In deze paragraaf wordt een volledig inzicht gegeven in de methodische beperkingen van het uitgevoerde onderzoek. Onderdelen van de onderzoeksmethode die mogelijk de betrouwbaarheid en de validiteit van de resultaten hebben beïnvloed worden hier behandeld.
Een mogelijke beperking van dit onderzoek is de steekproef, De respondenten zijn benaderd via sociale platforms, waardoor de respondenten voornamelijk afkomstig zijn uit eigen sociale kring, is er mogelijk geen sprake van een aselecte steekproef. Bovendien is het aantal respondenten (N=98) niet representatief voor de gehele Nederlandse populatie, met een betrouwbaarheidsniveau van 95 procent en een foutenmarge van 5 procent moeten er
namelijk 384 respondenten zijn (Barlett, Kotrlik & Higgins, 2001). Vervolgonderzoek met een gelijksoortig ontwerp met een grotere, meer diverse steekproef is nodig om de generaliseerbaarheid van de resultaten van dit onderzoek te toetsen. Daarnaast had 12.2 procent van de respondenten ervaring met een sociale robot. Om het onderwerp te introduceren aan de respondenten begon de enquête met een introductiefilmpje en een korte inleiding. Voor respondenten zonder enige ervaring met sociale robots is het wellicht lastig om een compleet beeld te schetsen. Daarnaast baseren de respondenten hun mening voornamelijk op het getoonde filmpje, er vond geen interactie plaats met de sociale robot. Dit zou van invloed kunnen zijn op de resultaten.
Een opvallende bevinding in dit onderzoek is het ontbreken van twee belangrijke factoren in het model. De factoren Effort Expectancy en Facilitating Conditions zijn namelijk niet meegenomen in het resulterende model, terwijl uit literatuur blijkt dat deze van belang zijn bij de acceptatie van technologie. Wellicht is de context waarin de technologie gebruikt wordt van belang, in dit onderzoek ligt de focus namelijk op luchthavens, een openbare ruimte. Het gebruik van de sociale robot in openbare ruimtes is oppervlakkiger dan die bij persoonlijk gebruik. Dit zou kunnen leiden tot andere belangen bij de gebruikers, echter zal dit getoetst moeten worden in vervolgonderzoek om een mogelijke uitspraak te kunnen doen.
6. Literatuur
Barlett, J. E., Kotrlik, J. W., & Higgins, C. C. (2001). Organizational research: Determining appropriate sample size in survey research. Information technology, learning, and
performance journal, 19(1), 43.
Brown, S. A., & Venkatesh, V. (2005). Model of adoption of technology in households: A baseline model test and extension incorporating household life cycle. MIS quarterly, 399-426.
Burns, R. P., & Burns, R. (2008). Business research methods and statistics using SPSS. Sage.
Byrne, B. M. (2016). Structural equation modeling with AMOS: Basic concepts, applications,
and programming. Routledge.
Cohen, J. (1992). A power primer. Psychological bulletin, 112(1), 155.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management science, 35(8), 982-1003.
Emrah Kanat, İ., & Özkan, S. (2009). Exploring citizens' perception of government to citizen services: A model based on theory of planned behaviour (TBP). Transforming Government:
People, Process and Policy, 3(4), 406-419.
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Reading, MA: Addison-Wesley.
Fong, T., Nourbakhsh, I., & Dautenhahn, K. (2003). A survey of socially interactive robots.
Forlizzi, J. (2007). How robotic products become social products: an ethnographic study of cleaning in the home. In Proceedings of the ACM/IEEE international conference on
Human-robot interaction (pp. 129-136). ACM.
Goldberg, L. R. (1999). A broad-bandwidth, public domain, personality inventory measuring the lower-level facets of several five-factor models. In I. Mervielde, I. Deary, F. De Fruyt, & F. Ostendorf (Eds.), Personality Psychology in Europe, Vol. 7 (pp. 7-28). Tilburg, The Netherlands: Tilburg University Press.
Gresham, F. M., Elliott, S. N., Vance, M. J., & Cook, C. R. (2011). Comparability of the Social Skills Rating System to the Social Skills Improvement System: Content and psychometric comparisons across elementary and secondary age levels. School Psychology
Quarterly, 26(1), 27.
Hameed, I. A., Tan, Z. H., Thomsen, N. B., & Duan, X. (2016). User acceptance of social robots. Ninth International Conference on Advances in Computer-Human Interactions
(ACHI-2016: Human-robot interaction) International Conference on Advances in Computer-Human Interaction (pp. 274-279). IARIA XPS Press.
Heerink, M. (2010).Assessing acceptance of assistive social robots by aging adults (Doctoral
dissertation, Universiteit van Amsterdam [Host]).
Heerink, M., Kröse, B., Evers, V., & Wielinga, B. (2010). Assessing acceptance of assistive social agent technology by older adults: the almere model. International journal of social robotics, 2(4), 361-375.
Henseler, J., Ringle, C. M., and Sarstedt, M. (2015). A New Criterion for Assessing Discriminant Validity in Variance-based Structural Equation Modeling. Journal of the Academy of Marketing Science, 43(1), 115-135.
Hubscher-Davidson, S. (2017). Translation and Emotion: A Psychological Perspective.
IATA. (2017, 24 oktober). 2036 Forecast Reveals Air Passengers Will Nearly Double to 7.8
Billion. Geraadpleegd op 26 april 2018, van
http://www.iata.org/pressroom/pr/Pages/2017-10-24-01.aspx
Lee, K. M., Peng, W., Jin, S. A., & Yan, C. (2006). Can robots manifest personality?: An empirical test of personality recognition, social responses, and social presence in human–robot interaction. Journal of communication, 56(4), 754-772.
Looije, R., Neerincx, M. A., & Cnossen, F. (2010). Persuasive robotic assistant for health self-management of older adults: Design and evaluation of social behaviors. International
Journal of Human-Computer Studies, 68(6), 386-397.
Marsh, S., Briggs, P., & Wagealla, W. (2004). Considering trust in ambient societies. In
CHI'04 Extended Abstracts on Human Factors in Computing Systems (pp. 1707-1708).
ACM.
Mitsunaga, N., Miyashita, Z., Shinozawa, K., Miyashita, T., Ishiguro, H., & Hagita, N. (2008, September). What makes people accept a robot in a social environment-discussion from six-week study in an office. In Intelligent Robots and Systems, 2008. IROS 2008. IEEE/RSJ
International Conference on (pp. 3336-3343). IEEE.
Paternoster, J. (2008). Excellent airport customer service meets successful branding strategy.
Journal of Airport Management, 2(3), 218-226.
De Ruyter, B., Saini, P., Markopoulos, P., & Van Breemen, A. (2005). Assessing the effects of building social intelligence in a robotic interface for the home. Interacting with computers,
17(5), 522-541.
Upham, P., Thomas, C., Gillingwater, D., & Raper, D. (2003). Environmental capacity and airport operations: current issues and future prospects.Journal of Air Transport Management, 9(3), 145-151.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science, 46(2), 186-204.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 425-478.
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIS quarterly, 157-178.
Wong, K. K. K. (2013). Partial least squares structural equation modeling (PLS-SEM) techniques using SmartPLS. Marketing Bulletin, 24(1), 1-32.
7. Bijlage
Bijlage 1: