《技术接受模型》PPT课件.ppt

技术接受模型（TAM）,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,技术接受模型及元分析-背景介绍之作者,William R.King School of Business, University of Pittsburgh, Pittsburgh, PA, USA,Jun He School of Management, University of Michigan-Dearborn, Dearborn, MI , USA,技术接受模型及元分析-背景介绍,元分析,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,技术接受模型及元分析-背景介绍,TAM是技术接受模型（Technology Acceptance Model）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,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Perceived Usefulness（U）,感知的易用性Perceived Ease of Use（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,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 Behavioral Intention （BI）,感知的有用性Perceived Usefulness（U）,感知的易用性Perceived Ease of Use（EU）,技术接受模型及元分析-背景介绍,图示 模型,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,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,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,Cohens d effect size: Hedges g method of effect size：,分析总论,文中说到，争对Cohen 10,11 and others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,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Cranbachs a方法。 一般探索性研究，Cranbachs a系数在0.6以上，基准研究在0.8以上，通常情况下Cranbachs a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。,TAM相关性,Table 3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,TAM相关性,TAM相关性,Table 3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,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-analyzing the correlations and then converting the results to structural relationships and） 直接使用元分析路径系数（meta-analyzing path coefficients (bs) directly.） 三个等式：,效果量总结Histogram of path coefficients,效果量总结Histogram of path coefficients,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。,效果量总结Histogram of path coefficients,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,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,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,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,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,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,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,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,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,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,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,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,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,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,技术接受模型-实际案例解析之模型构建,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,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 KMOBartlett 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,得到模型路径：,技术接受模型-实际案例解析之实证研究,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,记录 与表达,感知 易用性,技术接受模型-实际案例解析之结果分析,因素,添加标题,表现 自我,与名人 为伴,求知欲,求知欲-信息获取 与名人为伴-接近名人 表现自我-记录与表达,技术接受模型-实际案例解析之结果分析,建议,添加标题,搭建更多表达平台,加强 对名人效应的 应用,改进微博的信息聚合功能,对微博运营商的建议,技术接受模型-实际案例解析之结果分析,谢谢观赏！,Thanks!,Q&A,