英语原文共 55 页，剩余内容已隐藏，支付完成后下载完整资料

用户信息技术接受：基于统一的观点

摘要

信息技术(IT)验收研究已经产生了许多相互竞争的模型，每个模型都有不同的验收决定因素。在本文中，我们(1)回顾了用户验收的文献，并讨论了8个突出的模型，(2)对8个模型及其扩展进行了经验比较，(3)制定了一个统一的模型，将8个模型中的元素整合在一起，(4)实证验证了统一模型。摘要本文回顾了“理性行动”理论、“技术接受模型”、“动机模型”、“计划行为理论”、“技术接受模型”与“计划行为理论”、“个人电脑利用模型”、“创新扩散理论”和“社会认知理论”。这8个模型使用了四个组织的数据，在六个月的时间内使用了三个测量点，解释了使用信息技术的用户意图中17%到53%之间的差异。接下来，一个统一的模型，被称为统一的技术接受和使用理论(UTAUT)，有四个核心决定因素的意图和使用，以及四个主要关系的调节者。然后使用原始数据对UTAUT进行测试，发现它的性能优于8个单独的模型(调整后的R2为69%)。UTAUT随后得到了来自两个具有相似结果的新组织的数据的确认(调整后的R2为70%)。UTAUT从而为管理者提供了一个有用的工具需要评估新技术的成功的可能性,呆呆的介绍和帮助他们理解接受的司机为了主动设计干预措施(包括培训、市场营销等)针对用户的数量可能不太愿意采纳和使用新系统。本文还对未来的研究提出了一些建议，包括对本文所研究的动态影响的深入理解，对UTAUT中使用的核心结构的细化测量，以及理解与新技术使用相关的组织结果。

关键词:计划行为理论，不确定性特征，技术接受模型，社会认知理论，统一模型，综合模型。

介绍

计算机和信息技术在今天的组织中有了显著的发展。一些估计表明，自20世纪80年代以来，在组织的所有新资本投资中大约有50%是在信息技术方面(Westland和Clark 2000)。然而，对于提高生产力的技术来说，它们必须被组织的员工接受和使用。解释用户接受新技术常常被描述为当代信息系统(is)文学中最成熟的研究领域之一(如Hu et al. 1999)。这一领域的研究已经产生了几个理论模型，这些模型来源于信息系统、心理学和社会学，它们通常解释了个人意愿中超过40%的使用技术的差异(例如，Davis et al. 1989;泰勒和托德1995 b;马纳尔和戴维斯2000)。研究人员在众多的模型中面临着一个选择，他们发现他们必须在模型中“选择和选择”结构，或者选择一个“受欢迎的模型”，并且在很大程度上忽略了替代模型的贡献。因此，有必要进行审查和综合，以便在用户接受的统一视图上取得进展。

目前的工作目标如下:

(1)回顾现有的用户验收模型:本综述的主要目的是评估对新信息技术的个人接受程度的知识的当前状态。本文对八种突出的模型进行了分析，并讨论了它们的异同。一些作者以前曾在不同的模型中使用过一些相似之处。然而，我们的审查是第一个评估所有8个模型的异同，这是朝向最终目标的必要的第一步:发展一个统一的个人接受技术理论。审查报告在下一节中提出。

(2)对八种模型进行实证比较:采用四种组织的数据对八种模型进行研究，纵向验证和比较。这提供了一个基线评估的相对解释力的个体模型，以统一模型可以比较。第三部分给出了实证模型的比较。

(3)制定统一的技术验收和使用理论(UTAUT):基于概念和经验上的相似点，建立统一的模型。第四个部分介绍了UTAUT的组成。

(4)对UTAUT的经验验证:对原始数据的UTAUT的实证检验为我们的论点提供了初步的支持，即UTAUT胜过了8个原始模型中的每一个。然后使用来自两个新组织的数据对UTAUT进行交叉验证。第五部分给出了UTAUT的经验验证。

审查现存的用户验收模型

模型和构造的描述

长期以来，研究人员一直在研究个人采用新信息技术的方式和原因。在这个广泛的调查范围内，已经有了几条研究的渠道。一项研究集中于个人接受技术，将意图或使用作为一个因变量(例如，Compeau和Higgins 1995b;戴维斯et al . 1989年)。其他的数据流集中于组织层面的实施成功(Leonard-Barton和Deschamps 1988)和任务技术适应(Goodhue 1995;和1995年的Goodhue和Thompson。虽然这些数据流对用户接受信息技术的文献做出了重要和独特的贡献，但在当前的审查、比较和综合中包含的理论模型将使用意图和/或使用作为关键的因变量。这里的目标是将使用理解为因变量。意图作为行为的预测者(例如，使用)的作用是非常重要的，并且已经在is和参考学科中得到了确认(参见Ajzen 1991;谢泼德et al . 1988;泰勒和托德1995 b)。图1展示了基本的概念框架，其基础是解释个人接受信息技术的模型，这是本研究的基础。我们的审查结果是确定了八个主要的相互竞争的理论模型。表1描述了这8个。

模型和定义他们的意图和/或使用的理论决定因素。模型假设在两个和七个决定因素之间，总共有32个结构在8个模型中。表2列出了四种主要的调节变量(经验、自愿性、性别和年龄)，这些变量与这些模型结合在一起是很重要的。

之前的模型测试和模型比较

对这八种模型进行了许多测试，但只有四项研究报告了在主要信息系统期刊上发表的八种模型中两种或两种以上的比较。表3提供了每个模型比较研究的简要概述。尽管re- search流的成熟度很明显，但在单一的研究中还没有对关键的竞争模型进行全面的比较。下面，我们确定了这些之前的模型测试和比较的5个限制，以及我们如何解决工作中的这些限制。

技术研究：在许多模型开发和比较研究中所研究的技术相对简单，以个人为导向的信息技术，而不是更复杂和复杂的组织技术，这些技术是管理关注和本研究的重点。

参与者:虽然在组织设置中有一些测试，但是四个模型比较研究中的三个参与者是学生，只有Plouffe等人(2001)在非学术环境下进行了他们的研究。这项研究是利用组织中员工收集的数据进行的。

测量时间:一般来说，8个模型的大部分测试都是在参与者接受或拒绝决定之后进行的，而不是在主动采用决策过程中进行的。由于行为已成为惯例，在这些研究中报告的个人反应是回顾性的(见Fiske和Taylor 1991;马纳尔et al . 2000年)。除了Davis et al.(1989)之外，模型比较研究了在测量时个体所熟悉的技术。在本文中，我们研究了从他们最初介绍到更丰富的经验阶段的技术。

测量的性质:即使是经过检验的研究，也通常采用横断面或之间的比较(例如，Davis et al. 1989;Karahanna et al . 1999;Szajna 1996;泰勒和托德1995;汤普森et al . 1994年)。这个限制也适用于模型比较研究。我们的工作通过一个新技术对参与者进行不同阶段的体验，并对所有参与者的模型进行比较。

自愿与强制性环境:大多数模型测试和所有四种模型比较都是在自愿使用环境下进行的。因此，当将这些结果推广到可能对实践经理更感兴趣的强制设置时，必须谨慎使用。这种重新搜索既检查了自愿的执行情况，也检查了人为的执行情况。

八种模型的实证比较

设置和参与者

在四个组织中进行了纵向的实地研究，这些组织被引入到工作场所的一项新技术中。为了确保我们的结果在不同的环境中都是可靠的，我们在技术、组织、行业、业务功能和使用性质(自愿与强制)之间进行了异质性抽样。此外，我们捕捉到用户对技术的体验增加的感觉。在每一家公司，我们都能将数据收集与新技术引进相关的培训项目结合起来。这种方法与先前的培训和个人接受研究相一致，研究人员对一项新技术的个人反应进行了研究(例如，Davis et al. 1989;Olfman和Mandviwalla 1994;马纳尔和戴维斯2000)。一份预先测试过的问卷，包括从所有8个模型中施加的压力结构，分别在3个不同的时间点进行管理:培训后(T1)，实施后一个月(T2)，实施后3个月(T3)。实际使用行为是在培训后6个月进行的。表4总结了组织设置的主要特征。图2展示了纵向数据收集计划。

测量

在对所研究的技术和组织进行的研究中，对项目进行了验证。从Davis等人(1989)中改编了TRA量表;TAM量表是由Davis (1989)， Davis et al. (1989)， Venkatesh and Davis(2000)改编的。MM量表是根据Davis等人(1992)提出的;TPB/DTPB量表适用于泰勒和托德(1995a, 1995b);MPCU量表适用于Thompson等人(1991);IDT量表适用于Moore和Benbasat (1991);而SCT量表则是由康菲和希金斯(1995a, 1995b)和Compeau等人(1999)改编而成。使用该系统的行为意图是用Davis等人(1989)的三项量表来衡量的，并在之前的许多个人接受研究中广泛使用。所有上述结构的测量都采用了7点量表，1是量表的负端，7是量表的正端。除了这些措施之外，人们还认为自愿行为是按摩尔和本巴斯特(1991)的规模来衡量的，其中1个是非自愿的，7个是完全自愿的。各种量表中动词的时态反映了测量的时间:将来时态用在T1，现在时态用在T2和T3(见Karahanna et al. 1999)。用于度量关键结构的量表在后面的一节中讨论，我们将进行详细的比较(表9到13)。由五位商业专业人士组成的焦点小组对问卷进行了评估，并对其进行了细微的修改。实际使用行为是通过系统日志来度量的。由于使用措施对网络可用性的敏感性，在所有研究的组织中，系统在5到15分钟后自动注销非活动用户，从使用日志中消除了大部分空闲时间。

结果

在la和lb (la: M = 6.50, SD = 0.22)的研究中，自愿性的观念非常高。M = 6.51, SD = 0.20)，在研究2a和2b (la: M = 1.50, SD = 0.19;M = 1.49, SD = 0.18)。考虑到数据中的这种双模态分布(自愿与强制)，我们创建了两个数据集:(1)研究la和Ib，(2)研究2a和2b。这与Venkatesh和Davis(2000)相一致。

部分最小二乘法(PLS图，2.91.03.04)用于检验测量的信度和效度。具体来说，48个独立的效度测试(两个研究，8个模型，3个时间段)都是用来检验收敛性和判别效度的。在对各种模型的测试中，仅对意向的直接影响建模为目的是研究意图的预测，而不是意图的决定因素之间的相互关系;此外，解释的方差(R2)不受间接路径的影响。加载模式被认为是可以接受的，大多数负荷为。70或更高。所有内部一致性可靠性均大于0.70。目前工作中发现的结果模式与之前的研究结果高度一致。

在这两个数据集的每一个测量的三个点上，都用PLS来测试所有的8个模型。在所有情况下，我们使用了一个bootstrapping方法(500次)，使用随机选择的子样本来测试PLS模型。表5和表6给出了每个测量点的模型验证结果。表报告了解释的方差和系数。这些分析得出了关键的发现。首先，所有8个模型都解释了个人的接受程度，而方差的解释范围从17%到42%不等。此外，研究的一个关键差异源于自愿和强制性的设置——在强制性的设置中(研究2)，与社会影响相关的构念是显著的，而在自愿设置(研究1)中，它们并不重要。最后，意向的决定因素随着时间的变化而变化，随着经验的增加，一些决定因素从显著性变为非显著性。

在对8个模型(表5和表6)的基线/原始规范进行测试之后，我们检查了文献中所建议的(显式或隐式)的慢化影响。为了测试这些调节的影响，保持对模型扩展(表2)的正确性，并对现有模型及其扩展进行完整的测试，这些数据在研究和时间周期中进行了汇总。自愿性是用来分离情境情境的虚拟变量(研究1与学习2);这种方法与之前的研究一致(Venkatesh和Davis 2000)。性别被编码为与先前研究一致的0/1哑变量(Venkatesh和Morris 2000)，年龄被编码为一个连续变量，与先前的研究一致(Morris和Venkatesh 2000)。经验是通过一个虚拟变量进行操作的，它采用了0、1或2的序数值来捕获系统(T1、T2和T3)的用户体验。使用序数哑变量，而不是分类变量，与最近的研究一致(例如，Venkatesh和Davis 2000)。将数据集中在三个测量点上，结果是645(215times;3)的样本，汇总分析的结果如表7所示。

因为池在时间允许显式建模的缓和作用的经验,有增加的方差解释TAM2(表7),而主效应模型(表5和6)早些时候报道。池的限制之一是,有来自同一个人重复措施,造成测量误差可能跨越时间相关。然而，使用Chow(1960)的测试差异(p lt; 0.05)的横断面分析(此处未显示)证实了表7所示的结果模式。在表7的“解释”栏中讨论了p lt; .05或更好(在使用Chow的测试时)的显著性差异。交互项是由Chin等人(1996)提出的，通过创建在指标层次上的交互项来建模。例如，如果潜在变量A由4个指标(Al, A2, A3, A4)和潜在变量B来衡量，则由三个指标(B1, B2, B3)来度量，交互项A x B由12个指标来指定，每一个指标都是一个产品术语。，Al x B1, Al x B2, Al x B3, A2 x Bl等等。

除MM和SCT外，模型的预测效度在包括调节变量后增加。例如，由TAM2解释的方差增加到53%，TAM包括性别比例增加到52%，而大约是35%。

对TAM(无版主)的横断面测试。解释了TRA、TPB/DTPB、MPCU和IDT的差异。对于每个模型，我们只包括了之前在文献中测试过的版主。例如，在TAM和它的变化情况下，广泛的先验实证研究表明，与其他模型相比，更大数量的版主。这反过来可能会无意中对结果产生偏差，并导致与其他模型相比，在与tam相关模型中解释的高差异。无论如何，很明显，之前的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24080]，资料为PDF文档或Word文档，PDF文档可免费转换为Word