技术接受模型ppt课件.ppt

1 技术接受模型 TAM 2 技术接受模型 TAM 技术接受模型及元分析 背景介绍 技术接受模型 研究方法分析 技术接受模型 结论 总结及局限性 技术接受模型 实际案例解析 1 2 3 4 5 3 技术接受模型及元分析 背景介绍之作者 WilliamR KingSchoolofBusiness UniversityofPittsburgh Pittsburgh PA USA JunHeSchoolofManagement UniversityofMichigan Dearborn Dearborn MI USA 4 技术接受模型及元分析 背景介绍 元分析 5 技术接受模型及元分析 背景介绍 寻求一个综合的结论 元分析的特点 一种定量分析方法 特点一 不是对原始数据的统计是对统计结果的再统计 特点二 特点三 6 技术接受模型及元分析 背景介绍 TAM是技术接受模型 TechnologyAcceptanceModel 的简称1989年 技术接受模型是Davis运用理性行为理论研究用户对信息系统接受时所提出的一个模型 提出技术接受模型最初的目的是对计算机广泛接受的决定性因素做一个解释说明 是由美国学者菲什拜因和阿耶兹于1975年提出的 主要用于分析态度如何有意识地影响个体行为 关注基于认知信息的态度形成过程其基本假设是认为人是理性的 在做出某一行为前会综合各种信息来考虑自身行为的意义和后果 TAM的提出 基于TRA 技术接受模型 7 技术接受模型及元分析 背景介绍 反映一个人认为使用一个具体的系统对他工作业绩提高的程度 感知的有用性PerceivedUsefulness U 感知的易用性PerceivedEaseofUse EU 反映一个人认为容易使用一个具体的系统的程度 两个主要因素 8 技术接受模型及元分析 背景介绍 添加标题 行为意向由感知的有用性和感知的易用性共同决定感知的有用性由感知的易用性和外部变量共同决定感知的易用性是由外部变量决定 行为意向BehavioralIntention BI 感知的有用性PerceivedUsefulness U 感知的易用性PerceivedEaseofUse EU 9 技术接受模型及元分析 背景介绍 图示模型 10 技术接受模型 TAM 元分析 技术接受模型及元分析 背景介绍 技术接受模型 研究方法分析 技术接受模型 结论 总结及局限性 技术接受模型 实际案例解析 1 2 3 4 5 11 分析总论 定义 把原来 固定 的回归系数看作是随机变量 一般都是假设是来自正态分布作用 最直观的用处就是把固定效应推广到随机效应引入随机效应就可以使个体观测之间就有一定的相关性 所以就可以用来拟合非独立观测的数据 12 分析总论 定义 效果量是一个统计概念 该概念是测量两个变量或者是研究量级的关系强度在元分析中 效果量考量的是将不同的研究综合成一个研究中作用 计算效果量是为了观察大批研究中所有效应的分布 如某种结论趋势或形态的确存在 效果量则会集中于一个方向 Cohen sdeffectsize Hedges gmethodofeffectsize 13 分析总论 文中说到 争对Cohen 10 11 andothers所提出的在行为和社会科学中 计划的统计分析能力不足 文章对此将样本容量取值为0 8 在a 极限误差 0 05的水平下 1 已知总体方差 不重复抽样条件下 Z 概率度N 样本总数n 样本容量a 极限误差2 不重复抽样条件下 P 总体成数p 样本成数 14 构建可靠性 有信度无效度 有信度有效度 无信度无效度 文章采用了最常用的Cranbach sa方法 一般探索性研究 Cranbach sa系数在0 6以上 基准研究在0 8以上 通常情况下Cranbach sa系数在0 6以上 被认为可信度较高 这是根据Nunnally 1978 年的概念所确定的 15 TAM相关性 Table3显示了EU U和BI之间的零阶相关性结果表明三者间的相关效果量都很显著随机场模型的同质性检验的结果是不显著调节变量 16 TAM相关性 17 TAM相关性 Table3显示了EU U和BI之间的零阶相关性结果表明三者间的相关效果量都很显著随机场模型的同质性检验的结果是不显著调节变量 18 TAM路径系数 两种方法 元分析相关性 然后转化成结构关系的结果 meta analyzingthecorrelationsandthenconvertingtheresultstostructuralrelationshipsand 直接使用元分析路径系数 meta analyzingpathcoefficients b s directly 三个等式 19 效果量总结Histogramofpathcoefficients 20 效果量总结Histogramofpathcoefficients 路径U BI和EU U是最强的 有最大的平均值和很小的方差 最小的U BI路径系数是0 139 表明大多数的研究发现这条路径能显著且与TAM法则网络正相关 路径EU BI是最弱的 均值为0 179 中值甚至更小为0 152 说明这种离散负向的歪曲了更小的值 路径EU U是正相关且强关系的 均值为0 442 但是同时方差也很大 0 223 说明相比U BI这条路径的不一致性更高 21 效果量总结Histogramofpathcoefficients EU的主要效果是通过U作用而不是直接作用在BI上的如果一个变量仅能描述一个因变量的话 接受效用 U 就是那唯一一个被选择来表现BI的 22 技术接受模型 TAM 元分析 技术接受模型及元分析 背景介绍 技术接受模型 研究方法分析 技术接受模型 结论 总结及局限性 技术接受模型 实际案例解析 1 2 3 4 5 23 TAM方法 PU U和BI 是高度可靠的 可以用于各种环境 TAM关联有极大的可变性 调节变量能帮助解释其作用 行为意向的感知有用性有显著的影响 充分体现感知易用性的大部分作用 此处添加您的标题 技术接受模型 结论 总结及局限性 结论 24 任务应用程序和办公应用程序是非常相似的 可能被分为单一类别 鉴于大多数关系是适度的 这些样本量是有意义的 对用户组的调节分析表明可以用学生替代专业用户 但不能替代 一般 用户 技术接受模型 结论 总结及局限性 结论 25 从用户类型和使用类型来看 调节器的调查证明了专业人士和一般用户会产生完全不同的结果 但是 在TAM研究中经常被当做便利样本受访者的学生与其他两组完全不同 从不同种类用法的调节作用来看 只有网络使用被显示出不同于工作任务的应用程序 通用和办公应用程序 这表明网络研究结果不应该被推广到其他领域 反之亦然 元分析严密地证实了通过定量分析而广泛得出的结论 TAM是一个有力而稳固的预测模型 研究显示它也是一个 完全中介 模式 因为行为意向的易用性作用主要是通过有用性 技术接受模型 结论 总结及局限性 总结 26 这个元分析以及电子出版物的 新 经济 考虑发布由于 消极 或无意义的结果可能不被A类杂志接受的研究 电子出版物或个人网站的便捷将为分析提供更广阔的研究基础 无论它们是否包含大量样本或显著结果 在任何这样的分析中 都有可能的偏见来源 技术接受模型 结论 总结及局限性 总结 27 技术接受模型 结论 总结及局限性 局限性 多数的研究使用同质的单一的受试 并且在某一个时间点用某一种单一的任务去研究某一种信息系统 这就对研究结果的普遍适用性提出了挑战 大部分研究中都用了自我报告的方式来测量用户的使用情况而不是去测量实际的使用情况 28 技术接受模型 结论 总结及局限性 局限性 大部分研究是横向研究它只能解释受试在某个点静态的状况 受试很不一致有的受试从未接触过目标信息系统有的受试经过短暂的接触 29 技术接受模型 TAM 元分析 技术接受模型及元分析 背景介绍 技术接受模型 研究方法分析 技术接受模型 结论 总结及局限性 技术接受模型 实际案例解析 1 2 3 4 5 30 大学生微博使用影响因素研究 技术接受模型 实际案例解析 31 近两三年微博用户增速迅猛2009年11月2010年4月2010年10月2011年6月 100万 1000万 5000万 1 3亿 技术接受模型 实际案例解析之研究背景 32 基本原理 外部变量 感知有用性 感知易用性 想用态度 行为意向 系统使用 技术接受模型 实际案例解析之模型构建 33 寻找外部变量 感知有用性 信息获取 接近名人 记录表达 社交社交 娱乐消遣 感知易用性 易于发布易于 操作简便 支持多种登录 技术接受模型 实际案例解析之模型构建 34 相关假设 H1 记录与表达动机与感知微博有用性呈正相关关系H2 信息获取动机与感知微博有用性呈正相关关系H3 社交动机与感知微博有用性呈正相关关系H4 接近名人动机与感知微博有用性呈正相关关系H5 娱乐消遣动机与感知微博有用性呈正相关关系H6 微博发布要求简易程度与感知微博易用性呈正相关关系H7 微博功能操作方便程度与感知易用性呈正相关关系H8 微博支持多种方式登录与感知微博易用性呈正相关关系H9 用户感知微博易用性与感知有用性呈正相关关系H10 感知微博有用性与用户使用态度呈正相关关系H11 感知微博易用性与用户使用态度呈正相关关系H12 微博使用态度与微博使用行为呈正相关关系 技术接受模型 实际案例解析之模型构建 35 技术接受模型 实际案例解析之模型构建 36 样本特征 发放问卷290份 收回267份 有效问卷254份信度检验 5级Likert量表测量 共39道题 信度分析采用Cronbach Alpha值为指标 技术接受模型 实际案例解析之实证研究 37 效度检验 内容效度方面由于问题设计均借鉴前人研究所采用的测量项目 即已经进行过检验 具有很强的内容效度 结构效度方面利用SPSS软件进行KMO Bartlett球形检验 KMO统计量越接近1 变量间的偏相关性越强 因子分析的效果越好 路径分析 利用SPSS多元回归分析中的进入 Enter 法进行路径分析结果 如表3 表4 表5和表6所示 说明本文假设除了H3 H5检验不通过外 其余假设均通过 技术接受模型 实际案例解析之实证研究 38 得到模型路径 技术接受模型 实际案例解析之实证研究 39 感知有用性的影响因素排序 信息获取动机 接近名人动机 记录与表达动机 感知易用性H3未能通过验证的 IM即时聊天工具 以及社交网站的先发优势H5未能通过验证 说明大学生并不是为了满足娱乐消遣动机而使用微博 信息获取 接近名人