卷包数采系统采纳意愿影响因素研究

/ 4

卷包数采系统采纳意愿 影响因素研究


周志芹 朱明

江西中烟工业有限责任公司井冈山卷烟厂

0.引言


卷包数采系统是对卷包车间、成型车间以及条包输送等相关设备卷烟生产过程数据的实时采集,并对采集到的数据进行汇总、计算、加工,生成在生产调度中便于用户查询、查看的实时设备监控、故障排除、生产报表等信息功能,同时向其他相关协同系统提供产耗、质量、设备故障灯实时数据,实现车间级生产管理功能和现场协同调度功能。

卷包数采系统为卷包、成型车间生产管理提供了很大的便捷性,因此,研究用户对卷包数采平台的使用动机和采纳意愿显得至关重要。本文旨在分析用户对卷包数采的使用态度及其影响因素,从而有助于软件设计基于用户意愿,持续有优化系统功能,提高用户对卷包数采系统的采纳意愿。

1.理论基础与研究模型

1.1技术接受模型(TAM

技术接受模型是信息系统采纳领域广泛使用的理论,对用户采纳行为有很好的解释能力。理性行为理论是广义的用户行为理论,而技术接受模型专门用于信息系统研究[1]。TAM理论认为,信念影响用户的态度,态度影响用户的行为意向。信息系统采纳的众多文献研究结果表明,感知的有用性对用户的态度和行为意向有显著的影响作用[2]。卷包数采系统作为一种信息系统策略。当消费者采纳卷包数采系统服务时,他们就采纳了基于数采的技术与创新活动。用户使用卷包数采系统的相关功能的最终目的就是他们认为这项功能对他们有用,可以提高工作的效率,因此就会对这项服务持有正面积极的态度,从而产生使用服务的行为意向。为此,本文提出以下假设:

H1:用户对卷包数采系统的使用态度正向显著影响其行为意向;

H2:感知的有用性正向显著影响用户使用卷包数采系统的态度。

1.2主观规范

主观规范指的是领导、同事使用卷包数采系统完成工作对个体的影响,即一个人所感知的对他很重要的人中大部分认为他应该或者是不应该执行某项不确定的行为。同级影响以及社会影响都被纳入此变量中。当用户面对卷包数采等新功能上线时,对其服务的绩效和潜在的风险并不确定,所以会听取来自他人的意见,并且非常有可能受到他们的影响。大量研究表明主观规范对用户的采纳意向有显著的影响,在TAM2中也证实了这一结论3]。据此,我们提出以下假设:

H3:主观规范对用户采纳卷包数采系统的态度具有显著的正相关作用。

1.3信息动机

信息动机是指用户以获取和分享信息为目的[4],本研究中,是指用户使用卷包数采系统,了解机台、车间生产实时动态。用户通过机台间产量,了解自己在生产中的排名水平,用户越在意自己的生产排名,其采纳意愿就越高。

H4:信息动机正向显著影响用户使用卷包数采系统的态度。

在以上假设的基础上,本文构建如图1所示的卷包数采系统用户采纳模型。

6142e388ba0d0_html_8c7eb89aca85dfa7.png

图1卷包数采系统用户采纳研究模型


2.变量构造及样本统计

本文模型中的变量不能直接测量,必须建立多维的可测变量对其进行估计。为了确保变量的信度和效度,本文的变量都是来源于现有的文献。问卷项目的设计主要借鉴了国外相关文献研究中普遍采用的测量项目,有些项目根据卷包数采系统本身的特点进行了一定的修正。各变量的具体测度和文献来源如表1所示。

表1 变量构造及来源

潜在变量

观测变量

来源

感知的有用性PU

使用卷包数采系统可以提高我处理工作的效率PU1

[6]

使用卷包数采系统处理卷包车间业务非常方便PU2

觉得卷包数采系统处理卷包车间业务很有用PU3

使用卷包数采系统对于改进车间生产和服务的效率有用PU4

使用卷包数采系统对于获车间生产信息有帮助PU5

信息动机IM

我希望使用卷包数采系统找到我想关注的模块IM1

[7]

我希望卷包数采系统分享资料和素材IM2

我认为卷包数采系统功覆盖车间信息全面IM3

[8]

主观规范SN

对我有影响的人可能认为我应该使用卷包数采系统SN1

[9]

对我来说很重要的人认为我应该使用卷包数采系统SN2

我周围的人认为使用卷包数采系统能够提供便利SN3

[10]

态度AT

认为使用卷包数采系统处理生产业务感觉非常不错AT1

[11]

觉得使用卷包数采系统处理生产业务对自己有益AT2

对使用卷包数采系统处理生产业务持有积极态度AT3

卷包数采系统应该持续发展AT4

卷包数采系统会让我更少去接触纸质化办公AT5

行为意向IN

如果条件允许,我可能会使用卷包数采系统服务IN1

[1]

如有必要,我将考虑使用卷包数采系统服务IN2

[8]

如果有可能,我将试用某些卷包数采系统服务IN3


本研究的数据来源于问卷调查。基于模型建立的理论基础,针对模型涉及的各项指标,本文设计了一份调查问卷。以Likert 7级量表来衡量,要求答题者根据自己使用卷包数采系统的实际情况来回答,依次选择非常不同意、不同意、稍微不同意、没意见、稍微同意、同意、 非常同意7项,依次给予,1~7分。问卷主要通过直接发放、 电子邮件、 邮寄问卷等方式进行发放。问卷填答者包括卷包车间的操作人员、机电维修,这些人都有卷包数采系统相关使用者。问卷共发放360份,回收310份, 除去填答不完整及所有题答案都一样的问卷, 有效问卷295 份。

3.数据分析与假设检验

3.1信度检验

本研究针对所有的构面进行CFA分析,模型的5个构面为感知有用性、信息动机、主观规范、态度和行为意向,所有构面的负荷量如表2所示均在0.65~0.9之间,且达到了显著水平;其组信度都分别为0.8~0.9之间,平均变异数萃取量在0.46~0.78,符合Hair及Fornell的标准[12]:1.因素负荷量大于0.5;2.组诚信度大于0.6;3.平均变异萃取量大于0.5;4.多元相关系数的平方大于0.5。本模型除了态度稍低于0.5外,但乃属可接受范围,其余均符合标准,因此5个构面均具有收敛效度。

表2信度分析


UNSTD

S.E.

C.R.

P

STD

SMC

1-SMC

CR

AVE

主观

规范

SN1

1




0.869

0.755

0.245

0.899

0.75

SN2

1.063

0.05

21.098

***

0.953

0.908

0.092

SN3

0.876

0.054

16.178

***

0.767

0.588

0.412

感知有用性

PEOU1

1




0.756

0.572

0.428

0.85

0.533

PEOU2

1.001

0.077

12.983

***

0.794

0.63

0.37

PEOU3

0.97

0.085

11.361

***

0.693

0.48

0.52

PEOU4

0.88

0.08

11.067

***

0.676

0.457

0.543

PEOU5

0.917

0.077

11.875

***

0.724

0.524

0.476

信息

动机

IM1

1




0.89

0.792

0.208

0.848

0.589

IM2

1.051

0.059

17.733

***

0.875

0.766

0.234

IM3

0.741

0.059

12.638

***

0.667

0.445

0.555

态度

AT1

1




0.622

0.387

0.613

0.802

0.448

AT2

1.099

0.119

9.253

***

0.679

0.461

0.539

AT3

1.136

0.122

9.301

***

0.684

0.468

0.532

AT4

1.255

0.13

9.635

***

0.72

0.518

0.482

AT5

1.049

0.119

8.825

***

0.637

0.406

0.594

行为

意向

IN1

1




0.754

0.569

0.431

0.893

0.737

IN2

1.215

0.075

16.207

***

0.935

0.874

0.126

IN3

1.171

0.075

15.652

***

0.877

0.769

0.231


3.2区别效度检验

区别效度分析是检验不同的两个构面相关在统计上是否有差异。本研究采用信赖区间法[13],建立构面间的相关系数的信赖区间。通过执行bootstrapping程序设定重复抽样1000次,在95%信心水平下,估计标准化相关系数的信赖区间。估计结果如表3所示,所有的标准化相关系数信赖区间未为包含1,因此所有构面之间具有区别效度。

表3区别效度信赖区间

Parameter

Estimate

Bias-corrected

Percentile

Lower

Upper

Lower

Upper

主观

规范

<-->

信息

动机

0.234

0.091

0.378

0.091

0.378

主观

规范

<-->

感知有用性

0.363

0.227

0.504

0.227

0.504

信息

动机

<-->

感知有用性

0.285

0.162

0.406

0.162

0.406


3.3模型检验

结构模型主要是检查模型结果与所提出的模型之间的一致性程度,即检验在概念化阶段所提出的理论假设关系是否受到资料分析结果的支持。结构方程式模型中的路径关系,主要以标准化系数来呈现,系数愈大表示在因果关系中的重要性愈高。本研究使用AMOS进行结构方程模型检验。如图2所示,在本研究模型的4个假设( H1、H2、H3、H4)达到显著性水平而获得支持。

6142e388ba0d0_html_bdf550cc4077049e.png

图2 移动银行用户采纳研究验证模型


4.结论

综上所得检验结果表明感知有用性、主观规范、信息动机通过对使用态度的作用影响消费者使用卷包数采系统的意愿,其中使用态度受感知有用性的影响最为显著,这可能是因为用户能够通过卷包数采系统提高生产业务的效率,因此用户能够更快接受卷包数采系统的相关业务。

此外,主观规范和信息动机也会影响消费者的使用意愿,其中主观规范对使用意愿的影响较为显著,这是由于消费者在进行消费决策时会受到工作环境的影响,同事建议是其做决策的重要考量因素,信息动机对使用意愿有影响,这是因为数采系统的使用不仅能够及时跟进生产的实时动态,还为用户要料、以及文件学习提供了便利,这可能成为是用户采纳的最直接动力。

研究提出的模型具有较高的拟合度,研究假设均得到验证,但是受科研能力及客观条件等因素的制约,研究还有一些未尽之处待深入研究。首先,问卷样本均来自一个烟厂的卷包车间,受生产实际制约,样本群体分布不均,可能给会对研究结果有一定的潜在影响。另外,研究模型对变量的选取存在局限。在今后的研究中可加强对消费者使用意愿影响因素的挖掘,进一步拓展研究模型,增强模型的解释力,扩大抽样范围,验证模型在不同地域的适用性。




参考文献

[1]DavidF D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Infor- mation Technology[J]. MIS Quarterly, 1989,13(3): 319-340

[2]鲁耀斌,徐红梅.技术接受模型的实证研究综述.研究与发展管理[J],2006,18(3): 3 -98501-519

[3] 曹媛媛,李琪.移动支付使用者使用意向与使用行为模型及实证研究[J1.统计与信息论坛,2009,24(2):72-77

[4] 赵领,张静.微博用户使用动机影响因素与结构的实证研究[J].管理学报, 2014, 11 (8):1239一1245.

[6]Davis, F., R.Bagozzi, and P.Warshaw. User acceptance of computer technology: A compa -rison of two theoretical models [J].Management Science, 1989, 35(8): 982-1004

[7] Wu, J. H. and S. C. Wang. What drives mobile commerce? An empirical evaluation of the revised technology acceptance model[J].Information & Management, 2005, 42(5):719-729

[8] Kim H,Chan H C,GuptaS.Value-based Adoption of MobileInternet: An Empirical Invest -igation[J].Decision Support Systems,2007,43(1):111-126

[9] VenkateshV,Morris M G,Davis G B, et al.User Acceptance ofInformation Technology: T -oward a Unified View[J].MIS Quarterly.2003.27(3):425-478

[10] Lu Y,Zhou T, Wang B. Exploring Chinese Users’ Acceptance ofInstant Messaging Using the Theory of Planned Behavior,theTechnology Acceptance Model,and the Flow Theory[J]. Computers in Human Behavior,2009,25(1):29-39

[11] Taylor, S. and P. A. Todd. Understanding information technology usage: A test of com -peting models[J]. Information Systems Research,1995, 6(2): 144-176

[12] Fornell, C., and Larcker, D. F. (1981), “Evaluating structural equation models with un -observable variables and measurement error,” Journal of Marketing Research, 18 , 39-50.

[13]Torkzadeh, Koufteros, and Pflughoeft (2003), “Confirmatory analysis of computer self -efficacy, “Structural Equation Modeling, 10(2): 263-275.