Araştırma makalesi

Kamu Bilişim Teknolojileri Benimsemesinin Teorik Temelleri ve Ampirik Bulgularla Önerilmesi

0 görüntülenme

⸱

DOI:

10.3791/73614

⸱

15 Eylül 2026

 ,  , 
1Seoul AI School, Seoul School of Integrated Sciences and Technologies (aSSIST University), 2School of Business, Sungkyunkwan University, 3Department of Management Information Systems, Dong-A University

Bu makalede

Özet

Bu çalışma, algılanan kazanımların ve kayıpların, havalimanı biyometrikleri gibi kamu bilişim (BT) hizmetlerinin kullanıcılar tarafından kabul edilmesini veya reddedilmesini nasıl yönlendirdiğini açıklayan, prospekt teorisine dayalı bir algı-niyet çerçevesi olan kamu BT benimseme modelini önermektedir. Biri çok uluslu olmak üzere iki anket ve uzman müdahaleleri modeli doğrulamış, prospekt teorisinin farklı ülkeler ve bağlamlar genelinde geçerli olduğunu desteklemiştir.

Özet

Bu araştırma, kamu bilişim teknolojileri benimseme (PITA) üzerine teorik bir model önermektedir. Kamu bilişim teknolojileri (BT) hizmetleri; e-devlet portalları, kamu sağlığı uygulamaları ve havalimanlarındaki biyometrik sistemler gibi kamu kurumlarının tüm vatandaşlara sunduğu BT tabanlı hizmetleri ifade eder. Kamu BT'sinin kendine özgü doğası nedeniyle, öncelikle birey ve firma düzeylerine odaklanan önceden geliştirilmiş modeller, kamu BT benimsemenin kritik kitlesini belirlemede yetersiz görülmüştür. Bu boşluğu doldurmak amacıyla, kullanıcıların yeni bir kamu BT hizmetini benimserken algıladıkları kayıpları ve kazanımları araştırmak için prospekt teorisine dayalı bir algı-niyet çerçevesi önerilmiş; bu algıların, yeni bir kamu BT hizmetini ya reddetmenin ya da kabul etmenin öncülleri olduğu öne sürülmüştür. Üç ülkeden (Güney Kore, Birleşik Krallık ve Amerika Birleşik Devletleri) alınan anket örneklerini içeren çalışma dahil olmak üzere iki araştırma yürütülmüştür. Ayrıca, modelin pratik bir senaryo içerisinde kullanılabilmesi için nitel olarak geliştirilmesi ve doğrulanması amacıyla, müdahale tabanlı bir araştırma yaklaşımıyla beş sektör uzmanı davet edilmiştir. Sonuçlar, ilgili yol katsayılarının toplamı olarak hesaplanan kabulün toplam değerinin, yani kullanıcıların hizmeti kabul etmesi için gereken toplam algılanan değerin, reddetme değerinden tutarlı bir şekilde daha yüksek olduğunu göstermiştir. Benzer bir bulgu, algılanan kaybın aksine hem kabulün hem de reddetmenin daha güçlü bir belirleyicisi olan algılanan kazanım için de görülmüştür. Bulgular kesitsel ve öz bildirime dayalı verilere dayansa da, prospekt teorisi için güçlü bir destek sağlamakta ve teorinin kamu BT benimsemedeki temel rolünün daha iyi anlaşılmasına katkıda bulunmaktadır. Böylece PITA, prospekt teorisini kamu sektörü BT bağlamına genişleterek araştırmacılara doğrulanmış bir teorik temel, uygulayıcılara ise kamu BT hizmetlerinin benimsenmesini teşhis etmek için pratik bir araç sunmaktadır.

Giriş

Bilgi teknolojileri (BT), son birkaç on yılda inovasyon arayışları için baskın ve yaygın bir araç haline gelmiş ve günlük yaşamı önemli ölçüde değiştirmiştir. Psikolojik perspektiflere dayalı BT benimseme modellerinin tanıtılmasından beri1,2,3,4, kullanıcılar ile BT arasındaki ilişki birey ve firma düzeylerinde kapsamlı bir şekilde araştırılmıştır5.

Bu sırada, birçok kamu kuruluşu, havalimanı yoğunluğu gibi kamu hizmetlerinin etkililiğine ve kalitesine zarar veren aşırı toplumsal talepler altında operasyonel verimlilik sağlamakta zorlanmıştır. Fiziksel altyapıların genişletilmesi anlık faydalar sağlayabilir ancak önemli zaman ve para yatırımları gerektirir6. Buna karşılık, yenilikçi kamu hizmeti sağlayıcıları bu soruna BT odaklı inovasyon yoluyla yaklaşmış7, hizmet kalitesini ve operasyonel verimliliği güvence altına almak için inovasyonları mevcut altyapılarla entegre etmişlerdir8,9,10,1. Kamu kuruluşları artık temel varlıkları canlandırmak için yeni BT çözümlerini (örneğin bulut hizmetleri, siber güvenlik ve biyometri) benimsemektedir, bu da ek benimseme zorlukları yaratmaktadır12. Bu sorun, gerçek kullanıcıların yetersiz anlaşılmasından kaynaklanıyor olabilir: önceki araştırmalar ağırlıklı olarak kabulü yönlendiren faktörlere odaklanmış, reddetmeyi ise ihmal etmiştir. Kullanıcıların aktif katılımı olmadan, kamu kurumlarındaki BT uygulamaları pratik bir benimseme düzeyine ulaşamayabilir.

Buna karşın, kamu sektöründeki BT adaptasyonu, özel sektör bağlamlarından farklı, kendine özgü zorluklar sunmaktadır. "Kabul" ve "reddetme" durumları, iki farklı mevcut durum olarak birbirine zıt görünse de13, birinin teşvik edilmesi diğerini engelleyebileceğinden, karşıt etkinin her iki tarafı da dikkate alınmalıdır. Kamu BT hizmeti inovasyonu üzerine yapılan önceki çalışmalar, genellikle olumlu sonuçları vurgulama eğilimindeydi10,1,14,15,16. Bu nedenle, mevcut çalışma "kabul" ve "reddetme" durumlarını birlikte inceleyerek, psikoloji tabanlı Bİ modellerini (yani inovasyon yayılımı ve inovasyon direnci) davranışsal ekonomi (yani beklenti teorisi) ile birleştirmiştir.

Biyometrik kimliklendirmenin belge tabanlı prosedürlerin yerini aldığı havalimanı biyometrikleri vakası; bu kamu BT hizmetinin tüm vatandaşlara sunulması, hassas kişisel bilgiler içermesi ve kullanıcıları net bir kabul veya reddetme kararıyla karşıya bırakması nedeniyle seçilmiştir. Çalışmaya iki araştırma sorusu yön vermiştir. RQ1: Algılanan kazanımlar ve kayıplar, kullanıcıların bir kamu BT hizmetini kabul etmesini veya reddetmesini nasıl etkiler? RQ2: Prospekt teorisinin öngördüğü gibi, kabul için gereken toplam değer, reddetme için gerekenden daha mı büyüktür? Buna paralel olarak, yeni bir teorik çerçeve ortaya konmuş ve IBR (müdahale tabanlı araştırma) stratejisi17 (Şekil 1>) aracılığıyla sektör uzmanları tarafından doğrulanmıştır. Bu çalışma böylece prospekt teorisini Bİ benimseme modelleriyle entegre etmekte ve kamu BT yöneticileri için uygulanabilir içgörüler sunmaktadır.

figure-introduction-1
Şekil 1: Teorik model çerçeveleme ve geliştirme araştırma süreci. Diyagram; önceki benimseme modelleri ve beklenti teorisine dayalı teorik model çerçevelemeden başlayarak, her biri bir uzman müdahalesinin ardından gelen Çalışma 1 ve Çalışma 2 üzerinden PITA modelinin tamamlanmasına kadar olan genel araştırma akışını tasvir etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

BT benimsenmesi kapsamlı bir şekilde çalışılmıştır: bireysel düzeyde teknoloji kabul modeli (TAM)2 ve birleştirilmiş teknoloji kabul ve kullanımı teorisi (UTAUT)4, firma düzeyinde ise yeniliğin yayılımı (DOI)1 ve teknoloji-organizasyon-çevre çerçevesi (TOE)3; artırılmış gerçeklik ve dil öğrenimi18,19, sohbet botları ve dijital ödemeler20,21, mobilite hizmetleri22,23 ve uzaktan çalışma24 üzerine takip çalışmaları başlatmıştır. Ancak, bu modellerin kamu BT'si için belirgin sınırlamaları vardır: TAM gönüllü kullanımı varsayar, DOI kullanıcı direncini ihmal eder ve UTAUT öncelikle organizasyonel ortamlar için geliştirilmiştir; bu nedenle, yarı zorunlu kamu BT hizmetlerine uygulanabilirlikleri tartışmalıdır. Bu modellere dayalı kamu BT benimsemesi çalışmaları da mevcuttur; örneğin, çevrimiçi bir kamu şikayet giderme sistemini incelemek için UTAUT'un genişletilmesi25 ve kamu sektöründeki insan kaynakları bilgi sistemlerine TOE'nin uygulanması14 gibi; birçok diğer çalışma da benzer yaklaşımlar benimsemiştir26,27,28,29,30,31,32,3,34,35.

Bununla birlikte, kamu düzeyindeki BT adaptasyonu, bireysel veya firma düzeyindekinden önemli ölçüde farklılık göstermektedir (bkz. Tablo 1): adaptasyon birimleri ile kullanıcılar aynı değildir ve psikolojik atalet ile mevcut hizmetlerin statükosu nedeniyle kullanıcıların niyetleri belirgin değildir. BT'nin yıkıcı özellikleri, mevcut sistemlerin yeniden yapılandırılmasını engelleyebilir36; adaptasyon ayrıca kullanıcıların tutum ve davranışlarının değiştirilmesini gerektirir, bu da kullanıcı perspektiflerinin net bir şekilde anlaşılmasını zorunlu kılar. Bu özellikler göz önüne alındığında, bireysel ve firma düzeylerini vurgulayan önceki modeller, kamu BT adaptasyonu için kritik kütleyi belirlemede yetersiz kalabilir. BT odaklı hizmet inovasyonu, maliyetlerin düşürülmesi ve hizmetlerin geliştirilmesi için kritik olduğundan37,38 ve nihayetinde toplumu ileriye taşıdığından39, kamu BT adaptasyonu için odaklanmış bir teorik çerçeve hayati önem taşımaktadır.

Birey düzeyiFirma düzeyindeKamu düzeyi
Benimseme varlığıBireylerFirmalar (özel)Firmalar (kamu)
KullanıcıBireylerŞirket çalışanlarıBireyler
Kullanıcı niyetiBelirliBelirli (zorlanmış)Belirsiz
Psikolojik ataletİhmal edilebilirİhmal edilebilir (zorlanmış)Belirgin
Değer algısıVazgeçilmezVazgeçilmez (zorunlu)Vazgeçilmez
Temel benimseme amacıKişiselVerimlilik, maliyet tasarrufuKamu yararı
İlgili BT benimseme modelleriTAM2, UTAUT4DOI1, TOE3Bu çalışma

Tablo 1: Farklı BT benimseme seviyeleri. Tablo; temsilci teorik modeller, benimseyen birimler ve kullanıcılar açısından bireysel, firma ve kamu düzeyindeki BT benimsemesini karşılaştırmaktadır.

Mevcut literatür, bireylerin ve çalışanların belirli bir BT hizmetini kullanmaya yönelik a priori (bireysel düzeyde) veya zorunlu (firma düzeyinde) bir niyete sahip olduklarını göstermiş2,40, bu durumun benimsemenin önceden belirlendiği anlamına geldiğini ortaya koymuştur4,41. Ancak tüm kullanıcılar BT kullanma niyeti taşımazlar42 ve yalnızca birkaç Bİ çalışması reddetme özelliklerini ve gerekçelerini tanımlamıştır43,4. Buna göre, yeni bir kamu BT hizmeti, inovasyon ya kabul edilene ya da başarısız olana kadar kasıtlı olarak reddedilecektir45.

Bu çalışmanın temel amacı, kullanıcıların bir kamu kurumunun BT hizmetini kabul etme ve reddetme durumlarını, algılanan kazanç ve algılanan kayıp olmak üzere iki değer algısı üzerinden incelemektir. Algılanan kazanç, yeniliğin yayılması modelinden uyarlanmıştır1,46; bu yapılar, BT kabulünü destekleyen algıları incelemek için yaygın olarak kullanılmış47,48 ve farklı bağlamlarda yüksek geçerlilik göstermiştir40. Buna karşılık algılanan kayıp, insanların uyum sağlama baskılarına rağmen mevcut yaşam biçimlerini neden koruduklarını açıklayan özellikleri içerir; yeniliğe direnç kavramına dayanan42,49 bu araştırma hattı, bazı kişilerin bir yeniliği benimsemeyi neden ertelediklerini veya onu tamamen neden reddettiklerini incelemektedir49,50,51,52,53. Kayıp ve kazancı genel yapılar olarak ele almak yerine, bu algıları yakalamak için çok boyutlu bir yaklaşım benimsenmiştir.

Algılanan kayıp, beş yapı üzerinden operasyonelleştirilmiştir53,54. Zaman kaybı (TIL), hizmetin öğrenilmesi ve kullanılması sırasında ve beklentiler karşılanmadığında algılanan zaman kaybıdır53. Sosyal kayıp (SOL), aptalca görünme veya güncel gelişmelere yabancı kalma nedeniyle bir sosyal gruptaki konumun kaybedilmesi riskidir54. Finansal kayıp (FIL); satın alma maliyetleri, ücretler veya kişisel bilgilerin çalınmasıyla oluşabilecek potansiyel parasal kayıpları kapsar54. Fiziksel kayıp (PHL), kullanımın zarar, rahatsızlık veya bitkinliğe yol açabileceği algısıdır53,54. Performans kaybı (PEL), arızalar ve istenen faydaların sağlanamaması da dahil olmak üzere, mevcut alternatiflerle karşılaştırıldığında hizmet kalitesinde veya işlevselliğinde algılanan düşüştür53.

Algılanan faydayı (PG) açıklamak için göreceli avantaj, uyumluluk, denenebilirlik ve karmaşıklık kullanılmıştır1,46. Göreceli avantaj (REA), bir yeniliğin öncülünden daha avantajlı olduğu düşünülen derecedir; uyumluluk (COM), potansiyel bir benimseyenin değerlerine, ihtiyaçlarına ve önceki deneyimlerine uyum sağlama derecesidir; denenebilirlik (TRI), benimseme öncesinde yapılabilecek olası deneylerin kapsamıdır ve TAM'ın algılanan kullanım kolaylığı ile ilişkili olan karmaşıklık (CPX), yeniliğin kullanımının ve anlaşılmasının ne kadar zor olduğunu ifade eder. Gözlemlenebilirlik, ölçüm için çok belirsiz olduğu46 ve halka açık BT bağlamındaki biyometrik sonuçların başkaları tarafından kolayca gözlemlenememesi nedeniyle kapsam dışı bırakılmıştır.

Yeni bir kamu BT hizmetine verilen tepkileri motive eden algılanan değerleri açıklamak için kayıp-kazanç çerçevesi önerilmiştir. Hizmetin radikal olduğu ve alışılagelmiş davranışları tehdit ettiği durumlarda, algılanan kaybın algılanan kazançtan daha ağır basacağı ve bunun reddetmeye yol açacağı hipotez edilmiştir; bu durum devam ederse, reddetme eylemi davranışsal niyetin sabit bir yönü haline gelebilir42,49. Aksine, algılanan faydalar öngörülen kayıplardan daha ağır basarsa, kullanıcının hizmeti reddetmek için çok az nedeni olur. Bu nedenle, aşağıdaki hipotezler ileri sürülmüştür:

H1. Algılanan kayıp, reddetme üzerinde pozitif bir etkiye sahip olacaktır.
H2. Algılanan kayıp, kabul etme üzerinde negatif bir etkiye sahip olacaktır.
H3. Algılanan kazanç, reddetme üzerinde negatif bir etkiye sahip olacaktır.
H4. Algılanan kazanç, kabul etme üzerinde pozitif bir etkiye sahip olacaktır.

Hükümet hizmetlerindeki BT odaklı tüm gelişmelerin toplumu ilerletmesi amaçlanmaktadır (örneğin, havalimanı biyometrikleri aracılığıyla daha hızlı ve güvenli biniş işlemleri); ancak yeni başlatılan bir kamu BT hizmeti risk ve belirsizliklerle dolu olabilir ve kullanıcılar faydaları amaçlandığı şekilde kabul etmeyebilirler. Beklenti teorisine göre55, insanlar bu tür irrasyonel kararları; alternatiflerin, değerlerin ve belirsizliğe karşı tutumların bir referans noktasına göre değerlendirilmesine (referans bağımlılığı) dayanarak verirler. Teorinin temel içgörüsü, kayıpların eşdeğer kazançlardan daha ağır bastığı eğilimi olan kayıptan kaçınma ve buna eşlik eden azalan duyarlılıktır; mevcut duruma kıyasla kazanç ve kayıplara odaklanan bu yaklaşım, burada incelenen kabul-redikotomisi ile doğrudan örtüşmektedir. Beklenti teorisi, yapay zeka destekli çalışmalardan dijital sağlığa, halka açık Wi-Fi hizmetlerinden mobil ödemelere kadar geniş bir bağlamda, risk ve belirsizlik altındaki irrasyonel kararları açıklamak için son dönemdeki Bİ ve BT çalışmalarında kullanılmıştır56,57,58,59,60. Bu çalışmalar teorinin geçerliliğini onaylasa da, öncelikle kabul niyetlerine odaklanmış ve kamu BT bağlamı için merkezi öneme sahip olan reddetme boyutunu ihmal etmişlerdir.

Kamu bilişim hizmetleri kullanıcıları, hizmeti kabul etme veya reddetme kararını toplam gerekli değerlere (yani algılanan kazanç ve kaybın toplamına) dayanarak veriyor gibi hareket ederler. Kamu bilişim hizmetlerinin benimsenmesi üzerine yapılan daha önceki hiçbir çalışma, bu fenomeni bu perspektiften incelememiştir. Buna göre, yol katsayıları (örneğin, PL'den REJ'e) değerler olarak kodlanmış5 ve reddetme ile kabul için gerekli toplam değerler şu şekilde hesaplanmıştır:

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

burada CLR, CGR, CLA ve CGA sırasıyla algılanan kaybın reddedilmeye, algılanan kazancın reddedilmeye, algılanan kaybın kabul edilmeye ve algılanan kazancın kabul edilmeye olan yol katsayılarıdır; bu standardize edilmiş katsayılar, V(R) ve V(A)'yı kayıp ve kazancın toplam etkisinin bileşik değerleri olarak verir. Kamu BT hizmetleri kullanıcıların yararına olacak şekilde tasarlandığından ve kullanıcılar mevcut durumdan ayrılırken kayıpları kazançlardan daha ağır bastırdığından, daha riskli bir seçim olan kabulün, reddedilmeye göre daha büyük bir toplam değer gerektirmesi bekleniyordu. H1–H4 hipotezleri temel alınarak, H5 bu etkilerin net dengesini test eder:

H5. Kabul için gereken toplam değer, V(A), reddetme için gereken değerden, V(R), daha büyük olacaktır. Ortaya çıkan kavramsal PITA (kamu bilişim teknolojileri benimseme) modeli Şekil 2'de gösterilmiştir.

figure-introduction-2
Şekil 2: Kavramsal PITA modeli. Diyagram, algılanan kaybı (PL) ve algılanan kazancı (PG), reddetmenin (REJ) ve kabul etmenin (ACC) öncülleri olarak göstermektedir; a, b, c ve d yolları, toplam V(R) ve V(A) değerlerini hesaplamak için kullanılan katsayılara karşılık gelir. Not: a = CLR, b = CLA, c = CGR ve d = CGA  Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Protokol

Tüm çalışma prosedürleri, aSSIST Üniversitesi, Sungkyunkwan Üniversitesi ve Dong-A Üniversitesi'nde insan katılımcıların yer aldığı araştırmalar için geçerli olan etik ilkelere uygun olarak yürütülmüştür. Anket yanıtları toplama aşamasında anonimleştirildiği ve kişisel olarak tanımlanabilir hiçbir bilgi toplanmadığı için, aSSIST Üniversitesi Kurumsal İnceleme Kurulu (IRB), çalışmayı tam etik incelemeden muaf olarak sınıflandırmıştır. Katılımcı kurumlar, hem araştırma tasarımını hem de veri toplama prosedürlerini kapsayan aSSIST Üniversitesi Kurumsal İnceleme Kurulu tarafından verilen muafiyet kararına dayandıkları için ayrı IRB onayları almamışlardır. Bu karar, Kore Cumhuriyeti Biyoetik ve Güvenlik Yasası'nın 15. Maddesi ve Uygulama Yönetmeliği'nin 13. Maddesinde belirtilen muafiyet kriterleri (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do) uyarınca verilmiştir. Qualtrics anketine erişmeden önce tüm katılımcılara; araştırmanın akademik amacı, yanıtların anonim olarak işleneceği, verilerin yalnızca araştırma amaçlı kullanılacağı ve makul olarak öngörülebilir herhangi bir riskin bulunmadığını açıklayan elektronik bir bilgilendirilmiş onam formu gösterilmiştir. Ankete devam etmelerine yalnızca açıkça onam veren katılımcıların izin verilmiştir.

Çalışmalara genel bakış
Beş hipotezi ve önerilen PITA modelini test etmek için iki ampirik çalışma ve iki uzman müdahalesi gerçekleştirilmiştir. Sonuçlar Şekil 3'te gösterilmektedir. Yapıları farklı zamanlarda ayrı ayrı ölçmek, verilerdeki ortak yöntem yanlılığı (CMB) olasılığını azaltmak ve çalışmanın genellenebilirliğini artırmak amacıyla COVID-19 öncesinde (2019 4. çeyrek) ve COVID-19 sırasında (2020 2. ve 3. çeyrek) iki dalgalı anketler yapılmıştır61,62.

figure-protocol-1
Şekil 3: Çalışmaların genel görünümü. Zaman çizelgesi iki dalgalı tasarımı özetlemektedir: Çalışma 1 (2019 4. çeyrek, COVID-19 öncesi, Kore örneği, N = 322) ve ardından gelen ilk uzman müdahalesi ile Çalışma 2 (2020 2. ve 3. çeyrekler, COVID-19 sırasında, Kore/Birleşik Krallık/ABD örnekleri, N = 602) ve ardından gelen ikinci uzman müdahalesi. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Çalışma 1 modeli
İlk araştırma modeli, Şekil 4'te gösterildiği üzere, kullanıcıların yeni uygulamaya konulmuş bir kamu bilişim hizmetini (örneğin, havalimanlarındaki biyometri) kabul etme veya reddetme niyetlerini ortaya çıkarmak amacıyla geliştirilen hipotezler temel alınarak oluşturulmuştur. Kullanıcıların kamu bilişim hizmetlerine ilişkin görüşleri; her biri kendi birinci derece yapıları tarafından oluşturulan algılanan kayıp (PL) ve algılanan kazanç (PG) adlı iki ikinci derece yapı ile yansıtılmıştır. Bu iki ikinci derece yapı, kullanıcıların kamu bilişim hizmetlerini kullanma niyetlerini temsil eden reddetme (REJ) ve kabul etme (ACC) süreçlerinin öncülleri olarak hizmet etmektedir.

figure-protocol-2
Şekil 4: Çalışma 1 araştırma modeli. Beş birinci düzey kayıp yapısı (PEL, TIL, SOL, PHL ve FIL) ikinci düzey yapı olan algılanan kaybı, dört birinci düzey kazanç yapısı (REA, COM, TRI ve CPX) ise algılanan kazancı oluşturur; iki ikinci düzey yapı, reddetme ve kabul etmenin öncülleri olarak modellenmiştir (H1–H4). Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Çalışma 1 araştırma verileri
Geçtiğimiz yıl içinde en az bir kez uçağa binme deneyimi olan toplam 32 Koreli katılımcıdan (kadın: %46,6 ve erkek: %53,4) oluşan ilk veri örneği, 13 Kasım ile 18 Kasım 2019 tarihleri arasında (COVID-19 pandemisi başlamadan önce) toplanmıştır. Kamu BT hizmetlerinin (örneğin, havalimanlarındaki biyometrik uygulamalar) tanımları ve örnekleri anket girişinde sunulmuştur. Çalışma 1'e ait ham veriler Ek Dosya 1'de verilmiştir. Uçuş sıklığı, geçtiğimiz yıl yapılan bir, iki, üç, dört ve beş veya daha fazla uçuşa karşılık gelen beş karşılıklı olarak dışlayıcı kategori (FF1–FF5) şeklinde ölçülmüştür (Çalışma 1: sırasıyla 138, 91, 34, 21 ve 38 katılımcı; Çalışma 2: sırasıyla 174, 153, 109, 82 ve 84 katılımcı).

Yordayıcı yapılar, “kesinlikle katılmıyorum (1)” ile “kesinlikle katılıyorum (7)” arasında değişen yedi puanlık bir Likert ölçeği kullanılarak değerlendirilmiştir (çalışma anketi için bkz. Supplementary File 21,46,53,54,63,64). 20 katılımcı ile yapılan pilot testin ardından revizyonlar, soru maddelerinin stabilitesini, uygulanabilirliğini ve yorumlanma kolaylığını artırmak amacıyla yapılan ifade düzeyindeki iyileştirmelerle sınırlandırılmış; pilot çalışma sonrasında herhangi bir yapı veya madde eklenmemiş ya da çıkarılmamıştır. Destekleyici belge, anketin tamamının yanı sıra ilgili istatistikleri ve teorik bağlamı içermektedir. Doğrulayıcı faktör analizi (DFA) ve kovaryans tabanlı yapısal eşitlik modellemesi (CB-SEM) analizleri gerçekleştirilmiştir.

Çalışma 1 için uzman müdahalesi
Nesnelliği sağlamak ve bu çalışmanın kalitesini artırmak amacıyla, ikisi uluslararası kuruluşlardan (Airports Council International ve International Air Transport Association), ikisi hükümet kurumlarından (Singapore Changi Airport ve Korea Airports Corporation) ve biri kamu alanında hizmet veren özel bir şirketten (Korean Air) olmak üzere, en az on yıllık deneyime sahip beş uzman davet edilmiştir. Bu uzman müdahalesi, modeli ve hedef ortamın alan bilgisini geliştirmek için geri bildirim sağlanmasında temel rol oynamıştır. Hem kalitatif (yani subjektif geri bildirimler) hem de kantitatif (yedi puanlı Likert ölçeği) değerlendirmeler yapılmıştır. Kantitatif değerlendirme için karar-rapor-özellikleri anket maddelerinin revize edilmiş bir versiyonu (bkz. Ek Dosya 3)65 benimsenmiş ve sınıf içi korelasyon katsayısı kullanılarak valide edilmiştir6. Her müdahale turunda, her uzman kantitatif anketi bireysel olarak doldurmuş ve ardından açık uçlu kalitatif geri bildirimler sağlamıştır; tekrarlanabilirliği sağlamak amacıyla her iki müdahalede de aynı panel, araçlar ve prosedür kullanılmıştır.

Çalışma 2
Çalışma 1'de belirlenen sorunları gidermek ve modelin genelleştirilebilirliğini artırmak için Çalışma 2'de Çalışma 1 ile aynı model uygulanmıştır. Çalışma 2, 602 katılımcıyı içermiştir (kadın: %42,3, erkek: %57,7; Kore: 20, Birleşik Krallık: 201 ve ABD: 201). Veriler 23 Temmuz ile 19 Ağustos 2020 tarihleri arasında (COVID-19 pandemisi sırasında) toplanmıştır. Çalışma 2'ye ait ham veriler Ek Dosya 4'te sunulmuştur. Gözlemlenen 3 gösterge ile bu örneklem büyüklüğü, gösterge başına yaklaşık 18 gözlem sağlamaktadır; bu değer CB-SEM için yaygın olarak önerilen gösterge başına 10 gözlem kriterini ve yaygın olarak kullanılan 20 gözlemlik minimum eşiği aşmaktadır. KR, Birleşik Krallık ve ABD, Temmuz 2019 ile Haziran 2020 arasında dünya genelindeki tüm hava yolu yolcularının %29,1'ini (yaklaşık 5,5 milyarın 1,6 milyarı) oluşturdukları için seçilmiştir. COVID-19 pandemisi bu ülkeleri farklı zamanlarda etkilemiş; önce Kore'de başlamış, daha sonra ABD ve Birleşik Krallık'ı etkilemiştir. Ayrıca, bu üç ulus Doğu ve Batı kültürel geleneklerinin bir karışımını sunmuştur. Sonuç olarak, bu ülkelerden elde edilen birleştirilmiş veri seti, yeni kamu BT hizmetine (yani havaalanı biyometrisi) yönelik kullanıcı algı-niyet çerçevesini incelemek için kullanılmıştır.

Çalışma 2 için uzman müdahalesi
Aynı uzmanlar davet edilmiş, aynı nicel ve nitel değerlendirmeler gerçekleştirilmiş ve Çalışma 2'deki bulguları doğrulamak için geri bildirimleri istenmiştir.

Sonuçlar

Çalışma 1
Kendi bildirimli verilerle ilişkili olası CMB'yi değerlendirmek için öncelikle tek faktörlü analiz yapıldı67. Test sonuçlarına göre, tek bir faktör varyansın %36,56'sını açıkladı; varyansın %50'sinden daha azını açıklayan tek bir faktör, CMB'nin endişe kaynağı olmadığını gösterir62,67,68. Daha sonra yapısal geçerlilik ve güvenirlik değerlendirildi. Tablo 2'deki bulgular, ortalama varyans çıkarımı (AVE, 0,585 ila 0,836) ve bileşik güvenirlik (CR, 0,872 ila 0,939)'in gerekli asgari gereksinimleri karşıladığını gösterdi69,70. Ayrıca, diyagonalde gösterilen her bir yapının AVE'nin karekökü, diğer yapılarla olan korelasyonlarından daha yüksek çıktı ve bu durum ayırt edici geçerliliği destekler69.

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

Tablo 2: Yapısal güvenilirlik ve geçerlilik (Çalışma 1). Tablo, Çalışma 1 ölçüm modeli için bileşik güvenilirlik (CR), ortalama varyans çıkarımı (AVE) ve yapılar arası korelasyonları rapor etmektedir.

Daha sonra, algılanan kazanç, algılanan kayıp, kabul ve reddetme arasındaki ilişkiler yapısal eşitlik modeli (SEM) kullanılarak test edildi. Şekil 5'te gösterildiği gibi, model kabul edilebilir uyum indekslerini gösterdi (CMIN/DF = 2.25, CFI = 0.936, SRMR = 0.075, RMSEA = 0.062) ve tümü önerilen eşik değerleri karşıladı (CMIN/DF < 3, CFI > 0.90, SRMR < 0.08, RMSEA < 0.08). Sonuçlar, geliştirilen hipotezleri oldukça desteklemektedir. Algılanan kayıp için beş yönlendirici yapı (PER, TIR, SOR, PHR ve FIR) ve algılanan kazanç (PG) için dört yönlendirici yapı (REA, COM, TRI ve CPX) önemli etkilere sahip oldu. Birinci ve ikinci hipotez testleri, algılanan kaybın reddetme üzerinde orta düzeyde pozitif bir etkisi olduğunu (β = 0.357, p < 0.001) ve kabul üzerinde anlamlı şekilde negatif bir etkisi olduğunu (β = -0.148, p < 0.001) ortaya koydu. Bu nedenle hem H1 hem de H2 desteklenmektedir. Diğer yandan, üçüncü ve dördüncü hipotez testleri, algılanan kazancın algılanan kayıpla karşılaştırıldığında tam tersi etkilere sahip olduğunu gösterdi: kabul üzerinde güçlü pozitif etkisi (β = 0.721, p < 0.001) ve reddetme üzerinde negatif etkisi (β = -0.507, p < 0.001) sırasıyla belirlendi. Dolayısıyla hem H3 hem de H4 desteklenmektedir. Yapısal eşitlik modeli (SEM) kullanılarak yapılan 1. Çalışma'nın araştırma modeli test sonuçlarının genel özeti Tablo 3'te verilmiştir. Yapısal model, kabuldeki varyansın %62,4'ünü ve reddetmedeki varyansın %52,5'ini açıklamıştır (R2 = 0.624 ve 0.525, sırasıyla).

figure-results-1
Şekil 5: 1. Çalışmanın hipotez testi sonuçları. Şekil, 1. Çalışma örneği (N = 322) üzerinde tahmin edilen yapısal modelin standartlaştırılmış yol katsayılarını ve anlamlılık düzeylerini göstermektedir; tüm öne sürülen yollar beklenen yönlerde anlamlı bulunmuştur. PEL = performans kaybı; TIL = zaman kaybı; SOL = sosyal kayıp; PHL = fiziksel kayıp; FIL = mali kayıp; REA = göreli üstünlük; COM = uyum; TRI = denenebilirlik; CPX = karmaşıklık; PL = algılanan kayıp; PG = algılanan kazanç; REJ = reddetme; ACC = kabul Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

VarsayımYolβt-değerip-değeriSonuç
H1a: PL → REJ0.3576.592***Desteklendi
H2b: PL → ACC-0.148-3.059***Desteklendi
H3c: PG → REJ-0.507-7.29***Desteklendi
H4d: PG → ACC0.7218.966***Desteklendi

Tablo 3: Çalışma 1'in genel sonuçları. Tablo, Çalışma 1 için standartlaştırılmış yol katsayılarını, anlamlılık düzeylerini ve hipotez testi sonuçlarını özetlemektedir. ***p < 0.001

Ayrıca, H5'i test etmek ve modelin beklenen teoriyle tutarlı olup olmadığını doğrulamak için REJ ve ACC için gerekli toplam değerler hesaplandı55. Denklem (1) ve (2)'de, a algılanan kayıptan reddetmeye giden yolu (AKR = 0.357), c algılanan kazançtan reddetmeye giden yolu (AKK = -0.507), b algılanan kayıptan kabule giden yolu (AKA = -0.148) ve d algılanan kazançtan kabule giden yolu (AKK = 0.721) temsil eder. Sonuçlar, V(R) = a + c = -0.150 ve V(A) = b + d = 0.573 olduğunu gösterdi; dolayısıyla V(R) < V(A) ve H5 desteklendi.

Çalışma 1 için uzman müdahalesi sonuçları
Bulgular, uzmanların iddialarla tamamen aynı fikirde olmadığını gösterdi; sistematik yönelim, kalite ve problem ifadesi yeterliliğini ölçen yapılar için ortalama değerler 3,40 ile 4,40 arasında değişti. Genel olumsuz duyuş yapısı da 3,20 ile 3,60 arasında bir aralık gösterdi (ICC = 0,609, p = 0,008). Uzmanların öznel değerlendirmeleri, iyileştirilmesi gereken iki ek alanı belirledi: veri seti durumsal faktörü temsil etmiyordu (veri COVID-19 öncesinde toplanmıştı) ve yalnızca Koreli katılımcılardan oluşan bir örneklem genellenme için yeterli olmazdı. Bu sonuçlar, bu sorunları gidermek amacıyla uzman müdahalesinin ardından yürütülen Çalışma 2'nin temelini oluşturdu.

Çalışma 2
Çalışma 2'de, Çalışma 1'e paralel bir prosedür izlendi. İlk olarak, CMB'nin veri setinde bir endişe kaynağı olup olmadığını değerlendirmek amacıyla tek faktörlü analiz yapıldı67. Test sonuçları, tek bir faktörün varyansın %38,97'sini açıkladığını ve bu değerin endişe eşiği olan %50'nin altında olduğunu gösterdi; bu nedenle veri örneğinde CMB'nin önemli bir etkisi yoktu62,67,68. CMB'nin yanı sıra, Tablo 4'teki sonuçlar modelin güvenilirliğinin ve geçerliliğinin de yeterli düzeyde olduğuna işaret etti69,70. Ayrıca, tüm heterotrait-monotrait (HTMT) oranları 0,85 eşik değerinin altında çıktı ve bu durum ayırt edici geçerlilik için ek destek sağladı.

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

Tablo 4: Yapısal güvenilirlik ve geçerlilik (Çalışma 2). Tablo, Çalışma 2 ölçüm modeli için bileşik güvenilirlik (CR), ortalama varyans çıkarımı (AVE) ve yapılar arası korelasyonları rapor etmektedir.

Tüm üç ülke ile yapılan 2. Çalışmanın SEM test sonuçları CMIN/DF = 3.835, CFI = 0.945, RMSEA = 0.058 şeklindedir. CFI ve RMSEA önerilen eşik değerleri karşılamaktadır ve 3.835 olan CMIN/DF değeri daha katı olan <3.0 kriterini karşılamamış olsa da, daha az katı olan <5.0 kriterine göre hâlâ kabul edilebilir bir model uyumunu göstermektedir. Bu nedenle, test sonuçları Şekil 6 ve Tablo 5'te sunulduğu gibi geliştirilen argümanlarla ve 1. Çalışmanın sonuçlarıyla oldukça tutarlıdır. 1. Çalışmadaki sonuçlara benzer şekilde, PL ile REJ (β = 0.345, p < 0.001) ve PG ile ACC (β = 0.767, p < 0.001) arasındaki ilişkiler istatistiksel olarak anlamlı pozitif iken, PL ile ACC (β = -0.202, p < 0.001) ve PG ile REJ (β = -0.644, p < 0.001) arasındaki ilişkiler istatistiksel olarak anlamlı negatiftir. Dolayısıyla H1, H2, H3 ve H4 tümü desteklenmiştir. Yapısal model, kabuldeki varyansın %76.0'ını ve reddedilmekteki varyansın %72.1'ini açıklamıştır (R2 = 0.760 ve 0.721, sırasıyla).

figure-results-2
Şekil 6: Çalışma 2'nin hipotez test sonuçları. Diyagram, birleştirilmiş üç ülkeden oluşan Çalışma 2 örneği (N = 602) üzerinde tahmin edilen yapısal model için standartlaştırılmış yol katsayılarını ve bunların anlamlılık düzeylerini raporlamaktadır; sonuçların deseni Çalışma 1'i tekrarlamaktadır. PEL = performans kaybı; TIL = zaman kaybı; SOL = sosyal kayıp; PHL = fiziksel kayıp; FIL = mali kayıp; REA = göreli avantaj; COM = uyumluluk; TRI = denenebilirlik; CPX = karmaşıklık; PL = algılanan kayıp; PG = algılanan kazanç; REJ = reddetme; ACC = kabul Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

VarsayımYolβt-değerip-değeriSonuç
H1a: PL → REJ0.3459.342***Desteklendi
H2b: PL → ACC-0.202-6.81***Desteklendi
H3c: PG → REJ-0.644-12.694***Desteklendi
H4d: PG → ACC0.76713.707***Desteklendi

Tablo 5: Çalışma 2'nin genel sonuçları. Tablo, Çalışma 2 için standartlaştırılmış yol katsayılarını, anlamlılık düzeylerini ve hipotez testi sonuçlarını özetlemektedir. ***p < 0.001

Ardından, H5'i test etmek ve modelin bekleyiş kuramı argümanını destekleyip desteklemediğini doğrulamak amacıyla REJ ve ACC için gerekli olan toplam değerler daha fazla incelendi55. Çalışma 1'deki aynı katsayı eşlemesi kullanılarak yapılan analizler, V(R) = a + c = -0,299 ve V(A) = b + d = 0,565 değerlerini verdi; dolayısıyla V(R) < V(A) oldu. H5, Çalışma 2'de de desteklendi ve Çalışma 2'deki V(R) ile V(A) arasındaki fark (0,864), Çalışma 1'dekinden (0,723) daha büyük oldu.

Çalışma 2 için uzman müdahalesi sonuçları
Nicel değerlendirme sonuçları önemli ölçüde olumlu idi (ICC = 0,960, p < 0,001); sistematik yönelim, kalite ve problem ifadesi yeterliliğini ölçen yapıların ortalama değer aralığı 6,20 ile 6,80 arasında, genel olumsuz duyguyu ölçen yapı için ise 1,20 ile 1,80 arasında idi. Yüksek iç sınıf korelasyonu, uzmanların modelin sistematik yönelimi, kalitesi ve problem ifadesi yeterliliği konusunda güçlü bir uzlaşmaya vardığını göstermektedir ve uzmanlar öznel değerlendirmelerinde başka herhangi bir konuyu gündeme getirmedi. Bu nedenle, çalışmanın nihayet önerilen PITA modelini tamamlamak için gerekli gereklilikleri karşıladığı sonucuna varıldı.

VERİNİN UYARLAMASI:
Veriler Ek Dosya 1 (Çalışma 1) ve Ek Dosya 4 (Çalışma 2) olarak yüklenmiştir; tam CB-SEM model çıktıları Ek Dosya 5'te sağlanmıştır ve değişken tanımları ile kodlamalar veri sözlüğünde belgelenmiştir (Ek Dosya 6). Veri dosyalarında ve CB-SEM çıktılarında, makaledeki kısaltmalar PEL, TIL, SOL, PHL, FIL ve REJ sırasıyla değişken etiketleri PER, TIR, SOR, PHR, FIR ve RES'ye karşılık gelir ve ikinci-düzey yapılar PL ve PG sırasıyla Perceived_Risk ve Perceived_Benefit olarak etiketlenmiştir.

Ek Dosya 1: Araştırma verileri (Çalışma 1) Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Dosya 2: Anket soruları Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Dosya 3: Müdahale soru formu Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Dosya 4: Araştırma verileri (Çalışma 2) Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Dosya 5: CB-SEM model çıktı dosyaları Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Dosya 6: Veri sözlüğü Lütfen bu dosyayı indirmek için buraya tıklayınız.

Tartışma

İki çalışmadan oluşan bu araştırma, kamu BT benimsemesinin PITA modelini test etmiştir; her iki çalışma genelinde beş hipotezin tamamı desteklenmiş ve riskli COVID-19 bağlamında V(A) ile V(R) arasındaki fark, riskli seçimlerin daha yüksek algılanan değer gerektirdiğine dair prospekt teorisinin tahminiyle uyumlu olarak genişlemiştir. TAM2 ve DOI1 dahil olmak üzere, kamu BT benimsemesini yeterince açıklayamayan BT benimseme literatürünün teorik temellerinde bir boşluk tespit edilmiştir. En önemlisi, bu çalışmalar kullanıcıların kamu BT hizmetlerini kullanırken yaşadıkları belirsizliği yeterince hesaba katmamıştır. Bu nedenle, PITA tarafından öne sürülen algı-niyet çerçevesinin kamu BT hizmetlerini benimseme kararı üzerindeki etkisinin ne olduğu sorgulanmıştır. Bir kullanıcı, yeni ve yenilikçi bir kamu BT hizmetiyle karşılaştığında, mevcut durum seçeneğinin avantaj ve dezavantajlarını değerlendirmelidir. Yeni seçenek reddedilirse, kullanıcı önceki durumuna döner ve böylece yeni seçenek gereksiz hale gelir. PITA modeli, böyle bir seçimi etkileyen temel değer algılarının kavranmasını sağlar. Ek olarak bu durum, yeni bir kamu BT hizmetine yatırım yapmadan önce bu tür başarısızlıkların önlenmesine yönelik çeşitli öneriler sunmuştur1,42. Bu çalışma, algılanan kazanç ve kayıpların bir kamu BT hizmetinin kabulü ve reddi üzerindeki etkisini incelemiş; beş hipotezin tamamı desteklenmiştir. Kullanıcıların kamu BT hizmetlerine ilişkin algıları iki perspektiften görülebilir ve kullanıcıların olumsuz algılarının baskın çıkması muhtemeldir. Ancak bulgular, olumlu algılarının onları kabul etmeye teşvik ettiğini ve direnci azalttığını göstermiştir. Algılanan kayba ilişkin ilgili örnekler arasında tutarsız performans, makul olmayan şekilde uzatılmış prosedürler, kullanıcı çevresinden gelen direnç, cihazların neden olduğu fiziksel zararlar ve finansal işlemlerdeki başarısızlıklar yer almaktadır. Ayrıca, birbirinin yerine geçebilen fonksiyonlar, açık beta test etkinlikleri ve kullanım kolaylığı, algılanan kazançların bileşenlerine örnek teşkil etmektedir. Her iki çalışmadan elde edilen bulgular, örneğin yenilik direnci modeli ve yeniliklerin yayılımı üzerine yapılan önceki araştırmalarla tutarlılık göstermiştir1,42.

Önemli bir bulgu, kabulün genel değerinin reddetmenin değerinden neredeyse beş kat daha fazla olmasıydı. V(A) ve V(R) arasındaki bu büyük fark, öncelikle algılanan kazancın kabul üzerindeki güçlü pozitif etkisinden (β = 0.721) ve algılanan kazancın reddetme üzerindeki negatif etkisinden (β = -0.507) kaynaklanmıştır; bu durum, kullanım kolaylığı ve değiştirilebilir fonksiyonlar gibi fayda algılarının, benimseme kararlarını şekillendirmede kayıp algılarından daha baskın bir rol oynadığını göstermektedir. Kullanıcıların yeni ve yabancı bir kamu BT hizmetini kabul etme yönünde daha riskli bir karar vermeleri için, pozitif algıların negatif algıları önemli ölçüde bastırması gerekmektedir. Karar verme süreci tamamen rasyonel olmayabileceği için kullanıcılar, kayıpların pahasına yeni kamu BT hizmetlerini reddetme kararı da alabilirler. Bu fenomen, mevcut hizmete olan güçlü bağlılık ve kamu BT hizmetlerinin düzenli günlük kullanım için tasarlanmamış olmasıyla açıklanabilir. Kullanıcılar herhangi bir rahatsızlık gördüklerinde mevcut durumlarını koruyabilirler. Algılanan kazançlar yetersizse veya algılanan kayıplar beklenenden fazlaysa, kullanıcılar yeni kamu BT hizmetlerini kabul etmeye yönelik psikolojik dirençlerini kırmaya çalışmayacaklardır. Bir kamu BT hizmeti bağlamında kullanıcıların algı-niyet çerçevesinde tutarlı bir şekilde aynı kalıpları ortaya koyan Çalışma 2'de, önerilen teorik model için daha somut ve geniş kapsamlı bir doğrulama elde edilmiştir. Ek olarak, V(A)'nın V(R)'den önemli ölçüde yüksek olması, prospekt teorisinin genişletilmesi lehine olan durumu desteklemiştir5.

Durumsal faktörün (COVID-19) V(A) ve V(R) üzerindeki etkisi, Çalışma 2'deki bir diğer ilgi çekici bulguydu. Çalışma 2'deki V(R) ve V(A) arasındaki fark, Çalışma 1 ile karşılaştırıldığında genişlemiştir. Küresel bir sağlık krizi sırasında kullanıcılar, enfeksiyondan kaynaklanabilecek potansiyel kayıpları daha yüksek algılarken aynı zamanda temassız hizmetten elde edilecek potansiyel kazanımları daha fazla fark etmiş olabilirler ve bu ikili etki, kabul için gereken değer farkını artırmıştır. Bu bulgu, daha riskli seçeneğin (riskli bir durumda, COVID-19, yeni bir kamu BT hizmetini kabul etmek) daha yüksek değer gerektirdiğini belirterek prospekt teorisini geliştirme çabasını desteklemektedir5. Kaçınılmaz olarak, Çalışma 2'den elde edilen değerlendirme bulguları, Çalışma 1'inkileri bir kez daha desteklemiştir. Durumsal faktör, uzmanların ilk müdahale sırasında öngördüğü gibi, kullanıcıların kararla ilgili değerlerini değiştirebilecek potansiyel bir unsurdu. Ek olarak sonuçlar, havaalanı biyometrisi vakası için daha büyük örneklemler kullanarak model varsayımlarının geçerliliğini desteklemiş, böylece modele daha fazla sağlamlık ve genellenebilirlik kazandırmıştır. Bununla birlikte, havuzlanmış çok ülkeli analiz, yapıların ülkeler arasında benzer şekilde yorumlandığını varsaymıştır; resmi ölçüm değişmezliği testi ve ülkeye özgü karşılaştırmalar yapılmamıştır ve bunlar gelecek araştırmalar için bir görev olarak kalmaktadır.

Algı-niyet çerçevesi kullanılarak yapılan analize göre, kullanıcılar kamu BT hizmetini kullanmaktan önemli ölçüde daha fazla kazanç elde edeceklerine inanırlarsa mevcut durumu (status quo) seçmeyeceklerdir. Bu durum, kullanıcıların ancak algılanan kazançların kabul etme şeklindeki riskli seçeneği daha cazip kıldığı durumlarda dengelerini terk etmeye istekli olduklarını göstermektedir. Geriye dönük olarak bakıldığında, kabul etme sürecinin algılanan kayıplardan ziyade algılanan kazançlardan daha fazla etkilenmesi kavramsal olarak mantıklıdır. Beklenti teorisine5 göre, kullanıcıya sunulan mevcut hizmet, kullanıcıların önceden deneyimi olduğu bilinen bir yapı olduğu için güvenli, “riskten kaçınan” seçenektir. Bu, kullanıcının herhangi bir davranışsal koşulu uyarlamadan veya değiştirmeden, hiçbir risk almadan aynı sonucu almayı öngörebileceği anlamına gelir. Ancak, algılanan kazançlar algılanan kayıplardan önemli ölçüde daha ağır bastığı anda, muhtemelen “riskten kaçınan” seçenekten uzaklaşılarak riskli seçenek seçilecektir. Bu etkilerin, bir kullanıcının daha riskli bir durumla karşılaştığı COVID-19 pandemisi sırasında, yeni kamu BT hizmetini kullanmayı düşündüklerinde değer ihtiyacını artırmış olabileceği durumlarda daha güçlü olması dikkat çekicidir. Algılanan kazanç ve kayıp ile kamu BT hizmetlerinin kabulü veya reddi arasında tutarlı bir ilişki keşfedilmiştir. Verilere göre, kullanıcıların potansiyel faydaları nasıl algıladıklarının ve bu anlayışın bir kamu BT hizmetini kullanmayı seçip seçmeyeceklerini nasıl etkilediğinin daha derin bir şekilde kavranması gereklidir. Bir kullanıcıya yeni bir seçenek sunulduğunda, mevcut olabilecek herhangi bir psikolojik ataletle mücadele etmek zorunda oldukları için yeni bir BT hizmetini kabul etmenin herhangi bir kullanıcı için önemli ölçüde daha zor olduğu görülmektedir. Bu durum, algı ve niyet çerçevesindeki iyileştirmelerin daha belirgin olması gerektiği gerçeğiyle de ortaya konmuştur. Bu bulgular, beklenti teorisinin5 ortaya koyduğu temel fikirle örtüşmektedir: daha riskli kararlar, daha güvenli olanlara göre daha yüksek değerler gerektirir. Özellikle, algılanan kazancın kabulü, algılanan kaybın reddi öngörmesinden daha güçlü bir şekilde öngördüğü asimetrik örüntü, bu bağlamdaki karar verme sürecinin sadece kayıptan kaçınma odaklı değil, aksine kazanç odaklı olduğunu göstermektedir; bu nüans, beklenti teorisinin kayıptan kaçınmaya verdiği tipik vurguyu genişletmektedir. Bu sonuçlar ayrıca önceki benimseme araştırmalarıyla da uyumludur: algılanan kazancın kabul üzerindeki güçlü etkisi, TAM'ın algılanan faydalılığa verdiği vurguyla2 tutarlıyken, algılanan kaybın ret üzerindeki önemli etkisi, benimseme engellerinin potansiyel faydalardan daha ağır basabileceği yönündeki inovasyon direnci modelinin iddiasını desteklemektedir42,49. Bu çalışma, kazanç ve kayıpların bağımsız olarak çalışmak yerine kabul ve reddi eş zamanlı olarak etkilediğini göstererek söz konusu literatürü genişletmektedir. Böylece bulgular, kamu BT hizmetleri kullanıcılarını mevcut durumu korumaya (yani reddetmeye) veya risk alımlarını artırmaya (yani kabul etmeye) iten faktörlerin teorik olarak anlaşılmasına katkıda bulunmaktadır. BT benimsemesine karşıtlığa ilişkin büyüyen araştırma külliyatı bu çalışma ile daha da ilerletilmiştir. Birey ve firma düzeyindeki literatürdeki45,50,51 önceki çalışmalara dayanarak, BT'yi reddetmenin ve kabul etmenin farklı karar verme kriterleri olduğu kanıtlanmıştır. Tüm kullanıcıların bir eşiği vardır42,49; ancak kamu BT benimsemesi üzerine yapılan hiçbir çalışma bu eşiklerin ne olabileceğini incelememiştir. Bu nedenle, algılanan kaybın dahil edilmesi, bu toleransı araştırmak için yararlı bir yol olmuş ve kamu BT'yi kabul etme veya reddetme seçimini önemli ölçüde etkilemiştir. Bu bulgular, aynı kabul-ve-ret ilkesini uygulayan önceki araştırmaları yeni bir bağlama taşıyarak genişletmiş ve onlara ek katkı sağlamıştır51.

Bulguların kamu kurumları için önemli yönetsel çıkarımları bulunmaktadır. İlk olarak, bu kurumların değişim sürecinde zorlandıkları ve dijital altyapıya geçişin güç olduğu bilinmektedir. Bu nedenle, kamu kuruluşlarının bir BT hizmetine geçerken verdikleri hatalı kararlar uzun süreli olumsuz etkilere yol açabilir. Kullanıcılar, kaybın çok büyük olduğunu hissederlerse önerilen BT hizmetini benimsemeye muhtemelen hazır olmayacaklardır. Buna karşılık, bir kamu kurumu yöneticisi algılanan kazanımlar aracılığıyla reddetmeyi azaltan faktörleri net bir şekilde ortaya koyarsa, kamu BT hizmetine yapılan yatırımlar daha başarılı olabilir. Yöneticiler, algılanan kazanımları artırıp algılanan kayıpları azaltarak, pozitif yanıt uyandıran çözümler bulmaya çalışmak için PITA'yı kullanarak nihayetinde kabulü artırabilir ve reddetmeyi azaltabilirler. Örneğin, biyometrik tarama uygulayan bir kamu havalimanı, yatırım öncesinde kullanıcı algılarını değerlendirmek için PITA'yı kullanabilir: eğer V(R), V(A)'ya yaklaşıyorsa veya onu aşıyorsa, yöneticiler iletişimi daha hızlı işlem yapma gibi somut faydalara (algılanan kazanımı artırma) odaklayabilir veya sistemden ayrılma alternatifleri sunabilirler (algılanan kaybı azaltma). Modelin basitliği sayesinde V(A) ve V(R) doğrudan anket verilerinden hesaplanabilir; bu da yöneticilere kullanıcıların kullanım niyetlerini anlamak ve önerilen BT hizmetinin benimsenme durumunu ve şansını belirlemek için net bir kıyaslama noktası sağlar.

Bu çalışmanın birkaç önemli kısıtlılığı bulunmaktadır. İlk olarak, her iki çalışmada etkiler benzer olsa da, algılanan kayıp ölçümlerinde gözlemlenen daha az anlamlı etkileri tam olarak anlamak için daha fazla araştırmaya ihtiyaç vardır ve bu çalışmada dikkate alınan faktörler, modelde bulunan varyansı yalnızca kısmen açıklayabilir. İkinci olarak, her iki çalışma da hava yolu yolcularından alınan kesitsel, öz bildirimli anket verilerini kullanmıştır; bu tasarım nedensel çıkarımları engeller, seçim ve sosyal beğenilme yanlılıklarına yol açabilir ve genellenebilirliği bu popülasyonun ötesine sınırlandırır. Üç ülke arasında resmi ölçüm değişmezliği testi henüz gerçekleştirilmemiştir. Üçüncü olarak, veriler belirli dönemlerde (2019 4. çeyrek ve 2020 ortası) toplanmıştır ve pandemi geliştikçe kullanıcı algıları değişmiş olabilir. Dördüncü olarak, bir yöneticinin yalnızca bir yeni potansiyel seçeneği değerlendireceği ve mevcut seçeneğin başka bir kısıtlama görevi göreceği varsayılmıştır. Kesinlik etkisine göre, farklı kesinlik derecelerine sahip birkaç seçenek olduğunda bu durum risk alma davranışlarını teşvik ettiğinden71, gelecekteki çalışmalar çeşitli PITA teknoloji seçeneklerini değerlendirmeli ve bu, takip edilmeye değer bir yön olabilir. Gelecekteki araştırmalar ayrıca inovasyon direncinin diğer biçimlerini ve eşiklerini incelemeli63, PITA'yı diğer kamu BT hizmetlerine (örneğin, e-devlet portalları ve halk sağlığı uygulamaları) ve algılanan fayda ile riskin benimsemeyi birlikte şekillendirdiği diğer alanlara genişletmeli64, V(A) ve V(R)'nin zaman içinde nasıl geliştiğini izlemek için boylamsal tasarımlar kullanmalı ve kültürel boyutların modeldeki ilişkileri modere edip etmediğini incelemelidir. Genel olarak, bu çalışmanın kamu BT benimsenmesinin daha iyi anlaşılmasına katkıda bulunması beklenmektedir. Hem algılanan kazancı hem de algılanan kaybı dahil ederek PITA modeli, kullanıcı karar verme sürecinin ikili doğasını yakalar: kabul, kazançların cazibesiyle sürüklenirken, reddetme kayıpların korkusuyla sürüklenir. Yatırım yapmadan önce yöneticiler, potansiyel BT çözümlerinin belirlendiği erken aşamalarda sağlam ve doğru kararlar vererek doğru yöne yönlendirilebilirler. PITA, yöneticilere hem kabul hem de reddetme için gerekli olan toplam değeri sunduğundan, kabulün toplam değeri yetersizse yöneticiler BT hizmet stratejilerini yeniden gözden geçirmelidir. Durumsal riskin, kabul için gereken değer farkını artırdığına dair bulgu, hem prospekt teorisine hem de teknoloji benimseme literatürüne yeni bir katkı sağlamaktadır. Bu nedenle PITA, yöneticilerin reddetme değerinden daha büyük bir toplam kabul değeri sunan bir çözüm bulmalarına yardımcı olmalıdır: kullanıcılar ancak o zaman yeni bir kamu BT hizmetini kullanmaya hazır olurlar.

Açıklamalar

Yazarlar herhangi bir çıkar çatışması olmadığını beyan ederler. Bu revize edilmiş taslağın hazırlanması sırasında, dil düzenleme ve biçimlendirmeye yardımcı olması amacıyla üretken bir yapay zeka aracı (ChatGPT 5o) kullanılmıştır. Yazarlar tüm içeriği gözden geçirmiş ve doğrulamıştır ve taslağın tüm sorumluluğunu üstlenmektedir; veri üretmek, analizler yapmak veya şekiller oluşturmak için hiçbir yapay zeka aracı kullanılmamıştır.

Teşekkürler

Bu çalışma, aSSIST University'den alınan araştırma fonu tarafından desteklenmiştir.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
IBM SPSS Amos (CB-SEM yazılımı)IBM Corp. (Armonk, NY, USA)version 27; https://www.ibm.com/products/structural-equation-modeling-sem/Ölçüm modeli değerlendirmesi (CFA: bileşik güvenilirlik, AVE ve ayırt edici geçerlilik) ve yapısal model yol analizi dahil olmak üzere tüm kovaryans tabanlı yapısal eşitlik modellemesi (CB-SEM) analizleri için kullanılmıştır. 
Prolific (Çevrimiçi Katılımcı Alımı Platformu)Prolific Academic Ltdhttps://www.prolific.com/Anket katılımcılarını toplamak için kullanılan çevrimiçi platform. Katılımcılar uygunluk kriterlerine (örneğin, havaalanı deneyimi) göre taranmış ve Prolific'in adil ödeme yönergelerine göre ücretlendirilmiştir. 
Qualtrics (Çevrimiçi Anket Platformu)Qualtrics, LLCRRID:SCR_016728Anket tasarımı, dağıtımı ve yanıt verilerinin toplanması için kullanılan web tabanlı anket platformu. Tüm ölçüm maddeleri, Qualtrics üzerinden 7'li Likert ölçeği (1 = kesinlikle katılmıyorum, 7 = kesinlikle katılıyorum) kullanılarak uygulanmıştır. https://www.qualtrics.com/

Kaynaklar

  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.

Yeniden basım ve izinler

Etiketler

Beklenti TeorisiAlg Niyet er evesiE Devlet HizmetleriKamu Sa l UygulamalarBiyometrik SistemlerKullan c KabulAlg lanan De erUluslararas AnketM dahale Ara t rmas
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.