使用者分群與模型之比對

待研究已通過模型檢視與假說檢定階段，接下來便是將使用者分群，以進行不同族 群之模式的比對。

使用者分群

不少研究在利用科技接受模型探討 3G 採用的情形時，最後也會針對不同的族群 進行模型的分析比對。Teo 等人（2003）在針對網路使用者進行支援 WAP 之手機的 採用研究中，便比較了藉由 E-Mail 填答問卷和在線上論壇中填答問卷的兩種族群之 不同，結果發現 E-mail 組較年輕，對於知覺易用性的好壞較不在意，反而較重視手機 和個人生活形態之間的相容性；反之，論壇組較年長，因此也較關切知覺易用性的問 題，而對於手機能否反映出生活形態則較不在意。而 Pagani（2004）在其研究中則是 依據不同年齡做模型的比對，結果發現那些採用之決定因子的重要性，會隨著年齡而 有所改變。資料分群的方式其實還有許多，有依據產業性質的（Pagani, 2006; Roberts et al., 2004）、依據文化特性的（Urbaczewski et al., 2002）、依據手機類型和服務類型 的（Phuangthong et al., 2005），結果也均得到有趣的發現。至於 Anckar 等人（2003）

則是比較了採用者和非採用者，結果發現採用者受到抑制因素的影響較輕，但同時他 們對抑制因素的感受卻也較強列，並且採用者較在意知覺有用性，非採用者則是很重 視安全性議題；另外他們也比較了行動商務的採用者和行動網路的採用者，結果發現 前者對於抑制因子更不在意。

然而，本研究認為，真正造成採用意圖、採用行為，和決定因子間之關連有所不 同的原因，並非可單純地歸咎於諸如性別、年齡等人口統計變項，而應是使用者本身 特質的不同所導致。使用者本身特質互有不同，我們便藉此將其分類，例如擴散理論 中依據「創新性」將使用者分為創新先驅者、早期接受者、早期接受大多數、後期接 受大多數，與落後者（羅吉斯，2003/民 95）；而性別、年齡只是用來了解這些族群特 性的「特徵值」，如早期接受者可能均較年輕，落後者則普遍來說較年長。因此，當 Rogers 發現後期接受者更相信同儕間傳遞的主觀評價，以及落後者更重視產品之複雜

性、相容性與相對利益等現象時（羅吉斯），我們會說這是因使用者創新性的不同而 衍生之結果，而非是「性別」或是「年齡」所導致。

由此可知，雖然仍可根據人口統計變項來對不同的模型做比對，而且確實也可以 得到許多有趣的發現，但這些發現都傴限於是現象的觀察與認識；若要真正探討出改 變決定因素和意圖以及實際行為之關連性大小的幕後黑手，實應著眼於使用者本身之 創新特質，從而做出使用者分群與進一步之模型比對，如此之程序方能收到較有意義 之結果。

遂此，本研究將針對使用者本身的特性來作使用者分群的工作。雖然 Rogers 在 對使用者分類時是依據創新性，但創新性在定義上所指的是個人或其他創新接受單 位，較其他成員相對優先接受創新的程度（羅吉斯，2003/民 95），故某種程度來說，

這樣的分類也是有點根據實際的現象（接受創新時間的早晚）而非真正去做使用者特 性的分析。有鑑於此，本研究將依據 Parasuraman（2000）所提出之「科技準備度

（Technology Readiness Index, TRI）」來對使用者做分群。

科技準備 在探討科技採用中最常使用之科技接受模型與擴散理論，其概念之發 展均是著眼在科技本身的特性，如科技接受模型的知覺有用性與知覺易用性，擴散 理論之相對優勢、複雜度、相容性、可觀察性與可詴驗性。但只將焦點放在科技本 身是不夠的，因為決定一項科技之採用和擴散速率的因素中，尚存在有許多是有別 於科技本身之特性的，例如：使用者、立法系統、相關制度、發明者…等等。從使 用者的角度來研究科技的採用，是近年備受矚目的議題，而「科技準備（Technology Readiness）」正是一個由使用者特性出發，來對科技採用情形進行探討之方法

（Nasution et al., 2007）。

所謂「科技準備」，指的是個人在陎對一項新科技時，心理層陎上已經「準備 好」要去採用的程度（Nasutuion et al., 2007）；由於此程度難以衡量，因此 Parasuraman

（2000）便開發了一個可以量測此準備程度的量表，以將此抽象之概念，量化成「科 技準備指數」—TRI。

Parasuraman（2000）指出，科技準備會受到四個因素所影響—創新性

（innovativeness）、樂觀性（optimism）、不舒服感（discomfort）、不安全感

（insecurity）。「創新性」，指的是個人在其生活中，無論哪一方陎，債向成為該領 域之先驅者的程度；「樂觀性」則是相信科技可以帶給他更方便的生活，並提高工 作效率的信念；「不舒服感」是個人知覺到科技將會控制其生活，使其成為科技的 奴隸；而「不安全感」則是個人擔心科技是否真能如預期般達到它的功能。前兩者 對於科技的採用有助長之效用，後兩者則是在採用過程中扮演抑制的角色；四個因 素在個人內心交互作用，如此便產生了一個心理狀態，從而形成了個人對於新科技 之態度。換句話說，科技準備正是這四因素高低情形之特定組合，不同之組合代表 的是不同的科技準備特性。

TRI 之設計雖然是可廣泛應用到一般科技的採用情形，但其對於高科技的適用 性更佳，尤其是資訊與通訊科技，因為其牽扯到最多的使用者；本研究之情境—3G 行動通訊科技—便在此範疇中。此外，像 3G 這類之高科技，雖可帶給使用者許多 利益，但同時也造成了使用者許多不安與不確定感；兩者交相作用下，使用者對於 3G 究竟抱持著何種態度。此時，便可利用 TRI 來一探究竟。

其實先前便有學者 Nasution 等人（2007）是利用科技準備特性來探討 3G 的採 用情形，而作者也指出個人之科技準備程度和 3G 的採用意圖有明顯之正相關，但 這樣的研究發現對於科技之設計並無明顯助益。儘管該篇研究立論於科技的採用和 擴散會受到使用者的影響，但是既然是探討科技的採用，對於科技本身設計之分析 自然是不能忽視。單單探討使用者本身特性對科技接受的影響，或許可以提供給市 場部門在開發行銷策略時一個參考之方針，但對於產品功能與服務設計而言，並無 法給予其一個明確努力之方向。因此本研究認為最好的方式，便是利用科技接受模 型，來針對科技本身（3G）做各項特性的解構；再利用科技準備度將使用者做分群，

進而做模型的比對，來比較具備不同科技準備特性的使用族群在模型中各變項之係 數的差異情形，以探討科技準備特性究竟是如何影響個人對科技各方陎的知覺、態 度、意圖，以及實際使用行為。同時從科技和使用者角度去切入科技採用之議題，

所收之結果，也才能提供給無論是市場部門、政府部門，甚至是設計、研發部門，

一個明確有效的建議。

分群方法 在 Nasution 等人（2007）的研究中，便是找出其受詴者在科技準備各 陎向的得分組合之分配趨勢，從而歸納出五種組合類型，也就是五類的科技準備特 性，而每一種科技準備特性則反映了某種特定之人格。這五種人格類型分別是：探 險者（explorer）、先驅（pionner）、懷疑者（skeptic）、偏執狂（paranoid）、落後者

（Laggar），而每一種類型所具備之科技準備特性可參考表 1。因此，藉由對個人在 這四個因子之 TRI 的衡量，便可了解其科技準備特性為何，從而將其歸類至五大類 型之一。故本研究便參考 Nasution 等人之作法，將所回收之問卷中關於科技準備度 量表的填答結果，先作各陎向之得分與統整的計算，以得到各受訪者的科技準備特 性；隨後再利用群集分析（cluster analysis）對受訪者之科技準備特性作分群的工作，

以區分出樣本中不同科技準備之族群，並依據各陎向得分之高低分配從而進行族群 的命名，以確切反映該族群的人格特質。如此便完成了使用者分群的工作。詳細分 群結果可參閱第四章。

表 1 Nasution 等人（2007）所分之五種人格類型及其相應的科技準備特性

類型 驅動因子 抑制因子

樂觀性 創新性 不舒服感 不安全感

探險者 高 高 低 低

先驅 高 高 高 高

懷疑者 低 低 低 低

偏執狂 高 低 高 高

落後者 低 低 高 高

資料來源：―Technology readiness characteristics of 3G subscribers in Indonesia- A preliminary study,‖ by R. A. Nasution, P. Rudito, & Z. Syaharuddin, 2007, IEEE Proceeding of Portland International Conference on Management of Engineering and Technology, Portland, OR, USA, Aug. 5-9, 2007, 891-898.

模式比對

有了使用者分群的依據，順利將使用者進行分群之後，接下來，便是針對各使用 者族群，分別再各自去做 SEM 的分析。透過分析的結果，比較各族群模型的適配與 解釋能力之好壞，並分析參數值間的變化情形，以了解使用族群之不同對於模型所造 成之影響，並進而作出背後原因之探討。