Исследовательская статья

Предложение по внедрению информационных технологий в государственном секторе с теоретическим обоснованием и эмпирическими данными

35 просмотров

⸱

DOI:

10.3791/73614

⸱

15 сентября 2026 г.

 ,  , 
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

В этой статье

Краткое содержание

В данном исследовании предлагается модель внедрения государственных ИТ-технологий — основанная на теории перспектив концептуальная схема «восприятие-намерение», объясняющая, как воспринимаемые выгоды и потери определяют принятие или отклонение пользователями государственных ИТ-сервисов, таких как биометрические системы в аэропортах. Модель была подтверждена двумя опросами, включая один многонациональный, а также экспертными вмешательствами, что доказывает применимость теории перспектив в разных странах и контекстах.

Аннотация

В данном исследовании предлагается теоретическая модель внедрения государственных ИТ-технологий (PITA). Государственные информационно-технологические (ИТ) услуги представляют собой ИТ-сервисы, которые государственные учреждения предлагают всем гражданам, такие как порталы электронного правительства, приложения в сфере здравоохранения и биометрические системы в аэропортах. Из-за уникальной природы государственных ИТ-технологий ранее разработанные модели, ориентированные преимущественно на индивидуальный и корпоративный уровни, были признаны недостаточными для определения критической массы внедрения государственных ИТ. Чтобы восполнить этот пробел, была предложена концепция «восприятие-намерение» на основе теории перспектив для изучения воспринимаемых пользователями потерь и выгод при внедрении нового государственного ИТ-сервиса; предполагалось, что эти восприятия являются определяющими факторами либо отказа, либо принятия нового государственного ИТ-сервиса. Были проведены два исследования, одно из которых включало опросные выборки из трех стран (Южной Кореи, Великобритании и США). Также с помощью интервенционного исследовательского подхода были приглашены пять отраслевых экспертов для качественного уточнения и валидации модели, чтобы ее можно было использовать в практическом сценарии. Результаты показали, что общая ценность принятия, то есть совокупная воспринимаемая ценность, необходимая для того, чтобы пользователи приняли услугу (вычисленная как сумма соответствующих коэффициентов путей), была последовательно выше, чем ценность отказа. Аналогичный результат был получен для воспринимаемой выгоды, которая оказалась более сильным предиктором как принятия, так и отказа, чем воспринимаемая потеря. Несмотря на то, что выводы основаны на перекрестных данных самоотчетов, они обеспечивают серьезную поддержку теории перспектив и способствуют дальнейшему пониманию фундаментальной роли этой теории во внедрении государственных ИТ. Таким образом, расширяя теорию перспектив на контекст ИТ в государственном секторе, модель PITA предлагает исследователям валидированную теоретическую основу, а практикам — практический инструмент для диагностики внедрения государственных ИТ-услуг.

Введение

За последние несколько десятилетий информационные технологии (ИТ) превратились в доминирующий и повсеместный инструмент внедрения инноваций и существенно изменили повседневную жизнь. С момента внедрения моделей принятия ИТ, основанных на психологических подходах1,2,3,4, взаимоотношения между пользователями и ИТ были тщательно изучены как на индивидуальном уровне, так и на уровне организаций5.

В то же время многие государственные организации с трудом достигают операционной эффективности в условиях огромного социального спроса, например, при заторах в аэропортах, что отрицательно сказывается на эффективности и качестве государственных услуг. Расширение физической инфраструктуры может дать немедленный результат, но требует значительных временных и финансовых затрат6. В противовес этому, инновационные поставщики государственных услуг подошли к решению данной проблемы через внедрение ИТ-инноваций7, интегрируя новые технологии в существующую инфраструктуру для обеспечения качества обслуживания и операционной эффективности8,9,10,11. Сейчас государственные организации внедряют новые ИТ-решения (например, облачные сервисы, кибербезопасность и биометрию) для модернизации основных активов, что создает дополнительные трудности при их освоении12. Эта проблема может быть следствием недостаточного понимания реальных пользователей: предыдущие исследования были сосредоточены преимущественно на факторах, способствующих принятию технологий, в то время как причины их отклонения игнорировались. Без активного участия пользователей внедрение ИТ в государственных учреждениях может не привести к практическому освоению.

Однако внедрение ИТ в государственном секторе сопряжено с уникальными трудностями, отличными от условий частного сектора. Хотя «принятие» и «отторжение» кажутся противоположными, представляя собой два различных статус-кво13, стимулирование одного может препятствовать другому, поэтому следует учитывать обе стороны этого противодействующего эффекта. В более ранних исследованиях инноваций в сфере государственных ИТ-услуг основной акцент обычно делался на положительных результатах10,11,14,15,16. В связи с этим в данной работе «принятие» и «отторжение» рассматривались совместно, объединяя основанные на психологии модели информационных систем (а именно, диффузию инноваций и сопротивление инновациям) с поведенческой экономикой (в частности, теорией перспектив).

Для исследования был выбран случай использования биометрии в аэропортах, при которой биометрическая идентификация заменяет процедуры проверки документов, поскольку эта государственная ИТ-услуга предлагается всем гражданам, включает конфиденциальную личную информацию и ставит пользователей перед четким выбором: принять или отклонить её. Исследование основывалось на двух исследовательских вопросах. ВВ1: Как воспринимаемые выгоды и потери влияют на принятие или отклонение пользователями государственной ИТ-услуги? ВВ2: Является ли общая ценность, необходимая для принятия, большей, чем ценность, ведущая к отклонению, как предсказывает теория перспектив? Соответственно, была предложена новая теоретическая база, которая была валидирована отраслевыми экспертами с помощью стратегии IBR (исследование на основе интервенции)17 (Рисунок 1). Таким образом, данное исследование объединяет теорию перспектив с моделями внедрения информационных систем (IS) и предлагает практические рекомендации для руководителей государственных ИТ-служб.

Блок-схема процесса исследования: теория, модель, данные, анализ, значимость, последствия, экспертная оценка.
Рисунок 1: Процесс разработки и формулирования теоретической модели. На диаграмме показан общий ход исследования: от формулирования теоретической модели на основе предшествующих моделей принятия и теории перспектив, через Исследование 1 и Исследование 2, каждое из которых сопровождалось экспертным вмешательством, до завершения разработки модели PITA. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Вопросы внедрения ИТ были подробно изучены: модель принятия технологий (TAM)2 и единая теория принятия и использования технологий (UTAUT)4 на индивидуальном уровне, а также теория диффузии инноваций (DOI)1 и концепция «технология-организация-среда» (TOE)3 на уровне фирмы легли в основу последующих исследований дополненной реальности и изучения языков18,19, чат-ботов и цифровых платежей20,21, мобильных сервисов22,23 и удаленной работы24. Однако эти модели имеют существенные ограничения применительно к государственным ИТ: TAM предполагает добровольное использование, DOI не учитывает сопротивление пользователей, а UTAUT разрабатывалась преимущественно для организационных структур, поэтому их применимость к квазиобязательным государственным ИТ-услугам остается под вопросом. Существуют также исследования внедрения государственных ИТ на основе этих моделей; например, расширение UTAUT для анализа онлайн-системы рассмотрения жалоб граждан25 и применение TOE к информационным системам управления человеческими ресурсами в государственном секторе14; во многих других работах использовались аналогичные подходы26,27,28,29,30,31,32,33,34,35.

Однако внедрение ИТ на общественном уровне существенно отличается от внедрения на индивидуальном или корпоративном уровнях (см. Таблицу 1): субъекты внедрения и конечные пользователи не совпадают, а намерения пользователей неочевидны из-за психологической инерции и сложившегося статуса текущих услуг. Подрывной характер ИТ может препятствовать реструктуризации существующих систем36; внедрение также требует изменения взглядов и поведения пользователей, что предполагает четкое понимание их перспектив. Учитывая эти особенности, предыдущие модели, ориентированные на индивидуальный и корпоративный уровни, могут оказаться недостаточными для определения критической массы для общественного внедрения ИТ. Поскольку инновации в сфере услуг на базе ИТ имеют решающее значение для снижения затрат и повышения качества обслуживания37,38 и в конечном итоге способствуют развитию общества39, разработка специализированной теоретической базы для общественного внедрения ИТ является крайне важной.

Индивидуальный уровеньУровень фирмыОбщественный уровень
Субъект внедренияЧастные лицаФирмы (частные)Фирмы (государственные)
ПользовательЧастные лицаСотрудники фирмыЧастные лица
Намерение пользователяОпределенноеОпределенное (принудительное)Неопределенное
Психологическая инерцияНезначительнаяНезначительная (принудительная)Выраженная
Восприятие ценностиНезаменимоНезаменимо (принудительно)Незаменимо
Основная цель внедренияЛичнаяЭффективность, снижение затратОбщественные интересы
Релевантные модели внедрения ИТTAM2, UTAUT4DOI1, TOE3Данное исследование

Таблица 1: Различные уровни внедрения ИТ. В таблице приведено сравнение внедрения ИТ на индивидуальном, корпоративном и государственном уровнях с точки зрения репрезентативных теоретических моделей, субъектов внедрения и пользователей.

В существующей литературе показано, что отдельные лица и сотрудники имеют априорное (индивидуальное) или вынужденное (на уровне фирмы) намерение использовать конкретный ИТ-сервис2,40, что подразумевает предопределенность принятия технологии4,41. Однако не все пользователи намерены использовать ИТ42, и лишь в немногих исследованиях в области информационных систем (ИС) были определены черты и обоснования отказа от использования43,44. Соответственно, новый государственный ИТ-сервис может намеренно отвергаться до тех пор, пока инновация не будет либо принята, либо признана неудачной45.

Основной целью данного исследования является изучение принятия или отклонения пользователями ИТ-сервиса государственного учреждения через призму двух аспектов восприятия ценности: воспринимаемой выгоды и воспринимаемой потери. Концепция воспринимаемой выгоды была адаптирована из модели диффузии инноваций1,46; данные конструкты широко использовались для изучения факторов, способствующих принятию ИТ47,48, и демонстрируют высокую валидность в различных контекстах40. Напротив, воспринимаемая потеря включает в себя характеристики, объясняющие, почему люди сохраняют привычный образ жизни, несмотря на необходимость адаптации; данное направление исследований, основанное на теории сопротивления инновациям42,49, изучает причины, по которым некоторые люди откладывают внедрение инновации или полностью ее отвергают49,50,51,52,53. Для фиксации этих представлений был применен многомерный подход, при котором потеря и выгода рассматривались не как общие конструкты, а как совокупность отдельных характеристик.

Воспринимаемые потери были операционализированы через пять конструктов53,54. Потеря времени (TIL) — это воспринимаемое время, затраченное на изучение и использование сервиса, а также случаи, когда ожидания не оправдываются53. Социальные потери (SOL) представляют собой риск потери своего положения в социальной группе из-за того, что человек может показаться глупым или некомпетентным54. Финансовые потери (FIL) охватывают потенциальные денежные потери от стоимости покупки, комиссий или кражи личной информации54. Физические потери (PHL) — это восприятие того, что использование может вызвать вред, дискомфорт или истощение53,54. Потеря производительности (PEL) — это воспринимаемое снижение качества или функциональности сервиса по сравнению с существующими альтернативами, включая неисправности и невозможность получения желаемых преимуществ53.

Для объяснения воспринимаемой полезности (PG) использовались такие показатели, как относительное преимущество, совместимость, возможность апробации и сложность1,46. Относительное преимущество (REA) представляет собой степень, в которой инновация считается более выгодной, чем ее предшественник; совместимость (COM) — степень ее соответствия ценностям, потребностям и предыдущему опыту потенциального пользователя; возможность апробации (TRI) — степень возможного экспериментирования перед внедрением; а сложность (CPX), которая связана с воспринимаемой легкостью использования в модели TAM, относится к тому, насколько трудно использовать инновацию и понимать ее. Наблюдаемость была исключена, так как она слишком неоднозначна для измерения46, а биометрические результаты в контексте государственных ИТ-систем не являются легко наблюдаемыми для окружающих.

Концепция потерь и приобретений (loss-gain framework) была предложена для объяснения субъективно воспринимаемых ценностей, которые мотивируют реакцию на новую общественную ИТ-услугу. Была выдвинута гипотеза о том, что если услуга является радикальной и угрожает привычному поведению, то воспринимаемые потери перевесят воспринимаемую выгоду, что приведет к отказу; если эта тенденция сохранится, отказ может стать постоянным аспектом поведенческого намерения42,49. Напротив, если воспринимаемые преимущества перевешивают ожидаемые потери, у пользователя мало причин отклонять услугу. В связи с этим были выдвинуты следующие гипотезы:

H1. Воспринимаемая потеря будет оказывать положительное влияние на отклонение.
H2. Воспринимаемая потеря будет оказывать отрицательное влияние на принятие.
H3. Воспринимаемая выгода будет оказывать отрицательное влияние на отклонение.
H4. Воспринимаемая выгода будет оказывать положительное влияние на принятие.

Любое развитие государственных услуг на базе ИТ направлено на прогресс общества (например, более быстрая и безопасная посадка благодаря биометрическим системам в аэропортах), однако недавно запущенная государственная ИТ-служба может быть сопряжена с рисками и неопределенностью, из-за чего пользователи могут не принять предлагаемые преимущества в полной мере. Согласно теории перспектив55, люди принимают такие иррациональные решения на основе оценки альтернатив, ценностей и отношения к неопределенности относительно определенной точки отсчета (зависимость от точки отсчета). Ключевым выводом теории является неприятие потерь — тенденция к тому, что потери воспринимаются более значимыми, чем эквивалентная им прибыль, в сочетании с убывающей чувствительностью; такая сосредоточенность на выгодах и потерях относительно статус-кво напрямую согласуется с дихотомией «принятие — отклонение», рассматриваемой в данной работе. Теория перспектив использовалась в последних исследованиях в области ИС и ИТ для объяснения иррациональных решений в условиях риска и неопределенности56,57,58,59,60, охватывая контексты от работы с использованием ИИ и цифрового здравоохранения до общественных сетей Wi-Fi и мобильных платежей. Хотя эти исследования подтверждают актуальность теории, они были сосредоточены в основном на намерениях принять технологию и игнорировали аспекты отклонения, которые имеют центральное значение в контексте государственных ИТ-служб.

Пользователи государственных ИТ-сервисов действуют так, будто решение о принятии или отклонении сервиса основывается на совокупных значениях (т. е. сумме воспринимаемой выгоды и потерь). Ни в одном из предыдущих исследований внедрения государственных ИТ-сервисов данный феномен не изучался с этой точки зрения. Соответственно, коэффициенты путей (например, от PL к REJ) были закодированы как значения55, а совокупные значения, необходимые для отклонения и принятия, рассчитывались следующим образом:

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

где CLR, CGR, CLA и CGA представляют собой коэффициенты путей от воспринимаемой потери к отклонению, от воспринимаемой выгоды к отклонению, от воспринимаемой потери к принятию и от воспринимаемой выгоды к принятию соответственно; эти стандартизированные коэффициенты позволяют получить V(R) и V(A) как композитные значения общего влияния потерь и выгоды. Поскольку государственные ИТ-услуги предназначены для принесения пользы пользователям, в то время как пользователи оценивают потери выше, чем выгоды при отклонении от статус-кво, ожидалось, что для принятия — более рискованного выбора — потребуется большее общее значение, чем для отклонения. Основываясь на H1–H4, H5 проверяет чистый баланс этих эффектов:

H5. Суммарное значение, необходимое для принятия, V(A), будет больше, чем значение для отклонения, V(R). Полученная концептуальная модель PITA (public information technology adoption — внедрение информационных технологий в государственном секторе) представлена на Рисунке 2.

Диаграмма процесса принятия решений; потоки воспринимаемых потерь и выгод ведут к отклонению и принятию.
Рисунок 2: Концептуальная модель PITA. На диаграмме показаны воспринимаемые потери (PL) и воспринимаемая выгода (PG) как антецеденты отклонения (REJ) и принятия (ACC); пути a, b, c и d соответствуют коэффициентам, используемым для расчета общих значений V(R) и V(A). Примечание: a = CLR, b = CLA, c = CGR и d = CGA Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Протокол

Все процедуры исследования соответствовали этическим принципам, применимым к исследованиям с участием людей в Университете aSSIST, Университете Сонгюнгван и Университете Дон-А. Поскольку ответы на опрос были анонимизированы в момент сбора и никакая личностно идентифицируемая информация не собиралась, Институциональный наблюдательный совет (IRB) Университета aSSIST классифицировал данное исследование как освобожденное от полного этического обзора. Участвующие институты не получали отдельных одобрений IRB, так как они опирались на решение об освобождении, вынесенное Институциональным наблюдательным советом Университета aSSIST, которое охватывало как дизайн исследования, так и процедуры сбора данных. Данное решение было принято в соответствии со статьей 15 Закона о биоэтике и безопасности Республики Корея и критериями освобождения, указанными в статье 13 Правил применения данного закона (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Перед переходом к анкете Qualtrics всем участникам было предъявлено электронное заявление об информированном согласии, в котором разъяснялись академические цели исследования, анонимная обработка ответов, использование данных исключительно в исследовательских целях и отсутствие разумно предсказуемых рисков. К участию в опросе допускались только те лица, которые явно выразили свое согласие.

Обзор исследований
Для проверки пяти гипотез и предлагаемой модели PITA были проведены два эмпирических исследования и два экспертных вмешательства. Результаты представлены на рисунке 3. Двухволновые опросы проводились до пандемии COVID-19 (4-й квартал 2019 г.) и во время пандемии COVID-19 (2-3 кварталы 2020 г.), чтобы измерить конструкты отдельно в разные промежутки времени, снизить вероятность систематической ошибки общего метода (CMB) в данных и повысить обобщаемость исследования61,62.

Схема сравнения исследований; до и после COVID, образцы, регионы; график исследования, вмешательства.
Рисунок 3: Обзор исследований. На временной шкале обобщен двухволновый дизайн: Исследование 1 (4-й квартал 2019 г., до COVID-19, корейская выборка, N = 322), за которым следовало первое экспертное вмешательство, и Исследование 2 (2-й–3-й кварталы 2020 г., во время COVID-19, выборки из Кореи/Великобритании/США, N = 602), за которым следовало второе экспертное вмешательство. Пожалуйста, нажмите здесь, чтобы просмотреть этот рисунок в большем размере.

Модель исследования 1
Первоначальная исследовательская модель была создана на основе разработанных гипотез для выявления намерений пользователей принять или отклонить недавно внедренную государственную ИТ-услугу (например, биометрию в аэропортах), как показано на Рисунке 4. Мнения пользователей о государственных ИТ-услугах были отражены в двух конструктах второго порядка: воспринимаемой потерей (PL) и воспринимаемой выгодой (PG), каждый из которых сформирован соответствующими конструктами первого порядка. Эти два конструкта второго порядка служат антецедентами отклонения (REJ) и принятия (ACC), которые представляют собой намерения пользователей использовать государственные ИТ-услуги.

Концептуальная диаграмма; модель структурных уравнений с конструктами PL, PG, REJ, ACC; исследовательский анализ.
Рисунок 4: Исследовательская модель Исследования 1. Пять конструктов потерь первого порядка (PEL, TIL, SOL, PHL и FIL) формируют конструктор второго порядка «воспринимаемая потеря», а четыре конструкта выгоды первого порядка (REA, COM, TRI и CPX) формируют «воспринимаемую выгоду»; эти два конструкта второго порядка смоделированы как предшественники отклонения и принятия (H1–H4). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Данные исследования 1
Первая выборка данных, основанная на результатах опроса 322 участников из Кореи (женщины: 46,6%, мужчины: 53,4%), которые совершали перелет хотя бы один раз за последний год, была собрана с 13 по 18 ноября 2019 года (до начала пандемии COVID-19). В начале опроса были представлены определения и примеры государственных ИТ-сервисов (например, биометрических приложений в аэропортах). Исходные данные для исследования 1 представлены в Дополнительном файле 1. Частота полетов измерялась по пяти взаимоисключающим категориям (FF1–FF5), соответствующим одному, двум, трем, четырем и пяти или более полетам за последний год (Исследование 1: 138, 91, 34, 21 и 38 участников; Исследование 2: 174, 153, 109, 82 и 84 участника соответственно).

Оценка конструктов-предикторов проводилась с использованием семибалльной шкалы Лайкерта, где значения варьировались от «полностью не согласен (1)» до «полностью согласен (7)» (см. Дополнительный файл 21,46,53,54,63,64 для ознакомления с анкетой исследования). После проведения пилотного тестирования с участием 20 человек правки ограничились уточнением формулировок пунктов вопросов для повышения их стабильности, применимости и простоты интерпретации; после пилотного этапа никакие конструкты или пункты не добавлялись и не удалялись. В сопроводительном документе представлена полная анкета, а также соответствующие статистические данные и теоретический контекст. Были проведены подтверждающий факторный анализ (CFA) и моделирование структурными уравнениями на основе ковариации (CB-SEM).

Экспертное вмешательство для Исследования 1
Для обеспечения объективности и повышения качества данной работы были приглашены пять экспертов с опытом работы не менее десяти лет, включая двух представителей международных организаций (Airports Council International и International Air Transport Association), двух представителей государственных организаций (Singapore Changi Airport и Korea Airports Corporation) и одного представителя частной компании, оказывающей услуги в государственном секторе (Korean Air). Данное экспертное вмешательство было необходимо для получения обратной связи с целью совершенствования модели и углубления предметных знаний о целевой среде. Были проведены как качественные (т. е. субъективные отзывы), так и количественные оценки (по семибалльной шкале Лайкерта). Для количественной оценки была принята пересмотренная версия пунктов опросника характеристик отчета о принятии решений (см. Дополнительный файл 3)65, которая была валидирована с помощью коэффициента внутриклассовой корреляции66. В каждом раунде вмешательства каждый эксперт индивидуально заполнял количественный опросник, после чего предоставлял качественные отзывы в свободной форме; в обоих этапах вмешательства использовались одна и та же группа экспертов, инструменты и процедуры для обеспечения воспроизводимости.

Исследование 2
Для решения проблем, выявленных в Исследовании 1, и повышения обобщающей способности модели в Исследовании 2 была применена та же модель, что и в Исследовании 1. В Исследовании 2 приняли участие 602 человека (женщины: 42,3%, мужчины: 57,7%, Корея: 200, Великобритания: 201 и США: 201). Данные были собраны в период с 23 июля по 19 августа 2020 года (во время пандемии COVID-19). Исходные данные для Исследования 2 представлены в Дополнительном файле 4. При наличии 33 наблюдаемых индикатора такой размер выборки обеспечивает примерно 18 наблюдений на один индикатор, что превышает общепринятый рекомендуемый критерий в 10 наблюдений на индикатор для CB-SEM, а также превышает широко используемый минимальный порог в 200 наблюдений. Корея, Великобритания и США были выбраны потому, что на них приходилось 29,1% всех авиаперевозчиков в мире (примерно 1,6 млрд из 5,5 млрд) с июля 2019 года по июнь 2020 года. Пандемия COVID-19 затронула эти страны в разное время, начавшись в Корее и позже распространившись на США и Великобританию. Кроме того, эти три страны представляли собой сочетание восточных и западных культурных традиций. Следовательно, объединенный набор данных по этим странам был использован для изучения структуры «восприятие — намерение» пользователей в отношении новой государственной ИТ-услуги (т. е. биометрии в аэропортах).

Экспертная оценка для Исследования 2
Были приглашены те же эксперты, проведены аналогичные количественные и качественные оценки, а также запрошены их отзывы для подтверждения результатов Исследования 2.

Результаты

Исследование 1
Для оценки потенциальной общей методической дисперсии (CMB), связанной с данными, полученными на основе самоотчётности, сначала был проведён однофакторный анализ67. Согласно результатам теста, один фактор объяснил 36,56 % дисперсии; наличие единственного фактора, объясняющего менее 50 % дисперсии, указывает на то, что CMB не представляет проблемы62,67,68. Затем была оценена валидность конструкта и надёжность. Результаты, представленные в таблице 2, показали, что средняя доля извлечённой дисперсии (AVE, от 0,585 до 0,836) и составная надёжность (CR, от 0,872 до 0,939) соответствуют необходимым минимальным требованиям69,70. Кроме того, квадратный корень из AVE для каждого конструкта, указанный на диагонали, превышал его корреляции с другими конструктами, что подтверждает дискриминантную валидность69.

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

Таблица 2: Надёжность и валидность конструктов (исследование 1). В таблице приведены составная надёжность (CR), средняя доля дисперсии (AVE) и корреляции между конструктами для модели измерения в исследовании 1.

Далее гипотезы были проверены с помощью структурного моделирования (SEM) на взаимосвязях между воспринимаемой выгодой, воспринимаемыми потерями, принятием и отторжением. Как показано на Рисунке 5, модель продемонстрировала приемлемые показатели соответствия (CMIN/DF = 2,25, CFI = 0,936, SRMR = 0,075, RMSEA = 0,062), все из которых соответствуют рекомендованным пороговым значениям (CMIN/DF < 3, CFI > 0,90, SRMR < 0,08, RMSEA < 0,08), и результаты в значительной степени подтверждают сформулированные гипотезы. Пять конструктов-факторов (PER, TIR, SOR, PHR и FIR), влияющих на воспринимаемые потери, и четыре конструкта-фактора (REA, COM, TRI и CPX), влияющих на воспринимаемую выгоду (PG), оказали существенное воздействие. Проверка гипотез 1 и 2 показала, что воспринимаемые потери оказывают умеренное положительное влияние на отторжение (β = 0,357, p < 0,001) и значимое отрицательное влияние на принятие (β = -0,148, p < 0,001). Таким образом, обе гипотезы H1 и H2 подтверждаются. С другой стороны, проверка гипотез 3 и 4 показала, что воспринимаемая выгода оказывает противоположное воздействие по сравнению с воспринимаемыми потерями: сильное положительное влияние на принятие (β = 0,721, p < 0,001) и отрицательное влияние на отторжение (β = -0,507, p < 0,001) соответственно. Следовательно, гипотезы H3 и H4 также подтверждаются. Обобщённые результаты проверки исследовательской модели в рамках Исследования 1 с использованием SEM представлены в Таблице 3. Структурная модель объясняет 62,4 % дисперсии показателя принятия и 52,5 % дисперсии показателя отторжения (R2 = 0,624 и 0,525 соответственно).

Диаграмма модели структурных уравнений, показывающая конструкты PL, REJ, ACC, PG с коэффициентами корреляции.
Рисунок 5: Результаты проверки гипотез в исследовании 1. На диаграмме представлены стандартизированные коэффициенты путей и их уровни значимости для структурной модели, оценённой по выборке исследования 1 (N = 322); все предполагаемые пути оказались значимыми в ожидаемых направлениях. PEL = утрата производительности; TIL = утрата времени; SOL = социальная утрата; PHL = физическая утрата; FIL = финансовая утрата; REA = относительное преимущество; COM = совместимость; TRI = возможность испытания; CPX = сложность; PL = воспринимаемая утрата; PG = воспринимаемый выигрыш; REJ = отторжение; ACC = принятие Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ГипотезаПутьβt-значениеp-значениеРезультат
H1a: PL → REJ0.3576.592***Подтверждена
H2b: PL → ACC-0.148-3.059***Подтверждена
H3c: PG → REJ-0.507-7.29***Подтверждена
H4d: PG → ACC0.7218.966***Подтверждена

Таблица 3: Общие результаты Исследования 1. В таблице представлены стандартизованные путьевые коэффициенты, уровни значимости и результаты проверки гипотез для Исследования 1. ***p < 0,001

Кроме того, были рассчитаны суммарные значения для REJ и ACC, чтобы проверить гипотезу H5 и подтвердить, согласуется ли модель с теорией перспектив55. В уравнениях (1) и (2) коэффициент a соответствует пути от воспринимаемых потерь к отказу (CLR = 0,357), c — пути от воспринимаемого выигрыша к отказу (CGR = -0,507), b — пути от воспринимаемых потерь к принятию (CLA = -0,148), а d — пути от воспринимаемого выигрыша к принятию (CGA = 0,721). Результаты показали, что V(R) = a + c = -0,150 и V(A) = b + d = 0,573; таким образом, V(R) < V(A), и гипотеза H5 подтверждена.

Результаты экспертного вмешательства для исследования 1
Полученные данные показали, что эксперты не полностью согласились с утверждениями; средние значения варьировались от 3,40 до 4,40 для конструктов, измеряющих систематическую направленность, качество и достаточность формулировки проблемы. Общий конструкт негативного аффекта также показал диапазон от 3,20 до 3,60 (ICC = 0,609, p = 0,008). Субъективная оценка экспертов выявила ещё две области для улучшения: набор данных не был репрезентативным по отношению к ситуационному фактору (он был собран до пандемии COVID-19), а выборка, включающая только корейцев, не будет достаточной для обобщения. Эти результаты легли в основу исследования 2, которое было проведено после вмешательства экспертов с целью устранения указанных проблем.

Исследование 2
В исследовании 2 была применена процедура, аналогичная исследованию 1. Сначала был проведён однофакторный анализ для оценки наличия общей методологической погрешности (CMB) в наборе данных67. Результаты теста показали, что влияние CMB в выборке данных незначительно, поскольку один общий фактор объяснил 38,97% дисперсии, что ниже порогового значения в 50%62,67,68. Помимо CMB, результаты, представленные в таблице 4, свидетельствуют о том, что надёжность и валидность модели также в достаточной степени соответствуют требованиям69,70. Кроме того, все отношения гетеротрейт-монотрейт (HTMT) находились ниже порогового значения 0,85, что дополнительно подтверждает дискриминантную валидность.

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

Таблица 4: Надёжность и валидность конструктов (исследование 2). В таблице приведены составная надёжность (CR), средняя доля объяснённой дисперсии (AVE) и корреляции между конструктами для модели измерения в исследовании 2.

Результаты теста СЭМ для исследования 2 со всеми тремя странами составили CMIN/DF = 3,835, CFI = 0,945, RMSEA = 0,058. Значения CFI и RMSEA соответствовали рекомендованным пороговым уровням, и хотя значение CMIN/DF, равное 3,835, не достигло более строгого критерия <3,0, оно всё же указывало на приемлемое соответствие модели по менее строгому критерию <5,0. Следовательно, результаты теста оказались в высокой степени согласованы с разработанными аргументами и с результатами исследования 1, как показано на Рисунке 6 и в Таблице 5. Аналогично результатам исследования 1, связи между PL и REJ (β = 0,345, p < 0,001) и между PG и ACC (β = 0,767, p < 0,001) оказались значимо положительными, тогда как связи между PL и ACC (β = -0,202, p < 0,001) и между PG и REJ (β = -0,644, p < 0,001) были значимо отрицательными. Таким образом, гипотезы H1, H2, H3 и H4 все получили подтверждение. Структурная модель объяснила 76,0 % дисперсии в показателе принятия и 72,1 % — в показателе отклонения (R2 = 0,760 и 0,721 соответственно).

Диаграмма анализа путей с конструктами: ПП к ПВ через ОТК и ПРИ, показывающая статистические взаимосвязи.
Рисунок 6: Результаты проверки гипотез в исследовании 2. На диаграмме представлены стандартизированные коэффициенты путей и их уровни значимости для структурной модели, оценённой по объединённой выборке трёх стран исследования 2 (N = 602); выявленная картина результатов воспроизводит исследование 1. ПП = воспринимаемые потери; ВП = временные потери; СП = социальные потери; ФП = физические потери; ЭП = экономические потери; ОП = относительное преимущество; СОВ = совместимость; ВОЗ = возможность испытания; СЛО = сложность; ПП = воспринимаемые потери; ПВ = воспринимаемый выигрыш; ОТК = отказ; ПРИ = принятие Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ГипотезаПутьβt-значениеp-значениеРезультат
H1a: PL → REJ0.3459.342***Подтверждена
H2b: PL → ACC-0.202-6.81***Подтверждена
H3c: PG → REJ-0.644-12.694***Подтверждена
H4d: PG → ACC0.76713.707***Подтверждена

Таблица 5: Общие результаты Исследования 2. В таблице представлены стандартизованные путьевые коэффициенты, уровни значимости и результаты проверки гипотез для Исследования 2. ***p < 0,001

Далее были дополнительно проанализированы общие значения, необходимые для REJ и ACC, с целью проверки гипотезы H5 и подтверждения того, поддерживает ли модель аргументацию теории перспектив55. При использовании того же отображения коэффициентов, что и в исследовании 1, результаты показали, что V(R) = a + c = -0,299 и V(A) = b + d = 0,565; таким образом, V(R) < V(A). Гипотеза H5 также подтвердилась во втором исследовании, причем разница между V(R) и V(A) во втором исследовании (0,864) оказалась больше, чем в первом (0,723).

Результаты экспертного вмешательства для исследования 2
Результаты количественной оценки оказались существенно положительными (ICC = 0,960, p < 0,001); диапазон средних значений для конструктов, измеряющих систематическую направленность, качество и адекватность постановки проблемы, составил от 6,20 до 6,80, а для конструкта, измеряющего общий негативный аффект, — от 1,20 до 1,80. Высокая внутриклассовая корреляция указывает на сильный консенсус экспертов относительно систематической направленности модели, её качества и адекватности постановки проблемы, и эксперты не выявили никаких других проблем в ходе субъективной оценки. Таким образом, было сделано заключение, что исследование в конечном итоге удовлетворяет требованиям, необходимым для завершения предложенной модели PITA.

ДОСТУПНОСТЬ ДАННЫХ:
Данные загружены в виде дополнительного файла 1 (исследование 1) и дополнительного файла 4 (исследование 2); полные результаты модели КС-СМП представлены в дополнительном файле 5, а определения и кодирование переменных описаны в словаре данных (дополнительный файл 6). В файлах данных и результатах КС-СМП сокращения из рукописи PEL, TIL, SOL, PHL, FIL и REJ соответствуют меткам переменных PER, TIR, SOR, PHR, FIR и RES соответственно, а конструкты второго порядка PL и PG обозначены как Perceived_Risk и Perceived_Benefit.

Дополнительный файл 1: Исследовательские данные (исследование 1) Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 2: Опросный лист Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 3: Опросник вмешательства Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 4: Исследовательские данные (исследование 2) Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 5: выходные файлы модели CB-SEM Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 6: Словарь данных Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Обсуждение

В данном исследовании, состоящем из двух этапов, была протестирована модель PITA (принятие государственных ИТ-услуг); в обоих исследованиях все пять гипотез получили подтверждение, а разрыв между V(A) и V(R) увеличился в условиях более высокого риска во время пандемии COVID-19, что согласуется с предсказаниями теории перспектив о том, что более рискованные варианты выбора требуют более высокой воспринимаемой ценности. Был выявлен пробел в теоретических основах литературы по внедрению ИТ, включая TAM2 и DOI1, которые не смогли адекватно объяснить принятие государственных ИТ-услуг. Что наиболее важно, в этих работах не учитывалась в достаточной мере неопределенность пользователей при использовании государственных ИТ-сервисов. В связи с этим возник вопрос о том, какое влияние концепция «восприятие — намерение», предложенная в модели PITA, оказывает на решение о внедрении государственных ИТ-услуг. При предъявлении нового инновационного государственного ИТ-сервиса пользователь должен рассмотреть преимущества и недостатки существующего положения дел (статус-кво). Если новый вариант отклоняется, пользователь возвращается в прежнее состояние, что делает новый вариант излишним. Модель PITA позволяет понять лежащие в основе этого выбора восприятия ценности. Кроме того, это позволило предложить несколько рекомендаций по предотвращению подобных неудач перед инвестированием в новый государственный ИТ-сервис1,42. В данном исследовании изучалось, как воспринимаемая выгода и потери влияют на принятие или отклонение государственного ИТ-сервиса; все пять гипотез были подтверждены. Восприятие государственных ИТ-услуг пользователями можно рассматривать с двух точек зрения, при этом вероятно, что негативное восприятие будет преобладать. Однако результаты показали, что благоприятное восприятие побуждает пользователей принимать сервис и снижает сопротивление. К соответствующим примерам воспринимаемых потерь относятся нестабильная работа, неоправданно затянутые процедуры, сопротивление со стороны окружения пользователей, физический вред, причиненный устройствами, и сбои при проведении финансовых операций. В свою очередь, взаимозаменяемые функции, мероприятия по открытому бета-тестированию и простота использования могут служить примерами компонентов воспринимаемой выгоды. Результаты обоих исследований совпали с данными более ранних работ по модели сопротивления инновациям и диффузии инноваций, например1,42.

Важным открытием стало то, что общая ценность принятия была почти в пять раз выше ценности отклонения. Столь значительная разница между V(A) и V(R) была обусловлена прежде всего сильным положительным влиянием воспринимаемой выгоды на принятие (β = 0.721) и отрицательным влиянием воспринимаемой выгоды на отклонение (β = -0.507), что свидетельствует о том, что представления пользователей о преимуществах, таких как простота использования и взаимозаменяемость функций, играют более доминирующую роль в принятии решений о внедрении, чем представления о потерях. Для того чтобы пользователи приняли более рискованное решение о переходе на новый и незнакомый государственный ИТ-сервис, положительные представления должны существенно перевешивать отрицательные. Пользователи также могут отказаться от новых государственных ИТ-сервисов из-за опасений потерь, поскольку процесс принятия решений может быть не полностью рациональным. Это явление можно объяснить сильной привязанностью к текущему сервису и тем фактом, что государственные ИТ-сервисы не предназначены для регулярного ежедневного использования. Пользователи могут сохранять текущее состояние, если сталкиваются с любыми неудобствами. Пользователи не будут пытаться преодолеть психологическое сопротивление для принятия новых государственных ИТ-сервисов, если воспринимаемая выгода недостаточна или воспринимаемые потери оказываются больше ожидаемых. В Исследовании 2, которое последовательно продемонстрировало те же закономерности в структуре «восприятие-намерение» пользователей в контексте государственного ИТ-сервиса, было получено более конкретное и широкое подтверждение предложенной теоретической модели. Кроме того, V(A) была существенно выше, чем V(R), что служит аргументом в пользу расширения теории перспектив55.

Влияние ситуационного фактора (COVID-19) на V(A) и V(R) стало еще одним интригующим результатом Исследования 2. Разрыв между V(R) и V(A) в Исследовании 2 увеличился по сравнению с Исследованием 1. В условиях глобального кризиса здравоохранения пользователи могли воспринимать более серьезные потенциальные потери от заражения, одновременно осознавая более значительные потенциальные выгоды от бесконтактного обслуживания, и этот двойной эффект усилил разницу в ценности, необходимую для принятия услуги. Данный результат поддерживает попытку развития теории перспектив, указывая на то, что более рискованный вариант (принятие новой государственной ИТ-услуги в рискованной ситуации, такой как COVID-19) требует большей ценности55. В конечном счете, результаты оценки в Исследовании 2 вновь подтвердили выводы Исследования 1. Ситуационный фактор оказался потенциальным элементом, который мог изменить связанные с принятием решений ценности пользователей, как и предсказывали эксперты во время первого этапа вмешательства. Кроме того, результаты подтвердили валидность допущений модели при использовании более крупных выборок для случая биометрии в аэропортах, что обеспечило ей большую устойчивость и общность. Тем не менее, при проведении объединенного многостранового анализа предполагалось, что конструкты интерпретировались одинаково в разных странах; формальное тестирование инвариантности измерений и сравнения по конкретным странам не проводились и остаются задачей для будущих исследований.

Согласно анализу, проведенному с использованием модели «восприятие-намерение», пользователи не выбрали бы вариант сохранения статус-кво, если бы считали, что использование государственного ИТ-сервиса принесет им значительно большую выгоду. Это говорит о том, что пользователи готовы покинуть свое равновесное состояние только тогда, когда воспринимаемая выгода делает рискованный вариант принятия более привлекательным. С ретроспективной точки зрения концептуально понятно, что на принятие решения в большей степени влияет воспринимаемая выгода, чем потери. Текущий сервис, предлагаемый пользователю, является безопасным, «несклонным к риску» вариантом, поскольку, согласно теории перспектив55, он представляет собой известную сущность, с которой у пользователей уже есть опыт взаимодействия. Это означает, что пользователь может ожидать получения того же результата без риска, не адаптируясь и не меняя никаких поведенческих условий. Однако рискованный вариант, скорее всего, будет выбран вместо «безопасного» варианта, как только воспринимаемые выгоды значительно перевесят воспринимаемые потери. Интересно отметить, что эти эффекты были сильнее, когда пользователь сталкивался с более рискованной ситуацией — пандемией COVID-19, что могло усилить потребность в ценности при рассмотрении возможности использования нового государственного ИТ-сервиса. Была обнаружена устойчивая взаимосвязь между воспринимаемой выгодой и потерей и принятием или отклонением государственных ИТ-сервисов. Полученные данные указывают на необходимость более глубокого понимания того, как пользователи воспринимают потенциальные преимущества и как это понимание влияет на их решение использовать государственный ИТ-сервис или нет. Похоже, что принятие нового ИТ-сервиса значительно сложнее для любого пользователя при предъявлении нового варианта, поскольку им приходится преодолевать существующую психологическую инерцию. Это также подтверждалось тем, что улучшения в рамках модели «восприятие и намерение» должны были быть более значительными. Эти результаты соответствуют основной идее теории перспектив55: более рискованные решения требуют более высоких значений ценности, чем безопасные. Примечательно, что асимметричный характер данных, при котором воспринимаемая выгода сильнее предсказывала принятие, чем воспринимаемая потеря предсказывала отклонение, предполагает, что принятие решений в данном контексте обусловлено не чисто избеганием потерь, а стремлением к выгоде — нюанс, расширяющий типичный акцент теории перспектив на неприятии потерь. Эти результаты также согласуются с предыдущими исследованиями внедрения: сильный эффект воспринимаемой выгоды на принятие соответствует акценту TAM на воспринимаемой полезности2, в то время как значительный эффект воспринимаемой потери на отклонение подтверждает утверждение модели сопротивления инновациям о том, что барьеры для внедрения могут перевесить потенциальные выгоды42,49. Данное исследование дополняет литературу по этому вопросу, демонстрируя, что выгоды и потери одновременно влияют и на принятие, и на отклонение, а не действуют независимо друг от друга. Таким образом, полученные результаты вносят вклад в теоретическое понимание того, что побуждает пользователей государственных ИТ-сервисов сохранять статус-кво (т. е. отклонять) или увеличивать склонность к риску (т. е. принимать). Данное исследование расширило растущий объем работ, посвященных противодействию внедрению ИТ. Было показано, что отклонение и принятие ИТ являются различными критериями принятия решений, что развивает более ранние работы в литературе на уровне индивидуумов и фирм45,50,51. У всех пользователей есть определенный порог42,49, однако ни в одном исследовании внедрения государственных ИТ-сервисов не изучалось, какими могут быть эти пороги. Таким образом, включение воспринимаемой потери стало полезным способом изучения этой толерантности и существенно повлияло как на решение принять, так и на решение отклонить государственный ИТ-сервис. Эти выводы дополнили предыдущие исследования, применявшие тот же принцип «принятия и отклонения», распространив его на новый контекст51.

Полученные результаты имеют важные управленческие последствия для государственных учреждений. Во-первых, хорошо известно, что такие организации с трудом адаптируются к изменениям, и переход на цифровую инфраструктуру сопряжен с определенными сложностями. Следовательно, ошибочные решения, принятые государственными организациями при переходе на ИТ-сервис, могут иметь долгосрочные негативные последствия. Пользователи, скорее всего, не будут готовы внедрить предлагаемый ИТ-сервис, если почувствуют, что потери слишком велики. Напротив, инвестиции в государственный ИТ-сервис могут оказаться более успешными, если руководитель государственного учреждения четко сформулирует факторы, которые снижают вероятность отказа за счет воспринимаемых выгод. Увеличивая воспринимаемые выгоды и снижая воспринимаемые потери, менеджеры в конечном итоге могут повысить уровень принятия и снизить вероятность отказа, используя PITA для поиска решений, вызывающих положительный отклик. Например, аэропорт, внедряющий биометрический контроль, может использовать PITA для оценки восприятия пользователей перед осуществлением инвестиций: если V(R) приближается к V(A) или превышает его, руководители могут сосредоточить коммуникацию на ощутимых преимуществах, таких как ускорение прохождения процедур (увеличение воспринимаемой выгоды), или предложить альтернативные варианты отказа от системы (снижение воспринимаемых потерь). Благодаря простоте модели V(A) и V(R) могут быть рассчитаны непосредственно на основе данных опросов, что дает менеджерам четкий ориентир для понимания намерений пользователей по использованию сервиса, а также для определения статуса и шансов на внедрение предлагаемого ИТ-сервиса.

Данное исследование имеет несколько важных ограничений. Во-первых, хотя результаты в обоих исследованиях были схожими, необходимы дополнительные изыскания для полного понимания менее значимых эффектов, наблюдаемых при измерении воспринимаемой потери; кроме того, факторы, учтенные в этом исследовании, могут лишь частично объяснять дисперсию, обнаруженную в модели. Во-вторых, в обоих исследованиях использовались данные перекрестных опросов авиапассажиров, основанных на самоотчетах; такой дизайн исключает возможность причинно-следственных выводов, может привести к систематическим ошибкам отбора и социальной желательности, а также ограничивает возможность обобщения результатов за пределами данной популяции. Формальное тестирование инвариантности измерений по трем странам еще предстоит провести. В-третьих, данные собирались в конкретные периоды (4-й квартал 2019 г. и середина 2020 г.), и восприятие пользователей могло измениться по мере развития пандемии. В-четвертых, предполагалось, что менеджер будет рассматривать только один новый потенциальный вариант, при этом текущий вариант будет выступать в качестве еще одного ограничения. В будущих работах следует рассмотреть различные технологические варианты PITA, поскольку, согласно эффекту определенности, наличие нескольких вариантов с разной степенью определенности стимулирует поведение, склонное к риску71, что может стать перспективным направлением исследований. Будущие исследования также должны изучить другие формы и пороги сопротивления инновациям63, распространить PITA на другие государственные ИТ-услуги (например, порталы электронного правительства и приложения в сфере общественного здравоохранения) и на другие области, в которых воспринимаемая выгода и риск совместно определяют принятие64, использовать лонгитюдные дизайны для отслеживания того, как V(A) и V(R) меняются с течением времени, а также проверить, модерируют ли культурные аспекты взаимосвязи в модели. В целом, данное исследование должно способствовать лучшему пониманию процесса внедрения государственных ИТ. Включая как воспринимаемую выгоду, так и воспринимаемую потерю, модель PITA отражает двойственную природу принятия решений пользователем: принятие стимулируется привлекательностью выгоды, а отклонение — страхом потерь. Перед осуществлением инвестиций менеджеры могут получить верное направление, принимая обоснованные и точные решения на ранних этапах поиска потенциальных ИТ-решений. Менеджерам следует пересмотреть свою стратегию ИТ-услуг, если общая ценность принятия недостаточна, поскольку PITA предоставляет менеджеру совокупную величину ценности, необходимую как для принятия, так и для отклонения. Тот факт, что ситуационный риск усиливает разницу в ценности, необходимую для принятия, представляет собой новый вклад как в теорию перспектив, так и в литературу по внедрению технологий. Таким образом, PITA должна помочь менеджерам найти решение, при котором общая ценность принятия превышает ценность отклонения: только в этом случае пользователи будут готовы использовать новую государственную ИТ-услугу.

Раскрытие информации

Авторы заявляют об отсутствии конфликта интересов. При подготовке данной пересмотренной рукописи для редактирования языка и форматирования использовался инструмент генеративного искусственного интеллекта (ChatGPT 5o). Авторы проверили и подтвердили все содержание и несут полную ответственность за рукопись; никакие инструменты ИИ не использовались для генерации данных, проведения анализа или создания рисунков.

Благодарности

Данная работа была поддержана исследовательским грантом университета aSSIST University.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
IBM SPSS Amos (программное обеспечение для CB-SEM)IBM Corp. (Армонк, штат Нью-Йорк, США)версия 27; https://www.ibm.com/products/structural-equation-modeling-sem/Используется для всех анализов на основе ковариационного моделирования структурными уравнениями (CB-SEM), включая оценку измерительной модели (CFA: композитная надежность, AVE и дискриминантная валидность) и анализ путей структурной модели. 
Prolific (платформа для онлайн-рекрутинга участников)Prolific Academic Ltdhttps://www.prolific.com/Онлайн-платформа, использованная для набора участников опроса. Участники проходили отбор на основе критериев приемлемости (например, наличие опыта пребывания в аэропорту) и получали вознаграждение в соответствии с рекомендациями Prolific по справедливой оплате труда. 
Qualtrics (платформа для проведения онлайн-опросов)Qualtrics, LLCRRID:SCR_016728Веб-платформа для проведения опросов, используемая для разработки анкет, их рассылки и сбора данных. Все измерительные показатели оценивались с помощью Qualtrics по 7-балльной шкале Лайкерта (1 = полностью не согласен, 7 = полностью согласен). https://www.qualtrics.com/

Ссылки

  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.

Перепечатки и разрешения

Теги

Теория перспективструктура «восприятие-намерение»услуги электронного правительстваприложения в сфере общественного здравоохранениябиометрические системыпользовательское принятиевоспринимаемая ценностьмежстрановой опросинтервенционное исследование
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.