公路交通科技  2020, Vol. 37 Issue (7): 122−128

扩展功能

文章信息

张涛, 张燕, 张文坤
ZHANG Tao, ZHANG Yan, ZHANG Wen-kun
基于科技接受模型的ETC用户使用行为研究
Study on Usage Behaviors of ETC Users Based on TAM
公路交通科技, 2020, 37(7): 122-128
Journal of Highway and Transportation Research and Denelopment, 2020, 37(7): 122-128
10.3969/j.issn.1002-0268.2020.07.016

文章历史

收稿日期: 2019-07-29
基于科技接受模型的ETC用户使用行为研究
张涛1 , 张燕2 , 张文坤3     
1. 烟台大学, 山东 烟台 264005;
2. 山东中医药高等专科学校, 山东 烟台 264199;
3. 山东交通学院, 山东 济南 250357
摘要: 为理清消费者使用ETC服务的影响因素,积极引导广大车主安装ETC设备,提升ETC用户使用ETC服务的积极性和使用倾向,变ETC设备持有者为ETC服务使用者。在分析前人研究基础上,借鉴科技接受模型相关研究结论,构建ETC用户使用行为模型,提出研究假设。以ETC用户为调查对象实施在线调查,并最终回收有效问卷445份。使用现有成熟量表对ETC用户的感知有用性、感知易用性、态度和行为倾向进行测量,使用SPSS24.0和AMOS24.0统计分析软件对研究模型的信效度、模型拟合度等主要指标进行分析并验证了研究假设。研究结果显示:各项指标均符合学者建议标准;用户对ETC的感知易用性显著正向影响用户对ETC的感知有用性;用户对ETC的感知有用性和对ETC的感知易用性对态度均有显著正向影响;用户对ETC的态度对行为倾向有显著正向影响。建议相关机构从丰富ETC卡使用场景等方面提升用户的感知有用性;通过拓展ETC发行渠道、提高安装服务质量以及便捷式应用软件开发等措施降低用户的使用成本,提升用户的感知易用性;通过进一步充实服务内容等方面培育提升用户的积极态度。
关键词: 智能交通     高速公路收费站     科技接受模型     ETC用户     结构方程模型     AMOS    
Study on Usage Behaviors of ETC Users Based on TAM
ZHANG Tao1, ZHANG Yan2, ZHANG Wen-kun3    
1. Yantai University, Yantai Shandong 264005, China;
2. Shandong College of Traditional Chinese Medicine, Yantai Shandong 264199, China;
3. Shandong Jiaotong University, Jinan Shandong 250357, China
Abstract: In order to clarify the influencing factors of consumers' usage of ETC services, encourage car owners to set up ETC equipment, enhance the enthusiasm and use tendency of users to use ETC services and change ETC equipment holders to ETC service users, referencing to the relevant research conclusions on the TAM, an ETC user behavior model and the research hypothesis are established based on the analysis of previous studies. The online survey is carried out on the ETC users and 445 valid questionnaires are collected. The perceived usefulness, perceived ease of use, attitude and behavior intention of ETC users are measured by using the existing maturity scale. The main indicators such as reliability and validity, model fitting are analyzed by SPSS24.0 and AMOS24.0 statistical analysis softwares, and the research hypothesis is verified. The result shows that (1) all the indicators are in line with the criterion recommended by scholars; (2) users' ETC perceived ease of use has a significant effect on the perceived usefulness; (3) users' ETC perceived usefulness and perceived ease of use have a significant positive effect on their attitudes; (4) users' attitude to ETC has a significant positive effect on behavior tendency. It is suggested that the relevant organizations (1) to improve user's perceived usefulness by enriching ETC card use scenarios, etc.; (2) to reduce users' costs and improve users' perceived ease of use by expanding ETC card distribution channels, improving installation service quality, and developing convenient application software, etc.; (3)to cultivate and improve the positive attitude of users by further enriching the service contents, etc.
Key words: intelligent transport     expressway toll station     technology acceptance model (TAM)     ETC user     structural equation model     AMOS    
0 引言

电子不停车收费(Electronic Toll Collection,ETC)系统可以节省通行时间、提高燃油小路、减轻高速收费站拥堵,同时又可节约基建成本和降低运营成本,世界各国大力推行ETC技术[1]

我国1996年开始与日本、美国企业交流学习不停车收费技术,1998年广东省率先引进不停车收费设备,建成20余条不停车收费车道并投入使用[2]。为规范和促进ETC收费系统在国内的应用,交通运输部指导交通运输部公路科学研究所等有关单位制定ETC设备接口规范和技术指标,1999年在北京、广东、江苏、四川等省市开展ETC示范工程建设[2]。但是,由于管理体制、ETC应用范围局限、车载设备费用高、折扣低、宣传不足等原因导致我国ETC用户数量低于预期[3],2017年2月底我国ETC客户数达到4 767.44万[1], 2019年2月底我国ETC用户约为7 493万[4]

2019年上半年交通运输部印发《关于大力推动高速公路ETC发展应用工作的通知》,2019年底实现全国高速公路不停车快捷收费的目标,各省汽车ETC安装率要达到80%以上,使用率要突破90%。交通运输部数据显示,截止到2019年12月19日,全国ETC用户累计达到19 223.44万,超额完成发行目标。

但是,安装ETC设备与使用ETC服务是两个不同的概念,车主们安装了ETC设备是否能够使用ETC服务?为什么选择使用ETC服务?车主ETC服务使用意愿受哪些因素影响?解决这些问题将有助于我们将ETC设备的持有者转变为ETC服务的使用者。

科技接受模型(Technology Acceptance Model,TAM)从消费者感知、态度、行为意图等方面来解释消费者接受信息技术的过程,纬度具有代表性,被广泛应用于科技产品消费者行为研究中,而运用到交通信息方面的研究较少,仅有李华强等[5]和王雨桐等[6]基于计划行为理论和科技接受模型,分析了智能交通技术下居民绿色出行影响因素。王雨桐等[6]基于改进科技接受模型构建了研究模型,对驾驶员诱导信息的采用意愿进行了研究。ETC是一种新型的科技产品,可以使用科技接受模型分析我国车主ETC使用行为。

本研究将借鉴现有科技接受模型的相关研究结论,构建研究假设,分析ETC用户的感知有用性、感知易用性、态度与行为倾向等之间的关系。

1 研究假设

1989年,Davis在理性行为理论(TRA)的基础上构建了科技接受模型,从感知有用性(Perceived Usefulness)、感知易用性(Perceived Ease of Use)、态度(Attitude)和行为倾向(Behavior Intention)等方面解释用户接受信息技术的过程。根据科技接受模型,外部变量影响感知有用性和感知易用性;外部变量和感知易用性共同影响感知有用性;感知易用性和感知有用性共同影响态度;感知有用性和态度共同影响行为倾向[7]。随着研究的深化,科技接受模型被引入了更多的内部和外部变量,内容更加丰富,形成了系统的模型体系, 被广泛应用于研究各种信息技术的接受,应用范围越来越广。

近年来,我国学者应用科技接受模型进行了深入的研究,验证了科技接受模型核心变量间的关系。李进华、王凯利[8]和徐菲菲、黄磊[9]等验证了感知易用性和感知有用性的关系。李进华、王凯利[8]研究结果表明感知易用性对感知有用性有显著正向影响,感知有用性对行为意愿有显著正向影响。徐菲菲、黄磊[9]研究结果发现,游客感知有用性、感知易用性显著正向影响使用意愿;感知易用性对感知有用性有显著影响、使用意愿对使用行为有显著正向影响。

黄传慧和明均仁[10]、王昶、吕夏冰和孙桥[11]、郭英之和李小民[12]和王若宸、母咏然等[13]的研究验证了感知易用性和感知有用性对态度影响。黄传慧和明均仁[10]研究结果表明,感知有用性、感知易用性、信息质量显著影响学术用户态度。王昶、吕夏冰和孙桥[11]研究结果表明:感知有用性、感知收益和主观规范对“互联网+回收”态度有正向影响,感知易用性和感知风险对态度作用并不显著,但感知易用性可通过感知有用性对其产生间接影响。郭英之和李小民[12]研究发现:感知易用性显著影响感知有用性,感知有用性显著影响使用态度;使用态度显著影响使用意愿。王若宸、母咏然等[13]实证结果表明:感知有用性、感知易用性显著影响使用态度。

马志浩和葛进平[14]、李浩君、冉金亭[15]和魏群义、姚媛和李艺亭[16]等的研究验证了态度对于行为倾向的影响。马志浩和葛进平[14]发现网络直播平台采纳者的态度显著影响直播品牌持续使用意图,但非采纳者的态度与其采纳意图负相关。李浩君、冉金亭[15]移动图书馆的用户的感知有用性和态度正向影响行为意愿;系统质量和感知有用性正向影响用户态度。魏群义、姚媛和李艺亭[16]研究表明,微信图书馆用户的感知易用性、感知有用性通过使用态度间接影响用户使用意愿。

上述研究均验证了科技接受模型中核心变量:感知有用性、感知易用性、使用态度、行为倾向间的关系。参考以往研究结论,本研究提出如下假设:

假设1:用户对ETC的感知易用性显著影响感知有用性。

假设2:用户对ETC的感知有用性显著影响态度。

假设3:用户对ETC的感知易用性显著影响态度。

假设4:用户对ETC的态度显著影响行为倾向。

2 研究设计 2.1 研究对象

本研究使用线上调查方式实施正式调查,调查对象为ETC用户。为保证调查回收资料的有效性,问卷中设置过滤性问题,排除不符合要求的被调查者。2019年3月1日~4月15日实施正式调查,共收集445有效问卷。本研究被调查者基本信息如表 1所示。

表 1 被调查者基本信息 Tab. 1 Basic information of questionnaire participants
分组 频率 百分比
性别 男性 114 25.6
女性 331 74.4
驾龄/年 <5 281 63.1
5~10 159 35.7
>10 5 1.1
收入/元 4 000以下 192 43.1
4 001~6 000 108 24.3
6 001~8 000 76 17.1
8 001以上 69 15.5

2.2 测量工具 2.2.1 量表设计

本研究借鉴使用前人测量量表对于用户对ETC的感知有用性、感知易用性、态度和行为倾向进行测量,各量表均使用李克特七点尺度。

(1) 感知有用性

感知有用性为用户使用特定应用系统将提高其工作绩效的主观概率[7],也就是用户感觉使用这项应用系统会给他们的生活或工作带来便利,节省时间、提高效率。用户对ETC感知有用性主要表现为用户认为使用ETC能够给车主带来缴费便捷、节约时间、节约费用、降低油耗等方面的便利。本研究借用Liébana Cabanillas et al.[17]; Davis[7]的度量量表测量用户的ETC感知有用性。“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户感知到的ETC有用性越高。本研究中,感知有用性的内部一致性信度科隆巴赫系数为0.755。

(2) 感知易用性

感知易用性是指用户在使用某种系统或新技术时,感知到的难易程度[7]。ETC的感知易用性主要体现在操作简便、售后服务简便、缴费便捷等方面。本研究借用Wang et al. [18]; Davis [7]的度量量表测量用户的ETC感知易用性。“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户感知到的ETC易用性越高。本研究中,感知易用性的内部一致性信度科隆巴赫系数为0.775。

(3) 态度

态度是心理学的概念,指的是个人对某种事物、行为和思想的认知评价,一般情况下,态度包括3部分内容:认知、情感和行为表现,是一种主观的倾向[19]。用户对ETC态度主要指用户熟悉ETC的知识、使用ETC服务时的感受和ETC使用情况。本研究中借用Moon J, Kim Y[20]的量表测量ETC用户的态度,“1 = 完全不同意”到“7 = 完全同意”,得分越高表明ETC用户对于ETC的态度越肯定。本研究中,态度的内部一致性信度科隆巴赫系数为0.742。

(4) 行为倾向

行为倾向是指个人从事某个特定行为的主观概率,个人的这种倾向越强代表实际从事该行为的可能性越大[21]。本研究中的行为倾向指用户使用ETC的意愿,主要包括3部分内容:个人积极使用、重复使用、推荐使用。本研究使用Liébana Cabanillas et al.[17]的度量表测量ETC用户的行为倾向,从“1 = 完全不同意”到“7 = 完全同意”七点尺度进行测量,得分越高表明ETC用户使用ETC服务的可能性越高。本研究中行为倾向的内部一致性信度科隆巴赫系数为0.877。

2.3 统计分析方法

研究调查分为预调查和正式调查两部分。预调查于2018年12月1日至2019年1月15日进行,采取便利抽样选取50名ETC用户实施调查。根据徐茂洲等[22]的建议,对预调查回收资料进行分析处理。分别计算感知有用性、感知易用性、态度、行为倾向4个潜变量所包含的各问题之间的相关系数,未发现相关系数高于0.9的问题。然后分别每个问题与所属的潜变量之间的相关系数,未发现相关系数低于0.3的问题。本研究中,所有问题均符合要求,故均予以保留。

本研究中使用统计分析软件SPSS24.0和AMOS24.0对各测量变量的信度、效度、区别效和模型的拟合度进行检验,探讨用户对ETC的感知有用性、感知易用性、态度与行为倾向之间的关系。

3 结果与分析 3.1 信效度分析 3.1.1 信度与效度检验

表 2所示,本研究中各潜变量的因子负荷量在0.659~0.953之间,各潜变量组成信度(CR)在0.725~0.886之间,各潜变量的平均方差提取值(AVE)在0.467~0.724之间,各项指标均符合Hair,Anderson,Tatham & Black[23];Fornell & Larcker[24]的标准,感知有用性、感知易用性、态度和行为倾向4个潜变量均具有较高的信度和效度。

表 2 信效度检验结果 Tab. 2 Result of reliability and validity test
潜变量 观察变量 显著性检验参数 Std. 题目信度 组成信度 平均方差提取值
Unstd. S.E. Z p SMC CR AVE
感知有用性 PU1 1 0.742 0.551 0.755 0.507
PU2 1.038 0.079 13.128 *** 0.708 0.501
PU3 0.898 0.07 12.754 *** 0.684 0.468
感知易用性 PEOU1 1 0.734 0.539 0.773 0.532
PEOU2 0.823 0.065 12.748 *** 0.677 0.458
PEOU3 0.955 0.067 14.214 *** 0.774 0.599
态度 Att1 1 0.659 0.434 0.725 0.467
Att2 1.149 0.096 11.925 *** 0.710 0.504
Att3 1.137 0.098 11.583 *** 0.681 0.464
行为倾向 BI1 1 0.734 0.539 0.886 0.724
BI2 1.277 0.067 19.068 *** 0.953 0.908
BI3 1.198 0.066 18.112 *** 0.851 0.724
注:***表示p < 0.001.

3.1.2 区别效度检验

根据Fornell & Lacker[24]的建议,各潜变量的平均方差提取值(AVE)开根号值大于其对应变量的相关系数,则各潜变量具有区别效度。表 3中,对角线加粗值为感知有用性、感知易用性、态度、行为倾向的平均方差提取值(AVE)开根号值,对角线左下方为相关变量的相关系数。各潜变量平均方差提取值(AVE)开根号值均大于对角线左下方的相关系数。因此,本研究中感知有用性、感知易用性、态度和行为倾向各潜变量具有区别效度。

表 3 区别效度检验结果 Tab. 3 Result of differential validity test
AVE 感知有用性 感知易用性 态度 行为倾向
感知有用性 0.507 0.712
感知易用性 0.532 0.601 0.729
态度 0.467 0.53 0.548 0.683
行为倾向 0.724 0.52 0.419 0.482 0.851
注:对角线加粗值为平均方差提取值(AVE)开根号值,左下三角为皮尔森相关系数。

3.2 整体模型的拟合度分析

对结构方程模型评价可根据数据特征、样本规模及假设条件选择相应的评价指标[25]。本研究参考应用最广泛的CFI,RMSEA,TLI,GFI,NFI,AGFI等7种拟合度指标进行检验。如表 4所示,本研究模型的各项指标均符合建议标准,表明本研究模型拟合度良好。

表 4 模型拟合度指标及拟合结果 Tab. 4 Model fitting indicators and fitting result
拟合度指标 建议标准 研究模型指标值 模型拟合度结论
X2/df 2~5 3.375 良好
CFI > 0.9 0.939 良好
RMSEA < 0.08 0.073 良好
TLI > 0.9 0.935 良好
GFI > 0.9 0.951 良好
NFI > 0.9 0.932 良好
AGFI > 0.8 0.904 良好

3.3 假设检验

如图 4、表 5所示,用户对ETC的感知易用性对感知有用性、感知有用性对态度、感知易用性对态度、态度对行为倾向均有显著影响(p < 0.01),说明假设1、假设2、假设3和假设4均成立。

表 5 假设验证结果 Tab. 5 Result of hypothesis test
假设 非标准化回归系数 S.E. C.R. P 结论
假设1:感知易用性-感知有用性 0.772 0.068 11.392 *** 成立
假设2:感知有用性-态度 0.445 0.112 3.965 *** 成立
假设3:感知易用性-态度 0.395 0.107 3.700 *** 成立
假设4:态度-行为倾向 0.663 0.069 9.539 *** 成立
注:***表示p < 0.001.

图 1 结构方程模型路径分析结果 Fig. 1 Path analysis result of structure equation model

4 结论与建议 4.1 结论

本研究使用科技接受模型,探讨了ETC用户态度和行为倾向的影响因素,对于引导广大车主安装ETC设备、积极使用ETC服务具有重要意义。主要研究结论如下:

(1) 用户对ETC的感知易用性显著影响感知有用性

用户对ETC的感知易用性显著影响感知有用性,表明用户感知到的ETC的便利性和易操作性越多,所感知的有用性就越多。感知有用性是接受包括ETC在内的任何新技术的关键和最常用的前提,要提高ETC用户的感知有用性,除了开发ETC更多的用途之外,还要在开发ETC产品时,注重ETC产品的使用便捷性和易操作性。

(2) 用户对ETC的感知有用性和感知易用性显著影响态度

用户对ETC的感知有用性和感知易用性显著影响态度,表明用户的感知有用性和感知易用性越高,态度越肯定。为提升ETC用户的积极态度,应当提升ETC用户的感知易用性和感知有用性。比如,开辟停车场、便利店等更多的使用场景,丰富ETC使用功能,开发具有自助服务功能的APP等,提升ETC用户的感知有用性和易用性。

(3) 用户对ETC的态度显著影响行为倾向

用户对ETC的态度显著影响行为倾向,这说明消费者个人对ETC产生兴趣并有正面的主观评价时,会极大地促进其对ETC的使用意图。为更多地调动广大车主ETC使用积极性,需要培养ETC用户积极态度。

4.2 对策建议

基于上述研究结果,为进一步推广ETC产品,让用户更积极地使用ETC服务, 变ETC设备持有者为ETC服务使用者,相关机构可以从感知有用性、感知易用性和态度等方面进行努力。

(1) 提升感知有用性

ETC卡作为单纯的高速公路免停车储值卡,功能过于单一,用户的感知有用性过低。ETC发行方应根据客户需求,与金融机构、保险公司等合作发行ETC信用卡,发行具备更多功能的ETC联名卡。也可以跟停车场、飞机场等机构合作开发电子不停车收费系统,提升用户对ETC的感知有用性。

(2) 提升感知易用性

由于ETC卡需要到银行或者高速公务服务站申请和安装,不便利。ETC发行机构可跟银行、保险公司、4S店等机构合作,为广大车主提供便捷服务。ETC发行机构也可以积极运用网络技术,开发相应的网站、APP、小程序等。广大车主可在网上自行注册、申请ETC服务,也可在及时查询和打印ETC使用信息和高速通行票据,从而提升用户对ETC的感知易用性。

(3) 培养积极态度

为培育广大车主对ETC的积极态度,可以尝试改变现行优惠政策。ETC发行方可实行积分制,将ETC用户类型、使用次数、里程数、消费金额折算成积分,进行客户细分将客户划分为不同的星级,分别给予差别化的优惠政策,提升ETC服务质量,培养用户积极态度。

本研究仅是对技术接受模型中核心构成因素间的假设作验证性分析,在技术接受模型广泛的应用中还有其他的因素和假设,后续研究可明确这些因素和假设,解释特定环境中用户接受或拒绝某种信息技术或信息系统的行为。本研究未将ETC用户按照使用频率进行细分,后续研究可根据使用频率将用户细分后实施群组比较,分别分析不同群组消费者行为和影响因素。

参考文献
[1]
钱超, 杨孟, 耿健, 等. 高速公路ETC客户细分方法研究[J]. 交通运输系统工程与信息, 2018, 18(4): 231-239.
QIAN Chao, YANG Meng, GENG Jian, et al. Customer Segmentation for Expressway ETC System[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(4): 231-239.
[2]
燕海兵. 我国ETC的现状及发展趋势[J]. 山西交通科技, 2005, 174(5): 68-69.
YAN Hai-bing. The Current Situation and Its Development Trend of ETC in Our Country[J]. Shanxi Science & Technology of Communications, 2005, 174(5): 68-69.
[3]
刘浩, 王笑京, 张可, 等. 我国ETC技术市场化模型研究[J]. 公路交通科技, 2003, 20(3): 125-128.
LIU Hao, WANG Xiao-jing, ZHANG Ke, et al. Research of Model of Marketing ETC Technology in China[J]. Journal of Highway and Transportation Research and Development, 2003, 20(3): 125-128.
[4]
陈俊, 陈仁清. "互联网+"与营改增背景下的ETC客服系统[J]. 中国交通信息化, 2019(6): 98-100.
CHEN Jun, CHEN Ren-qing. ETC Customer Service System under Background of "Internet+" and Replacing Business Tax with VAT[J]. China ITS Journal, 2019(6): 98-100.
[5]
李华强, 武晨, 范春梅. 智能交通技术下居民绿色出行影响因素研究:基于TPB和TAM整合模型的扎根分析[J]. 现代城市研究, 2018(12): 2-8.
LI Hua-qiang, WU Chen, FAN Chun-mei. Factors Affecting Residents' Green Travel under Intelligent Transportation Technology:Grounded Theory Analysis Based on an Integration Model of TPB and TAM[J]. Modern Urban Research, 2018(12): 2-8.
[6]
王雨桐, 陈旭梅, 孙小菲. 信息诱导对交叉口驾驶行为影响[J]. 哈尔滨工业大学学报, 2017, 49(8): 171-176.
WANG Yu-tong, CHEN Xu-mei, SUN Xiao-fei. Influence of Information Guidance System on Driving Behavior at Intersections[J]. Journal of Harbin Institute of Technology, 2017, 49(8): 171-176.
[7]
DAVIS F D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology[J]. MIS Quarterly, 1989, 13(3): 319-340.
[8]
李进华, 王凯利. 基于TAM的微信信息流广告受众信任实证研究[J]. 现代情报, 2018, 38(5): 66-73.
LI Ji-hua, WANG Kai-li. An Empirical Study on Audience's Trust in Wechat's News Feed Ads Based on TAM[J]. Journal of Modern Information, 2018, 38(5): 66-73.
[9]
徐菲菲, 黄磊. 景区智慧旅游系统使用意愿研究:基于整合TAM及TTF模型[J]. 旅游学刊, 2018, 33(8): 108-117.
XU Fei-fei, HUANG Lei. Tourists' Willingness to Use Smart Tourist Attractions System:An Integrated Model Based on TAM and TTF[J]. Tourism Tribune, 2018, 33(8): 108-117.
[10]
黄传慧, 明均仁. 基于TAM的移动用户学术采纳行为影响因素研究[J]. 现代情报, 2017, 37(6): 80-85.
HUANG Chuan-hui, MING Jun-ren. Research on the Influence Factor of the Mobile Users Adoption Behavior Based on TAM[J]. Journal of Modern Information, 2017, 37(6): 80-85.
[11]
王昶, 吕夏冰, 孙桥. 居民参与"互联网+回收"意愿的影响因素研究[J]. 管理学报, 2017, 14(12): 1847-1854.
WANG Chang, LÜ Xia-bing, SUN Qiao. A Study on the Influencing Factors of Residents' Participation in "Online Collection"[J]. Chinese Journal of Management, 2017, 14(12): 1847-1854.
[12]
郭英之, 李小民. 消费者使用移动支付购买旅游产品意愿的实证研究:基于技术接受模型与计划行为理论模型[J]. 四川大学学报:哲学社会科学版, 2018(6): 159-170.
GUO Ying-zhi, LI Xiao-min. An Empirical Study on Consumers' Intention of Buying Tourism Products with Mobile Payments:An Integration Model of TAM and TPB[J]. Journal of Sichuan University:Philosophy and Social Science Edition, 2018(6): 159-170.
[13]
王若宸, 母咏然, 朱学芳, 等. 数字人文技术研究者采纳意愿影响因素:以技术接受模型为视角[J]. 图书馆论坛, 2019, 39(6): 1-9.
WANG Ruo-chen, MU Yong-ran, ZHU Xue-fang, et al. A Study of Factors Influencing the Willingness of Researchers to Accept Digital Humanities Technologies Based on the Technology Acceptance Model[J]. Library Tribune, 2019, 39(6): 1-9.
[14]
马志浩, 葛进平. 青年群体网络直播平台接入鸿沟的影响因素:基于技术采纳与持续使用的视角[J]. 新闻与传播评论, 2018, 71(2): 112-128.
MA Zhi-hao, GE Jin-ping. Predicting Youth Users' Acceptance Gap of Online Video Streaming:Perspectives of Technology Acceptance and Continuous Usage[J]. Journalism and Communication Review, 2018, 71(2): 112-128.
[15]
李浩君, 冉金亭. 高校移动图书馆用户行为意愿模型构建研究[J]. 图书馆, 2018(4): 73-78.
LI Hao-jun, RAN Jin-ting. Research on the User Behavior Intention Model of University Mobile Library[J]. Library, 2018(4): 73-78.
[16]
魏群义, 姚媛, 李艺亭. 微信图书馆用户使用意愿影响因素实证研究[J]. 图书情报工作, 2018, 62(5): 68-75.
WEI Qun-yi, YAO Yuan, LI Yi-ting. The Empirical Research on Factors of WeChat Library Users' Usage Intentions[J]. Library and Information Service, 2018, 62(5): 68-75.
[17]
LIéBANA-CABANILLAS F, MARINKOVIĆ V, KALINIĆ Z. A SEM-neural Network Approach for Predicting Antecedents of M-commerce Acceptance[J]. International Journal of Information Management, 2017, 37(2): 14-24.
[18]
WANG Y S, WU M C, WANG H Y. Investigating the Determinants and Age and Gender Differences in the Acceptance of Mobile Learning[J]. British Journal of Educational Technology, 2009, 40(1): 92-118.
[19]
胡隆基, 唐月, 毛勇. 基于技术接受模型的小型纯电动汽车使用影响因素[J]. 科技管理研究, 2015(5): 122-126.
HU Long-ji, TANG Yue, MAO Yong. Influencing Factors of the Acceptance of Small Electric Car Based on TAM[J]. Science and Technology Management Research, 2015(5): 122-126.
[20]
MOON J W, KIM Y G. Extending the TAM for a World-wide-web context[J]. Information and Management, 2001, 38(4): 217-230.
[21]
FISHBEIN M, AJZEN I. Belief, Attitude, Intention, and Behavior:An Introduction to Theory and Research[J]. Contemporary Sociology, 1977, 6(2): 244-245.
[22]
徐茂洲, 苏荣海, 马运超, 等. 林书豪官方粉丝网页使用行为模式研究:基于科技接受模式[J]. 山东体育学院学报, 2018, 34(1): 27-32.
XU Mao-zhou, SU Rong-hai, MA Yun-chao, et al. A Study of Behavioral Model on Fans Facebook of Jeremy Lin Used by Taiwanese:Based on the Technology Acceptance Mode[J]. Journal of Shandong Sport University, 2018, 34(1): 27-32.
[23]
HAIR J F, BLACK W C, BABIN B J, et al. Multivariate Data Analysis[M]. 7th ed. Englewood Cliffs: Prentice Hall, 2009.
[24]
FORNELL C, LARCKER D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J]. Journal of Marketing Research, 1981, 18(1): 39-50.
[25]
戢晓峰, 魏雪梅, 陈方. 基于结构方程模型的公共交通系统公平性评估:以昆明市为例[J]. 公路交通科技, 2013, 30(1): 126-132,140.
JI Xiao-feng, WEI Xue-mei, CHEN Fang. Evaluation of Public Transport System Equity Based on Structure Equation Model:Taking Kunming as an Example[J]. Journal of Highway and Transportation Research and Development, 2013, 30(1): 126-132,140.