De invloed van contexteffecten op
de acceptatie van technologie
Bachelor Scriptie (12EC)
Bachelor Informatiekunde
Auteur
Jimi Cornelisse
10591699
Begeleider
Dhr. dr. D. Heinhuis
Tweede Examinator
Dhr. ir. L. Stolwijk
Faculteit der Natuurwetenschappen, Wiskunde en Informatica
Universiteit van Amsterdam
Science Park 904
1098 XH Amsterdam
3
INHOUDSOPGAVE
H1 INLEIDING ... 6
H1.1 PROBLEEMSTELLING ... 7
H1.2 ACADEMISCHE EN MAATSCHAPPELIJKE RELEVANTIE ... 8
H2 LITERATUURONDERZOEK ... 9
H2.1 CONTEXTEFFECTEN ... 9
H2.1.1 KRITIEK OP HET ATTRACTION EFFECT ... 12
H2.2 PSYCHOLOGISCHE KEUZEMODELLEN ... 14
H2.2.1 THEORY OF REASONED ACTION ... 14
H2.2.2 THEORY OF PLANNED BEHAVIOUR ... 14
H2.2.3 DECISION FIELD THEORY ... 15
H2.2.4 COMPARISON GROUPING MODEL ... 16
H2.2.5 MULTI-ATTRIBUTE LINEAR BALLISTIC ACCUMULATOR MODEL OF DECISION-MAKING ... 17
H2.3 TECHNOLOGISCHE KEUZEMODELLEN ... 18
H2.3.1 TECHNOLOGY ACCEPTANCE MODEL ... 18
H2.3.2 UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY ... 19
H2.3.3 INNOVATION DIFFUSION THEORY ... 20
H2.3.4 TASK TECHNOLOGY FIT ... 20
H2.4 BEOORDELING MODELLEN ... 21
H2.4.1 AANPASSING MODEL ... 23
H3 METHODE VAN ONDERZOEK ... 24
H3.1 TRADITIONEEL TESTEN VAN CONTEXTEFFECTEN ... 24
H3.2 ONDERZOEKSOPZET ... 25
H3.3 METHODE ... 25
H3.4 SOORTEN INFORMATIESYSTEMEN EN OPBOUW VRAGENLIJST ... 25
H3.4.1 TEKSTVERWERKERS ... 26 H3.4.2 SOCIAL MEDIA ... 26 H3.4.3 OPBOUW VRAGENLIJST ... 27 H3.5 DEELNEMERS ... 27 H3.6 ONDERZOEKSHYPOTHESES ... 28 H4 ANALYSE RESULTATEN ... 29 H4.1 VALIDITEIT RESULTATEN ... 29
H4.1.1 FACTORANALYSE SOCIAL MEDIA ... 30
H4.1.2 FACTORANALYSE TEKSTVERWERKERS ... 31
H4.1.3 BETROUWBAARHEID SOCIAL MEDIA ... 32
H4.1.4 BETROUWBAARHEID TEKSTVERWERKERS ... 33
H4.2 RESULTATEN PU, PEOU EN EXTERNE FACTOREN ... 34
H4.2.1 RESULTATEN SOCIAL MEDIA ... 34
H4.2.2 RESULTATEN TEKSTVERWERKERS ... 35
H4.2.3 RESULTATEN EXTERNE FACTOREN ... 36
H4.3 RESULTATEN KEUZE-EXPERIMENTEN ... 38
H4.3.1 ATTRACTION EFFECT OP SOCIAL MEDIA ... 38
H4.3.2 COMPROMISE EFFECT OP SOCIAL MEDIA ... 39
H4.3.3 SIMILARITY EFFECT OP SOCIAL MEDIA ... 40
4
H4.3.5 COMPROMISE EFFECT OP TEKSTVERWERKERS ... 42
H4.3.6 SIMILARITY EFFECT OP TEKSTVERWERKERS ... 43
H4.4 OVERZICHT HYPOTHESES ... 44
H5 CONCLUSIE ... 46
H5.1 DISCUSSIE EN IMPLICATIES VOOR VERDER ONDERZOEK ... 47
BIBLIOGRAFIE ... 48
APPENDIX ... 52
APPENDIX A: VRAGENLIJST SOCIAL MEDIA ... 52
APPENDIX B: VRAGENLIJST TEKSTVERWERKERS... 55
APPENDIX C: KEUZE-EXPERIMENT SOCIAL MEDIA ... 58
APPENDIX D: KEUZE-EXPERIMENT TEKSTVERWERKERS... 62
5
Abstract
Het voorspellen van keuzegedrag is essentieel bij de introductie van nieuwe producten of systemen. Het succes van een nieuw product hangt immers grotendeels af van de gebruikers. Ditzelfde principe geldt voor het ontwerpen van informatiesystemen. Er zijn vele factoren die invloed hebben op de acceptatie en het gebruik van technologie, waarvan er vele ook meegenomen worden in keuzemodellen, opgesteld om het keuzegedrag van potentiële gebruikers te voorspellen. Een aantal effecten waar vooralsnog geen
rekening mee gehouden wordt, zijn de zogeheten contexteffecten, die binnen de marketing en psychologie al erkend zijn. Er bestaat echter een gebrek aan dergelijke literatuur en onderzoek binnen de
informatiewetenschappen. Deze studie tracht het effect van deze contexteffecten in kaart te brengen vanuit het perspectief van de informatiewetenschappen. In deze studie is vanuit de al gevestigde keuzemodellen binnen de psychologie en informatiewetenschappen een nieuw, gecombineerd model ontworpen. De resultaten van een enquête samen met de resultaten uit een aantal keuze-experimenten
hebben kunnen aantonen dat contexteffecten, onder bepaalde voorwaarden, voorkomen bij de keus voor een informatiesysteem. Deze studie tracht een basis te vormen in de literatuur van de informatiewetenschappen om aan te tonen dat contexteffecten mogelijk een invloed kunnen hebben op de keus voor informatiesystemen, om hiermee verder onderzoek naar dergelijke effecten in beweging te
6
H1 Inleiding
Het voorspellen van keuzegedrag is essentieel bij de introductie van nieuwe producten of systemen. Het succes van een nieuw product hangt immers volledig af van de gebruikers. Om te kunnen bepalen of een product of systeem door de consument gebruikt zal worden, wordt er gebruikgemaakt van
keuzemodellen.
In de context van de acceptatie van technologie is het belangrijk dat de factoren die invloed hebben op het keuzegedrag van gebruikers worden begrepen. De acceptatie wordt beïnvloed door onder andere de psychologische factoren van gebruikers, het ontwerpproces van de systemen en de kwaliteit van de technologie. De wereldwijde uitgaven aan IT worden geschat op $3,29 biljard in 20161 en een deel van deze uitgaven zal mogelijk tot producten of systemen leiden die niet geaccepteerd worden door de gebruikers en als gevolg onsuccesvol zijn. Door in te spelen op de factoren die invloed hebben op het keuzegedrag kunnen de verliezen als gevolg van niet geaccepteerde systemen geminimaliseerd worden. De adoptie van nieuwe ICT-kanalen is daarom een belangrijk onderwerp binnen de
Informatiewetenschappen en is uitgewerkt in verschillende keuzemodellen, zoals het Technology Acceptance Model(TAM) (Davis, 1989; Devaraj et al., 2002; Koufaris, 2002) en bijvoorbeeld Unified Theory of Acceptance and Use of Technology (Venkatesh et al, 2003). Deze modellen richten zich op de acceptatie van technologie en daarmee in het verlengde ook op de utilisatie van deze technologie.
Deze keuzemodellen zijn over het algemeen geaccepteerd, maar de snelle ontwikkeling van de ICT en de daaruit voortvloeiende technologie vragen om constante aanpassingen van de modellen. Hoewel een aantal factoren in vervolgonderzoeken al in acht genomen worden, zoals zelfexpressie (Pedersen & Nysveen, 2003) of intrinsieke motivatie bij online learning (Zhang et al.,2008), wordt er met een aantal effecten geen rekening gehouden.
Een aantal van deze effecten worden ook wel contexteffecten genoemd en deze effecten druisen, in sommige gevallen, tegen de bestaande noties van keuzetheorie in. De mogelijke invloed van
contexteffecten wordt eveneens in sommige onderzoeken aangeroepen als alternatieve verklaring voor de gevonden resultaten (Heinhuis, 2013). De keuzemodellen voor acceptatie van technologie houden geen rekening met contexteffecten, die mogelijk invloed kunnen hebben op het keuzegedrag van
mensen. Deze effecten worden binnen de marketingwereld echter wel erkend en veelvoudig gebruikt om te bepalen of consumenten nieuw geïntroduceerde producten wel of niet kopen. De effecten hoeven zich echter niet per definitie voor te doen in de context van marketing, maar zijn ook getest in andere domeinen, bijvoorbeeld in de beleidsontwikkeling (Herne, 1997), bij een geheugentest (Maylor & Roberts, 2007) en Kelman, Rottenstreich en Tversky (1996) bewijzen dat contexteffecten invloed hebben op de rechtspraak. Bij deze studies is gebleken dat de noties van contexteffecten ook opgaan in andere domeinen dan enkel de marketing. Hierom is het interessant om te onderzoeken of dergelijke effecten ook in de wereld van de Informatiewetenschappen invloed uitoefenen en of er met deze kennis aanpassingen aan bestaande modellen gedaan moeten worden.
7
H1.1 Probleemstelling
Het potentiële effect van contexteffecten op de acceptatie van technologie is echter binnen de Informatiewetenschappen vooralsnog niet doorgedrongen en wordt bij het creëren en uitbreiden van modellen niet in acht genomen, terwijl deze effecten wel degelijk invloed kunnen hebben op de adoptie van nieuwe systemen. Onderzoek naar deze effecten binnen bestaande keuzemodellen kan in potentie leiden tot nieuwe inzichten waar modellen accurater van kunnen worden. Indien contexteffecten een invloed blijken te hebben op de acceptatie van nieuwe technologie, kan dit de ontwikkeling van nieuwe systemen ten goede doen. Tijdens de ontwikkeling kan als gevolg beter geschat worden of het nieuwe systeem een succes zal worden en kunnen de risico’s die zich voordoen bij het implementeren van een nieuw systeem verminderd worden. Om inzicht te verkrijgen op de invloed van contexteffecten op de acceptatie van technologie moet er een nieuw model ontworpen worden, of een model aangepast worden, waarbij ook rekening gehouden moet worden met de invloed van contexteffecten.
Deze studie stelt daarom het doel om aan te tonen of contexteffecten ook voorkomen bij de keus voor een nieuw informatiesysteem. Het secundaire doel van de studie is om een model voor acceptatie van technologie te ontwerpen met het oog op de invloed van contexteffecten binnen het keuzeproces. De hoofdvraag luidt als volgt:
In hoeverre hebben contexteffecten invloed op de acceptatie en het gebruik van nieuwe technologie?
De hoofdvraag zal beantwoorden of het belangrijk is om rekening te houden met contexteffecten in de context van de Informatiewetenschappen. Verder kan ook de sterkte van het effect onderzocht worden. De hoofdvraag moet met behulp van een aantal deelvragen beantwoord worden. Deze vragen bieden de basis voor de hoofdvraag door eerst keuzemodellen voor technologie en keuzemodellen voor
contexteffecten uit te werken. Hieruit volgt de eerste deelvraag:
Welke modellen kunnen gebruikt worden om de acceptatie en gebruik van technologie onder de invloed van contexteffecten te voorspellen?
Om deze vraag te beantwoorden moet eerst de basis van contexteffecten en keuzemodellen uitgewerkt worden, waarna er zowel modellen die zich focussen op technologie als modellen die zich focussen op contexteffecten uitgewerkt moeten worden. Hieruit moet duidelijk worden welke aspecten in de verschillende modellen gebruikt kunnen worden om een model te creëren die beiden invalshoeken combineert. De tweede deelvraag luidt daarom als volgt:
Is het mogelijk om een model te creëren waarmee de acceptatie van technologie in combinatie met de invloed van contexteffecten te verklaren is, op basis van bestaande modellen?
De creatie van een model is uiteindelijk essentieel om de hoofdvraag te kunnen beantwoorden, maar het model zal wel getest moeten worden om uitsluitsel te kunnen geven. Dat leidt tot de laatste deelvraag:
Is het gecreëerde model empirisch te bevestigen?
Voor de laatste deelvraag zal het model getest moeten worden en de resultaten van het onderzoek kunnen dan een duidelijker beeld schetsen van de invloed van contexteffecten bij de acceptatie van technologie.
8
H1.2 Academische en maatschappelijke relevantie
Röcker (2010) stelt dat de ontwikkeling van technologie het nut van bestaande modellen zal limiteren. De rol van computers en technologie is sterk veranderd door de jaren heen (Röcker, 2009) en de modellen zullen mee moeten veranderen om relevant te blijven. De meeste keuzemodellen trachten keuzegedrag te voorspellen en houden allen met verschillende factoren rekening, maar houden over het algemeen geen rekening met invloeden van andere keuzes in de keuzeset. Zo zou bijvoorbeeld een informatiesysteem dat goedkoper is dan een alternatief, maar minder functies heeft, voor een bepaalde situatie beter zijn dan een systeem wat duurder is en meer functies heeft. In de geest van contexteffecten kan een systeem dat een compromis is tussen twee andere systemen als de beste optie gezien worden, omdat dat systeem, eventueel verlies minimaliseert. Binnen de bestaande keuzemodellen is met dergelijke fenomenen geen rekening gehouden en dit kan, zoals eerder aangegeven, in potentie zorgen voor foutieve of niet te verklaren resultaten.
Deze impasse binnen de Informatiewetenschappen kan de ontwikkeling van nieuwe systemen in de weg staan en vraagt om opheldering. De relevantie van dit onderzoek zit academisch in het uitbreiden van een bestaand model dat niet gebruikt kan worden om contexteffecten te verklaren. Dit onderzoek kan nieuwe inzichten geven in de acceptatie en adoptie van technologie vanuit een oogpunt dat niet eerder in acht is genomen en kan daarnaast een aangevuld model geven om consumentengedrag te verklaren. Dit onderzoek is ook relevant voor de literatuur over informatiesystemen aangezien dit onderzoek kan aantonen of er rekening gehouden dient te worden met contexteffecten bij het ontwerpen van nieuwe systemen en nieuwe modellen. Dit onderzoek zal bovendien toedragen aan bestaande literatuur over de acceptatie van informatiesystemen. Verder kunnen de resultaten effect op hebben op bestaande modellen en daarmee indiceren dat er limieten zitten op de toepasbaarheid van deze modellen. Deze modellen zullen moeten worden aangepast of beperkt moeten worden om accuraat te blijven. Mishra et al. (1993) stellen dat een beter begrip van contexteffecten zal leiden tot beter ontwerp van onderzoeken naar consumentenkeus door invloedrijke factoren binnen het experiment te corrigeren en door rekening te houden met de gevolgen van de effecten. Brown et al.(2010) stellen bovendien dat het ontwikkelen van meer gerichte en context specifieke theorieën, belangrijk zal zijn voor de evolutie van Informatiewetenschappen. Pieterson (2010) stelt dat er niet genoeg kennis beschikbaar is over de keuzes van consumenten voor een kanaal. Pieterson geeft aan dat de theorie niet toereikend is om te beschrijven en te verklaren waarom en hoe mensen kiezen voor verschillende kanalen.
Maatschappelijk gezien kan dit onderzoek ook invloed hebben op de strategie van bedrijven. Traditionele vormen van distributie van diensten zijn aangevuld of hebben plaatsgemaakt voor directe- of
elektronische vormen van distributie. Velen bedrijven gebruiken tegenwoordig meerdere kanalen om klanten te bereiken, denk hierbij aan mobiele websites, e-mail en telefonie. De keuze voor het
aannemen van een dergelijke multi-channel strategie kan een aantal redenen hebben voor een bedrijf (Bitner et al., 2002), De keus voor een multi-channel strategie kan mede ontstaan door vraag van de klanten, het bereiken van nieuwe klanten (Easingwood & Story, 1996), kostenbesparing (Payne & Frow, 2004; Durkin & O’Donnell, 2005) het verbeteren van klantenrelaties (Lederer et al., 2001) en als reactie op concurrerende bedrijven (Bradley & Stewart, 2003; Gounaris & Koritos, 2008). Het succes van een kanaal ligt voornamelijk bij de acceptatie en gebruik van het kanaal door klanten. Een kanaal wat klanten niet gebruiken of willen is immers weggegooid geld en kan bovendien negatieve gevolgen hebben op andere kanalen doordat klanten in de war raken (Schoenbachler & Gordon, 2002). De keuze voor een nieuw kanaal moet om risico’s te vermijden weloverwogen zijn en deze studie zou in potentie kunnen helpen bij het ontwerpen van nieuwe kanalen en technologie. Niet alleen kanalen kunnen beter ontworpen worden, maar ook nieuwe informatiesystemen kunnen op een andere manier ontworpen worden. Zo kan bijvoorbeeld bij het ontwerp van een nieuwe vorm van sociale media gekeken worden hoe het nieuwe systeem het beste de concurrentiestrijd met bijvoorbeeld Facebook aan kan gaan met contexteffecten in het achterhoofd.
9
H2 LITERATUURONDERZOEK
In dit literatuuronderzoek zullen keuzemodellen centraal staan en zullen er zowel psychologische als technologische keuzemodellen uitgewerkt worden om een breed overzicht te creëren waar uiteindelijk een nieuw model mee gecreëerd kan worden. De keus voor deze twee invalshoeken volgt uit een aantal
overwegingen. Ten eerste is het belangrijk om vanuit de basis van keuzemodellen te werken, waardoor de keus voor psychologische keuzemodellen te verklaren is. Binnen de literatuur van de psychologie wordt de
aanwezigheid van contexteffecten bovendien geaccepteerd en onderzocht. De keus voor technologische keuzemodellen ligt voor de hand, mede omdat het uiteindelijke doel het voorspellen van de acceptatie van technologie is.
Voordat deze modellen echter uitgewerkt zullen worden is het ook belangrijk om een achtergrond van contexteffecten te geven, voordat alle keuzemodellen uitgelegd zullen worden. Hierop volgt dus een
uitgebreide uitleg over contexteffecten die dient als achtergrond voor latere uitwerkingen van keuzemodellen en het uiteindelijke onderzoek.
H2.1 Contexteffecten
De literatuur van de gedragswetenschappen levert overvloedig bewijs dat het keuzegedrag van consumenten deels gedreven wordt door de context van de set van alternatieven(Chakravarti & Lynch Jr, 1983; Payne, 1982; Prelec, Wernerfelt, & Zettelmeyer, 1997; Ratneshwar, Shocker, & Stewart, 1987). Hieruit volgt bewijs voor drie belangrijke context-effecten: Het compromise effect (Huber & Puto, 1983), het similarity effect (Tversky, 1972) en het attraction effect (Huber, Payne, & Puto, 1982).
Het compromise effect verwijst naar het fenomeen waar een product een disproportioneel groter marktaandeel krijgt als het een compromis is binnen de keuzeset. Het nieuwe product ligt tussen twee extremen in waardoor de keus voor een compromis aantrekkelijker zal worden voor de consument. Ondanks de robuustheid en het belang van dit effect, wordt het compromise effect niet meegenomen in het overgrote deel van de keuzemodellen (Kivets et al.,2004). In een situatie waar een persoon zou moeten kiezen tussen drie verschillende kanalen is er dus een reële mogelijkheid dat de klant eerder zal kiezen voor het compromis. Het similarity effect beschrijft het fenomeen waar een nieuw product meer marktaandeel verliest door de toevoeging van vergelijkbare producten dan minder vergelijkbare producten marktaandeel verliezen.
(Rooderkerk et al.,2011) In dit onderzoek staat het attraction effect centraal. Het attraction effect beschrijft het fenomeen waar, door toevoeging van een product dat gedomineerd wordt door één item uit de keuzeset het marktaandeel van het dominerende product disproportioneel vergroot ten opzichte van de andere producten in de keuzeset.
Bij de toevoeging van een nieuw product in een markt bestaat er een standaardkeuzemodel om te bepalen wat voor invloed dit product heeft op de marktaandelen van andere producten. In dit model wordt aangenomen dat het nieuwe product, proportioneel marktaandeel zal innemen van bestaande producten op deze markt. Deze notie van proportionaliteit is verwerkt in het keuzemodel van Luce (1959) en staat centraal in een aantal modellen van consumentengedrag. Deze modellen beschrijven een scala aan soorten keuzes, onder andere de keus van een consument voor frisdrank (Pessemier et al., 1971; Reibstein, 1978) en de keuze van
transportmiddel (McFadden, 1974). Het proportionaliteitsmodel suggereert dat ieder product dat aan de keuzeset toegevoegd wordt, consumenten zal aantrekken, omdat het de keuzeset vergroot, maar dit model kan niet verklaren waarom sommige consumenten overstappen naar andere producten(Josiam & Hobson, 1995).
Het attraction effect kan echter onder bepaalde omstandigheden tegen de similarity hypothesis en regularity
hypothesis indruisen door de toevoeging van een asymmetrisch gedomineerd alternatief (Huber et al., 1982).
Consumenten kunnen normaliter kiezen uit producten die verschillen in prijs en kwaliteit. Veelal zijn de producten met een hoge prijs ook van hoge kwaliteit en zijn dus symmetrisch dominant ten opzichte van goedkopere producten met lagere kwaliteit. De consument kan op deze manier afwegen of prijs of kwaliteit belangrijker is en vervolgens een keuze maken op basis van deze afweging.
10
Figuur 1. Decoy (Huber et al, 1982)
Grafiek 1: Keuze tussen 2 producten
Grafiek 2: Compromise effect
Huber, Payne en Puto (1982) stellen dat een alternatief is asymmetrisch wanneer het gedomineerd wordt door tenminste één alternatief in de keuzeset, maar niet gedomineerd wordt door een minstens één ander alternatief. Er wordt niet verwacht dat deze decoy gekozen zal worden, maar het doel van de decoy is om de keuze van de consument naar het target product te verschuiven. Het derde product is van een competitor die de decoy niet domineert. Figuur 1 laat de relatie tussen de drie producten zien. Hier is te zien dat de decoy op zowel dimensie 1 als dimensie 2 gedomineerd wordt door het target, maar niet door de competitor op dimensie 2, waardoor het een asymmetrisch gedomineerd alternatief is.
Het verschil tussen de verschillende contexteffecten is te visualiseren in een aantal grafieken. Eerst moet er uitgegaan worden van een situatie tussen 2 verschillende producten zoals aangegeven in Grafiek 1. De twee producten zijn op twee eigenschappen gerangschikt. De kwaliteit van het product (0-100) en de hoogte van de prijs van het product (0-100). Zoals te zien is, is er in deze situatie geen sprake van een dominant alternatief, want product A scoort beter op kwaliteit, maar product B is weer goedkoper. Hierdoor is het niet duidelijk welk product aantrekkelijker is voor de consument.
Het compromise effect doet zich voor wanneer er zich een derde product bij de markt voegt, product Z, zoals in Grafiek 2 is aangegeven. Het compromise effect stelt dat consumenten vaker kiezen voor een product wat in het midden ligt, omdat die keuze “veilig” en als een compromis voelt (Huber & Puto, 1983). Dit effect doet zich dus voor wanneer er een product in het midden wordt toegevoegd. Als de consument onzeker is over welk attribuut belangrijker is, kan de keuze voor het compromis gezien worden als de meest gegronde en te verklaren keus. Van een product dat als compromis gezien kan worden, kan ook verwacht worden dat het marktaandeel van het desbetreffende product zal groeien. (Simonson, 1989)
11
Grafiek 3: Similarity effect
Grafiek 4: Attraction effect
Het similarity effect doet zich voor wanneer er een nieuw product op de markt komt dat dicht in de buurt van een ander product ligt. Hierdoor kan het nieuwe product als een ‘vervanger’ worden gezien voor het product waar het het meest dichtbij staat. Zoals aangegeven in Grafiek 3 is het mogelijk dat product Z aangezien kan worden als vervanger van product Y, terwijl product X dusdanig ongelijk is dat het niet mogelijk is om product Z te zien als substituut.
Het attraction effect kan op de volgende manier gevisualiseerd worden. De toevoeging van een asymmetrisch gedomineerd product Z kan zorgen voor een disproportionele verschuiving van het marktaandeel van product Y en product X, omdat product Y het nieuwe product op alle fronten domineert terwijl product X dat niet doet.
Saillant detail is, wanneer consumenten verwachten dat hun keuzes geëvalueerd worden door anderen, hun keuze complexer wordt. Dit komt doordat, in de meeste gevallen, de preferenties van anderen lastiger in te schatten zijn dan persoonlijke preferenties (Simonson, 1989). Een keuze verantwoorden op basis van
preferenties voor bepaalde attributen kan dus riskant zijn, omdat de preferenties van de anderen ongewis zijn (Tetlock, 1985). Als gevolg zoekt de besluitvormer naar argumenten voor de keuze, waarmee de kans het grootst is dat de anderen het eens zijn met de keus. In de context van het attraction effect is een
asymmetrische dominantie relatie een overtuigende reden om voor een product te kiezen. De dominantie is objectief en eventuele persoonlijke voorkeuren hebben geen effect op deze objectiviteit.
12
H2.1.1 Kritiek op het attraction effect
Het attraction effect is voor veel onderzoekers een stevig discussiepunt. Zo stellen Frederick, Lee en Baskin (2014) en Yang en Lynn (2014) dat de condities waarbij het attraction effect zich voordoet, dusdanig restrictief zijn, dat de praktische validiteit van het effect in twijfel getrokken kan worden. Huber, Payne en Puto (2014) nuanceren deze kritiek. De critici stellen dat het attraction effect zich enkel voor kan doen wanneer stimuli numeriek vertegenwoordigd worden2. Dit bevestigt daarmee ook dat er verschillende factoren zijn die de grootte van effect kunnen vergroten of verkleinen. Dit kan ook verklaren waarom de resultaten bij
onderzoeken naar het attraction effect kunnen verschillen. Het artikel van Huber, Payne en Puto (1982) werd ontworpen om, onder bepaalde omstandigheden, de assumpties van regularity te schenden. Hierbij was het nodig om een asymmetrisch gedomineerd alternatief te creëren, waardoor het target aantrekkelijker zou worden voor consumenten. Uit dit onderzoek bleek uiteindelijk dat, onder bepaalde omstandigheden, de notie van regularity geschonden kon worden. In latere onderzoeken, onder verschillende omstandigheden en andere testpersonen bleek deze schending eveneens mogelijk.
Het attraction effect hoeft zich niet per definitie voor te doen in de context van marketing, maar is ook getest in andere domeinen, zoals in de beleidsontwikkeling (Herne, 1997), bij een geheugentest (Maylor & Roberts, 2007) en Kelman, Rottenstreich en Tversky (1996) bewijzen dat contexteffecten invloed hebben op de rechtspraak. Bij deze studies is gebleken dat de noties van het attraction effect dus ook opgaan in andere domeinen. Zowel Frederick, Lee en Baskin als Yang en Lee tonen aan dat het effect verzwakt of zelfs
omgedraaid kan worden als het onderzoek met behulp van non-numerieke waarden getest wordt. Bij eerder aangegeven onderzoeken is bestaan van een attraction effect echter wel bewezen, ondanks een gebrek aan numerieke waarden.
Huber, Payne en Puto (2014) stellen wel dat er factoren zijn die het attraction effect kunnen beperken. De eerste factor is voor sterke voorafgaande preferenties van de testpersoon, waarmee het effect van de decoy geminimaliseerd kan worden. De tweede factor is het onvermogen om een dominant product snel en gemakkelijk te herkennen, mensen kunnen immers niet reageren op een relatie die ze niet herkennen. De derde factor betreft de ongelijke van waarden van respondenten, als een respondent negatief reageert op de decoy en een andere respondent reageert positief, dan heft dit het attraction effect op. Wanneer deze ongelijkheid heerst binnen de testpopulatie, doet er zich een negatief effect voor op het attraction effect. Een sterke afkeer tegen de decoy en een sterkte voorliefde voor de decoy zijn de resterende factoren en kunnen louter afzonderlijk van elkaar voorkomen. Een decoy op een ongewenste positie kan betekenen dat de respondent zich meer aangetrokken voelt tot de competitor in plaats van het target. Een voorliefde voor de decoy kan ervoor zorgen dat de voorkeuren van de respondent de dominantie van het target maskeert, waardoor het attraction effect verzwakt. Al deze factoren kunnen invloed hebben op de sterkte van het attraction effect tijdens het experiment.
Een ander discussiepunt is de vraag of het attraction effect wel plaatsvindt bij consumentenkeuzes in de echte wereld, in plaats van een gecontroleerde omgeving. Huber, Payne en Puto (2014) verwachten dat het effect zelden voorkomt en het feit dat de meeste keuzes complexer zijn en op meer dan twee attributen beoordeeld worden, is een belangrijke verklaring. De complexere keuzemogelijkheden maken het lastiger voor de
consument om een dominant product te identificeren, mocht deze überhaupt aanwezig zijn. Een tweede verklaring is het feit dat asymmetrisch gedomineerde producten zeer zeldzaam zijn op de markt, omdat het produceren en distribueren van producten die hoogstwaarschijnlijk niet verkopen een dure onderneming is. Een onderzoek van Doyle et al. (1999) toonde wel aan dat het attraction effect zich voor kan doen in een supermarkt. In het onderzoek zorgde de toevoeging van een blik Heinz bonen van £0,31, als decoy voor een toename van het aandeel van de targets van £0,29, vergeleken met een competitor met een lagere prijs en kwaliteit. In een online winkelomgeving, waar reviews aan producten gegeven kunnen worden, is het eventueel wel mogelijk voor producenten om een dominantie relatie te creëren. Ditzelfde effect kan zich voordoen bij websites die prijzen en kwaliteit van producten vergelijken en vervolgens een rating geven.
13
Hoewel het zelden op de echte markt voorkomt is het attraction effect wel degelijk belangrijk. Het toont aan dat context belangrijk is. Het feit dat de regularity geschonden kan worden, geeft aan dat keuzegedrag afhankelijk is van de context waarin het bestaat. Het bewijs van context afhankelijke voorkeuren gekoppeld met andere mechanismen, indiceert dat voorkeuren van een consument gevormd worden. Deze wetenschap kan vervolgens helpen bij het sturen van consumenten richting een product.
De kritiek op het attraction effect heeft een nuttige rol gespeeld in het geven van extra bewijs dat het
attraction effect bepaalde grenzen kent. Huber, Payne en Puto (2014) stellen dat na 30 jaar onderzoek naar het attraction effect, vanuit allerlei domeinen, een aantal conclusies nog steeds kloppen. (1) Het attraction effect is repliceerbaar, (2) het attraction effect heeft voorspelbare en belangrijke grenzen die in acht genomen moeten worden, (3) het attraction effect impliceert en wordt geïmpliceerd door het concept van gevormde voorkeuren. (4) zowel onderzoekers die waarden meten als keuze architecten, moeten bij het vormen van voorkeuren rekening houden met de context afhankelijke eigenschappen van keuzegedrag.
14
H2.2 Psychologische keuzemodellen
Allereerst zullen er een aantal keuzemodellen uitgewerkt worden vanuit een psychologische achtergrond. De eerste twee modellen zijn meer klassieke keuzemodellen die nog steeds veelvoudig aangehaald worden. De resterende drie modellen zijn vooral gericht op de invloed van contexteffecten op keuzegedrag.
H2.2.1 Theory of Reasoned Action
De Theory of Reasoned Action (TRA) (Fishbein & Ajzen, 1975) is een model uit de sociale psychologie en richt zich op het voorspellen van gedrag waar mensen volledige controle over hebben. De theorie wordt veelal gebruikt om gedrag te verklaren in consumentenonderzoek. De theorie tracht gedrag te voorspellen door de gedragsintenties van mensen te meten. Volgens de theorie is de gedragsintentie een voorbode van werkelijk gedrag (Ajzen & Madden,1986) en sterkere intenties zorgen voor een grotere inspanning om het gedrag uit te voeren, wat op zijn beurt de kans dat het gedrag uitgevoerd zal worden verhoogd. Ajzen en Fishbein
suggereren dat twee factoren intentie determineren: houding en subjectieve normen. De houding is de overtuiging van de persoon of bepaald gedrag positief of negatief is en de subjectieve norm beschrijft de sociale druk die een persoon voelt om het gedrag wel of niet uit te voeren. De theorie wordt ondersteund door onderzoeksresultaten, maar is wel gelimiteerd tot gedrag dat voornamelijk bewust en vrijwillig uitgevoerd wordt (Colman, 2015; p. 764). Deze limitatie is later aangekaart bij het ontwerp van de Theory of Planned Behaviour
H2.2.2 Theory of Planned Behaviour
De Theory of Planned Behaviour (TPB) (Ajzen, 1985) is een extensie van de TRA waarin Perceived Behavior
Control(PBC), ofwel ervaren gedragscontrole, opgenomen is. PBC is de mate waarin een persoon er van
overtuigd is hoe gemakkelijk of moeilijk het uitvoeren van een bepaald gedrag is en daarmee in het verlengde de overtuiging of de persoon bepaald gedrag werkelijk kan uitvoeren (Ajzen & Madden, 1986; Colman, 2015; p.764). De toevoeging van PBC maakt het mogelijk om voorspellingen te doen over acties die niet volledig vrijwillig en bewust zijn terwijl dit bij de TRA niet mogelijk is. De TPB wordt gebruikt in vele disciplines, onder andere bij gezondheid gerelateerde onderzoeken (Nguyen et al., 1997; Conner et al., 2003), bij sociale
wetenschappen (Van der Linden, 2011; Grieve & Elliot, 2013) en in de omgevingspsychologie (Stern, 2005). Het model kan het meeste menselijke gedrag voorspellen en kan hierom ook gebruikt worden in de
Informatiewetenschappen.
Figuur 2: TRA model (Fishbein & Azjen, 1975)
15
H2.2.3 Decision Field Theory
De Decision Field Theory (DFT) (Busemeyer & Townsend, 1993) is een dynamisch-cognitieve benadering van menselijk keuzegedrag. Het model beschrijft hoe mensen werkelijk keuzes maken in tegenstelling tot rationele theorieën die beschrijven wat mensen zouden moeten doen. Het model is dynamisch in tegenstelling tot een statisch keuzemodel. Het beschrijft immers de verandering van preferenties tot er een besluit is genomen, in tegenstelling tot een constante vaste preferentie. De verandering van preferenties wordt wiskundig weergeven als een stochastisch proces genaamd diffusion process. Het wordt gebruikt om te voorspellen hoe mensen beslissingen maken bij een mate van onzekerheid, hoe beslissingen veranderen onder tijdsdruk en hoe context voorkeuren kan veranderen. De DFT kan vele merkwaardige resultaten, met betrekking tot menselijk
keuzegedrag, verantwoorden. Het model kan ook contexteffecten verklaren waar dat vele andere theorieën niet lukt (Roe et al., 2001).
De waarden voor M in het model geven de motivatie van verschillende alternatieven aan om een doel te benaderen (r) of een doel te vermijden (p). Deze inputs worden vervolgens gefilterd door gewogen
attentiewaarden (W), hieruit volgt de valence(V), of een waardeoordeel voor elke actie. De waarde voor V is de input van een Decision system waaruit een preferentie(P) ontstaat. P is vervolgens de input in een Motor
system, waaruit de daadwerkelijke actie volgt. Binnen het model wordt aangenomen dat de persoon constant
overwegingen maakt die invloed hebben op eerdere overwegingen, waardoor het model dynamisch is. Het model gaat ervan uit dat één attribuut van een dimensie geëvalueerd wordt en alle alternatieven gelijktijdig geëvalueerd worden. Zo kan bijvoorbeeld eerst een product op de prijsdimensie geëvalueerd worden en zullen de alternatieven gelijktijdig op de prijsdimensie beoordeeld worden. (Noguchi & Stewart, 2014). Noguchi en Stewart (2014, p.50) stellen echter ook dat de voorspellingen van het model niet altijd significant ondersteund worden.
16
H2.2.4 Comparison-Grouping Model
Het Comparison-Grouping Model (CGM) (Tzusuki & Guo, 2004) is een model dat keuze tracht te voorspellen, met het oog op contexteffecten. Het model gaat uit van twee fases binnen het keuzeproces. De twee alternatieven die het dichtst bij elkaar staan (Target en Decoy) worden als eerste vergeleken, waarna de competitor vergeleken wordt. De uitkomst van fase 1 heeft invloed op fase 2 en leidt volgens de theorie tot de invloed van contexteffecten. Deze aanname is echter in de werkelijkheid te simpel om menselijk gedrag te beschrijven en als gevolg hebben Tzusuki en Guo (2004) gekozen voor een stochastisch comparison-grouping model waarin alle mogelijke vergelijkingen voorkomen. Het model ziet er als volgt uit:
Elk attribuut of alternatief is gepresenteerd als node en de relaties tussen producten zijn aangegeven met pijlen. Elke node heeft een bepaalde mate van activering. Voor elke alternatieve node staat de activering voor de waarde die gegeven is aan deze node ten opzichte van andere alternatieven. Voor elke attribuut node staat het voor de gewichtigheid van het attribuut. De link tussen een attribuut node en een alternatief node heeft een prikkelend effect (wanneer de ene node actiever is, is de andere node dat ook). De link tussen elk paar van alternatieve nodes werkt remmend (wanneer de ene node actiever is, is het alternatief minder actief).
Uiteindelijk zal een node een hogere activering bereiken dan de andere node, waarna de desbetreffende node gekozen zal worden. De externe input verwijst naar motivationele en attentionele invloeden die effect hebben op het maken van een keuze. Het model gaat uit van een alternatief dat geëvalueerd wordt ten opzichte van de andere alternatieven. Een positieve attentiebias ten opzichte van een alternatief, correleert negatief met de kans dat resterende alternatieven gekozen worden. Noguchi en Stewart (2014, p.51) stellen dat de
voorspellingen over het algemeen overeenkomen met de werkelijkheid, maar dat er een aantal effecten niet altijd verklaard kunnen worden.
17
H2.2.5 Multi-attribute Linear Ballistic Accumulator Model of Decision-making
Het Multi-attribute Linear Ballistic Accumulator Model of Decision-making (MLBA) (Trueblood et al., 2013) is een ander dynamisch model dat evenals de DFT, rekening houdt met contexteffecten. In tegenstelling tot de DFT is de MLBA echter niet afhankelijk van tijdsintensieve simulaties, waardoor kwantitatief onderzoek
mogelijk is. Het MLBA is gecreëerd om de invloed van contexteffecten bij een keus met meerdere alternatieven te voorspellen. Het MLBA maakt ook gebruik van valences, die bestaan uit drie componenten: subjectieve waarden, gewogen attentiewaarden en een vergelijkingsmechanisme. Het MLBA ziet er als volgt uit:
In het model zijn P i en Q i de attributen waarop optie i geëvalueerd kan worden. Hierbij wordt aangenomen dat een persoon elke mogelijk waarde van elke optie evalueren. Het tweede component van het model zijn de attentiewaarden, waarbij aangenomen wordt dat een persoon een bepaalde hoeveelheid attentie toewijst aan elk attribuut. Het derde component is een vergelijkingsmechanisme waarbij contrasten tussen producten duidelijk worden. Hierbij wordt ook duidelijk welke producten een relatief voordeel of nadeel hebben
tegenover andere producten. Vervolgens volgt uit de subjectieve waarden van attributen, de attentiewaarden en de contrasten een hang naar een alternatief, waaruit een preferentie naar een bepaald product ontstaat. Vanuit de preferentie zal de keus voor een product gemaakt worden. In tegenstelling tot de DFT, gaat het MLBA-model ervan uit dat er één alternatief geëvalueerd wordt met één alternatief in plaats van alle
alternatieven. Zo kan er een product op de prijsdimensie vergeleken worden met een alternatief, bijvoorbeeld product A en product B en kan vervolgens een product C met product B vergeleken worden op de
kwaliteitsdimensie. Noguchi en Stewart (2014, p.53) stellen dat de resultaten consistent de voorspellingen van het model ondersteunen. In tegenstelling tot de CGM en DFT kunnen de resultaten consistent voorspeld worden met oog op alle drie de contexteffecten.
18
H2.3 Technologische keuzemodellen
Behalve psychologische keuzemodellen, zijn technologische keuzemodellen vanzelfsprekend essentieel voor dit onderzoek. Hieronder zullen de meest invloedrijke technologische keuzemodellen dan ook uitgewerkt worden.
H2.3.1 Technology Acceptance Model
Het Technology Acceptance Model (Davis, 1986) wordt voornamelijk gebruikt om een voorspelling te doen over de mate van acceptatie van gebruikers bij de invoer van een nieuwe technologie. Een ander doel is het geven van een raamwerk waarmee systeemontwerpers tijdens de ontwerpfase van een nieuwe technologie al kunnen testen of het nieuwe product zal aanslaan en met deze inzichten het product kunnen aanpassen. TAM is een aangepaste versie van de TRA en TPB.
Het model suggereert dat een aantal factoren invloed hebben op mate van acceptatie van een nieuwe
technologie, waarvan de Percieved usefulness (PU) en de Percieved ease-of-use (PEOU) het belangrijkst zijn. De PU is de mate waarin een gebruiker gelooft dat het gebruik van het desbetreffende systeem zijn of haar werk gemakkelijker maakt. De PEOU is de mate waarin een gebruiker gelooft dat het gebruik van het desbetreffende systeem moeiteloos zal verlopen. Deze twee maatstaven vervangen dus de maatstaven bij de TRA en de TPB en focussen zich uitsluitend op technologie. Het model ziet er als volgt uit:
19
H2.3.2 Unified Theory of Acceptance and Use of Technology
De UTAUT is een model om de mate van acceptatie van technologie te voorspellen (Venkatesh et al., 2003). Het doel van de UTAUT is om intenties van de gebruikers en het daaropvolgende gebruik van het systeem te verklaren. Het model is gebaseerd op acht modellen, waaronder de TRA,TPB, TAM en TAM23. Volgens het model zijn er vier sleutelaspecten binnen het model: (1) performance expectancy, (2) effort expectancy, (3) social influence en (4) facilitating conditions. Performance expectancy en effort expectancy zijn
overeenkomstig met de Percieved Usefulness en Percieved Ease of Use van het TAM-model en social influence binnen het UTAUT is gelijksoortig aan de subjectieve normen binnen het TRA-model en de facilitating
conditions zijn gelijk aan de percieved behavioural control van het TPB. Gender, Age, Experience en Voluntariness of Use werken als matigende variabelen om zo de impact van individuele sleutelaspecten in toom te houden. Hieruit volgt het UTAUT-model:
3 Overige modellen zijn: Model of PC use, Motivational Model, Innovation Diffusion Theory and Social Cognitive
Theory
20
H2.3.3 Innovation Diffusion Theory
De Innovation Diffusion Theory (IDT) (Rogers, 1962;2010) richt zich op het proces waarbij een innovatie zich door de tijd heen ontwikkelt binnen een groep gebruikers. De IDT kan gebruikt worden om, veelal in
combinatie met andere modellen, de acceptatie van informatiesystemen te voorspellen (Tung et al., 2008). De IDT kent een aantal sleutelkarakteristieken die de adoptie van een nieuwe innovatie beïnvloeden(Greenhalgh et al., 2004):
- Relative advantage, innovaties die een duidelijk voordeel hebben ten opzichte van andere producten worden sneller geaccepteerd (Dirksen et al., 1996). Als gebruikers geen voordeel zien in de adoptie van een nieuw product, zullen ze het product, over het algemeen, links laten liggen.
- Compatibility, innovaties die passen bij de waarden, normen en behoeftes van de gebruiker zullen gemakkelijker geadopteerd worden dan innovaties waar dit niet het geval is.
- Complexity, innovaties die door de gebruikers als “simpel” worden ervaren zullen gemakkelijker geadopteerd worden.
- Trialability, innovaties waar gebruikers kunnen experimenteren zullen makkelijker geadopteerd worden - Observability, zodra de voordelen van de innovatie gemakkelijk te observeren zijn voor zal de innovatie makkelijker geadopteerd worden.
Hoewel de IDT niet per definitie ontworpen is om de acceptatie van informatiesystemen te modelleren is het wel mogelijk om de IDT toe te passen bij het ontwerpen en implementeren van informatiesystemen. De IDT is bovendien niet gericht op werkelijk gebruik van een innovatie, maar kan wel gebruikt worden om adoptie van de innovatie te voorspellen (Brancheau & Wetherbe, 1990).
H2.3.4 Task Technology Fit
De Task Technology Fit (TTF) (Goodhue & Thompson, 1995) houdt in dat een IT-systeem een grotere kans maakt om gebruikt te worden en een positieve impact te maken, wanneer de capaciteiten van het systeem overeenkomen met de taken van de gebruiker.
Het model laat zien dat een betere fit leidt tot een vergoot gebruik van een dergelijk systeem. Het model kan dus niet enkel gebruikt te worden om de invloed van het systeem op de prestaties van de gebruiker te voorspellen, maar kan ook gebruikt worden om de mate van acceptatie aan te geven.
21
H2.4 Beoordeling van modellen
Hierboven zijn een aantal modellen uitgewerkt, maar niet elk model is nuttig voor het beantwoorden van een van de deelvragen van deze studie:
Welke modellen kunnen gebruikt worden om de acceptatie en gebruik van technologie onder de invloed van contexteffecten te voorspellen?
De belangrijkste aspecten van het model zijn dus de acceptatie en het gebruik van een product, maar er moet ook een focus op ICT en contexteffecten zijn. Er is echter nog geen model dat zowel rekening met technologie als rekening met contexteffecten houdt en hierdoor moeten mogelijk twee modellen samengevoegd worden om het gewenste model te creëren.
De modellen moeten op een aantal variabelen beoordeeld worden, allereerst moet gekeken worden naar de acceptatie, ofwel utilisatie, van een systeem of product. Het model moet eveneens de keuze tussen
verschillende alternatieven kunnen voorspellen en niet enkel of een individueel product gebruikt zal worden. Verder moeten de modellen beoordeeld worden op de focus op ICT en of contexteffecten met behulp van het model voorspeld kunnen worden. Deze variabelen zijn uitgezet in een tabel waar duidelijk wordt tot in hoeverre de modellen rekening houden met de variabelen.
Tabel 1: Evaluatie modellen
GEBRUIK KEUS TUSSEN ALTERNATIEVEN ICT FOCUS CONTEXTEFFECTEN
TRA
++
-
--
--
TPB++
-
--
--
DFT++
++
--
+
CGM+
++
--
+
MLBA+
++
--
++
TAM++
-
++
--
UTAUT++
-
++
--
IDT++
-
+-
--
TTF+-
-
++
--
GebruikGebruik doelt op het uiteindelijke gebruik van een systeem of product. De modellen zijn allemaal beoordeeld op de mate waarin ze daadwerkelijk gebruik van een systeem of product voorspellen. Zoals te zien is in de tabel, voorspellen de meeste modellen het gebruik. De modellen met een ++ waardering zijn specifiek ontworpen om dergelijk gebruik aan te tonen en zijn vandaar ook geclassificeerd met een ++ waardering. De CGM en MLBA zijn beoordeeld met een + waardering, omdat deze modellen niet per definitie daadwerkelijk gebruik voorspellen, maar zich richten op preferenties, waar mogelijk gebruik uit voort kan vloeien. De TTF legt de nadruk vooral op de invloed van een systeem op de productiviteit van de gebruiker. Het kan echter ook wel gebruikt worden om gebruik te voorspellen, maar is niet voor ontworpen en heeft daarom een +- waardering.
Keus tussen alternatieven
De keus tussen alternatieven doelt op de mate waarop een model rekening houdt met een keuzeset waar tussen meerdere alternatieven gekozen kan worden. De focus op keuze tussen alternatieven is in het grootste deel van de modellen niet aanwezig en deze modellen zijn vooral ontworpen om de acceptatie en het gebruik van een enkele keus te evalueren. Deze modellen kunnen echter wel aangepast worden om keuze tussen alternatieven te voorspellen, maar zijn hier in eerste instantie niet voor ontworpen (Sheppard et al., 1988). De modellen hebben vandaar een – waardering op basis van de keus tussen alternatieven. De drie modellen met een ++ waardering zijn specifiek ontworpen om de keus tussen alternatieven te kunnen voorspellen, maar deze modellen hebben echter geen focus op de ICT.
22
Focus op ICT
De focus op ICT doelt op de mate waarop de beoordeelde modellen zich richten op het voorspellen van keus binnen de ICT. De modellen met ++ waardering zijn specifiek ontworpen om deze reden en hebben
vanzelfsprekend een sterke focus op de ICT. De IDT heeft van origine geen focus op de ICT maar op de algemene diffusie van innovaties en van daar kan niet gesteld worden dat de IDT een focus op de ICT heeft, hoewel het model ook opgaat voor vele innovaties binnen de ICT, bijvoorbeeld in het onderzoek van Brancheu & Wetherbe (1990). De resterende modellen hebben allen een psychologische achtergrond en houden geen rekening met variabelen die voor de ICT belangrijk zijn.
Contexteffecten
Contexteffecten doelt op de focus van een model om de invloed van contexteffecten te verklaren.
Enkel de DFT, de CGM en de MLBA houden rekening met contexteffecten en zijn specifiek ontworpen om de invloed van deze effecten te verklaren en te voorspellen. Zoals eerder echter al aangegeven is, kan de invloed van de effecten bij de DFT en CGM niet altijd volledig verklaard worden (Noguchi & Stewart, 2014). De resterende modellen kunnen vanzelfsprekend dergelijke effecten niet verklaren en zijn ook niet ontworpen met deze intentie.
Keuze voor modellen
Vanuit de tabel kan opgemaakt worden dat geen enkel model beschikt over alle variabelen die benodigd zijn om de hoofdvraag te beantwoorden. Het verklaren van contexteffecten is essentieel voor dit onderzoek, waardoor het model met de sterkste verklarende kracht voor contexteffecten zonder meer een rol moet spelen bij het creëren van een nieuw model, in dit geval het MLBA. Het nieuwe model moet echter ook een focus op ICT krijgen, waardoor de keus tussen het TAM, UTAUT en TTF valt. De TTF is echter niet ontworpen om gebruik te voorspellen in tegenstelling tot het TAM en de UTAUT.
Het TAM is een van de meest invloedrijke theorieën binnen de Informatiewetenschappen en wordt veelvoudig gebruikt om de acceptatie en het gebruik van nieuwe technologie te voorspellen. Bovendien is het TAM vaak aangepast naar de behoeftes van onderzoeken en is daarom ook een goede optie om aan te passen aan contexteffecten. Het UTAUT heeft, omdat het een groot aantal modellen samenvoegt, veel verschillende variabelen. Dit kan problemen opleveren wanneer al deze variabelen meegenomen moeten worden in dit onderzoek. Een aanpassing van het TAM geniet bij dit onderzoek daarom de voorkeur ten opzichte van het UTAUT. Het TAM en het MLBA lijken, na analyse van alle modellen, het meest bruikbaar om een nieuw model te creëren.
De deelvraag, “Welke modellen kunnen gebruikt worden om de acceptatie en gebruik van technologie onder de
invloed van contexteffecten te voorspellen?”, kan daarmee ook beantwoord worden. Er komen een aantal
modellen in aanmerking voor deze vraag, maar het TAM is vanuit een technologisch standpunt het meest gebruikte model en er is al veelvoudig bewezen dat het model aangepast kan worden. Hoewel het MLBA niet per definitie het meest expressief is op het gebied van gebruik, is wel bewezen dat de voorspellingen van het model consistent bevestigd worden (Noguchi & Stewart, 2014). Daarom is de keuze gemaakt om een combinatie van het TAM en het MLBA te creëren voor de tweede deelvraag.
23
H2.4.1 Aanpassing model
Een combinatie van het TAM en het MLBA kan mogelijk een oplossing bieden voor het beantwoorden van de hoofdvraag, maar om bij een nieuw model te arriveren moet eerst gekeken worden naar de essentiële componenten uit elk model. De Perceived Usefulness en de Perceived Ease of Use van het TAM zijn essentieel voor de acceptatie en het gebruik van een nieuw systeem. Ten eerste zijn mensen geneigd de keuze te maken voor het gebruik van een systeem op basis van hoezeer het systeem helpt een taak beter uit te voeren (Perceived Usefulness). Ten tweede kunnen potentiële gebruikers, zelfs wanneer ze geloven dat het systeem nuttig is, mogelijk van mening zijn dat het systeem te complex in gebruik is en dat de complexiteit niet
opwegen kan tegen de nuttigheid van het systeem (Perceived Ease of Use) (Davis, 1989). Deze twee variabelen zijn dus essentieel om een model te creëren voor de acceptatie van technologie en worden dan ook in het model gebruikt. Het TAM houdt geen rekening met contexteffecten en keus tussen meerdere systemen, maar het MLBA wel. De verschillende alternatieven worden per attribuut vergeleken en daarna worden de
alternatieven met elkaar vergeleken, de variabelen moeten daarom, om rekening te houden met de contexteffecten, ook in het model opgenomen worden. Volgend op de vergelijkingen tussen alternatieven worden er valences gecreëerd waaruit een preferentie, of attitude, tegenover een alternatief ontstaat. Deze preferentie transformeert volgens het TAM in een intentie om een van de alternatieven te gebruiken, waarna werkelijk gebruik volgt. Het aangepaste model zal als volgt opgebouwd zijn:
Zoals te zien is in het model, zijn de PU en PEOU opgenomen als attributen waarop de systemen beoordeeld worden, hierna worden deze attributen van elk alternatief geëvalueerd, daaropvolgend worden de
alternatieven met elkaar gecontrasteerd, waarna er een voorkeur ontstaat voor een van de alternatieven, hier volgt een intentie tot gebruik uit waarna er werkelijk gebruik volgt. In potentie kan dit model het keuzegedrag van mogelijke gebruikers verklaren in een omgeving met meerdere keuzealternatieven. Het model is
bovendien gemaakt om rekening te houden met contexteffecten die zich voor kunnen doen.
De tweede deelvraag, “Is het mogelijk om een model te creëren waarmee de acceptatie van technologie in
combinatie met de invloed van contexteffecten te verklaren is, op basis van bestaande modellen?”, is dus te
beantwoorden met het bovenstaande model. Het model moet echter wel nog getest worden voordat er gesteld kan worden of het model daadwerkelijk goede voorspellingen maakt.
24
Figuur 11: Positionering attraction effect decoy (Huber et al., 1982)
H3 Methode van onderzoek
Traditioneel gezien wordt het TAM-model getest met behulp van een vragenlijst waaruit moet blijken of de gemodelleerde relaties daadwerkelijk significante invloed uitoefenen op elkaar. Het model is al eerder getest en empirisch bewezen (Davis, 1986). Hiermee kan aangenomen worden dat de PU en PEOU daadwerkelijk indicatoren zijn voor de acceptatie van technologie en dat de waardes voor deze attributen de acceptatie positief of negatief kunnen beïnvloeden. Het testen van modellen aangaande contexteffecten werkt anders dan het testen van bijvoorbeeld het TAM-model. Hieronder worden een aantal eerdere experimenten uitgewerkt om een achtergrond te vormen voor het testen van het aangepaste model.
H3.1 Traditioneel testen van contexteffecten
Het testen van contexteffecten verklarende modellen werkt anders, mede omdat dergelijke modellen
dynamisch van aard zijn. Een voorbeeld van een klassiek onderzoek naar contexteffecten is het onderzoek van Huber, Payne en Puto (1982). In het onderzoek is het attraction effect onderzocht door studenten keuzes te laten maken tussen zes verschillende productcategorieën: auto’s, bieren, restaurants, loterijen, films en televisies. De keuzes bestonden telkens uit twee of drie alternatieven, waarbij elk alternatief beoordeeld werd op basis van twee dimensies. Hierdoor bestond er een eenvoudig besluitvormingsproces. De keuzes in elke productcategorie representeerden elk een target, competitor of decoy zoals aangegeven in Figuur 11. Het targetproduct en de competitor worden beiden gepositioneerd zodat geen van de twee producten de andere domineert. De decoy is een product dat ergens in het gemarkeerde gebied zit. Om te bepalen of het attraction effect daadwerkelijk bestaat werd het percentage dat het targetproduct gekozen werd terwijl er een decoy aanwezig was vergeleken met het percentage dat het target gekozen werd zonder decoy. (Huber et al., 1982)
Effect van decoys
De toevoeging van een decoy kan zorgen voor een disproportionele verschuiving van keuzes van de
consument, ten faveure van het targetproduct. Wanneer de decoy nooit gekozen wordt door de consument, doet er zich een schending van regularity voor, omdat de kans dat een van de originele opties wordt gekozen groter is nadat de decoy is toegevoegd. Het interessante is dat er voorspeld kan worden dat de toevoeging van een decoy, het marktaandeel van het target kan vergroten en omdat decoy’s voornamelijk meer gelijkenissen hebben met het target dan de competitor, het similarity effect kan omdraaien.
Testen van MLBA
Het MLBA model is getest door deelnemers van het experiment te vragen een keus te maken tussen drie fictieve verdachten in een politieonderzoek. De twee attributen waren gebaseerd op de betrouwbaarheid van de verklaringen van twee verschillende ooggetuigen, wiens verklaringen allebei even valide waren. De getuigenissen werden op posities geplaatst waar contexteffecten zich voor zouden moeten doen. Zo werd bijvoorbeeld het attraction effect getest door de keuzesets {X,Y,AX} en {X,Y,AY} te creëren en
vervolgens de kans dat een deelnemer van het experiment de keuze maakt voor het target te berekenen(bijvoorbeeld de keus voor X in de keuzeset {X,Y,AX}). De keuzesets voor het similarity effect waren {X,Y,SX} en {X,Y,SY},
waar het target product, het meest ongelijke product is. De keuzesets voor het compromise effect waren {X,Y,CX} en {X,Y,CY}, waar het middelste
product het target was. Er werden bovendien een aantal filler vragen getest, waar de alternatieven op posities geplaatst waren, waar er zich geen enkel context effect voordeed om de nauwkeurigheid van de proef te testen.
Figuur 12: Positionering variabelen MLBA (Trueblood et al., 2014)
25
H3.2 Onderzoeksopzet
Op basis van de hoofdvraag, “In hoeverre hebben contexteffecten invloed op de acceptatie en het gebruik van nieuwe technologie?”, moet onderzoek gedaan worden naar de daadwerkelijke invloed van
contexteffecten op de keuze van een consument. Kwantitatief onderzoek is gebruikt om inzicht te bieden in de keuzes voor informatiesystemen, de data voor dit onderzoek zal dan ook verzameld worden met behulp van een enquête en door de uitvoering van een keuze-experiment. Het onderzoek zal zich toespitsen op verschillende vormen van informatiesystemen om te onderzoeken of dezelfde effecten zich voordoen bij wezenlijk verschillende informatiesystemen. Het is immers denkbaar dat de invloed van contexteffecten per informatiesysteem kan verschillen.
H3.3 Methode
Het model zal met een combinatie van een vragenlijst en een keuze-experiment getest worden, allereerst moet vastgesteld worden of de deelnemers van het onderzoek de PU en PEOU ook daadwerkelijk beschouwen als belangrijke attributen bij het maken van een keus tussen
informatiesystemen. Verder moet ook onderzocht worden of mensen al eerder gebruik hebben gemaakt van de systemen waarover gevraagd wordt, hier kan namelijk een vooroordeel uit ontstaan, wat in het model als externe variabele is weergegeven.
H3.4 Soorten informatiesystemen en opbouw vragenlijst
Binnen deze studie wordt de acceptatie van twee verschillende soorten informatiesystemen onderzocht. Deze systemen zijn gekozen om een breder beeld te krijgen van acceptatie van informatiesystemen met verschillende functies. Hierom hebben de twee gekozen systemen ook verschillende taken voor de gebruiker. Zo worden tekstverwerkers als Word vooral gebruikt voor het schrijven van verslagen, brieven en dergelijke taken. Sociale media worden gebruikt als informeel communicatiemiddel en als middel om in contact te blijven met bekenden.
De keuze voor een informele informatiesystemen en de formele informatiesystemen is gemaakt, omdat de twee attributen (PU en PEOU) in potentie een andere invloed hebben op de acceptatie van het systeem. Het is bijvoorbeeld denkbaar dat mensen gebruiksgemak belangrijker vinden voor informele systemen, terwijl nuttigheid belangrijker is voor formele systemen. Vandaar dat de keus gemaakt is voor tekstverwerkers en social media.
Binnen het onderzoek zullen er twee bestaande informatiesystemen op basis van twee attributen uitgezet worden. Twee van deze systemen fungeren als de target en de competitor terwijl het derde product als decoy fungeert en zal worden gepositioneerd op een plek waar een context effect zich voor kan doen. De vragen over de PU en PEOU verschillen echter per systeem wel, hoewel ze in grote lijnen wel overeenkomen. De vragen zullen hieronder per systeem uitgewerkt worden.
26
H3.4.1 Tekstverwerkers
Davis et al. (1989) hebben de volgende vragenlijst opgesteld om de PU en PEOU te testen, maar deze vragenlijst is gebaseerd op één systeem. Voor dit onderzoek moet de vragenlijst dus omgebouwd worden naar een lijst voor alle tekstverwerkers. De aangepaste vragen zullen hieronder uitgewerkt worden:
Perceived Usefulness Perceived Ease of Use
1. Het gebruik van een tekstverwerker verbetert mijn
prestaties. 1. Leren werken met een tekstverwerker is makkelijk voor mij. 2. Het gebruik van een tekstverwerker vergroot mijn
productiviteit. 2. Ik vind het makkelijk om een tekstverwerker te laten doen wat ik wil. 3. Het gebruik van een tekstverwerker vergoot mijn
effectiviteit. 3. Het is gemakkelijk voor mij om bekwaam te worden met een tekstverwerker. 4. Ik vind het gebruik van een tekstverwerker nuttig. 4. Ik vind een tekstverwerker makkelijk te gebruiken.
H3.4.2 Sociale media
Rauniar et al. (2014) hebben een vragenlijst ontworpen om de PU en PEOU voor sociale media te bepalen. Deze vragenlijst is hieronder weergeven. Hetzelfde probleem doet zich voor als bij de tekstverwerkers, namelijk dat de vragen op één specifiek systeem zijn toegespitst. Vandaar dat de vragen eveneens aangepast moeten worden naar een lijst over alle sociale media.
Perceived Usefulness Perceived Ease of Use
1. Het gebruik van sociale media maakt het mogelijk om mij
te herenigen met mensen die ik belangrijk vind. 1. Sociale media is makkelijk om mee te werken. 2. Ik vind sociale media nuttig in mijn persoonlijke leven. 2. Ik vind het makkelijk te doen wat ik wil doen op sociale
media. 3. Het gebruik van sociale media verbetert mijn effectiviteit
om in contact te blijven met anderen. 3. Het is makkelijk om vaardig te worden in het gebruik van sociale media. 4. Het gebruik van sociale media maakt het makkelijker om in
contact te blijven met anderen. 4. Ik vind sociale media makkelijk te gebruiken. 5. Het gebruik van sociale media maakt het makkelijker om
op de hoogte te blijven van vrienden en familie. 5. Interactie met sociale media is duidelijk en goed te begrijpen.
Tabel 2: Vragenlijst tekstverwerker (Davis et al., 1989)
27
H3.4.3 Opbouw vragenlijst
De deelnemers van de enquête hadden een kans om een van twee vragenlijsten te krijgen, de vragenlijst over social media of de vragenlijst over tekstverwerkers. De vragenlijst is gemaakt met behulp van Qualtrics survey software. Deze software wordt aangeboden door de Universiteit van Amsterdam en is daarom gekozen. De reden voor het creëren van twee vragenlijsten is de lengte van de vragenlijst wanneer deze gecombineerd zou zijn.
De deelnemers van de enquête moesten eerst een aantal introductievragen beantwoorden om een idee te krijgen van de sample populatie. Daaropvolgend wordt de vragenlijst opgesplitst in een van de twee mogelijke opties en volgen de vragen over de PU en PEOU, eveneens wordt er gevraagd naar voorgaande ervaringen met de desbetreffende systemen, denk hierbij aan eerder gebruik, houding tegenover het systeem en vaardigheid in het gebruik van het systeem. In het laatste deel van de vragenlijst worden de deelnemers gevraagd om een keuze te maken tussen drie systemen op basis van de nuttigheid en het gebruiksgemak van de systemen.
H3.5 Deelnemers
Er hebben, evenredig verdeeld over de twee vragenlijsten, 108 mensen gereageerd op de enquête, die door middel van convenience sampling op social media is verspreid. Er was geen specifieke doelgroep voor het onderzoek aangezien het onderzoek zich niet richt op een bepaalde bevolkingsgroep. Acht van de inzendingen waren niet compleet of valide en zijn niet meegenomen in het onderzoek. De sample size van het totale onderzoek is 100, of 50 voor elk van de vragenlijsten.
De distributie van geslacht is aangegeven in de onderstaande tabel:
Geslacht Totale data (n=100) Percentage
Man 50 50%
Vrouw 50 50%
Geslacht Data tekstverwerkers (n=50) Percentage
Man 23 46%
Vrouw 27 54%
Geslacht Data social media (n=50) Percentage
Man 27 54%
Vrouw 23 46%
De distributie van leeftijd is aangegeven in de onderstaande tabel:
Leeftijd
Totale data (n=100)
Percentage
<18
4
4%
18-24
62
62%
25-30
5
5%
>30
29
29%
Leeftijd
Data social media (n=50)
Percentage
<18
3
6%
18-24
34
68%
25-30
1
2%
>30
12
24%
Leeftijd
Data tekstverwerkers (n=50)
Percentage
<18
1
2%
18-24
28
56%
25-30
4
8%
28
H3.6 Onderzoekshypotheses
Door middel van statistisch onderzoek zal het model getest worden. Er moeten een aantal hypotheses opgesteld worden om vervolgens daadwerkelijk te kunnen stellen of het model empirisch te bevestigen is. Binnen het model is aangegeven dat externe variabelen en invloed uitoefenen op de PU en PEOU. Deze externe variabelen kunnen betrekking hebben op de eerdere ervaringen met informatiesystemen en kunnen hiermee ook een vooroordeel over een systeem geven. Er van uitgaande dat deze externe variabelen een positieve correlatie hebben met zowel de PU als de PEOU, kunnen de volgende twee hypotheses opgesteld worden:
H11: Externe variabelen correleren positief met de PU van social media.
H12: Externe variabelen correleren positief met de PEOU van social media.
H21: Externe variabelen correleren positief met de PU van tekstverwerkers.
H22: Externe variabelen correleren positief met de PEOU van tekstverwerkers.
De PU valt te definiëren als de mate waarin een potentiele gebruiker overtuigd is dat het systeem helpt bij het uitvoeren van taken die de gebruiker wil uitvoeren. De PU representeert de voordelig resultaten die te behalen zijn met behulp van het systeem. De mate waarin een systeem geacht wordt hulp te kunnen bieden bij het behalen van deze voordelige resultaten bepaalt de PU van een systeem.
Het belang van de PEOU duidt op de mate waarop er van een systeem verwacht wordt makkelijk te begrijpen, leren en te besturen te zijn (Rogers, 1962). Een potentiële gebruiker kan een inschatting maken van een systeem en bepalen of het makkelijk in gebruik is. Daaropvolgend kan een gebruiker bepalen of het
gebruiksgemak van een systeem ook opweegt tegen de effectiviteit om de voorziene taken uit te voeren. Vele studies met betrekking op het TAM model nemen daarom ook aan dat de PEOU direct gelinkt kan worden aan de PU (Davis, 1989; Nysveen et al., 2005). Op basis van deze eerdere onderzoeken kan de eerste hypothese opgesteld worden. In H31 en H32 wordt feitelijk gezien het TAM getest, maar een deel van het TAM maakt deel
uit van het aangepaste model, vandaar dat deze toetsing ook interessant is om uit te voeren in verband met het valideren van het aangepaste model.
H31: De PEOU van een systeem heeft significante invloed op de PU van social media.
H32: De PEOU van een systeem heeft significante invloed op de PU van tekstverwerkers.
De invloed van de drie contexteffecten moet getest worden om de hoofdvraag te beantwoorden en om deze invloed te testen zal een keuze-experiment uitgevoerd moeten worden. Het attraction effect, het compromise effect en het similarity effect moeten allen getest worden. Hiervoor kunnen de volgende hypotheses opgesteld worden:
H41: Het attraction effect heeft een significante invloed op de keus voor een target bij social media
H42: Het compromise effect heeft een significante invloed op de keus voor een target bij social media
H43 Het similarity effect heeft een significante invloed op de keus voor een target bij social media
H51: Het attraction effect heeft een significante invloed op de keus voor een target bij tekstverwerkers
H52: Het compromise effect heeft een significante invloed op de keus voor een target bij tekstverwerkers
29
H4 Analyse resultaten
De analyse van de resultaten bestaat uit drie delen. Ten eerste moet de validiteit van de vergaarde resultaten getest worden, de resultaten hebben immers geen nut wanneer deze invalide blijken. Voor het tweede deel van de analyse zal gekeken worden naar de uitkomsten met betrekking op het eerste deel van het model (Externe variabelen, PU en PEOU). Deze stap is voor het beantwoorden van de hoofdvraag niet per definitie benodigd, maar wel interessant om het aangepaste model te valideren, vandaar de keus om ook deze analyse uit te voeren. In het derde deel van de analyse zullen de keuze-experimenten uitgewerkt worden en met behulp van deze analyse kan de hoofdvraag worden beantwoord.
H4.1 Validiteit resultaten
De resultaten van de vragenlijst moeten geanalyseerd worden met behulp van SPSS en de eerste twee toetsen die gedaan moeten worden zijn een factoranalyse en Cronbach’s alpha test. De factoranalyse wordt gebruikt om componenten te identificeren met een gelijke inhoud. Hiermee kan getest worden of de gestelde vragen daadwerkelijk testen wat getest moest worden. De factoranalyse kan daarmee aantonen of de vragen, bedoeld voor de PU, ook daadwerkelijk bij elkaar horen en de PU testen. Ditzelfde geldt voor de vragen over de PEOU. De reliability van de vragenlijsten kan getest worden met behulp van Cronbach’s alpha coëfficiënt, waarmee de interne consistentie van de resultaten getest kan worden. Sommige wetenschappers raden een waarde van onder de 0,70 voor Cronbach’s alpha af (Nunnally, 1994), terwijl anderen aangeven dat een waarde tussen 0,60 en 0,70 ook acceptabel is (Nunnally & Bernstein, 1978).
De vragenlijsten zijn voor een groot deel opgebouwd met vragen gebaseerd op een Likertschaal (1-5). Deze schaal is de meest universele schaal voor het afnemen van enquêtes. De respondenten kunnen met behulp van deze schaal makkelijker antwoorden op een vraag over bijvoorbeeld houding tegenover een systeem, omdat de schaal zorgt voor een bredere keuze dan een binaire schaal. Bij het beantwoorden kan ook een neutrale optie gekozen worden en hoeft de respondent geen absolute keuze in te vullen. De schaal is bovendien gemakkelijk te kwantificeren en voor dergelijk onderzoek dus wenselijk. Een nadeel van de schaal is dat de schaal niet per definitie de werkelijke houding van mensen test, omdat de antwoorden veelal bij benadering gegeven worden. Eerdere vragen kunnen eveneens mogelijk effect hebben op de antwoorden (Likert, 1932). De schaal is gekozen vanwege de universaliteit en de eenvoudig te kwantificeren resultaten.
De twee belangrijke variabelen binnen het model zijn de PU en de PEOU uit het TAM-model. Uit de vragen die omgebouwd zijn uit eerdere onderzoeken moet blijken of deze variabelen ook voorkomen wanneer er niet specifiek naar één systeem gevraagd wordt, maar naar de overkoepelende naam voor soortgelijke systemen. Hierbij kan als voorbeeld de vraag naar social media in het algemeen genomen worden in plaats van specifiek naar Facebook te vragen. De twee vragenlijsten moeten allebei geanalyseerd worden.
Item binnen tekstverwerkers Gemiddelde S.D.
Perceived Usefulness(PU) 15.98 2.470
PU1: Het gebruik van een tekstverwerker
verbetert mijn prestaties. 3.88 .849 PU2: Het gebruik van een tekstverwerker
vergroot mijn productiviteit. 3.92 .853 PU3: Het gebruik van een tekstverwerker
vergoot mijn effectiviteit. 3.88 .689 PU4: Ik vind het gebruik van een
tekstverwerker nuttig. 4.30 .544
Perceived Ease of Use (PEOU) 16.04 2.222 PEOU1: Leren werken met een
tekstverwerker is makkelijk voor mij. 4.20 .756 PEOU2: Ik vind het makkelijk om een
tekstverwerker te laten doen wat ik wil. 3.72 .948 PEOU3: Het is gemakkelijk voor mij om
bekwaam te worden met een tekstverwerker.
4.04 .669 PEOU4: Ik vind een tekstverwerker makkelijk
