enquanto os usuários ponderam perdas mais fortemente do que ganhos ao abandonar a situação atual, espera-se que a aceitação, a escolha mais arriscada, exija um valor total maior do que a rejeição. Com base nas hipóteses H1–H4, a H5 testa o balanço líquido desses efeitos:

H5. O valor total necessário para aceitação, V(A), será maior do que para rejeição, V(R). O modelo conceitual resultante de adoção de tecnologia da informação pública (PITA) é apresentado na Figura 2.

Diagrama do processo de tomada de decisão; perda e ganho percebidos levam à rejeição e à aceitação.
Figura 2: Modelo conceitual PITA. O diagrama mostra a perda percebida (PL) e o ganho percebido (PG) como antecedentes da rejeição (REJ) e da aceitação (ACC); os caminhos a, b, c e d correspondem aos coeficientes utilizados para calcular os valores totais V(R) e V(A). Nota: a = CLR, b = CLA, c = CGR e d = CGA Clique aqui para visualizar uma versão maior desta figura.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Todos os procedimentos do estudo estiveram em conformidade com os princípios éticos aplicáveis à pesquisa envolvendo participantes humanos na Universidade aSSIST, na Universidade Sungkyunkwan e na Universidade Dong-A. Como as respostas ao questionário foram anonimizadas no momento da coleta e nenhuma informação pessoal identificável foi obtida, o Comitê de Ética em Pesquisa da Universidade aSSIST classificou o estudo como isento de revisão ética completa. As instituições participantes não obtiveram aprovações separadas do comitê de ética, pois basearam-se na decisão de isenção emitida pelo Comitê de Ética em Pesquisa da Universidade aSSIST, que abrangia tanto o desenho da pesquisa quanto os procedimentos de coleta de dados. Essa decisão foi tomada de acordo com o Artigo 15 da Lei de Bioética e Segurança da República da Coreia e os critérios de isenção especificados no Artigo 13 de sua Regulamentação (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Antes de acessar o questionário no Qualtrics, todos os participantes receberam uma declaração eletrônica de consentimento informado explicando a finalidade acadêmica da pesquisa, o processamento anônimo das respostas, o uso dos dados exclusivamente para fins de pesquisa e a ausência de riscos razoavelmente previsíveis. Apenas os participantes que forneceram consentimento expresso puderam prosseguir com o questionário.

Visão geral dos estudos
Dois estudos empíricos e duas intervenções com especialistas foram realizados para testar as cinco hipóteses e o modelo PITA proposto. Os resultados são apresentados na Figura 3. Levantamentos em duas fases foram conduzidos antes da COVID-19 (4º trimestre de 2019) e durante a COVID-19 (2º e 3º trimestres de 2020) para medir os construtos separadamente em momentos distintos, reduzir a possibilidade de viés metodológico comum (CMB) nos dados e aumentar a generalização do estudo61,62.

Fluxograma de comparação do estudo; pré/pós-COVID, amostras, regiões; cronograma da pesquisa, intervenções.
Figura 3: Visão geral dos estudos. A linha do tempo resume o delineamento em duas fases: Estudo 1 (4º trimestre de 2019, antes da COVID-19, amostra coreana, N = 322), seguido pela primeira intervenção especializada, e Estudo 2 (2º e 3º trimestres de 2020, durante a COVID-19, amostras da Coreia/Reino Unido/EUA, N = 602), seguido pela segunda intervenção especializada. Clique aqui para visualizar uma versão maior desta figura.

Modelo do Estudo 1
O modelo de pesquisa inicial foi criado com base nas hipóteses desenvolvidas para revelar as intenções dos usuários de aceitar ou rejeitar um serviço público de TI recentemente introduzido (ou seja, biometria em aeroportos), conforme mostrado na Figura 4. As opiniões dos usuários sobre serviços públicos de TI foram refletidas em duas construções de segunda ordem, perda percebida (PL) e ganho percebido (PG), cada uma formada por suas respectivas construções de primeira ordem. Essas duas construções de segunda ordem atuam como antecedentes da rejeição (REJ) e da aceitação (ACC), que representam as intenções dos usuários de utilizar serviços públicos de TI.

Diagrama conceitual; modelo de equação estrutural com os construtos PL, PG, REJ, ACC; análise de pesquisa.
Figura 4: Modelo de pesquisa do Estudo 1. Cinco construtos de perda de primeira ordem (PEL, TIL, SOL, PHL e FIL) formam o construto de segunda ordem perda percebida, e quatro construtos de ganho de primeira ordem (REA, COM, TRI e CPX) formam ganho percebido; os dois construtos de segunda ordem são modelados como antecedentes da rejeição e da aceitação (H1–H4). Clique aqui para visualizar uma versão maior desta figura.

Dados de pesquisa do Estudo 1
A primeira amostra de dados, baseada em um total de 322 participantes coreanos (mulheres: 46,6% e homens: 53,4%) que tinham experiência em embarcar em uma aeronave pelo menos uma vez no último ano, foi coletada de 13 a 18 de novembro de 2019 (antes do início da pandemia de COVID-19). Definições e exemplos de serviços públicos de TI (ou seja, aplicações biométricas em aeroportos) foram fornecidos na introdução da pesquisa. Os dados brutos do Estudo 1 estão disponíveis no Arquivo Suplementar 1. A frequência de voos foi medida em cinco categorias mutuamente exclusivas (FF1–FF5), correspondentes a um, dois, três, quatro e cinco ou mais voos no último ano (Estudo 1: 138, 91, 34, 21 e 38 participantes; Estudo 2: 174, 153, 109, 82 e 84 participantes, respectivamente).

Os construtos preditores foram avaliados utilizando uma escala Likert de sete pontos que variava de “discordo totalmente (1)” a “concordo totalmente (7)” (consulte Arquivo Suplementar 21,46,53,54,63,64 para o questionário do estudo). Após um teste piloto com 20 participantes, as revisões limitaram-se a aprimoramentos no nível da redação dos itens das perguntas, com o objetivo de melhorar sua estabilidade, aplicabilidade e facilidade de interpretação; nenhum construto ou item foi adicionado ou removido após o teste piloto. O documento complementar contém o questionário completo, bem como estatísticas relevantes e contexto teórico. Foram realizadas análises de análise fatorial confirmatória (AFC) e modelagem de equações estruturais baseada em covariância (CB-SEM).

Intervenção dos especialistas para o Estudo 1
Cinco especialistas com pelo menos dez anos de experiência foram convidados para garantir a objetividade e melhorar a qualidade deste trabalho, incluindo dois de organizações internacionais (Airports Council International e International Air Transport Association), dois de organizações governamentais (Aeroporto Internacional de Cingapura Changi e Korea Airports Corporation) e um de uma empresa privada que oferece serviços em ambiente público (Korean Air). Essa intervenção por especialistas foi essencial para fornecer feedback que aprimorasse o modelo e o conhecimento sobre o domínio do ambiente-alvo. Foram realizadas avaliações qualitativas (ou seja, feedback subjetivo) e quantitativas (escala Likert de sete pontos). Adotou-se uma versão revisada dos itens do questionário sobre características do relatório de decisão (consulte Arquivo Suplementar 3)65 para a avaliação quantitativa, validada mediante o coeficiente de correlação intraclasse66. Em cada rodada de intervenção, cada especialista preencheu individualmente o questionário quantitativo e, em seguida, forneceu feedback qualitativo aberto; o mesmo grupo, instrumentos e procedimento foram utilizados em ambas as intervenções para permitir a replicação.

Estudo 2
Para abordar os problemas identificados no Estudo 1 e melhorar a generalização do modelo, o Estudo 2 aplicou o mesmo modelo utilizado no Estudo 1. O Estudo 2 incluiu 602 participantes (mulheres: 42,3%, homens: 57,7%, Coreia: 200, Reino Unido: 201 e Estados Unidos: 201). Os dados foram coletados entre 23 de julho e 19 de agosto de 2020 (durante a pandemia de COVID-19). Os dados brutos do Estudo 2 estão disponíveis no Arquivo Suplementar 4. Com 33 indicadores observados, este tamanho amostral fornece aproximadamente 18 observações por indicador, superando o critério comumente recomendado de 10 observações por indicador para CB-SEM, além de ultrapassar o limite mínimo amplamente utilizado de 200 observações. A Coreia, o Reino Unido e os Estados Unidos foram escolhidos porque representaram 29,1% de todos os viajantes aéreos no mundo (cerca de 1,6 bilhão de 5,5 bilhões) entre julho de 2019 e junho de 2020. A pandemia de COVID-19 afetou esses países em momentos diferentes, começando na Coreia e posteriormente atingindo os Estados Unidos e o Reino Unido. Além disso, os três países ofereciam uma combinação de tradições culturais orientais e ocidentais. Consequentemente, o conjunto de dados combinado desses países foi utilizado para examinar o quadro de percepção-intenção dos usuários em relação ao novo serviço público de TI (ou seja, biometria em aeroportos).

Intervenção dos especialistas para o Estudo 2
Os mesmos especialistas foram convidados, as mesmas avaliações quantitativas e qualitativas foram realizadas e seus comentários foram solicitados para validar os resultados no Estudo 2.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Estudo 1
Para avaliar possíveis viéses de método comum (CMB) associados a dados autorrelatados, foi realizada inicialmente uma análise de fator único67. De acordo com os resultados do teste, um único fator explicou 36,56% da variância; um único fator que explica menos de 50% da variância indica que o CMB não é uma preocupação62,67,68. Em seguida, foi avaliada a validade e a confiabili...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Esta investigação com dois estudos testou o modelo PITA de adoção pública de TI; em ambos os estudos, as cinco hipóteses foram confirmadas, e a lacuna entre V(A) e V(R) aumentou no contexto mais arriscado da COVID-19, em conformidade com a previsão da teoria da perspectiva de que escolhas mais arriscadas exigem um valor percebido maior. Identificou-se uma lacuna nas bases teóricas da literatura sobre adoção de TI, incluindo o TAM2 e o DOI1, que não conseguiram explicar adeq...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não haver conflitos de interesse. Durante a elaboração deste manuscrito revisado, uma ferramenta de inteligência artificial generativa (ChatGPT 5o) foi utilizada para auxiliar na edição linguística e na formatação. Os autores analisaram e verificaram todo o conteúdo e assumem total responsabilidade pelo manuscrito; nenhuma ferramenta de IA foi usada para gerar dados, realizar análises ou criar figuras.

Agradecimentos

Este trabalho foi apoiado por financiamento de pesquisa da aSSIST University.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
IBM SPSS Amos (software de modelagem de equações estruturais baseada em covariância)IBM Corp. (Armonk, NY, USA)versão 27; https://www.ibm.com/products/structural-equation-modeling-sem/Utilizado para todas as análises de modelagem de equações estruturais baseadas em covariância (CB-SEM), incluindo avaliação do modelo de mensuração (ACF: confiabilidade composta, VME e validade discriminante) e análise de caminhos do modelo estrutural. 
Prolific (Plataforma Online de Recrutamento de Participantes)Prolific Academic Ltdhttps://www.prolific.com/Plataforma online utilizada para recrutar participantes para pesquisas. Os participantes foram selecionados com base em critérios de elegibilidade (por exemplo, experiência em aeroportos) e remunerados de acordo com as diretrizes de pagamento justo da Prolific. 
Qualtrics (Plataforma Online de Pesquisa)Qualtrics, LLCRRID:SCR_016728Plataforma de pesquisa baseada na web utilizada para o design do questionário, sua distribuição e coleta de dados de resposta. Todos os itens de mensuração foram aplicados por meio do Qualtrics utilizando uma escala Likert de 7 pontos (1 = discordo totalmente, 7 = concordo totalmente). https://www.qualtrics.com/

Referências

  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.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Explorar mais artigos

Teoria da PerspectivaEstrutura de Percepção-IntençãoServiços de Governo EletrônicoAplicações de Saúde PúblicaSistemas BiométricosAceitação do UsuárioValor PercebidoPesquisa TransnacionalPesquisa de Intervenção
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.