Een studie naar het acceptatiegedrag van zorgverleners, toegepast op robotica bij thuiswonende ouderen

EEN

STUDIE

NAAR

HET

ACCEPTATIEGEDRAG

VAN

ZORGVERLENERS, TOEGEPAST OP

ROBOTICA

BIJ

THUISWONENDE

OUDEREN

Lisa Deprez

Promotor: Prof. Dr. Amy Van Looy

Masterproef voorgedragen tot het bekomen van de graad van:

Master in de handelswetenschappen: management en informatica

Vertrouwelijkheidsclausule

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.

Voorwoord

Voor u ligt de masterproef “Een studie naar het acceptatiegedrag van zorgverleners, toegepast op

robotica bij thuiswonende ouderen”. Deze masterproef werd geschreven ter afsluiting van mijn opleiding

Handelswetenschappen - Management en Informatica aan de Universiteit Gent. In dit voorwoord zou ik graag enkele mensen te bedanken. Zonder hun eindeloze steun en ervaring had ik deze masterproef niet tot een goed einde kunnen brengen.

Als eerste wens ik mijn promotor Prof. Dr. Amy Van Looy te bedanken. Zij was altijd bereid om mij te voorzien van snelle en uitgebreide feedback. Daarnaast leverde het vak Onderzoeksmethoden, dat in het eerste semester van mijn masterjaar door haar gedoceerd werd, vele inzichten die hulp boden bij het schrijven van deze masterproef.

Verder zou ik graag de respondenten die meewerkten aan de diepte-interviews bedanken. Enkel dankzij hun medewerking en gedeelde meningen was het mogelijk om een betekenisvol onderzoek te voeren. Initieel zouden de interviews face-to-face doorgaan, maar wegens de maatregelen rond het virus COVID-19 werd er gekozen om de interviews via Skype te organiseren. Ik dank de zeven respondenten voor het vrijmaken van hun tijd, zelfs in deze moeilijke tijden.

Ook de mensen die tijd vrijmaakten om deze masterproef na te lezen wil ik via deze weg bedanken. Bedankt voor het meedenken en jullie kritische blik op de tekst.

Tot slot verdienen ook mijn ouders, broer en zus en vrienden een speciaal woordje van dank. Ze stonden altijd voor mij klaar en steunden me doorheen de volledige opleiding. Bedankt!

Ik wens u veel leesplezier toe,

Lisa Deprez

Inhoudstafel

Voorwoord ... I Inhoudstafel ...II Lijst met afkortingen ... VI Lijst van tabellen ... VII Lijst van figuren... VIII

Introductie ...1

1 Literatuur ...3

1.1 Vergrijzingsproblematiek en ouderenzorg ...3

1.1.1 Definiëring ...3

1.1.2 Vergrijzing aan de hand van demografische gegevens ...4

1.1.3 Oorzaken ...6

1.1.4 Weerslag van de vergrijzing ...6

1.2 Digitale innovatie en robotica ...8

1.2.1 Definiëring ...8

1.2.2 Soorten robots bij ouderenzorg ... 10

1.2.3 Eigenschappen robots bij ouderenzorg ... 13

1.2.4 Toepassingen van robots bij ouderenzorg ... 14

1.2.5 Uitdagingen ... 17

1.3 Acceptatie van nieuwe technologieën ... 18

1.3.1 Definiëring ... 18

1.3.2 Beïnvloedende factoren voor acceptatie of afwijzing van een technologie ... 20

1.3.3 Belang van acceptatie van technologieën ... 23

1.3.4 Verschillende raamwerken ... 24

1.4 Bestaande studies betreffende acceptatie van robotica bij ouderenzorg ... 31

1.4.2 Overzicht bestaande studies en leemtes... 33 2 Methodologie ... 37 2.1 Probleemstelling en onderzoeksvraag ... 37 2.2 Onderzoeksmethode ... 38 2.3 Operationalisatie en onderzoeksmodel ... 39 2.4 Dataverwerking en analyse ... 41 2.5 Relevantie ... 42 2.5.1 Wetenschappelijke relevantie ... 42 2.5.2 Maatschappelijke relevantie ... 42 2.6 Evaluatiecriteria ... 43 2.6.1 Interne betrouwbaarheid ... 43 2.6.2 Externe betrouwbaarheid ... 43 2.6.3 Interne validiteit ... 43 2.6.4 Externe validiteit ... 44 3 Resultaten ... 45 3.1 Samenstelling respondenten... 45 3.2 De UTAUT-constructen... 47 3.2.1 Verwachte nut ... 47 3.2.2 Verwachte gebruiksgemak ... 49 3.2.3 Sociale invloed ... 51 3.2.4 Gebruiksintentie ... 52

3.2.5 Overzicht bevindingen UTAUT-constructen ... 52

3.3 Extra factoren en beïnvloedende functionaliteiten ... 54

3.3.1 Algemeen ... 54

3.3.2 Menselijkheid ... 56

3.3.4 Attitude ... 58

3.3.5 Persoonlijke waarden ... 59

3.3.6 Motivatie ... 59

3.3.7 Type gebruiker ... 60

3.3.8 Angst ... 60

3.3.9 Overzicht bevindingen extra factoren en beïnvloedende functionaliteiten ... 61

4 Discussie ... 63

4.1 De UTAUT-constructen... 63

4.2 Extra factoren en beïnvloedende functionaliteiten ... 64

4.3 Beperkingen van het onderzoek en mogelijkheden voor toekomstig onderzoek ... 65

4.3.1 Beperkingen van het onderzoek ... 65

4.3.2 Mogelijkheden voor toekomstig onderzoek ... 66

5 Conclusie ... 68 6 Referenties ... IX 7 Bijlagen ... XVI 7.1 Bijlage 1: Vragenlijst interview ... XVI 7.2 Bijlage 2: Anonieme interviewtranscripten ... XVIII 7.2.1 Interview 1 ... XVIII 7.2.2 Interview 2 ... XXIII 7.2.3 Interview 3 ...XXIX 7.2.4 Interview 4 ... XXXIV 7.2.5 Interview 5 ... XXXIX 7.2.6 Interview 6 ... XLV 7.2.7 Interview 7 ... XLIX 7.3 Bijlage 3: Kernwoorden interview ... LIV 7.3.1 Kernwoorden interview R1, R2 en R3 ... LIV

7.3.2 Kernwoorden interview R4, R5 en R6 ... LV 7.3.3 Kernwoorden interview R7... LVI

Lijst met afkortingen

RVT Rust- en verzorgingstehuis

SIR Socially Interactive Robots

SAR Socially Assistive Robots

AR Assistive Robots

IDT Innovatie-Diffusie Theorie

TAM Technology Acceptance Model

UTAUT Unified Theory of Acceptance and Use of Technology

TRA Theory of Reasoned Action

MM Motivation Model

TPB Theory of Planned Behavior

C-TAM-TPB Combined TAM en TPB

MPCU Model of PC Utilization

Lijst van tabellen

Tabel 1. Effect moderatoren op determinanten ... 30

Tabel 2. Overzicht bestaande studies... 34

Tabel 3. Beschrijving constructen opgenomen in onderzoeksmodel ... 41

Tabel 4. Geslacht en leeftijd respondenten ... 45

Tabel 5. Kennisniveau van robots en technologieën ... 46

Tabel 6. Taken nuttig over te nemen ... 48

Tabel 7. Taken niet nuttig over te nemen... 49

Tabel 8. Taken met hogere productiviteit ... 49

Tabel 9. Gebruiksgemak ... 50

Tabel 10. Sociale Invloed ... 51

Tabel 11. Gebruiksintentie ... 52

Tabel 12. Scores UTAUT-constructen ... 53

Tabel 13.Overzicht gebruiksintentie ... 54

Tabel 14. Functionaliteiten van robots ... 55

Tabel 15. Menselijke kenmerken van een robot ... 56

Tabel 16. Grootte van een robot ... 57

Tabel 17. Attitude ... 58

Tabel 18. Persoonlijke waarden ... 59

Tabel 19. Motivatie... 60

Tabel 20. Type gebruiker ... 60

Lijst van figuren

Figuur 1. Leeftijdspiramides van de bevolking per gewest per leeftijdsgroep (Pelfrene, 2005, p.12) ...5

Figuur 2. Afhankelijkheidsratio per gewest (Pelfrene, 2005, p.17) ...5

Figuur 3. Onderverdeling robots in de ouderenzorg (Welbergen & Massart, 2018) ... 12

Figuur 4. Robothond Aibo (Jacobs, 2016, p. 11) ... 14

Figuur 5. Zeehond Paro (Jacobs, 2016, p.12) ... 15

Figuur 6. Humanoïde robot ZORA (Zorabots, 2020) ... 16

Figuur 7. Verschillende fasen in acceptatieproces (Kollmann, 2004, p. 140) ... 19

Figuur 8. De uncanny valley (Mori, 2012, p. 3) ... 21

Figuur 9. Technology Acceptance Model (TAM) (Kuiper, 2006, p. 12) ... 26

Figuur 10. Unified Theory of Acceptance and Use of Technology (UTAUT) (Groot, 2011, p. 14) ... 28

Figuur 11. Onderzoeksmodel op basis van UTAUT ... 40

Introductie

De vergrijzing van de bevolking is een demografische uitdaging waar verschillende landen mee te kampen hebben, en ook België kan hier niet aan ontkomen (Vandercammen, Everaert, Schoonackers, Van De Gaer, 2016). Aangezien Europa de hoogste vergrijzingsindex heeft in vergelijking met andere regio’s in de wereld, is de vergrijzingsproblematiek hier sterker aanwezig (Van Nimwegen, 2008). Mensen leven langer en dit kan als positief beschouwd worden, maar vergrijzing brengt op zijn beurt ook grote uitdagingen mee voor de gezondheidszorg (Alaiad, Zhou & Koru, 2014). Door de vergrijzing stijgt namelijk de afhankelijkheidsratio van ouderen met maar liefst 51 procent. Dit zorgt voor een enorme toename in draaglast voor de actieve bevolking doordat steeds minder actieven moeten zorgen voor steeds meer niet-actieven (Verschuere & Vancoppenolle, 2010). Een gevolg daarvan is dat vaker gegrepen wordt naar nieuwe technologieën, in het bijzonder robots, als hulpmiddel om de druk op de gezondheidszorg te verlagen (Broekens, Heerink, & Rosendal, 2009; Feil-Seifer, & Matarić, 2011; Kachouie, Sedighadeli, Khosla, & Chu, 2014).

Een pijnpunt is dat veel ouderen en zorgverleners niet gemotiveerd zijn om deze nieuwe technologieën te introduceren in hun leven. Niet omdat ze de benodigde leervaardigheden niet bezitten, maar omdat ze het gebruiksnut ervan niet inzien (Tacken, Marcellini, Mollenkopf, Ruoppila, & Szeman, 2005). Daarnaast is er ook nog weinig onderzoek uitgevoerd naar hoe zorgverleners tegenover robotica staan en in het bijzonder, zorgverleners van thuiswonende ouderen.

In deze masterproef werd het standpunt van zorgverleners tegenover robotica bij thuiswonende ouderen in kaart gebracht. Er werd nagegaan welke factoren het acceptatiegedrag van zorgverleners beïnvloeden. Hiervoor werd er gebruik gemaakt van een aangepaste vorm van de Unified Theory of Acceptance and

Use of Technolgy (UTAUT), dat toegepast werd op een kwalitatieve dataverzamelingsmethode op basis

van semigestructureerde diepte-interviews. Deze methode werd gekozen om een zo concreet en verdiepend beeld als mogelijk te kunnen vormen over de standpunten van zorgverleners omtrent robotica in de thuiszorg.

Het inzetten van robots in de zorgsector wordt door velen gezien als een technologische ontwikkeling die opportuniteiten biedt om de steeds groter wordende kloof tussen de vraag naar en het aanbod van zorgdiensten te overbruggen (Broadbent et al., 2009; Vandemeulebroucke, de Casterlé, & Gastmans, 2018a). Deze robots dienen ter ondersteuning van zorgverleners waardoor deze minder stress ervaren en de last van hun taken gedeeltelijk verminderd kan worden. Ook zorgen robots ervoor dat de levenskwaliteit van de ouderen erop verbetert (Wang, Sudhama, Begum, Huq, & Mihailidis, 2017).

Deze masterproef bestaat uit vier delen. In het eerste deel, de literatuurstudie, wordt een theoretische achtergrond geschetst van de vergrijzingsproblematiek en ouderenzorg, digitale innovatie en robotica en acceptatie van nieuwe technologieën in de respectievelijke paragrafen 1.1, 1.2 en 1.3. Op het einde van het eerste deel, in paragraaf 1.4, is een SLR te vinden en een overzicht van gelijkaardige studies. Vervolgens handelt deel twee over de methodologie van dit onderzoek. De resultaten van het eigenlijke onderzoek worden besproken in deel drie. Er wordt een terugkoppeling gemaakt naar de literatuur en gekeken naar de beperkingen van het onderzoek en mogelijkheden voor toekomstig onderzoek in deel vier, de discussie. Tot slot van deze masterproef staat een korte conslusie beschreven in deel vijf.

1 Literatuur

Het eerste deel omvat de literatuurstudie. Paragraaf 1.1 beschrijft de vergrijzingsproblematiek en de gevolgen voor de ouderenzorg. Vervolgens wordt er gekeken naar digitale innovatie en robotica in paragraaf 1.2. Enkele acceptatiemodellen en gelijkaardige onderzoeken worden behandeld in de respectievelijke paragrafen 1.3 en 1.4.

1.1 Vergrijzingsproblematiek en ouderenzorg

In subparagraaf 1.1.1 wordt een overzicht geschetst van wat de vergrijzingsproblematiek precies inhoudt. Deze gegevens worden gestaafd aan de hand van demografische gegevens in subparagraaf 1.1.2. Daarna worden de verschillende oorzaken van de vergrijzing op een rijtje gezet in subparagraaf 1.1.3. Paragraaf 1.1 sluit af met de gevolgen van de vergrijzing voor de ouderen zelf, de gezondheidszorg en de samenleving, neergeschreven in subparagraaf 1.1.4.

1.1.1 Definiëring

Vergrijzing en zijn gevolgen voor de maatschappij zijn twee thema’s die de laatste jaren vaak besproken worden (Vandercammen et al., 2016). “De term vergrijzing verwijst naar het fenomeen waarbij er zich een

relatieve stijging voordoet van het aantal ouderen in de samenleving” (Vandercammen et al., 2016, p.

8). Samen met ontgroening, wat inhoudt dat het aandeel jongeren in de totale populatie zal afnemen, resulteert dit in een verouderde bevolking (Pollack, 2005). Personen jonger dan 20 jaar worden hierbij beschouwd als jongeren (Vandercammen et al., 2016).

Over de redenen van dit verschijnsel bestaat er niet veel discussie. De toename van het aantal oudere leeftijdsgroepen is te wijten aan ontgroening, die op zijn beurt het gevolg is van de lagere vruchtbaarheidscijfers. Het feit dat mensen langer leven dankzij de hogere levensverwachting zorgt, samen met ontgroening, voor een huidige situatie die als problematisch kan beschreven worden (Cosar et al., 2019). Het stijgend aandeel ouderen in de samenleving zal resulteren in een groter aantal ouderen die meer ondersteuning nodig hebben om hun algemene dagelijkse taken uit te voeren (Wang et al., 2017). Ouderen die langdurige zorg behoeven schakelen meestal over tot opname in een rust- en

verzorgingstehuis (RVT) om te kunnen genieten van residentiële zorg. Projecties waarschuwen voor een stijging in het aantal ouderen die gebruik maken van residentiële zorg. De cijfers tonen 125 500 opnames in 2011, een update van 144 399 opnames in 2019 en een verwachting van 166 000 opnames in 2025 (Volksgezondheid, veiligheid van de voedselketen en leefmilieu, 2020).

Een groter aanbod aan thuiszorg zou een oplossing kunnen zijn om de toegenomen vraag naar residentiële zorg te slinken (Van den Bosch et al., 2011). Hierdoor kunnen ouderen langer thuis blijven wonen, wat de meeste ook verkiezen (Bedaf, Gelderblom, & De Witte, 2015). Verhuizen naar een RVT gaat namelijk gepaard met grote kosten en zorgt voor nog extra benodigde werkkrachten onder het verzorgingspersoneel (Bedaf, Draper, Gelderblom, Sorell, & de Witte, 2016).

Het is noodzakelijk om voor een gemeenschappelijke afbakening te zorgen omtrent het begrip ‘ouderen’ omdat deze masterproef over dit thema handelt. Er is geen consensus onder onderzoekers over het criterium wanneer iemand als ‘oud’ of als ‘niet oud’ bestempeld dient te worden. Enders-Slegers (2000) stelt dat: “in de gerontologie en geriatrie gaat men meestal - arbitrair - uit van 65 jaar, de gebruikelijke en

officiële pensioenleeftijd” (p. 14). In deze masterproef wordt bovenstaande stelling gevolgd en worden

dus alle personen ouderen dan 65 jaar als ouderen beschouwd.

1.1.2 Vergrijzing aan de hand van demografische gegevens

Eind 2003 vertoonde de Vlaamse leeftijdspiramide reeds de typische structuur van een verouderde bevolking: een zware top en een smalle basis. Zoals te zien is in figuur 1 wijzen de voorspellingen voor eind 2020 op een voortgaande veroudering van de bevolking: de top zal nog zwaarder worden en de basis nog smaller. De grootste groep van de bevolking zou zich volgens de projecties eind 2020 in de klasse 55-59 jaar bevinden. Opmerkelijk is dat dit eind 2003 nog de groep 40-44 jaar was (Pelfrene, 2005).

Figuur 1. Leeftijdspiramides van de bevolking per gewest per leeftijdsgroep (Pelfrene, 2005, p.12)

In alle gewesten van België is dit fenomeen waarneembaar, maar van de drie gewesten lijdt het Vlaamse Gewest het meest onder de vergrijzing en ontgroening. De vergrijzing zal de komende jaren sterk blijven toenemen in Vlaanderen en zo zal hier voor 2030 nog de kaap van 25 procent 65-plussers in de bevolking bereikt worden. Onder de 65-plussers bevinden zich duidelijk meer vrouwen dan mannen. De verwachtingen zijn dat tot 2040 de aangroei van 65-plussers bij zowel vrouwen als mannen blijft toenemen. Vanaf 2040 voorspelt men een keerpunt, waarna verdere aangroei stagneert. Tussen 2000 en 2040 zou er een aangroei zijn van 350.000 personen, zowel bij mannen als bij vrouwen (Pelfrene, 2005).

De afhankelijkheidsratio beschrijft de verhouding tussen de niet-actieve bevolking en de actieve bevolking (Vandercammen et al., 2016; Pelfrene, 2005). De afhankelijkheidsratio bestaat uit twee elementen: enerzijds de druk van de jongeren (0-19 jaar) op de actieve bevolking, anderzijds de druk van de ouderen (65-plussers) op de actieve bevolking. Deze worden respectievelijk de groene en de grijze druk genoemd, beide vaak uitgedrukt in percentage. Het vooruitzicht is een verdubbeling van de grijze druk tot 2050 in Europa (Pelfrene, 2005; Van Nimwegen, 2008). Daarnaast komt ook de term ‘dubbele vergrijzing’ steeds vaker voor. Dubbele vergrijzing houdt in dat binnen de oudere bevolking de groep 80-plussers spectaculair toeneemt (Van Nimwegen, 2008). De drie voornamelijkste redenen hiervoor zijn een verbetering van de medische zorg, meer diversiteit in voeding en verbetering van de hygiëne (Vandercammen et al., 2016).

1.1.3 Oorzaken

Verschillende ontwikkelingen die plaatsvonden in de samenleving hebben gezorgd voor vergrijzing en ontgroening. Er zijn twee belangrijke elementen die een veroudering van de bevolking veroorzaakt hebben. Het eerste element is de daling van de mortaliteit. Daarnaast heb je als tweede element ook nog de daling van de nataliteit (Vandercammen et al., 2016).

Er bestaat nog een derde factor die een meer beperkte rol speelt in de vergrijzing van de bevolking. Deze derde factor is de migratie: er zijn namelijk verschillen in de vruchtbaarheid en het sterftecijfer onder mensen van een andere afkomst. Deze factor zorgt ervoor dat dankzij migratie de vergrijzing kan vertraagd worden. Wel dient er in gedachten gehouden te worden dat onder deze migranten ook 65-plussers kunnen zijn, wat dan weer niet vertragend werkt (Calot & Sardon, 1999).

1.1.4 Weerslag van de vergrijzing

De meest gekende gevolgen van vergrijzing zijn vereenzaming, stijging van de gezondheidszorgkosten en vraagtekens bij de houdbaarheid van de verzorgingsstaat (Fokkema & Steyaert, 2005).

Ouder worden en eenzaamheid zijn twee begrippen die vaak in dezelfde context gebruikt worden, zeker onder de oudsten (Dykstra, 2009). Er is een link tussen vergrijzing en eenzaamheid (Klaassens & Jaran, 2018): het gevoel van eenzaamheid is sterker aanwezig naarmate men ouder wordt (Hüsstege, Leenders, & Tol, 2017), dit desondanks dat eenzaamheid in het algemeen over de ganse bevolking voorkomt

(Fokkema & Van Tilburg, 2006). Eenzaamheid is vaak een gevolg van het verliezen van vrienden en geliefden, zoals een echtgenoot of echtgenote, en het verliezen van onafhankelijkheid, resulterend in een verhoogde afhankelijkheid van anderen om voor hen te zorgen (Banks & Banks, 2005). Uit de studie van Vandenbroucke et al. (2012), gebaseerd op een enquête bij meer dan 1.050 65-plussers in België, blijkt dat 46 procent van de ouderen zich eenzaam voelt. Langdurige eenzaamheid vermindert de kwaliteit van leven en kan leiden tot ernstige lichamelijke/psychische klachten en depressie. Daarnaast kan eenzaamheid zelfs resulteren in een vervroegd overlijden (Dykstra, 2009; Houten, van de Kar, Wouts, & Moring, 2017).

Daarnaast brengt de snelle vergrijzing van de samenleving met zich mee dat vooral ouderen zich steeds meer zorgen maken over wie straks de zorg over hen op zich zal nemen (Linders, 2004). Broadbent et al. (2009) geven aan: “de snel vergrijzende bevolking zorgt op zijn beurt voor een toenemende druk op de

gezondheidszorg” (p. 1). Tegelijkertijd staat de gezondheidszorg zelf onder extreme druk als gevolg van

bezuinigingen, beperkte middelen en personeel, in combinatie met verhoogde vraag (Van Kemenade, Konijn, & Hoorn, 2015). Bij onafhankelijk thuiswonende ouderen zijn er vooral zorgen omtrent de activiteiten die mobiliteit, zelfzorg, interpersoonlijke interactie en relaties vereisen, waardoor er gezocht wordt naar alternatieve oplossingen, zoals ondersteunende technologieën, om hen toch een kwaliteitsvol leven te garanderen (Bedaf et al., 2015).

Tot slot zorgt het toenemend aantal personen ouder dan 65 jaar voor een stijgend aandeel in zorguitgaven voor deze personen. Dit steeg van ongeveer 35 procent naar meer dan 50 procent en zal door de vergrijzing in de toekomst blijven toenemen (Pacolet et al., 2005).

Van Kemenade et al. (2015) halen in hun onderzoek twee oplossingen aan omtrent het groeiend aandeel 65-plussers. Als eerste stellen ze voor dat ouderen langer thuis blijven wonen. Hoewel dit onder ouderen een zeer begerige oplossing is, is het vaak niet mogelijk om dit volledig zelfstandig te doen en is bijgevolg extra hulp van bijvoorbeeld mantelzorgers vereist. Een tweede, meer controversiële oplossing kan zijn om zorgrobots in te schakelen.

1.2 Digitale innovatie en robotica

In paragraaf 1.2 wordt er dieper ingegaan op digitale innovatie en robotica. Subparagraaf 1.2.1 omvat een definiëring van digitale innovatie en robotica. Vervolgens wordt er een overzicht geschetst van de verschillende soorten robots bij ouderenzorg in subparagraaf 1.2.2. Subparagraaf 1.2.3 beschrijft enkele vaak voorkomende eigenschappen en functionaliteiten van robots bij ouderenzorg. In subparagraaf 1.2.4 worden enkele toepassingen aangehaald. Tot slot worden de uitdagingen die robotica met zich meebrengt beschreven in subparagraaf 1.2.5.

1.2.1 Definiëring

Digitale innovatie kan gedefinieerd worden als “het uitvoeren van nieuwe combinaties van digitale en

fysieke componenten om nieuwe producten te produceren” (Yoo, Henfridsson, & Lyytinen, 2010, p. 725).

Yoo et al. (2010) hanteren hiermee eenzelfde benadering als Schumpeter (1951). Dos Santos, Fichman en Zheng (2014) beschrijven digitale innovatie als “een product, proces of bedrijfsmodel dat als nieuw

beschouwd wordt, enkele belangrijke aanpassingen vereist langst de kant van de adoptanten en belichaamd of mogelijk gemaakt wordt door IT” (p. 330). Deze definitie van digitale innovatie is ruimer

dan de definitie van Yoo et al. (2010), maar bevat enkele kernelementen uit de algemene definities van innovatie niet. Volgens Callens, Boone en Clarysse (2016) dient een innovatie gebaseerd te zijn op behoeften in de maatschappij, een effect te hebben in de maatschappij en dit alles binnen een subjectieve tijdsperiode. Een combinatie van de definities van Dos Santos et al. (2014) en Callens et al. (2016) wordt in deze masterproef naar voren geschoven als definitie van digitale innovatie.

Het digitale innovatieproces bestaat uit vier fasen: ontdekking, ontwikkeling, verspreiding en impact. De eerste drie fasen komen overeen met het klassieke, driedelige innovatiemodel van Schumpeter uit 1950, terwijl de vierde fase afwijkt van Schumpter’s verspreidingsfase en hier een aparte fase vormt. Niet onbelangrijk is dat de fasen als sequentieel worden voorgesteld, maar dat ze in realiteit ook overlappend of iteratief kunnen voorkomen. Per fase worden twee kernactiviteiten geïdentificeerd (Dos Santos et al., 2014). Callens et al. (2016) daarentegen erkennen slechts twee stappen in het innovatieproces: planning en implementatie. Deze fasen houden respectievelijk de ontwikkeling van het concept van de innovatie en uitwerking van het idee in.

Hieronder volgt de beschrijving van elke fase zodat het digitale innovatieproces duidelijk zou worden: • Ontdekking: in deze fase worden nieuwe ideëen ontdekt om mogelijks processen, producten of

bedrijfsmodelinnovaties te ontwikkelen;

• Ontwikkeling: in deze fase wordt het idee voor de core technology omgezet in een bruikbare vorm;

• Verspreiding: in deze fase wordt de innovatie verspreid over de populatie met potentiële gebruikers;

• Impact: in deze fase ligt de nadruk op de effecten die digitale innovatie heeft op individuen, organisaties, markten en de maatschappij (Dos Santos et al., 2014).

Aangezien deze masterproef handelt over het acceptatiegedrag omtrent robotica, dient een gemeenschappelijke definitie van robotica voorop gesteld te worden . De term ‘robot’, die een voorbeeld is van digitale innovatie, kwam voor het eerst voor in het toneelstuk Rossum’s Universele Robots (R.U.R) geschreven in 1920 door de Tsjechische schrijver Karel Čapek en betekent eigenlijk gedwongen arbeid (Tjong Tjin Tai, 2017). Bedaf et al. (2015) definiëren een robot als “een aangedreven mechanisme,

programmeerbaar in twee of meer assen met een mate van autonomie, bewegend binnen zijn omgeving, om beoogde taken uit te voeren” (p. 88). Daarnaast beschrijft Van Wynsberghe (2013) de theorie van

interpretatieve flexibiliteit. Deze theorie houdt in dat de definitie van een robot zal afhangen van de context waarin en hoe de robot gebruikt wordt, zijn gebruikers en de taak die uitgevoerd dient te worden. Deze theorie kan een mogelijke verklaring zijn voor de verschillende definities van robot onder onderzoekers. In deze masterproef worden een robot geïnterpreteerd als “een programmeerbare

machine, om zowel fysieke taken uit te voeren als informatie te verwerken en al dan niet zelflerend” (Van

Looy, 2019).

De reden voor de ontwikkeling van diverse soorten robots dient voornamelijk om een oplossing te bieden voor de snel groeiende bevolking van ouderen. Het groeiende aandeel ouderen in de samenleving maakt, samen met de recente vooruitgang in robotica, het gebruik van robots in de zorgsector steeds waarschijnlijker (Sharkey & Sharkey, 2012). Daarnaast zou het gebruik van robots bij thuiswonende

ouderen kunnen resulteren in een verlaagde zorgkost. Bovendien kunnen robots de vaak zwaar fysiek belastende taken van zorgverleners deels op zich nemen (Vallor, 2011). Ook willen ouderen het liefst bekwaam blijven om zinvolle activiteiten, zoals een kopje thee zetten, zelfstandig uit te voeren. Dit om hun onafhankelijkheid en welzijn te behouden en omdat het positieve gevoelens bevordert (Wang et al., 2017).

Hoewel menselijke zorgverlening niet volledig kan en zal vervangen worden, hebben ondersteunende technologieën, die de menselijke zorgverlening kunnen aanvullen, het potentieel om de levenskwaliteit van zowel ouderen als hun verzorgers te verbeteren. In het bijzonder kunnen de ontwikkelde ondersteunende technologieën ouderen in staat stellen om langer thuis te blijven wonen (Pollack, 2005). Bovendien gaat een verhuis naar een RVT steeds gepaard met een enorme financiële kost, niet alleen voor de ouderen en hun zorgverleners, maar ook voor de Staat. Deze nieuwe technologieën kunnen een win-win effect teweegbrengen voor ouderen die langer thuis kunnen blijven wonen: een stijging in de levenskwaliteit, gepaard met een mogelijke besparing van enorme geldbedragen. Indien ouderen kunnen genieten van een goede levenskwaliteit, zullen ze minder snel beroep moeten doen op de gezondheidszorg en kan hun zelfstandigheid in stand gehouden worden (Enders-Slegers, 2000).

1.2.2 Soorten robots bij ouderenzorg

Auteurs vermelden in hun onderzoeken verschillende soorten robots. Robots worden de laatste jaren steeds vaker ingezet in de gezondheidszorg en er worden tegenwoordig ook meer robots voor deze doeleinden ontwikkeld (Bedaf et al., 2015; Kachouie et al., 2014).

Van Hees (2010) beschrijft in haar studie drie types zorg-gerelateerde robots mechanische, cognitief-vaardige en sociale robots. Mechanische robots worden gedefinieerd als “fysiek hulpmiddel en/of als

verlengstuk van het menselijk lichaam” (van Hees, 2010, p. 10). Voorbeelden hiervan zijn robotarmen en

eetrobots. Cognitief-vaardige robots zijn robots die gebruikt worden door mensen die in de zorg tewerkgesteld zijn. Een robot waar een chirurg beroep op doet tijdens het uitvoeren van een operatie is hier een voorbeeld van. Cognitief-vaardige robots kunnen net als mechanische robots niet zelfstandig handelen. Sociale robots zijn geprogrammeerd om zelf beslissingen te kunnen maken, zelfstandig te

kunnen handelen en richten zich op het verlenen van sociaal-emotionele zorg. AIBO en Paro zijn voorbeelden van sociale robots. Vooral mechanische robots en sociale robots werden de laatste jaren vaak ontwikkeld en onderzocht aangezien deze de meeste mogelijkheid hebben om ingezet te worden bij ouderenzorg (Welbergen & Massart, 2018).

Ook Bemelmans et al. (2012) beschrijven in hun onderzoek diverse types robots. Als eerste omschrijven ze de Socially Interactive Robots (SIR). Deze werden voor het eerste beschreven door Fong, Nourbakhsh en Dautenhahn (2003) als “robots waarvoor de sociale interactie tussen mens en robot belangrijk is” (p. 1). Bij SIR is het doel van de robot om nauwe en effectieve interacties te voeren met een menselijke gebruiker (Klaassens & Jaran, 2018). SIR zijn dus robots waarvoor sociale interactie een sleutelrol is. “Ze

zijn belangrijk in domeinen waarin ze peer-

to

Daarnaast bespreken Bemelmans et al. (2012) de Socially Assistive Robots (SAR), die kunnen helpen om de draaglast bij ouderen te verlagen. Ze worden door Feil-Seifer en Mataric (2005) beschreven als een vorm van assisterende robot met een zekere mate van zelfstandigheid. SAR zijn een combinatie van

Assistive Robots (AR) en SIR. Ze zorgen voor fysieke ondersteuning en sociale interactie (Broekens et al.,

2009; Feil-Seifer & Mataric, 2005; Fong et al., 2003). “SAR zijn gericht op het bereiken van vooruitgang en

het vergroten van zelfredzaamheid door het geven van interactieve opdrachten. Hierbij worden geen fysieke taken door de robot overgenomen” (Klaassens & Jaran, 2018, p. 7). Net zoals van Hees (2010) AIBO

en Paro als voorbeelden gaf bij sociale robots, geven Bemelmans et al. (2012) deze twee robots als voorbeelden voor SAR. Welbergen en Massart (2018) daarentegen benoemen SIR als sociale robots.

AR kan beschreven worden als een robot die hulp of ondersteuning verleent aan een menselijke gebruiker. Klaassens en Jaran (2018) definiëren AR als “een robot die fysieke hulp of ondersteuning kan

bieden” (p. 7). Kachouie et al. (2014) benoemen in hun onderzoek twee groepen van AR. Ten eerste

beschrijven ze rehabilitatierobots. Deze robots zijn toegespitst op het verlenen van fysieke ondersteunende technologiefuncties en zijn in principe niet communicatief. Ten tweede beschrijven ze

de behulpzame en sociale robots die nog eens in twee subgroepen verdeeld worden: service robots en begeleidende robots.

Broekens et al. (2009) maken een onderscheid tussen robots in de ouderenzorg met een puur assisterende functie, functionele robots genoemd, en deze met een communicatieve functie, sociale robots genoemd. Deze laatste groep wordt opgesplitst in Companion Type Robots en Service Type Robots.

Companion Type Robots zijn robots die louter op hun sociale capaciteiten vertrouwen, zoals zeehond Paro

(Robinson, MacDonals, Kerse, & Broadbent, 2013). Service Type Robots zijn robots die verschillende ondersteunende functies combineren met sociale interactie (Broekens et al., 2009). Deze worden ook wel SAR genoemd (Feil-Seifer & Mataric, 2005).

In deze masterproef wordt de opdeling van robots volgens Welbergen en Massart (2018) gevolgd. Robots in de ouderenzorg kunnen onderverdeeld worden in twee grote groepen: enerzijds de robots die een puur fysiek assisterende functie vervullen (bijvoorbeeld smart wheelchairs), anderzijds de sociale robots die een communicatieve functie hebben. Sociale robots kunnen op hun beurt verdeeld worden in Service Type

Robots, ook SAR genoemd (Feil-Seifer & Mataric, 2005), en Companion Type Robots. Een voorbeeld van

beide soorten is respectievelijk Zora en Paro. Service Type Robots bieden zowel een assisterende functie als sociaal contact aan. Companion type robots zijn vooral uitgerust voor sociale vaardigheden en zullen daardoor de gezondheid en het welzijn van de ouderen verbeteren (Bedaf et al., 2015; Bemelmans et al., 2012; Broekens et al., 2009).

1.2.3 Eigenschappen robots bij ouderenzorg

Volgens Sharkey en Sharkey (2012) zijn er drie belangrijke manieren waarop robots in de ouderenzorg gebruikt kunnen worden. Als eerste kunnen robots ingezet worden om ouderen en hun verzorgers dagelijks bij te staan bij het uitvoeren van hun taken. De robots worden hier dan gebruikt ter ondersteuning van bijvoorbeeld het lopen en het eten. Ten tweede worden robots gebruikt om het gedrag en de gezondheid van ouderen op te volgen door bijvoorbeeld te herinneren aan het nemen van medicatie. Tot slot kunnen robots dienen om ouderen gezelschap te houden en zo hun sociale interactie te verhogen door bijvoorbeeld met hen te communiceren. Ook Broadbent et al. (2009) kwamen tot dezelfde drie toepassingen van robots.

Volgens Hüsstege et al. (2017) dient een zorgrobot minstens volgende kenmerken te bezitten: toegankelijk en vertrouwd aanvoelen voor de mens, taal herkennen en adequaat erop reageren en de herkenning van emoties. Van Hees (2010) beschouwt het programmeren van sociale robots met een autonoom karakter als vereist. Autonoom houdt in dat de sociale robots uit zichzelf kunnen bewegen en beslissingen kunnen nemen. Ook kunnen ze in een onbekende en veranderende omgeving bewegen, handelen en leren. Kirby, Forlizzi en Simmons (2010) stellen dat het noodzakelijk is voor een sociale robot om op een natuurlijke manier te communiceren en gemakkelijk begrijpbaar te zijn. Dit kan gestimuleerd worden door deze robots ook de mogelijkheid te geven om stemmingswisselingen en veranderende emoties te laten vertonen. Ook blijkt dat gebruikers met een verschillend niveau van ervaring met sociale robots op een andere manier reageren op de stemming van de robot. Dit toont aan dat een sociale robot dient te onthouden met welke mensen hij eerder al gecommuniceerd heeft en anders dient om te gaan met nieuwe gebruikers (Kirby et al., 2010).

Daarnaast moet ook beslist worden of de robot een menselijk, dierlijk of eerder technisch uiterlijk zal krijgen. De term ‘antropomorfisme’ wordt gebruikt om het toekennen van menselijke eigenschappen en mentale toestanden aan niet-menselijke agenten en objecten te beschrijven. De term ‘zoomorfisme’ is een verwant concept dat toegepast wordt bij de toekenning van dierlijke kenmerken aan niet-dieren. Robots die op een menselijke/animale manier bewegen of robots die een humanoïde/animale uitstraling hebben, kunnen antropomorfisme of zoomorfisme aanmoedigen (Sharkey & Sharkey, 2011).

1.2.4 Toepassingen van robots bij ouderenzorg

Figuur 4. Robothond Aibo (Jacobs, 2016, p. 11)

Een eerste voorbeeld is de gezelschapsrobot Aibo. Aibo is een robothond die ontwikkeld werd door het Japanse bedrijf Sony. Aibo heeft het uiterlijk van een levensechte hond maar heeft een ontspannende functie als doel. Aibo is voorzien van sensoren waardoor hij gevoelig is voor aanraking. Daarnaast is Aibo in staat te luisteren, zijn naam te herkennen en hoogstens 50 verbale bevelen in één keer te verwerken. Het is dus in kleine mate mogelijk om te communiceren met Aibo, maar niet om er een gesprek mee te voeren (Jacobs, 2016).

Wanneer Aibo in interactie treedt met mensen is het belangrijk dat hij zo goed mogelijk het dierlijke gedrag nabootst, zonder daarbij repetitief te zijn en zonder dat de nadruk ligt op dit zo realistisch mogelijk doen. Dankzij de mogelijkheid voor Aibo om zijn emoties te uiten, vinden mensen de omgang met Aibo nog aangenamer. Hij is voorzien van zes basisemoties: verwondering, verdriet, geluk, angst, afkeer en boosheid. Het is van belang om in te zien dat robots en andere kunstmatig intelligente agenten geen echte emoties hebben en bijgevolg alle getoonde emoties geveinsd zijn. Aibo kan dankzij zijn natuurlijke voorkomen en de mogelijkheid tot prikkelen van emoties perfect ingezet worden als gezelschapsrobot (Jacobs, 2016).

Banks, Willoughby en Banks (2008) deden reeds onderzoek naar wat de uitkomst op eenzaamheid van ouderen is bij het inzetten van een levende hond en van Aibo. In het onderzoek maakten ze gebruik van

drie groepen: een controlegroep die geen extra therapie kreeg, een groep die

Animal-Assisted Therapy kreeg met een levende hond en een groep die Robot-Animal-Assisted Therapy kreeg met Aibo.

Het resultaat van het onderzoek was dat zowel de hond als de robothond een positief effect hadden op het humeur van de ouderen tegenover de controlegroep. Uit het onderzoek van Tamura et al. (2004) blijkt dat demente ouderen meer moeilijkheden vertonen bij het opbouwen van een vriendschapsrelatie met Aibo. Dementerende ouderen nijgen meer naar een knuffelhondje dan naar Aibo. Het resultaat van het onderzoek was dat het inzetten van Aibo als gezelschapsrobot dus minder effectief en minder gewenst is bij demente ouderen.

Figuur 5. Zeehond Paro (Jacobs, 2016, p.12)

Een tweede voorbeeld is de gezelschapsrobot Paro. Paro is een zeehondje die ontwikkeld werd door het Japanse bedrijf AIST. Paro wordt vooral gebruikt bij dementerende ouderen in woonzorgcentra en beschikt over sensoren voor aanraking, geluid en temperatuur. Hierdoor is het mogelijk voor Paro om te reageren op menselijke interactie door middel van het bewegen van zijn hoofd en ledematen en het maken van geluid. Bovendien kan Paro ook onderscheid maken tussen licht en donker en enkele woorden thuisbrengen, zoals zijn naam. Paro is in staat om zijn gedrag af te stemmen op de manier die de ouderen het meest aangenaam vinden. Tot slot moet Paro altijd opgeheven worden aangezien hij niet zelfstandig kan bewegen (Jacobs, 2016).

De keuze om Paro als zeehond te ontwikkelen is te verklaren door de teleurstellende resultaten met robothonden en robotkatten. Vaak zijn ouderen minder vertrouwd met het voorkomen en het gedrag van een zeehond. Hierdoor stellen ouderen minder hoge verwachtingen op waardoor de kans op acceptatie hoger ligt (Shibata & Wada, 2011; van Hees, 2010).

Shibata en Wada (2011) stellen dat de gebruikers vaak fysieke toenadering tot Paro zoeken. Zo wordt hij door de gebruikers geknuffeld en geven ze hem soms zelfs kusjes. Paro werd ontwikkeld met als doel het welzijn van ouderen te verbeteren. Demente ouderen die Paro knuffelden, vertoonden effectief minder depressief gedrag en voelden zich ook minder eenzaam. Ook het humeur van deze demente ouderen kreeg een positieve boost. Paro zorgt ervoor dat ouderen sneller sociaal contact aangingen en was ook vaak het gespreksonderwerp tussen ouderen en ouderen met hun familie.

Uit het onderzoek van Robinson et al. (2013) blijkt dat Paro een aantal aanpassingen dient te ondergaan indien hij een nog betere gezelschapsrobot wil zijn. Als eerste voorstel dienen de geluiden die Paro maakt nagekeken te worden. Door sommige gebruikers of familieleden worden de geluiden als niet geschikt, te eng of te realistisch bevonden. Als alternatief zou Paro kunnen spinnen als een kat. Zoals eerder aangehaald, weten de meeste gebruikers toch niet welk geluid een zeehond normaal maakt en kan het spinnen bovendien als rustgevend beschouwd worden. Een tweede verbetering zou een aanpassing van de vacht van Paro kunnen zijn. De witte vacht wordt snel vuil en is niet gemakkelijk wasbaar. Als laatste suggestie stellen ze voor om Paro iets lichter te maken. Paro’s gewicht is momenteel rond de drie kilogram en veel ouderen zijn niet meer in staat om zelfstandig zo’n gewicht op te heffen.

Figuur 6. Humanoïde robot ZORA (Zorabots, 2020)

Een derde voorbeeld is de kleine humanoïde robot ZORA. ZORA staat voor Zorg, Ouderen, Revalidatie en Animatie. ZORA werd ontwikkeld door ZoraBots en was één van de eerste robots die ingezet werd in de zorg. ZORA wordt reeds vaak gebruikt in vele woonzorgcentra, ziekenhuizen en scholen. Niet enkel in

Nederland en België, maar ook in vele andere Europese landen (Zorabots, 2020). ZORA dient vooral om ouderen en kinderen te helpen met revalidatie, animatie en therapeutische doeleinden (Consyst, 2020). Ze is in staat te communiceren, bewegingsoefeningen voor te tonen, spelletjes te spelen en vormt daardoor een goede aanvulling op het hulpverlenend personeel. De werkdruk zal verminderen doordat ZORA de repetitieve werken op zich kan nemen, zoals het menu aankondigen en de krant voorlezen (Robotzorg, 2020). Dankzij de vele sensoren in haar handen, voeten en hoofd kan ZORA zich gemakkelijk een beeld vormen van de volledige omgeving. Via haar vier richtbare microfoons en luidsprekers kan ZORA op een heel natuurlijke manier naar mensen luisteren en met hen praten (Zorabots, 2020)

1.2.5 Uitdagingen

Aangezien robots in de zorgsector de laatste jaren vaker voorkomen in een setting met ouderen, is het ook steeds meer van belang om oog te hebben voor de uitdagingen die dit teweegbrengen (Erebak & Turgut, 2019; Vandemeulebroucke et al., 2018a).

Sharkey en Sharkey (2012) halen de zes voornaamste ethische dilemma’s aan. Deze problemen betreffen het terugdringen van de hoeveelheid menselijk contact, de toename in het gevoel van objectivering en verlies van controle, het verlies van privacy, het verlies van persoonlijke vrijheid, misleiding en infantilisatie en de omstandigheden waarin ouderen de mogelijkheid moeten hebben om controle uit te oefenen op de robot. Wel dienen er verschillende morele perspectieven bekeken te worden afhankelijk van de verschillende soorten robots.

In het onderzoek van Feil-Seifer en Mataric (2011) wordt er gebruik gemaakt van een raamwerk op basis van vier componenten om ethische problemen bij robotics te classificeren. Deze vier componenten zijn weldadigheid (beneficence), kwaadaardigheid (nonmaleficence), autonomie (autonomy) en rechtvaardigheid (justice). De principes van weldadigheid en kwaadaardigheid houden in dat zorgverleners altijd in het belang van de patiënt moeten handelen en beter niets doen indien het risico op schaden van de toestand van een patiënt te hoog is. Het principe van autonomie omvat dat patiënten weloverwogen beslissingen moeten kunnen nemen omtrent hun eigen zorg. Wanneer dit principe uitgebreid wordt tot SAR, moeten patiënten weloverwogen beslissingen kunnen nemen omtrent SAR die

deel uitmaken van hun zorg. Het rechtsbeginsel bepaalt de eerlijke verdeling van schaarse middelen. Daarnaast bepaalt het ook de kwestie rond het begrip verantwoordelijkheid: wie draagt de verantwoordelijkheid in situaties waar iets misloopt. Een juridisch probleem is bijvoorbeeld de aansprakelijkheid van robots (Went, Kremer, & Knottnerus, 2015).

In het onderzoek van Van Kemenade et al. (2015) wordt vermeld dat de grootste bezorgdheid is of de zorgrobots al dan niet kwaadaardig, wat het risico om schadelijk te zijn inhoudt, zouden zijn. Deze bezorgdheid is het grootst voor Assistive Robots en het minst voor Companion Robots.

1.3 Acceptatie van nieuwe technologieën

Paragraaf 1.3 gaat dieper in op de accepatie van nieuwe technologieën. Subparagraaf 1.3.1 vangt aan met een definiëring van adoptie en acceptatie. Daarna worden de beïnvloedende factoren voor acceptatie of afwijzing van een technologie besproken in subparagraaf 1.3.2. Subparagraaf 1.3.3 beschrijft het belang van de acceptatie van technologieën. Paragraaf 1.3 sluit af met drie raamwerken: innovatie-diffusie theorie (IDT), het Technology Acceptance Model (TAM) en de Unified Theory of Acceptance and Use of

Technology (UTAUT), beschreven in subparagraaf 1.3.4.

1.3.1 Definiëring

Er is in het algemeen al veel onderzoek gedaan naar acceptatie van een technologie en verschillende modellen hierrond werden reeds uitgebreid voorgesteld en getest (Renaud & Van Biljon, 2008). Onderzoek naar acceptatie van technologieën heeft tot doel het bestuderen van hoe technologiegebruik ondersteund en aangemoedigd kan worden en het bekijken van de factoren die het acceptatiegedrag en het gebruik van technologieën verhinderen of stimuleren (Alaiad, & Zhou, 2014).

Sommige auteurs maken een onderscheid tussen de adoptie van een technologie en de acceptatie van een technologie, terwijl anderen beide termen door elkaar gebruiken (Kiwanuka, 2015). Hieronder is een vergelijking beschreven tussen de definities van de twee termen door verschillende auteurs, eindigend met de definities die gehanteerd zullen worden in deze masterproef.

Volgens Kollmann (2004) is adoptie het voor het eerst gebruiken van een technologie. Acceptatie daarentegen is het voortdurend gebruiken van een technologie. Renaud en Van Biljon (2008) definiëren adoptie als het proces waarbij de gebruiker zich eerst bewust wordt van de technologie en eindigt met het omarmen en het volledig in gebruik nemen van deze technologie. Daarnaast is acceptatie een houding ten op zichte van een technologie die afhankelijk is van vele factoren. In subparagraaf 1.3.4 wordt duidelijk dat ook Rogers (1995) een onderscheid maakt tussen de adoptie en acceptatie in de IDT. Volgens Rogers (1995) is adoptie het overkoepelende begrip voor het ganse beslissingsproces, terwijl acceptatie enkel slaat op het gebruik van een technologie. Daarbij wordt een technologie als volledig geadopteerd beschouwd als het merendeel van de mogelijke gebruikers de technologie omarmt (Peeters, Wiegers, de Bie, & Friele, 2013). In deze masterproef worden de definities van adoptie en acceptatie volgens Kollmann (2004) gehanteerd aangezien deze het meest volledige beeld schetsen van hoe de acceptatie en adoptie bij een nieuwe technologie verloopt.

Het acceptatieproces van een bepaalde technologie bevat drie fasen: attitude, adoptie en acceptatie (Kiwanuka, 2015; Kollmann, 2004). Deze drie fasen zijn weergegeven in figuur 7.

Elke fase bevat drie elementen. De attitudefase omvat het bewustzijn en de interesse en de daaruit volgende gevormde verwachtingen. De adoptiefase omvat het uitproberen, aankopen en implementeren van de technologie. De acceptatiefase omvat de beslissing om de technologie al dan niet te gebruiken, het effectieve gebruik en tot slot, het beëindigen van het gebruik (Kiwanuka, 2015). Het acceptatieproces van Kollmann staat toe om de adoptiefase over te slaan en van de attitudefase meteen over te gaan naar de acceptatiefase. Dit wordt echter niet aangeraden omdat de kans op acceptatie van een technologie op die manier kleiner is (Kiwanuka, 2015).

1.3.2 Beïnvloedende factoren voor acceptatie of afwijzing van een technologie

Tacken et al. (2005) beschrijven vier factoren die acceptatie of afwijzing van een technologie beïnvloeden. Deze factoren gelden in het algemeen voor alle technologische apparaten en zijn de schrik voor een nieuwigheid, de motivatie voor het gebruik ervan, wanneer het gebruiksgemak lager is dan de moeilijkheden die de gebruiker ondervindt en de overtuigende werking van advies, begeleiding en aanmoediging.

Volgens Broadbent et al. (2009) zijn er slechts drie basisvereisten om acceptatie van robots te realiseren. Ten eerste is er nood aan motivatie voor het gebruik van de robot. Daarnaast dient er ook voldoende fysiek, cognitief en emotioneel gebruiksgemak en comfort met de robot aanwezig te zijn. Daarnaast is er ook sprake van verschillende technologiegeneraties: personen in een verschillende generatie zullen een bepaalde technologie anders gebruiken en waarnemen. De moeilijkheden die een gebruiker ervaart bij een technologie zijn verbonden aan de generatie waartoe deze gebruiker behoort en niet aan zijn leeftijd (Tacken et al., 2005). Ook Rogers (1995) onderscheidt vijf type gebruikers op basis van hoe snel deze gebruikers een technologie adopteren: de innovators, de early adopters, de early majority, de late

majority en de laggards.

Zoals reeds vermeld in subparagraaf 1.2.3 is zoomorfisme een vaak voorkomend kenmerk van robots ingezet bij ouderenzorg. Robots lijken hierbij bewust op dieren omdat ontwikkelaars van mening zijn dat gebruikers dieren sneller accepteren en de bijkomende voordelen overnemen (Sharkey & Sharkey, 2011; van Hees, 2010). Ook Wu, Fassert en Rigaud (2012) kwamen tot de constatatie dat gebruikers een

gezelschapsrobot die op een dier lijkt verkiezen boven een humanoïde robot, waarbij de robot vooral uiterlijke kenmerken van een mens vertoont.

Figuur 8. De uncanny valley (Mori, 2012, p. 3)

Dit fenomeen kan verklaard worden aan de hand van de uncanny valley. Deze theorie stelt dat wanneer een bepaalde grens van mensachtigheid bij robots overschreden wordt, de onvolkomenheden van deze robot als erg storend en zelfs als eng ervaren worden. Desalnietemin moet een robot wel een bepaalde hoeveelheid mensachtigheid vertonen om gebruikers voldoende vertrouwen te geven en bijgevolg geaccepteerd te worden (Fong et al., 2003). Uit het onderzoek van van Hees (2010) blijkt dat acceptie van robots uitblijft wanneer deze te sterk afwijken van de fysieke realiteit. Een te machinaal-ogende robot wordt beschouwd als moeilijker om sociale interactie mee te hebben. Een robot met een dierlijk voorkomen en gedrag ontsnapt aan de uncanny valley en zal bijgevolg aangenamer bevonden worden dan een humanoïde robot (Fong et al., 2003).

Broadbent et al. (2009) beschreven 14 eigenschappen van een robot die acceptatie beïnvloeden. Deze eigenschappen zijn de volgende:

• Behoeften: hoe meer de gebruikers behoefte hebben aan de robot, hoe meer acceptatie voorkomt;

• Geslacht gebruiker: vrouwen voelen zich comfortabeler bij een robot en gaan er sneller mee in interactie;

• Ervaring met gelijkaardige technologieën: hoe meer ervaring de gebruikers reeds hebben met robots, hoe meer acceptatie voorkomt;

• Opleidingsniveau: hoe hoger opgeleid de gebruikers zijn, hoe meer acceptatie voorkomt; • Cultuur: de acceptatie is afhankelijk van de cultuur van het individu;

• Rol: zorgverleners staan minder open voor robotica;

• Uiterlijk: hoe technischer het uiterlijk van de robot, hoe hoger de gestelde verwachtingen omtrent het functioneren van de robot;

• Menselijkheid: hoe menselijk het uiterlijk van de robot, hoe hoger de gestelde verwachtingen omtrent sociale interactie;

• Gezichtsuitdrukking: gebruikers reageren op de vertoonde emoties van de robot, maar stellen wel andere verwachtingen dan emoties van een mens;

• Grootte: hoe groter de robot, hoe meer wantrouwen de robot opwekt;

• Persoonlijkheid: gebruikers geven de voorkeur aan een robot wiens persoonlijkheid is afgestemd op hun eigen persoonlijkheid;

• Geslacht robot: het geslacht van de robot moet aangepast zijn aan de situatie en heeft invloed op wat de gebruikers vertellen aan de robot betreffende een bepaald onderwerp;

• Aanpassingsvermogen: hoe beter de robot zich kan aanpassen in bepaalde situaties, hoe meer vertrouwen hij opwekt (Broadbent et al., 2009).

Ook persoonlijke waarden kunnen een belangrijke rol spelen bij het verklaren van de gebruiksintentie van een bepaalde technologie. Mensen handelen namelijk op een manier die overeenkomt met hun eigen persoonlijke waarden (Kleine Schaars, 2009).

1.3.3 Belang van acceptatie van technologieën

Het is van belang om na te gaan welke factoren de adoptie en de acceptatie van een technologie voorspellen aangezien deze zullen zorgen voor permanent gebruik ervan. Daarnaast is het dankzij alle adoptie-en acceptatiemodellen mogelijk om te anticiperen op toekomstige behoeften van gebruikers (Renaud & Van Biljon, 2008). Het begrijpen van gebruikersacceptatie is een cruciaal onderdeel om robots te ontwerpen die door verschillende groepen gebruikers geaccepteerd zullen worden (Beer, Prakash, Mitzner, & Rogers, 2011).

Men is er zich de laatste jaren steeds meer van bewust dat bij de interactie tussen gebruikers en een bepaalde technologie niet enkel rationele factoren in rekening moeten genomen worden, maar dat ook emotionele factoren hierin een belangrijk aandeel hebben (Abdoel, 2010). Het gebrek aan acceptatie van de werknemers bij een technologische innovatie kan een enorme belemmering zijn voor de succesvolle implementatie van deze innovatie in een organisatie (Van de Wal, 2016). Daarnaast kan een open houding van zorgverleners tegenover robots in de zorg leiden tot aanzienlijke voordelen, zoals reeds beschreven in subparagraaf 1.2.2. Zorgverleners moeten bovendien ook niet vrezen voor hun job. De job van zorgverleners zal altijd blijven bestaan, maar “Er zullen nooit genoeg zorgverleners beschikbaar zijn om

de toenemende vergrijzing en zorgvraag te kunnen opvangen.” (Robotzorg, 2020).

Volgens onderzoekers zorgen ondersteunende robots ervoor dat ouderen langer zelfstandig thuis kunnen wonen (Flandorfer, 2012). Als zorgrobots succesvol ingezet willen worden bij ouderen is de eerste stap acceptatie van deze robots door de ouderen. Pas indien ouderen deze robots accepteren, kunnen de robots geïntegreerd worden in hun persoonlijk leven (Broadbent et al., 2009). Langdurige acceptatie verwijst naar het doorlopen van een reeks activiteiten, te beginnen met het verwerven van beginnerskennis door de gebruiker, vervolgens het vormen van een bepaalde houden ten opzichte van de technologie, daarna de eerste adoptiebeslissing maken die leidt tot implementatie van de technologie en, tot slot, het gebruik van de technologie voortzetten (de Graaf, Allouch &, van Dijk, 2016).

1.3.4 Verschillende raamwerken

In de literatuur zijn veel verschillende raamwerken te vinden wanneer onderzoek gedaan wordt naar de acceptatie van een bepaalde technologie (van de Wal, 2016). De verschillende modellen pogen het acceptatiegedrag te verklaren aan de hand van verschillende constructen (Venkatesh, Morris, Davis, & Davis, 2003). Hieronder worden achtereenvolgens de innovatie-diffusie theorie (IDT), het Technology

Acceptance Model (TAM) en de Unified Theory of Acceptance and Use of Technology (UTAUT) besproken.

Deze subparagraaf eindigt met de keuze van het best passende model om de rest van het onderzoek van deze masterproef op te baseren.

1.3.4.1 Innovatie-diffusie theorie

Veel modellen die de adoptie van technologieën onderzoeken zijn gebaseerd op de Diffusion of Innovation theorie beschreven door Rogers in 1962. Deze theorie deelt mensen op in groepen op basis van de adoptiewaarschijnlijkheid van een bepaalde technologie (van de Wal, 2016).

De IDT maakt gebruikt van vijf constructen die de adoptie van een technologie beïnvloeden: complexiteit

(complexity), verenigbaarheid (compatibility), observeerbaarheid (observability), relatief voordeel (relative advantage) en het uitproberen (triability) (Abdoel, 2010).

• Complexiteit: de mate waarin de gebruiker verwacht dat de innovatie moeilijk te gebruiken zal zijn;

• Verenigbaarheid: de mate waarin de innovatie aaneensluit met de voorgaande technologie, de behoeften van de gebruiker(s) en de werkzaamheden;

• Observeerbaarheid: de mate waarin de innovatie waargenomen kan worden door anderen; • Relatief voordeel: de mate waarin de innovatie als beter beschouwd kan worden dan de

voorgaande situatie;

• Het uitproberen: de mate waarin het voor de gebruiker makkelijk is om de innovatie uit te testen vooraleer deze aan te kopen (Kuiper, 2006).

Uit verder onderzoek is gebleken dat enkel de drie variabelen complexiteit, verenigbaarheid en relatief voordeel relevante variabelen zijn om het acceptatiegedrag te meten (Kuiper, 2006).

Het innovatiebeslissingproces van de IDT bepaalt vijf kanalen waar een theorie doorheen moet gaan om geadopteerd te worden, aangezien mogelijke gebruikers eerst overwegen of de technologie voldoende voordelen verschaft ten opzichte van de huidige toestand. De vijf kanalen zijn kennis, overtuiging, beslissing, implementatie en bevestiging en worden hieronder beschreven (Kiwanuka, 2015; van de Wal, 2016).

• Kennis: zich bewust worden van het bestaan en het functioneren van een innovatie; • Overtuiging: erkennen van het nut van deze innovatie;

• Beslissing: al dan niet overgaan tot aankoop van de innovatie; • Implementatie: effectief gebruik van de innovatie;

• Bevestiging: accepteren of afwijzen van de innovatie (Kiwanuka, 2015).

Een beperking op de IDT is dat het model de verhoudingen tussen attitude en acceptatie of afwijzing van een innovatie negeert. Daarnaast zouden de vijf constructen van de IDT geen goeie voorspellers zijn voor het acceptatiegedrag wanneer de adoptie van technologieën verplicht is (Kiwanuka, 2015).

1.3.4.2 Technology Acceptance Model

Het Technology Acceptance Model, TAM, werd in de jaren ‘80 ontwikkeld door Davis omdat werknemers geen gebruik maakten van de voor hen beschikbare IT-mogelijkheden (Davis, 1989; Kuiper, 2006). Het model diende inzichten te geven over welke factoren de intentie om een technologie te gebruiken en te accepteren beïnvloeden (Holden & Karsch, 2010; Kuiper, 2006).

De intentie om een technologie te gebruiken wordt bepaald door de attitude of houding die mensen aannemen ten opzichte van deze technologie. Deze houding wordt bepaald door twee fundamentele determinanten: de verwachte nuttigheid (perceived usefulness) en het verwachte gebruiksgemak

(perceived ease of use) (Kuiper, 2006). De verwachte nuttigheid verwijst naar de mate waarin gebruikers

ervaren dat een technologie zal helpen bij het uitvoeren van hun job. Het verwachte gebruiksgemak houdt in dat een technologie als simpel kan beschouwd worden of te veel moeite vereist, afgewogen tegen de

voordelen die de technologie met zich meebrengt (Davis, 1989). De verwachte nuttigheid wordt vaak als sterkste determinant van het TAM aangeduid. Daarnaast voorspelt het model tussen 30 en 40 procent van het systeemgebruik (Godoe & Johansen, 2012).

Het TAM is gebaseerd op de Theory of Reasoned Action (TRA) (Holden & Karsh, 2010). De attitude, de intentie tot acceptatie en het gedrag zijn de drie variabelen die voortkomen uit de TRA (Kuiper, 2006). Ook het TAM en de IDT hebben overlappende variabelen. Als eerste vallen de variabelen verwachte nuttigheid van het TAM en relatieve voordeel van de IDT samen. Ten tweede komen de variabelen verwachte gebruiksgemak van het TAM en complexiteit van de IDT overeen (Kuiper, 2006).

Figuur 9. Technology Acceptance Model (TAM) (Kuiper, 2006, p. 12)

Figuur 9 toont aan dat de variabele ‘intentie tot acceptatie’ de enige rechtstreekse voorspeller is van het gedrag. De attitude van iemand ten opzichte van het gebruik van een technologie heeft invloed op de intentie tot acceptatie. Deze attitude heeft, zoals hierboven reeds beschreven, twee determinanten. Tot slot heeft de verwachte nuttigheid een onafhankelijk effect op de intentie tot acceptatie en het verwachte gebruiksgemak een effect op de verwachte nuttigheid (Kuiper, 2006).

Tegenstrijdig aan Kuiper (2006), spreken Renaud en Van Biljon (2008) van zes factoren die essentieel zijn om de houding van een gebruiker ten opzichte van een nieuwe technologie te bepalen. Naast de vijf factoren zoals hierboven beschreven, voegen zij als zesde factor nog de externe variabelen toe. Deze

externe variabelen, zoals demografische variabelen, hebben een effect op de verwachte nuttigheid en het verwachte gebruiksgemak.

Volgens Son, Park, Kim en Chou (2012) zorgt het TAM voor de beste voorspelling van gebruikersacceptatie. Ook uit het onderzoek van Holden en Karsh (2010) blijkt dat het TAM de belangrijkste onderzoeksmethode is om de ingesteldheid van zorgverleners tegenover IT ingezet in gezondheidssector te verklaren. Een limitatie op het TAM is dat het geen rekening houdt met sociale invloed, hoewel sociale invloed mee de attitude ten aanzien van het al dan niet accepteren van een technologie bepaalt (Kiwanuka, 2015). Daarnaast heeft het TAM slechts een verklaringskracht van 40 procent (DeGroote et al., 2019). Ten derde is het TAM ook beperkend aangezien intentie tot acceptatie de enige variabele is die leidt tot effectief gebruik van een technlogie, wat onrealistisch is (Renaud & Van Biljon, 2012). Als laatste limitatie neemt het TAM geen sociodemografische variabelen in aanmerking (Flandorfer, 2012).

1.3.4.3 Unified Theory of Acceptance and Use of Technology

Venkatesh et al. (2003) zorgden via de Unified Theory of Acceptance and Use of Technology, ook wel het UTAUT-model genaamd, voor een uitbreiding van het TAM. Het UTAUT-model is een samenstelling van acht acceptatiemodellen: de Theory of Reasoned Action (TRA), het Technology Acceptance Model (TAM2), het Motivation Model (MM), de Theory of Planned Behavior (TPB), het Combined TAM en TPB (C-TAM-TPB), het Model of PC Utilization (MPCU), de Innovation Diffusion Theory (IDT) en de Social Cognitive

Theory (SCT) (Abdoel, 2010; Kiwanuka, 2015). In figuur 13 wordt de schematische voorstelling van het

Figuur 10. Unified Theory of Acceptance and Use of Technology (UTAUT) (Groot, 2011, p. 14)

Het UTAUT-model probeert de intenties van een gebruiker om een technologie te gebruiken en het daarop volgend gebruikersgedrag te verklaren. Het model bestaat uit vier sleutelcomponenten die een directe invloed hebben op de gebruiksintentie en het gebruik. Deze vier voorspellers zijn aan de linkerzijde van het model te vinden en zijn het verwachte nut (performance expectancy), het verwachte gebruiksgemak (effort expectancy), sociale invloed (social influence) en vergemakkelijkende condities

(facilitating conditions) (Abdoel, 2010; Kiwanuka, 2015).

De variabele ‘gebruiksintentie’ wordt in het UTAUT-model als grootste voorspeller van effectief gebruik beschouwd (Groot, 2011; Tönissen et al., 2016; Venkatesh et al., 2003). Het uiteindelijke gebruik wordt direct beïnvloed door de variabele ‘gebruiksintentie’ en de variabele ‘vergemakkelijkende condities’. De variabele ‘gebruiksintentie’ is op zijn beurt direct afhankelijk van de variabelen ‘verwacht nut’, ‘verwacht gebruiksgemak’ en ‘sociale invloed’ (Groot, 2011).

• Performance Expectancy (PE)

De variabele ‘verwachte nut’ krijgt in het UTAUT-model dezelfde invulling als bij het TAM: het beschrijft de mate waarin de gebruiker acht dat de technologie een meerwaarde kan bieden bij het uitvoeren van zijn job (Kiwanuka, 2015). De variabele heeft een positieve invloed op de variabele ‘gebruiksintentie’, maar kan gemodereerd worden door de variabelen ‘geslacht’ en ‘leeftijd’ (De Groote, Van Looy, & Couckuyt, 2019). Het verwachte nut is gebaseerd op vijf verschillende constructen uit andere modellen, namelijk perceived usefulness (TAM), extrinsic motivation (MM), job-fit (MPCU), relative advantage (IDT) en outcome expectations (SCT) (Tönissen, Hoppenbrouwers, & Barendsen, 2016).

• Effort Expectancy (EE)

Ook de variabele ‘verwachte gebruiksgemak’ krijgt in het UTAUT-model dezelfde invulling als bij het TAM: het beschrijft de mate waarin de gebruiker meent dat de technologie makkelijk of moeilijk te gebruiken zal zijn (Kiwanuka, 2015). De variabele wordt gemodereerd door de variabelen ‘geslacht’, ‘leeftijd’ en ‘ervaring’ (DeGroote et al., 2019). Het verwachte gebruiksgemak werd afgeleid van perceived ease of use (TAM, IDT) en complexity (MPCU) (Tönissen et al., 2016).

• Social Influence (SI)

De variabele ‘sociale invloed’ gaat na of de sociale omgeving van de gebruiker al dan niet aanraadt om met de technologie te werken (Hornstra, 2015). Anders gezegd gaat deze variabele over het bijstellen van je mening onder groepsdruk. Deze variabele heeft een positieve invloed op de variabele ‘gebruiksintentie’, maar kan gemodereerd worden door de variabelen ‘geslacht’, ‘leeftijd’, ‘ervaring’ en ‘vrijwilligheid van gebruik’ (DeGroote et al., 2019). Sociale invloed kwam reeds naar voren in andere modellen als subjective norm (TRA, TAM, TPB), social factors (MPCU) en image (IDT) (Tönissen et al., 2016).

• Facilitating Conditions (FC)

De variabele ‘vergemakkelijkende condities’ verwijst naar de mate waarin de gebruiker denkt dat er naar organisatorische en technische ondersteuning kan gegrepen worden om het gebruik van de technologie te ondersteunen (Hornstra, 2015). Deze variabele heeft, in tegenstelling tot de andere drie determinanten, een positieve invloed op de variabele ‘gebruik’ (DeGroote et al., 2019). De variabele ‘vergemakkelijkende condities’ werd letterlijk overgenomen uit het MPCU maar komt ook terug als

perceived behavioral control (TPB, TAM) en compatibility (IDT) (Tönissen et al., 2016).

Zoals reeds hierboven beschreven, wordt het effect van deze vier determinanten op de gebruiksintentie en het gedrag beïnvloed door vier moderatoren (Kiwanuka, 2015). Deze vier moderatoren zijn geslacht, leeftijd, ervaring en vrijwilligheid van gebruik en hebben een verschillende invloed afhankelijk van de determinant (DeGroote et al., 2019). In tabel 1 wordt een overzicht geschetst van de verschillende effecten van de moderatoren op de determinanten.

Tabel 1. Effect moderatoren op determinanten

Geslacht Leeftijd Ervaring Vrijwilligheid

PE → Gebruiks-intentie

Sterker bij mannen Sterker bij jonger - -

EE → Gebruiks-intentie

Sterker bij vrouwen Sterker bij ouder Sterker bij minder -

SI → Gebruiks-intentie

Sterker bij vrouwen Sterker bij ouder Sterker bij minder Sterker bij verplicht

FC → Gebruik - Sterker bij ouder Sterker bij meer -

Verschillende onderzoeken toonden reeds de validiteit, betrouwbaarheid en nauwkeurigheid van het model aan (Alaiad et al., 2014). Daarnaast verklaart het UTAUT-model 70 procent van de gebruiksintentie en het gedag, terwijl dit voor de oorspronkelijke modellen gemiddeld tussen de 17 en 53 procent ligt (Groot, 2011).

Kiwanuka (2015) beschreef ook enkele beperkingen van het UTAUT-model. Zo worden slechts vier modererende factoren beschreven, namelijk leeftijd, geslacht, vrijwilligheid van gebruik en ervaring. Daarnaast wordt de construct ‘vertrouwen’ in het UTAUT-model niet opgenomen. Ook is het van belang om het UTAUT-model aan te passen aan het onderzoek waarin het model wordt toegepast. Dit kan gedaan worden door extra constructen toe te voegen die eigen zijn aan een bepaald onderzoeksdomein.

1.3.4.4 Gekozen model

Er diende één model gekozen te worden om als basis te dienen voor het onderzoek in deze masterproef. De keuze wordt gemaakt uit de IDT van Rogers (1995), het TAM van Davis (1989) en het UTAUT-model van Venkatesh et al (2003).

Hoewel de IDT reeds als basis diende voor veel adoptiemodellen, richt dit model zich meer op de verspreiding van een technologie en niet op de adoptie ervan (Delanghe, Van Looy, & Vermeulen, 2017). Aangezien dit onderzoek het acceptatiegedrag van robotica probeert te verklaren, is een keuze voor één van de twee andere modellen logischer.

Het TAM en het UTAUT-model komen in grote lijnen overeen. Het UTAUT-model is namelijk, zoals in 1.3.4.3 beschreven, gebaseerd op het TAM en nam daarbij de beste eigenschappen van het TAM over. Daarnaast werden aan het UTAUT-model nog constructen toegevoegd in vergelijking met het TAM, waardoor het UTAUT-model met meer factoren rekening houdt. Tot slot is het UTAUT-model reeds breed getest geweest en heeft het een verklaringskracht van 70 procent.

Om bovenstaande redenen werd geopteerd om het UTAUT-model in dit onderzoek als basismodel naar voren te schuiven.

1.4 Bestaande studies betreffende acceptatie van robotica bij ouderenzorg

Paragraaf 1.4 schetst een overzicht van de bestaande studies betreffende acceptatie van robotica bij ouderenzorg. Als eerste wordt in subparagraaf 1.4.1 de zoekstrategie naar relevante artikels nader