第五章、 結論與建議
5.4 研究限制與後續研究建議
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5.4 研究限制與後續研究建議
本研究之研究限制主要有四點，分別如以下所示：
‐‐‐ 由於問卷發放主要採取網路問卷形式，且收集時間較短，樣本數不多，因此 取得之有效樣本可能無法完整地代表之母群體特性。
‐‐‐ 由於問卷採取便利抽樣，導致本研究人口在一些特性分佈上具有差異，如年 齡、收入等，因此在解讀時亦須留意類似差異所帶來的可能誤差。而這些明 顯的差異也造成此研究無法針對各人口特性之不同族群進行行為特性的探 討，提供相關單位在目標族群設定與行銷操作上的進一步建議。
‐‐‐ 在問卷發放之受測對象部分，由於願意填寫網路問卷的群體與不願意填寫網 路問卷的人可能具有不一樣的人格特質與背景，因此僅分析網路問卷之結果 不一定能夠推估到全體，或許這兩群民眾對於網站的使用意願、口腔雷射的 採納意願甚至是這兩項意願之因果關係的認知皆不近相同，而這也容易造成 日後擬訂推廣策略的潛在誤差。
‐‐‐ 由於個案的牙醫學會網站處於甫上線的狀態，因此本研究尚無法追蹤初次接 觸者實際的後續使用情形以及其在網站內之活動細節，因此不知道網站使用 者對於網站各部分的偏好與使用情況，無法針對網站細節提出完善的建議。
而不僅是牙醫學會網站，目前口腔雷射對於台灣民眾而言也是一項新技術，
因此目前只能探討網站與口腔雷射的使用意願，無法觀察到最後的實際使用 行為，也就是民眾在兩意願間產生連結後，是否會在真正有口腔醫療或美容 問題時使用口腔雷射做為治療方式。
‐‐‐ 本研究所研究之個案對象即口腔雷射是處在擴散初期的狀態，因此雖然根據 目前之檢測結果，牙醫學會網站對於該項醫療科技的推廣是具有正向成效 的，然就推廣的角度而言，我們無法得知一項科技到了擴散中期或後期時，
網站的推廣效果是否能像初期般良好。因此此種推廣模式在應用到過了擴散 初期的醫療科技時，其效率及效果仍有待商榷。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
有鑒於上述的研究限制，本研究建議往後之研究發展可以朝下列方向進行：
‐‐‐ 之後的研究可以參照本篇所提出的理論架構與結果，進行長時間的觀察與比 較，分別針對口腔雷射擴散之初期、中期以及後期，觀察網站推廣之成效以 及民眾在面對網站或該醫療科技時於認知上的轉變；隨著時間的推移，民眾 的意願強弱或造就其行為意願的因素或許都會有所不同。藉由比較不同時間 下認知行為的改變，將能夠針對現有的推廣策略進行適度修正並研擬出更完 善的長期計畫。
‐‐‐ 在研究方法部分，日後或許可以針對長期使用網站的使用者、以及真正至牙 醫診所使用口腔雷射治療的網站使用者進行問卷調查，進一步探究使用網站 之意願與實際行為(包括持續使用網站以及真正採納科技)之間的關聯。以瞭解 意願與行為之間，是否有其他干擾因數存在，或是有其他的因素會與意願共 同影響實際行為的行使，讓研究結果能夠更為準確，也更能幫助推廣計畫的 實施。
‐‐‐ 在網站本身的經營部分，則可藉由 Google analytics 工具來分析網路使用者 的網站活動，並且嘗試將網站瀏覽、提問量與就診增加人數的測量做一更緊 密的連結。例如觀察民眾對網站瀏覽提問進而前往會員醫師就診量，是否與 會員醫師所提供的學術及臨床案例文章有相關性。以及網站是否能真正如學 會初期所規劃一般，利用九大健康新聞網的同步曝光行銷，產生足夠的市場 需求拉力並開始其所預期的三方良性循環，最後達到學會推廣口腔雷射應用 的目標，使民眾能夠擁有更佳的治療品質，也幫助醫師脫離競爭與獲利降低 的不良循環。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
一、英文部分：
Ajzen, I. & Fishbein , M. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison‐Wesley, Reading, MA.
Ajzen, I. & Fishbein , M. (1980) Understanding attitudes and predicting social behavior, Prentice‐Hall, Englewood Cliffs, NJ.
Ajzen, I. (1985). From intentions to actions: A theory of planned behavior. Springer, Verlag, New York.
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179‐211.
Bandura, A. (1977). Self‐efficacy toward a unifying theory 0f behavioral change.
Psychological Review, 84(2), 91‐125.
Bhatti, T. (2007). Exploring factors influencing the adoption of mobile commerce.
Journal of Internet Banking and Commerce. 12(3), 128‐141.
Bosnjak, M., Overmeier, D. & Tuten, T. L. (2006). Predicting and explaining the propensity to bid in online auctions: A comparison of two action‐theoretical model. Journal of Consumer Behaviour, 5(4), 102‐116.
Chen, J. V., Yen, D. C. & Chen, K. (2009). The acceptance and diffusion of the innovative smart phone use: A case study of a delivery service company in logistics. Information & Management, 46(4) 241‐248.
Chen, L. D. & Tan, J. (2004). Technology adaptation in E‐commerce: Key
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
22(1), 74‐86.
Chew, F., Grant, W. & Tote, R. (2004). Doctors on‐line: Using diffusion of
innovations theory to understanding internet use. Medical Informatics, 36(9), 645‐650.
Ciganek, A. P., Mao, E. & Srite, M. (2008). Organizational culture for knowledge management systems: A study of corporate users. International Journal of Knowledge Management, 4(1), 1‐16.
Ciou, J. S. Droge, C. & Hanvanich, S. (2002). Does customer knowledge affect how loyalty is formed? Journal of Service Research, 5(2), 113‐124.
Cynthia, K. Riemenschneider, C. K., Harrison, D. A. & Mykytyn , P. P. (2003).
Understanding it adoption decisions in small business: Integrating current theories. Information & Management, 40(4), 269‐285.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technologies, MIS Quarterly, 13(3), 319‐314.
Davis, F. D. (1993). User acceptance of information technology: System
characteristics, user perceptions, and behavioral impacts. International Journal of Man Machine Studies, 38(3), 475‐487.
Davis, F. D., Bagozzi, R. & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982‐1003.
Fitch, J. L. & Ravlin, E. C. (2005). Willpower and perceived behavioral control:
Influences on the intention‐behavior relationship and post‐behavior attributions. Social Behavior and Personality, 33(2), 105‐124.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Gardner, R. E. & Hausenblas, H. A. (2005). Exercise and diet determinants of overweight women participating in an exercise and diet program: A prospective examination of the theory of planned behavior. Women & Health, 42(4), 37‐46.
Gillenson, M. L., Chen, L. D. & Sherrell, D. L. (2002). Enticing online consumers: An extended technology acceptance perspective. Information & Management, 39(8), 705‐719.
He, D., Lu,Y. & Zhou, D. (2008). Empirical study of consumers’ purchase intentions in C2C electronic commerce. Tsinghua Science and Technology, 13(3), 287‐292.
Hewitt, B. (2009). Using hybrid technology acceptance model to explore how security measures affect the adoption of electronic health record systems.
Americas Conference on Information Systems, 5th.
Hu, P.J., Chau, P.Y.K. , Sheng, L. O.R. & Tam, Y. K. (1999). Examining the technology acceptance model using physician acceptance of telemedicine technology.
Journal of Management Information Systems, 16(2), 91‐112.
Igbaria, M., Zinatelli, N., Cragg, P. & Cavaye, A. (1997). Personal computing acceptance factors in small firms: A structural equation model. MIS Quarterly, 21(3), 279‐302.
Jackson, J. D., Yi, M. Y., Park, J. S. & Probst, J. C. (2006). Understanding information technology acceptance by individual professionals: Toward and integrative view.
Information & Management, 43(3), 350‐363.
Jan, C. J. & Lee, M. C. (2009). Exploring consumers’ initial intention and continuance intention to use online auctions: An extension of the
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
expectation‐confirmation model. ICIM2009 第二十屆國際資訊管理學術研討 會.
Jones, L. W., Guill, B., Keir, S. T. & Carter, K. (2007). Using the theory of planned behavior to understand the determinants of exercise intention in patients diagnosed with primary brain cancer. Psycho‐Oncology, 16(3), 232‐245.
Jung, M. L. (2008). From health to E‐health: Understanding citizens’ acceptance of online health care. Doctoral Thesis from Department of Business administration and Social Sciences Division of Industrial Marketing, E‐commerce and Logistics.
Khalifa, M. & Shen, K. N. (2008). Explaining the adoption of transactional B2C mobile commerce. Journal of Enterprise Information Management, 21(2), 110‐124.
Lee, M. C. (2008). Factors influencing the adoption of internet banking: An integration of TAM and TPB with perceived risk and perceived benefit.
Electronic Commerce Research and Applications, 8(3), 130‐141
Legris, P., Ingham, J. & Collerette, P. (2003). Why do people use information technology ? A critical review of the technology acceptance model. Information
& Management, 40(3), 191‐204.
Lin, H. F. (2006). Understanding behavioral intention to participate in virtual communities. CyberPsychology & Behavior, 9(5), 15‐24.
Mathieson, K. (1991). Predicting user intentions: Comparing the technology acceptance model with the theory of planned behavior. Information Systems Research, 2(3), 173‐191.
Bosnjak, M., Obermeier, D. & Tuten, T. L. (2006). Predicting and explaining the
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
propensity to bid in online auctions: A comparison of two action‐theoretical model. Journal of Consumer Behaviour, 5(2), 102‐116
Moon, J., Park, J., Jung, G. H. & Choe, Y. C. (2010). The impact of IT use on
migration intentions in rural communities. Technological Forecasting and Social Change.
Moore, G. C. & Benbasat (1991). Development of an instrument to measure the perceptions of adopting an information technology innovation. Information Systems Research, 2(3), 192‐222.
Nijhof, N., Hoeven, C. L. & Jong, M. D. T. (2008). Determinants of use of a diabetes risk‐screening test. Community Health, 33(8), 313‐317.
Pavlou, P. A. & Fygenson, M. (2006). Understanding and predicting electronic commerce adoption : An extension of the theory of planned behavior. MIS Quarterly, 30(1), 115‐143.
Pelling, E. L., Sc., B. B. & White, K. M. (2009). The theory of planned behavior applied to young people’s use of social networking web sites. CyberPsychology
& Behavior, 12(6), 135‐142.
Quaddus, M., Xu, J. & Hoque, Z. (2005). Factors of adoption on online auction : A china study. ICEC.
Robert, W. Fisher, S. (2004). Diffusion of innovation theory for clinical change. MJA, 180(2), 55‐57.
Rogers, E. M. (1995). Diffusion of innovations. The Free Press, New York.
Schomerus, G., Matschinger, H. & Angermeyers , M. C. (2009). Attitudes that
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
population survey applying the theory of planned behaviour. Psychological Medicine, 39(11), 1855‐1865.
Seiders, K., Voss, G. B., Grewal, D. & Godfrey, A. L. (2005). Do satisfied customers buy more? Examining moderating influences in a retailing context. Journal of Marketing, 69(4), 26‐43
Slyke, V., Ilie P., Lou & Stafford, J. (2007). Perceived critical mass and the adoption of a communication technology. European Journal of Information Systems, 16(3), 270‐283.
Taylor, S. & Todd, P. (1992). Understanding information technology usage: A test of competing models. Information Systems Research, 6(2), 144‐176.
Taylor, S. & Todd, P. (1995). Assessing IT usage: The role of prior experience. MIS Quarterly, 19(4), 561‐570.
Tung, F. C. & Chang, S. C. (2008). Nursing students’ behavioral intention to use online courses: A questionnaire survey. International Journal of Nursing Studies, 45(18), 1299‐1309.
Tung, F. C., Chang, S. C. & Chou, C. M. (2008). An extension of trust and TAM model with IDT in the adoption of the electronic logistics information system in HIS in the medical industry. International Journal of Medical Informatics, 77(5), 324‐335.
Tung, Lee & Chen (2009). An extension of financial cost and TAM model with IDT for exploring users’ behavioral intentions to use the CRM information system.
Society for Personality Research, 37(5), 621‐626.
Venkatesh, V. & Davis, F. D. (2000). A theoretical extension of the technology
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
acceptance model: Four longitudinal field studies. Management Sciences, 46(2), 186‐204.
Venkatesh, V. & Morris, M. G. (2000). Why do not men ever stop to ask for directions? Gender, social influence, and their role in technology acceptance and usage behaviors. MIS Quarterly, 24(1), 115‐139.
Venkatesh, V. & Morris, M. G., Davis, G.B. & Davis, F.D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425‐478.
Wu, I. L. &Wu, K. W. (2005). A hybrid technology acceptance approach for exploring E‐CRM adoption in organizations. Behaviour & Information Technology, 24(4), 303‐316.
Wu, J. H., Shen, W. S., Lin, L. M., Greenes, R. & Bates, D. W. (2008). Testing the technology acceptance model for evaluating healthcare professionals’ intention to use and adverse event reporting system. International Journal for Quality in Health Care, 20(2), 123‐129.
Wu, J. H., Wang, S. C. & Lin, L. M. (2007). Mobile computing acceptance factors in the healthcare industry: A structural equation model. International Journal of Medical Informatics, 76(1) 66‐77.
Yoo, E. Y., Robbins, L. S. (2007). Understanding middle‐aged women’s health information seeking on the web: A theoretical approach. Journal of the American Society for Information Science and Technology, 59(4), 577‐590.
Zhang, S., Zhao, J. & Tan, W. (2008). Extending TAM for online learning systems: An intrinsic motivation perspective. Tsinghua Science and Technology, 13(3), 312‐317.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、中文部分：
吳明隆 （2007）. SPSS 操作與應用：問卷統計分析實務， 臺北；五南出版社 邱皓政 （2006）. 結構方程模式，臺北：雙葉書廊有限公司.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
附件一 醫療機構網際網路資訊管理辦法草案
條 文 說 明 第一條 本辦法依醫療法(以下簡稱本法)第
八十五條第三項規定訂定之。
明定本辦法訂定之依據。
第二條 本辦法所稱醫療機構網際網路資訊 (以下簡稱網路資訊)，指醫療機構透過網際 網路服務業者(Internet Service Provider)提 供之有關該機構之資訊。前項資訊之內容
，除本法第八十五條第一項規定者外，得 包括有關該醫療機構之一般資料及人員、
設施、服務內容、預約服務、查詢或聯絡 方式、醫療或健康知識等資訊。
明定網路資訊之定義及容許刊登範圍。
第三條 醫療機構提供網路資訊，應將其網 功能變數名稱稱或網址及網頁內主要可供 點閱之項目，報所在地主管機關備查；異 動時亦同。前項網址內，除其他醫事法令 另有規定外，不得登載非同一醫療體系或 其他業者之資訊。
明定備查機制，以利管理。
第四條 前條網址之首頁，應以明顯文字聲 明禁止任何網際網路服務業者轉錄其網址 之內容供人點閱。但以網路搜尋或超連結 方式，進入醫療機構之網址直接點閱者，
不在此限。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五條 醫療機構除第三條所定之網址外，
不得以其他網路工具提供網路資訊。但依 病人留存之電子郵件信箱，寄送第二條所 定可登載範圍之資訊，且非以招徠醫療業 務為意旨或目的者，不在此限。
第六條 網路資訊內容，應由醫療機構負責 其正確性，不得有與事實不符，或無法積 極證明其為真實之內容。
明定醫療機構對其網路廣告內容負有管 理正確性及符合事實之責。
第七條 網路資訊內之醫療或健康知識，應 標示製作或更新日期，及加註內容來源或 主要科學文獻依據。
確保知識類網路資訊資料來源之正確性
。
第八條 違反本辦法規定者，依本法第一百 零三條規定處罰。
明定裁罰規定。
第九條 本辦法自發布日施行。 本辦法之施行日期。
資料來源：衛生署網站公告
‧
‧
‧
‧
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第十一部份：上網行為調查
第十一部份：上網行為調查