预测和解释人们对新事物接受的扩展模型研究

林振辉

摘要:通过对理论文献的综述,分析和解释了人们对新技术的接受的基本过程。然而由于人们所处的环境不同,文化的不同等因素,技术接受模型在解释人们对新技术的采纳存在一定的局限。文中通过分析研究提出新的变量引入技术接受模型中,提升了模型对态度、意愿、行为的解释力,丰富了模型的应用,并提出了模型的在移动通信服务业中应用,对移动行业如何开展增值服务有一定的指导意义。

Abstract: Based on the review of literature, we analyses and explain the motivation for the adoption of new technologies. However, because people are in different environment, culture etc, there are limitations in technology acceptance model on explaining the adoption of new things. Through analysis and research, this paper puts forward new variables into technology acceptance model, which makes stronger explanatory power on motivation, attitudes and willingness for adoption of new technology. Whats more, this paper enriches and improves models interpretation on the adoptive behavior and proposes the extended application of model on mobile business. It has a definite significance for how to carry out value-added services in mobile industry.

关键词:技术接受模型;接受;模型扩展

Key words: Technology acceptance model;adoption;model expansion

中图分类号:G303;G40-012 文献标识码:A 文章编号:1006-4311(2009)10-0045-05

0引言

人们在决定是否接受一件新事物时,主要受哪些因素所影响?在进行产品设计时,应当注意哪些关键因?在销售产品时,应该突出哪些元素才会让产品更受欢迎?科学地预测和解释人类的行为一直以来都是一项复杂而重要的任务,具有重要的理论意义和实践价值。近三十年来,随着各种新兴信息技术(Information Technology)的不断出现,学界对人们为什么会接受这些新技术产生了浓厚的研究兴趣,进行了大量的模型建构与实证调查研究,并得出了一系列关于解释和预测人类行为的理论成果。这些成果主要集中在对信息技术的研究领域,而对于其他领域人类行为,仍然具有一定的借鉴和启发价值。

1基本理论模型

1.1 理性行为理论(TRA)

在解释或预测人类行为的理论中,理性行为理论(Theory of Reasoned Action, TRA)被广泛应用。理性行为理论是用来解释、预测个人行为的因果模型,该理论的基本假设是认为人是理性的,在做出某一行为前,会综合各种情况来考虑行为的意义和后果进行决策;因此,个体的行为在某种程度上可以由行为意愿合理地推断。

理性行为理论的原型最早由美国学者Fishbein [1]提出,之后Fishbein & Ajzen [2-3]将其进一步整理形成较为完善的理论体系,通过“态度”、“意愿”、“行为”等变量来解释和预测个人的行为。“行为意愿(Behavioral Intension)”即个人会采取特定行为的可能性[2],行为意愿越强,其实现该行为的可能性就高。个人的行为意愿受两方面因素的影响:个体因素与他人因素。个体因素是指个人对实现该行为的正面或负面的评估结果,也被称为“行为态度”(Attitude Toward the Behavior),即个人认为该行为是好还是坏;他人因素是指个人在决定是否实现该行为时受到的社会影响,也被称为“主观规范(Subjective Norm)”[3],即个人所在的社会群体认为该行为是好还是坏。简言之,行为意愿决定行为,而行为态度与主观规范影响行为意愿。其关系如图1所示。

理性行为理论是一种一般化的理论框架,它可以套用到研究个人行为的众多领域。研究证明,与从单纯的态度、个人特征、人口特征等概念出发的理论相比,这一理论在预测或解释某一特定的或某一类行为时有更好的表现[4]。因此,理性行为理论已成为众多研究模型的基础。

1.2 技术接受模型(TAM)

对于态度影响意愿,那又是什么因素会影响态度形成呢?技术接受模型(Technology Acceptance Model, TAM)回答了这一问题。技术接受模型是Davis(1989,1993)在理性行为理论基础上建立起来的理论模型,专门用于研究个人接受与使用信息系统技术[5-6]。该模型认为,使用者是否接受一项技术会受到意愿的决定,而意愿又受到态度的决定,态度的形成则来自两个方面:感知的有用性(Perceived Usefulness,PU)和感知的易用性(Perceived Ease of Use, PEOU)。感知的有用性是指一个人确信使用某一系统能够增加他的工作绩效的程度,感知的易用性是指一个人确信使用某一种系统的容易程度或者使用某一系统所投入精力的感知程度。其核心可以归结为三点:

①可以从行为意愿推断人们使用新技术的行为;

②感知有用性是使用新技术的行为意愿主要决定因素;

③感知易用性是使用新技术的行为意愿的次要决定因素。

简言之,一项新技术是否有用以及是否好用,决定了使用者是否会实际使用。其关系如图2所示。

技术接受模型是一个简洁的、严谨的、实用性很强的预测个人是否采用新信息技术的工具,其最关键贡献在于提出了感知有用性和感知易用性的概念,并作为衡量态度的关键指标。关于技术接受模型实证研究很多,不论在解释能力上,还是理论简洁程度上都获得了肯定,成为技术接受领域最经典的模式之一。[7-9]

1.3 任务技术匹配模型(TTF)

任务技术匹配模型(Task-Technology Fit, TTF)由Goodhue and Thompson[10]提出,也是建立在理性行为理论之上。该理论认为,一项技术要对使用者的工作绩效有帮助,就必须很好地与其所支援的工作任务类型相匹配。也就是说,一项技术必须与任务需求相契合,才会被真正使用。具体模型如图3所示。

相较而言,TAM从使用者对技术的有用性与易用性感知两个方面——即使用者本身的角度——来探讨使用者的使用态度、使用意愿与实际的使用行为,没有涉及使用者所面对的工作特性和信息技术的特点以及两者的匹配程度对技术使用者的影响,这正是TTF的理论核心和价值所在,可以说TTF是从另一个角度来解释人的技术使用行为。

1.4 计划行为理论(TPB)

Ajzen[11-12]提出了计划行为理论(Theory of Planned Behavior, TPB)。该理论认为,人的行为是经过深思熟虑的计划的结果。TPB仍然是以理性行为理论(TRA)为基础而构建的,因为Ajzen研究发现,人的行为并不是全部出于自愿,而是处在控制之下。因此,他在TRA的基础上进行扩展,增加了对自我“行为控制感知”(Perceived Behavior Control)的新概念,从而发展成为新的行为理论研究模式。根据这一理论,人的行为模式受到三个方面的内在因素影响:

①个人行为态度(Behavioral Beliefs),个人对自己行为可能出现的结果的一种看法和观点;

②主观性规范(Normative Beliefs),对他人的标准化行为模式的主观性感知;

③行为控制感知(Control Beliefs),对于促进或阻碍行为效果的相关因素的感知。

当人们身处具体的工作环境或项目计划中,需要对行为做出改变时,以上三个方面的衡量至关重要。行为态度的衡量会使人产生对待行为的正面或负面的态度;行为规范性的衡量会使人感受到周围的社会压力;行为控制因素的衡量则会导致人的实际行为控制度的上升。这三项因素的综合则构成了人的行为意愿(Behavioral Intention)。 作为一般性的法则,如果个人行为态度和主观性规范是正向的、积极的,那么个人对该行为认定的实际控制就会愈多,采取该行为的意愿将愈强。计划行为理论的模型见图4。

2基于TAM模型的扩展

在各种以理性行为理论为基础的模型中,TAM模型由于其出色的解释力,成为研究最多、拓展最频繁的模型。众多学者在TAM模型基础上,或是增加某类因素,或是与其他原始模型(TPB、TTF等)进行整合,或是把TAM应用到某一特定领域。这个过程是一个对TAM模型再定义、再拓展、再检验的过程,也是不断强化TAM解释力的过程。

2.1 增加因素

①性别因素。在最初的TAM模型中,性别因素没有得到足够的重视。Venkatesh and Morris[13]则在研究中发现了性别在技术接受决策上的差异:与女性用户相比,男性使用者的技术使用决策更强烈地受到感知有用性的影响,而女性用户更强烈地受到感知易用性和主观规范的影响。于是,在进行技术设计时,考虑用户的性别差异是有意义的,这也验证了人们对男女在接受一项事物时具有偏好差异的常识。

②使用者过去的经验。除了经典模型中提出的个人的态度、主观规范与个人行为有关之外,Taylor and Todd[14]发现,过去的经验也是决定个人行为重要因素之一。个人通过从过去经验中得到的知识修正个人行为意愿,进而过去的经验对个人行为产生影响[2]。具有直接使用经验的个人其行为意愿与行为之间的关系更强[14],也就是说,理性行为模型的行为意愿对解释或预测有经验的使用者行为具有更好的能力。这为技术厂商重视“回头客”和“忠实用户”找到了理论支撑。

③使用者的习惯。Limayem et al.[15]认为以往文献研究IT技术的使用行为大多是从意愿到使用行为的路径开始的,而作者研究认为,自动的反应或者习惯与使用意愿因素同等重要,同时也提出了一个模型同时包括意愿与习惯因素,这也暗示着意愿有时候也不是影响使用者的使用行为的最主要因素。因此,要增强客户的使用行为就有两条路径可选:或者是增强客户的使用意愿,或者是培养客户的使用习惯。前者是让客户“自觉”地使用产品,后者是让客户不经意愿而“自发”地使用。当通过各种引导措施,客户对某一项技术/产品已形成使用习惯时,就会自发地一直使用下去。

④文化因素。个人都处在一定的文化背景之中。Srite and Karahanna[16]研究了文化因素对技术接受的影响。研究结果表明,对于支持规避风险型文化的人来说,社会规范对他们接受新技术的影响很显著。换句话说,如果一个人比较偏向保守的文化,那么他是否接受一项新技术就在很大程度上取决于社会的主流看法。同时,文化的不同并不会导致人们对技术有用性的感受差异,却会导致对技术易用性的感受差异。因此,文化因素是调节感知易用性、感知有用性,特别是主观规范与使用意愿关系的重要因素之一。

⑤感知娱乐性。除了上面新增添的因素外,“有用”与“易用”的因素是否就足够了呢?在技术接受模型被广泛认同的同时,一些学者以动机理论(Motivation Theory)的观点来进一步补充TAM的经典模式。Deci and Ryan[17]认为,影响个人行为意愿的动机可以分为外部动机和内部动机,外部动机考察如何提升工作绩效,而内部动机则是内在的心理因素,如个人的主观偏好。Davis et al.[18]进一步指出有用性的感觉是外在动机,而快乐则属于内在动机。因此,人们是否采用某项新技术(比如手机)既取决于外在动机(使用手机对工作效率的提升),也取决于内在动机(使用手机带来的愉悦度)。Atkinson and Kydd[19]以此观点考察以往的TAM研究时发现,信息系统使用态度的形成往往只是从外部动机的角度来衡量,而这是不够的。Moon and Kim[20]就在研究中发现,TAM模型中的感知易用性与感知有用性并不能够解释新近出现的互联网用户的使用行为。作者在TAM模型的基础上引入了一个新的因素来反映使用者的内在动机,即感知的娱乐性(Perceived Playfulness),从而拓展了TAM模型在互联网技术上的应用。Heijden[21]也指出,在以娱乐为导向的技术(Hedonic information system)使用研究中,感知的娱乐性和感知的易用性更强烈地影响使用意愿,相比之下,感知有用性的影响则弱一些。

2.2 整合模型

上面,我们介绍了基于理性行为理论而发展出来TAM、TPB、TTF等模型。TPB、TTF与TAM可以看作是从不同视角出发的解释模型,那么,这些模型是否可以彼此互补?一些学者将这些模型整合起来,以求进一步增强TAM的解释力度。

①TAM与TTF的整合模型(IDT)。Dishaw and Strong[22]提出了一个整合框架(IDT),将TAM和TTF两个模型整合在一起,强调TAM中“有用性”和“易用性”会受到技术类型匹配度的影响,如图5所示。

②TAM与TPB的整合模型(DTPB)。TAM与TPB的整合模型(DTPB)将TPB中的态度、主观规范、感知的行为控制进一步分解成TAM下的潜在信念结构,使用经验也被加入到模型里[23],如图6所示。

③调节变量的整合模型。上面我们看到,在过去20年里,TAM在提出、检验、再定义、拓展、整合的研究中不断发展,这些研究为我们贡献了技术使用的影响因素以及它们之间的关系,同时学者们已经逐步开始研究这些关系的调节效应,以克服目前模型的不足。Sun and Zhang[24]用Meta的分析方法将调解因素分成三类:组织因素、技术因素与个体因素,同时提出了一个嵌入调节变量的整合模型,如图7所示。

实际上,这个模型是由上面所列的整合模型和各种增加因素的一部分(并增加了一些新的因素)而来的组合。各种因素或模型的排列组合,取决于具体研究项目的需要,但学者们已经提出过的各种因素,为我们在思考时提供了更宽广的视野。

2.3 拓展应用

我们看到,TAM模型被信息系统领域的研究学者如此器重,历经多位学者修订、完善和整合,那么TAM模型是否适合于其他方面的技术呢?在这方面,已经有很多学者做出了有益的尝试,他们试图将TAM模型应用到其他非组织内或者非工作目的的技术使用上,比如互联网、电子邮件、移动通信等,其使用行为与组织内信息系统的使用情境有所不同,目的也并不是都为了工作,还包括娱乐、消遣、私人目的使用等方面。在使用情境和使用目的存在差异的情况下,TAM模型的研究思路和理论框架也得到了进一步的检验和拓展。

①互联网。Johnson and Hignite[25]验证了TAM模型在互联网使用上的适用性。研究还发现,在非完全工作目的的互联网使用上,感知易用性比感知有用性更能影响使用者对互联网的态度差异。这可能是由于使用者事先已经很明确了互联网技术的有用性,于是对于刚刚接触互联网的人来说,是否易用就成为影响实际使用的最突出因素。而随后Moon and Kim[20]进一步发现,对于新近出现的互联网用户的使用行为,感知娱乐性更为重要。

②网络游戏。Hsu and Lu[26]在TAM模型的分析框架之上,整合了社会影响(Social influences)与专注经验(Flow experience)后提出了一个分析模型,并调查了233个网络游戏的使用者,结果表明,社会规范、态度和专注经验解释了网络游戏使用行为的80%。

③移动通信。Fang, Chan, Brzezinski and Xu[27]将TAM模型拓展到了移动通信领域,他们将手机的任务类型分成了三种:不涉及交易和游戏的基本任务;游戏的任务;交易的任务。作者在TAM模型基础上提出了一个整合的分析框架,其中任务类型调节着四种可能的因素:感知有用性、感知易用性、感知娱乐性、感知安全性。结果发现,基本任务主要受到感知有用性、感知易用性的影响,游戏任务主要受到感知娱乐性的影响,交易任务主要受到感知有用性与感知安全性的影响。

④远程医疗(Telemedicine)。Hu, Chau, Sheng and Tam[28]应用TAM模型分析时发现,感知有用性而不是感知易用性显著地决定远程医疗使用者的感知和实际使用。

⑤移动聊天。Nysveen, Pedersen and Thorbjernsen[29]拓展了TAM模型到移动聊天服务的使用研究中,发现性别在变量关系之间起调节作用:社会规范与内在动机(比如移动聊天服务的娱乐性)是影响女性用户移动聊天服务使用意愿的主要因素,而外在动机(比如有用性、感知的表达)是影响男性用户移动聊天服务使用意愿的主要因素。

3技术接受模型对预测与解释人类行为的启示

综合以上对技术接受模型的介绍和分析,可将要点总结如下:

(1)态度决定意愿,意愿决定行为,可以通过态度来预测行为。

(2)态度主要由有用性感知和易用性感知所决定。一项新技术、新产品能否受用户欢迎,是否对用户有用并且易用非常关键。

(3)此外,针对不同的技术、产品及受众,还有一系列因素需要综合考虑,包括:①任务类型:针对不同的任务,需要不同的技术/产品与之匹配。②用户性别:不同性别对同一技术/产品具有不同的偏好。③使用习惯:习惯可以在意愿之外直接推动行为的发生。④文化因素:不同的文化背景对用户的接受行为有不同影响。⑤娱乐性感知:产品(特别是工作目的以外的)必须考虑带给用户的内在愉悦感。⑥……

(4)各种影响因素应根据技术/产品的不同而灵活地选择与组合。

需要说明的是,这里我们将消费者或用户首先定为理性的,然后应用理性行为理论对用户的行为进行分析和预测。在现实生活中,很多消费者在决定是否购买、使用一件产品时,可能是非理性的,其中又可分为两类:一类是随机决策、不可预测的,比如由于个人一时的突发情绪而决定购买一件产品,通过购物而获得发泄,而对于选择的产品没有任何理由;另一类则是可预测的非理性行为,比如商家利用某类客户的非理性心理而施加影响,通过赠送、打折、限时抢购等促销手段实现销售,这些产品可能对用户没有任何使用价值(有用性),但却通过促销宣传,成功影响了用户的行为。本文不讨论这类影响接受行为的方式,而只讨论更成熟、更持久的理性行为模式。

这样,在研发一件产品时,TAM模型会给人有益的启示:可以充分考虑产品对用户带来的有用性和易用性感知,在这两个维度上着力增加产品内涵,并通过宣传、体验让用户感知到。在此基础上,可结合产品/技术不同的功能和目标客户,综合考虑各种影响因素及其权重进行整合设计。一件产品的成功可能是偶然的,但成功的产品往往具有特定的必然因素;有意识地运用这些因素,会有效提高产品成功的可能性。

参考文献:

[1] Fishbein M. (1967). Attitude and the Prediction of behavior, in M. Fishbein (ed.), Readings in Attitude Theory and Measurement (pp.477-492). New York: Wiley.

[2] Fishbein M & Ajzen I. (1975). Beliefs, Attitude, Intention and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley.

[3] Fishbein M & Ajzen I. (1980). Understanding Attitudes & Predicting Social Behavior. New Jersey: Prentice-Hall.

[4] Rawstorne P, Jayasuriya R & Caputi P. (2000). Issues in Predicting and Explaining Usage Behaviors with the Technology Acceptance Model and the Theory of Planned Behavior When Usage Is Mandatory. Proceedings of the Twenty-First International Conference on Information Systems, Brisbane, Queensland, Australia, 35-44.

[5] Davis F D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13 (3), 319-342.

[6] Davis F D. (1993). User Acceptance of Information Technology: System Characteristics, User Perceptions and Behavioral Impacts. International Journal of Man–Machine Studies, 38 (3), 475-487.

[7] Igbaria M, Zinatelli N, Cragg P, Cavaye A L M. (1997). Personal Computing Acceptance Factors in Small Firms: A Structural Equation Model. MIS Quarterly, 21 (3), 279-305.

[8]Venkatesh V & Davis F D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.

[9] Legris P Ingham, J Collerette P. (2003). Why Do People Use Information Technology? A Critical Review of the TAM. Information and Management, 40(3), 191-204.

[10] Goodhue D L & Thompson R L. (1995). Task-technology fit and individual performance. MIS quarterly, 19(2), 213-236.

[11] Ajzen I. (1985). From Intentions to Actions: A Theory of Planned Behavior, Action Control from Cognition to Behavior. New York: Springer Verlag.

[12]Ajzen I. (1991). The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, 50(2),179-211.

[13] Venkatesh V & Morris MG. (2000). Why Dont Men Ever Stop to Ask for Directions? Gender, Social Influence, and Their Role in Technology Acceptance and Usage Behavior. MIS Quarterly, 24 (1), 115-139.

[14] Taylor S & Todd P A. (1995b). Assessing IT Usage: The Role of Prior Experience. MIS Quarterly,19(4), 561-570.

[15] Limayem M, Hirt S G, Chin W W.(2001). Intention does not always matter:The contingent role of habit on IT usage behavior. Global Co-Operation in the New Millennium, the 9th European Conference on Information Systems, Bled, Slovenia.working paper.

[16]Srite M & Karahanna E. ( 2006). The Role of Espoused National Cultural Values in Technology Acceptance, MIS Quarterly, 30(3), 679-704.

[17]Deci E L & Ryan R M. (1985). Intrinsic Motivation and Self-determination in Human Behavior. New York: Plenum Press.

[18] Davis F D, Bagozzi R P, Warshaw, P R. (1992). Extrinsic and Intrinsic Motivation to Use Computers in the Workplace. Journal of Applied Social Psychology, 22(4), 1111-1132.

[19] Atkinson Mary Anne, Christine Kydd. (1997). Individual Characteristics Associated with World Wide Web Use: An Empirical Study of Playfulness and Motivation. The DATABASE for Advances in Information Systems, 28(2), 53-62.

[20] Moon J W, Kim Y G. (2001).Extending the TAM for a World-Wide-Web Context. Information & Management, 38 (4), 217-230.

[21] Heijden H v d. (2004). User Acceptance of Hedonic Information Systems. MIS Quarterly, 28 (4), 695-704.

[22] Dishaw M T & Strong D M. (1999). Extending the Technology Acceptance Model with Task-Technology Fit Constructs. Information and Management, 36(1), 9-21.

[23] Taylor S & Todd P A. (1995a). Understanding Information Technology Usage: A test of Competing Models. Information Systems Research, 6(4), 144-176.

[24] Sun H & Zhang P. (2006). The Role of Moderating Factors in User Technology Acceptance. International Journal of Human-Computer Studies, 64(2), 53-78.

[25] Johnson R A & Hignite M A. (2000). User acceptance of the World Wide Web, an empirical study.Proceedings of the Academy of Entrepreneurship, 6,2,Maui, Hawaii,

[26] Hsu C-L, Lu H-P. (2004). Why Do People Play On-line Games? An Extended TAM with Social Influences and Flow Experience. Information & Management, 41(7), 853-868.

[27] Fang X W, Chan S, Brzezinski J & Xu, S. (2006). Moderating Effects of Task Type on Wireless Technology Acceptance. Journal of Management Information Systems, 22 (3), 123-157.

[28] Hu P, Chau P, Sheng O & Tam K. (1999). Examining the Technology Acceptance Model Using Physician Acceptance of Telemedicine Technology. Journal of Management Information Systems, 16(2), 91-112.

[29] Nysveen H, Pedersen P E & Thorbjernsen H. (2005). Explaining Intention to Use Mobile Chat Services: Moderating Effects of Gender. Journal of Consumer Marketing, 22(5), 247-256.