Исследовательская статья

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

0 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 всепроникающий инструмент внедрения инноваций и существенно изменили повседневную жизнь. С момента внедрения моделей принятия ИТ, основанных на психологических аспектах1,2,3,4, взаимоотношения между пользователями и ИТ были тщательно изучены как на индивидуальном уровне, так и на уровне компаний5.

В то же время многие государственные организации стремятся достичь операционной эффективности в условиях огромного социального спроса, например, при перегруженности аэропортов, что негативно сказывается на эффективности и качестве государственных услуг. Расширение физической инфраструктуры может принести немедленную выгоду, но требует значительных временных и финансовых затрат6. Напротив, инновационные поставщики государственных услуг решают эту проблему с помощью ИТ-инноваций7, интегрируя новые технологии в существующую инфраструктуру для обеспечения качества обслуживания и операционной эффективности8,9,10,11. В настоящее время государственные организации внедряют новые ИТ-решения (например, облачные сервисы, кибербезопасность и биометрию) для модернизации основных активов, что создает дополнительные сложности при внедрении12. Эта проблема может быть следствием недостаточного понимания реальных пользователей: предыдущие исследования были сосредоточены преимущественно на факторах, способствующих принятию технологий, в то время как причины отказа от них игнорировались. Без активного участия пользователей внедрение ИТ в государственных учреждениях может не привести к практическому применению.

Однако внедрение ИТ в государственном секторе сопряжено с уникальными проблемами, которые отличаются от контекста частного сектора. Хотя «принятие» и «отторжение», по всей видимости, являются двумя противоположными статус-кво13, стимулирование одного из них может препятствовать другому, поэтому следует учитывать обе стороны этого противодействующего эффекта. В более ранних исследованиях инноваций в области государственных ИТ-услуг зачастую подчеркивались положительные результаты10,11,14,15,16. В связи с этим в данной работе «принятие» и «отторжение» рассматривались совместно путем объединения основанных на психологии моделей информационных систем (т. е. диффузии инноваций и сопротивления инновациям) с поведенческой экономикой (т. е. теорией перспектив).

Случай с биометрией в аэропортах, где биометрическая идентификация заменяет процедуры проверки документов, был выбран потому, что эта государственная ИТ-услуга предлагается всем гражданам, связана с конфиденциальной персональной информацией и ставит пользователей перед четким выбором: принять или отклонить предложение. 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, больше, чем ценность, необходимая для отклонения, как предсказывает теория перспектив? Соответственно, была предложена новая теоретическая база, которая была подтверждена отраслевыми экспертами с помощью стратегии IBR (исследование на основе вмешательства)17 (Рисунок 1). Таким образом, данное исследование объединяет теорию перспектив с моделями внедрения ИС и предлагает практические рекомендации для руководителей государственных ИТ-служб.

figure-introduction-1
Рисунок 1: Процесс исследования по формированию и разработке теоретической модели. На схеме представлен общий ход исследования: от формирования теоретической модели на основе предшествующих моделей принятия и теории перспектив, через Исследование 1 и Исследование 2 (каждое из которых завершалось экспертным вмешательством) до окончательного создания модели PITA. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Процессы внедрения ИТ были детально 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 значительные ограничения применительно к государственным ИТ-системам: TAM предполагает добровольное использование, DOI игнорирует сопротивление пользователей, а UTAUT разрабатывалась преимущественно для организационных условий, поэтому их применимость к квазиобязательным государственным ИТ-сервисам остается спорной. Существуют и исследования внедрения государственных ИТ на базе этих моделей; например, расширение UTAUT для изучения 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.

Тем не менее, внедрение ИТ на общественном уровне существенно отличается от внедрения на индивидуальном или корпоративном уровнях (см. Таблицу 1): субъекты внедрения и пользователи не совпадают, а намерения пользователей неочевидны из-за психологической инерции и существующего положения дел в сфере текущих услуг. Деструктивные характеристики ИТ могут препятствовать реструктуризации существующих систем36; внедрение также требует изменения установок и поведения пользователей, что предполагает четкое понимание их точек зрения. Учитывая эти характеристики, предыдущие модели, ориентированные на индивидуальный и корпоративный уровни, могут оказаться недостаточными для определения критической массы при общественном внедрении ИТ. Поскольку инновации в сфере услуг на базе ИТ имеют решающее значение для снижения затрат и улучшения качества обслуживания37,38 и, в конечном счете, способствуют развитию общества39, крайне важна специализированная теоретическая база для общественного внедрения ИТ.

Индивидуальный уровеньНа уровне фирмыОбщественный уровень
Субъект принятияИндивидуумыФирмы (частные)Фирмы (публичные)
ПользовательИндивидуумыСотрудники компанииИндивидуумы
Намерение пользователяОпределенныйОпределенный (принудительный)Неопределенность
Психологическая инерцияНезначительныйНезначительный (вынужденный)Выдающийся
Восприятие ценностиНезаменимыйНезаменимый (принудительный)Незаменимый
Основная цель примененияПерсональныйЭффективность, экономия затратОбщественный интерес
Соответствующие модели внедрения информационных технологийТАМ2, UTAUT (единая теория принятия и использования технологий)4DOI1, ТЭО (трансэзофагеальная эхокардиография)3Данное исследование

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

В существующей литературе показано, что отдельные лица и сотрудники имеют априорное (индивидуальный уровень) или вынужденное (уровень фирмы) намерение использовать определенный ИТ-сервис2,40, что подразумевает предопределенность внедрения4,41. Однако не все пользователи намерены использовать ИТ42, и лишь в немногих исследованиях в области ИС были выявлены черты и обоснования отказа от использования43,44. Соответственно, новый общественный ИТ-сервис будет намеренно отклоняться до тех пор, пока инновация либо не будет принята, либо не потерпит неудачу45.

Основной целью данного исследования является изучение факторов принятия или отклонения пользователями ИТ-услуг государственного учреждения через анализ двух восприятий 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 стремятся сохранить привычный образ жизни, несмотря на необходимость адаптации; основываясь на теории сопротивления инновациям42,49, данное направление исследований изучает причины, по которым некоторые люди откладывают внедрение инновации или полностью отвергают её49,50,51,52,53. Для фиксации этих восприятий был применен многомерный подход, при котором потери и выгоды рассматривались не как общие конструкты, а как совокупность отдельных параметров.

Ощущаемая потеря была операционализирована через пять конструктов53,54. Потеря времени (TIL) — это субъективно воспринимаемое время, затраченное на изучение и использование сервиса, а также в случаях, когда ожидания не оправдываются53. Социальная потеря (SOL) представляет собой риск утраты положения в социальной группе из-за того, что пользователь может показаться глупым или некомпетентным54. Финансовая потеря (FIL) охватывает потенциальные денежные убытки от стоимости покупки, комиссий или кражи личной информации54. Физическая потеря (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 сбои в работе и невозможность достижения желаемых результатов53.

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 соответствия инновации ценностям, потребностям и предыдущему опыту потенциального пользователя; возможность апробации (TRI) — степень возможности проведения экспериментов перед внедрением; и сложность (CPX), которая связана с воспринимаемой легкостью использования в модели TAM и определяет, насколько трудно использовать и понять данную инновацию. Наблюдаемость была исключена, так как этот параметр слишком неоднозначен для измерения46, а биометрические результаты в контексте государственных ИТ-систем не являются легкодоступными для наблюдения другими лицами.

Концепция «потерь и выгод» была предложена для объяснения воспринимаемых ценностей, которые мотивируют реакцию на новый общественный ИТ-сервис. Была выдвинута гипотеза о том, что если сервис является радикальным и угрожает привычному поведению, воспринимаемая потеря перевесит воспринимаемую выгоду, что приведет к отказу от него; если эта тенденция сохранится, отказ может стать постоянным аспектом поведенческого намерения42,49. И наоборот, если воспринимаемые преимущества перевешивают ожидаемые потери, у пользователя мало причин отклонять сервис. В связи с этим были выдвинуты следующие гипотезы:

H1. Субъективно воспринимаемая потеря будет оказывать положительное влияние на вероятность отклонения.
H2. Субъективно воспринимаемая потеря будет оказывать отрицательное влияние на вероятность принятия.
H3. Субъективно воспринимаемая выгода будет оказывать отрицательное влияние на вероятность отклонения.
H4. Субъективно воспринимаемая выгода будет оказывать положительное влияние на вероятность принятия.

Любое развитие государственных услуг на базе ИТ направлено на прогресс общества (например, более быстрая и безопасная посадка благодаря биометрическим системам в аэропортах), однако недавно запущенные государственные ИТ-сервисы могут быть сопряжены с рисками и неопределенностью, из-за чего пользователи могут не принять предлагаемые преимущества в задуманном виде. Согласно теории перспектив55, люди принимают такие иррациональные решения на основе оценки альтернатив, ценностей и отношения к неопределенности, которые оцениваются относительно определенной точки отсчета (зависимость от точки отсчета). Ключевым выводом теории является неприятие потерь — тенденция придавать потерям большее значение, чем эквивалентной прибыли, в сочетании с эффектом убывающей чувствительности; этот акцент на выгодах и потерях относительно статус-кво напрямую согласуется с дихотомией «принятие — отклонение», рассматриваемой в данной работе. Теория перспектив использовалась в недавних исследованиях в области ИС и ИТ для объяснения иррациональных решений в условиях риска и неопределенности56,57,58,59,60, охватывая различные 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 преимущественно на намерениях принять технологию и игнорировали аспект отклонения, который имеет центральное значение для государственного ИТ-сектора.

Пользователи государственных ИТ-сервисов действуют так, будто решение о принятии или отклонении сервиса основывается на совокупных значениях (т. е. сумме воспринимаемой выгоды и потерь). В предыдущих исследованиях внедрения государственных ИТ-сервисов данный феномен с этой точки зрения не изучался. 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 — это 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 определить V(R) и V(A) как совокупные значения общего влияния потерь и выгоды. Поскольку государственные ИТ-услуги создаются для принесения пользы пользователям, в то время как пользователи оценивают потери выше, чем выгоды при отклонении от статус-кво, ожидалось, что принятие, являющееся более рискованным выбором, потребует большего общего значения, чем отклонение. Основываясь на H1–H4, гипотеза H5 проверяет чистый баланс этих эффектов:

H5. Общая величина, необходимая для принятия, V(A), будет больше, чем для отклонения, V(R). Результирующая концептуальная модель PITA (внедрение государственных информационных технологий) показана на Рисунке 2.

figure-introduction-2
Рисунок 2: Концептуальная модель PITA. На диаграмме показаны воспринимаемые потери (PL) и воспринимаемая выгода (PG) как предшествующие факторы 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 были проведены в соответствии с этическими принципами, применимыми к исследованиям с участием людей в университете aSSIST, университете Сонгюнгван и университете Донг-А. Поскольку ответы на опрос были анонимизированы в момент сбора и никакая лично идентифицируемая информация не собиралась, Институциональный наблюдательный совет (IRB) университета aSSIST классифицировал данное исследование как освобожденное от полного этического рассмотрения. Участвующие учреждения не запрашивали отдельные одобрения IRB, поскольку они опирались на решение об освобождении, выданное 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 его исполнения (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Перед переходом к анкете в системе Qualtrics всем участникам демонстрировалось электронное заявление об информированном согласии, в котором разъяснялись академические цели исследования, анонимность обработки ответов, использование данных исключительно в исследовательских целях и отсутствие разумно предсказуемых рисков. Только участники, которые в явной форме дали свое согласие, могли приступить к опросу.

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 COVID-19 (4-й квартал 2019 г.) и во время 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.

figure-protocol-1
Рисунок 3: Обзор исследований. На временной шкале представлена двухэтапная структура: 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 увеличенную версию этого рисунка.

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: воспринимаемая потеря (PL) и воспринимаемая выгода (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.

figure-protocol-2
Рисунок 4: Исследовательская модель исследования 1. Пять конструктов потерь первого порядка (PEL, TIL, SOL, PHL и FIL) образуют конструкт второго порядка «воспринимаемая потеря», а четыре конструкта выгоды первого порядка (REA, COM, TRI и CPX) образуют «воспринимаемую выгоду»; два конструкта второго порядка смоделированы как предшественники отклонения и принятия (H1–H4). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Исследовательские данные исследования 1
Первая выборка данных, основанная на участии в общей сложности 322 корейцев (женщины: 46,6%, мужчины: 53,4%), имевших опыт посадки в самолет как минимум один раз за последний год, была собрана в период с 13 по 18 ноября 2019 года (до начала пандемии COVID-19). Определения и примеры государственных ИТ-услуг (например, биометрических приложений в аэропортах) были представлены во вступлении к опросу. Необработанные данные для исследования 1 представлены в Дополнительном файле 1. Частота перелетов измерялась в пяти взаимоисключающих категориях (FF1–FF5), соответствующих одному, двум, трем, четырем и пяти или более перелетам за последний год (Исследование 1: 138, 91, 34, 21 и 38 участников; Исследование 2: 174, 153, 109, 82 и 84 участника соответственно).

Конструкты предикторов оценивались по семибалльной шкале Лайкерта, где диапазон значений составлял от «полностью не согласен (1)» до «полностью согласен (7)» (см. Supplementary File 21,46,53,54,63,64 для ознакомления с анкетой исследования). После пилотного тестирования с участием 20 добровольцев правки ограничились уточнением формулировок вопросов для повышения их стабильности, применимости и простоты интерпретации; после пилотного этапа никакие конструкты или пункты не добавлялись и не удалялись. В сопроводительном документе содержится 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).

Консультации с экспертами для Исследования 1
Для обеспечения объективности и повышения качества данной работы были приглашены пять экспертов со стажем 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, предоставляющей услуги в общественном секторе (Korean Air). Участие экспертов было необходимо для получения отзывов с целью совершенствования модели и углубления предметных знаний о целевой среде. Были проведены как качественные (т. е. субъективные отзывы), так и количественные (семибалльная шкала Лайкерта) оценки. Для количественной оценки была принята пересмотренная версия пунктов опросника характеристик отчета о принятии решений (см. Дополнительный файл 3)65, валидированная с помощью коэффициента внутриклассовой корреляции66. В каждом раунде консультирования каждый эксперт индивидуально заполнял количественный опросник, после чего предоставлял развернутый качественный отзыв; для обеспечения воспроизводимости в обоих раундах использовались одна и та же группа экспертов, одни и те же инструменты и процедуры.

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 Исследование 2 было включено 602 участника (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). Необработанные данные для Исследования 2 представлены в Дополнительном файле 4. При наличии 33 наблюдаемых индикатора данный 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 авиаперелетов 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 затронув США и Великобританию. Кроме того, эти три страны представляли собой сочетание восточных и западных культурных традиций. Следовательно, комбинированный набор данных из этих стран был использован для изучения структуры «восприятие — намерение» пользователей в отношении нового государственного ИТ-сервиса (т. е. биометрии в аэропортах).

Участие экспертов в Исследовании 2
Были приглашены те же эксперты, проведены те же количественные и качественные оценки, а также запрашивались их отзывы для подтверждения результатов Исследования 2.

Результаты

Исследование 1
Для оценки потенциальной общей методологической погрешности (ОМП), 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 ОМП не представляет серьёзной проблемы62,67,68. Затем была оценена валидность конструкта и надёжность. Результаты, представленные в таблице 2, показали, что средняя выделенная дисперсия (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 объяснённой 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 удовлетворяют рекомендованным пороговым значениям (CMIN/DF < 3, CFI > 0,90, SRMR < 0,08, RMSEA < 0,08), а результаты в целом сильно 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). Следовательно, гипотезы H3 и H4 также подтверждаются. Обобщённые результаты проверки исследовательской модели в Исследовании 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).

figure-results-1
Рисунок 5: Результаты проверки гипотез в исследовании 1. На схеме представлены стандартизированные коэффициенты путей и уровни их значимости для структурной модели, оценённой по выборке исследования 1 (N = 322); все гипотезы подтвердились, и все пути оказались значимыми в ожидаемых направлениях. PEL = performance loss; TIL = time loss; SOL = social loss; PHL = physical loss; FIL = financial loss; REA = relative advantage; COM = compatibility; TRI = trialability; CPX = complexity; PL = perceived loss; PG = perceived gain; REJ = rejection; ACC = acceptance 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. Конструкт общей негативной эмоциональной окраски 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 подходит 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 методической дисперсии (CMB) в наборе данных67. Результаты теста показали, что влияние CMB в выборке данных незначительно, поскольку один 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 значениям, и хотя значение CMIN/DF, равное 3,835, не соответствовало более строгому критерию <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 принятии и 72,1 % — в отклонении (R2 = 0,760 и 0,721 соответственно).

figure-results-2
Рисунок 6: Результаты проверки гипотез в исследовании 2. На схеме представлены стандартизированные коэффициенты путей и их уровни значимости для структурной модели, оценённой по объединённой выборке трёх стран в исследовании 2 (N = 602); полученная картина результатов воспроизводит исследование 1. PEL = утрата производительности; TIL = потеря времени; SOL = социальная потеря; PHL = физическая потеря; FIL = финансовая потеря; REA = относительное преимущество; COM = совместимость; TRI = возможность испытания; CPX = сложность; PL = воспринимаемая потеря; PG = воспринимаемый выигрыш; REJ = отказ; ACC = 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 ориентацию, качество и адекватность постановки проблемы, составил от 6,20 до 6,80, а для конструкта, измеряющего общее негативное воздействие, — от 1,20 до 1,80. Высокая внутриклассовая корреляция указывает на сильное согласие экспертов относительно систематической ориентации, качества и адекватности постановки проблемы в модели, и эксперты не выявили никаких других проблем в ходе субъективной оценки. Следовательно, было сделано заключение о том, 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-СМ приведены в дополнительном файле 5, а определения и кодирование переменных документированы в словаре данных (дополнительный файл 6). В файлах данных и результатах КС-СМ 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: файлы результатов модели CB-SEM Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 6: Словарь данных 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

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.