科技接受模式中文版量表之編製與相關研究

(1)

201 - 222 頁 pp. 201 - 222

ࡊԫତצሀё͛̚ۍณܑ̝በᄦᄃ࠹ᙯࡁտ

Ꮵآσ

1,*

เ܆܆

1

໅ౠර

1

ၡ

ࢋ

近年，由於網路科技的進步，不少新資訊科技應用紛紛被推出。民眾接受與否，深深影響此新資訊科技應用是否成功。找出影響使用者接受新資訊科技應用的相關因素，為新科技資訊系統的關鍵成功因素。本文以 Venkatesh 與 Bala（2008）的理論觀點，編定「科技接受模式中文版量表」，用以探討影響民眾使用新資訊科技的相關因素。本研究並以250 位某醫學中心掛號手機 APP 軟體使用者為預試樣本，進行項目分析，並以一個月內系統使用次數為效標，以瞭解科技接受模式的內在因素結構與區辨效度。最後以501 名某醫學中心掛號手機 APP 軟體使用者為正式樣本，以驗證性因素分析進行「科技接受模式」的構念效度驗證。分析結果本研究所編製之「科技接受模式中文版量表」具有良好的模式適配，信效度良好。從背景變項的分析數據發現，本研究所發展之「科技接受模式中文版量表」，在背景變項的性別、教育程度與年齡層部份，具測量恆等性。最後，本文針對科技接受模式的概念與實務上的應用提出討論。 ᙯᔣෟ：行為意向、知覺有用性、知覺易用性、科技接受模式、驗證性因素分析

壹、݈֏

˘ăࡁտࡦഀᄃજ፟ 資訊系統的使用一直是學術界與實務界的重要議題。近年，資訊科技不論在軟體或硬體都有非常大的進步。有不少公司企業，投入了大量的人力、金錢資本，購買了最新的資訊科技，仍然無法達到企業導入系統的目標。對購入的資訊科技，企業內的員工未必願意使用。這種企業投入大量資本購買新資訊科技，以期提高生產力，結果出現了不顯著甚至是負的結果，相關研究稱為「生產力矛盾」（productivity paradox）（Sichel, 1997）。這個現象也讓資訊界發現，在努力創造新的資訊科技之時，讓使用者願意使用新資訊科技也是很重要的課題。近年，不少學者研究探討影響使用者採用新資訊科技的相關因素。而其中最廣為使用的研究架構為 Davis 的「科技接受模式」（1989）。而許多國外實證研究也發現，Davis 的科技接受模式在探討民眾對於新資訊科技的應用有很好的解釋力。在科技接受模式中，民眾對於使用新資訊科技後可以提升工作效能的認知（知覺有用）與新資訊科技容易操作的認知（知覺易用），會直接影響到民眾使用新資訊科技的意願。此外，當新資訊科技越容易操作，使用者越會覺得工作效能提升，所以知覺易用回直接影響知覺有用。而其他的相關因素（如社會影 1_{亞東技術學院醫務管理系助理教授} 2_{亞東技術學院醫務管理系副教授} 3_{亞東技術學院醫務管理系教授} *_{通信作者：賴宜弘} E-mail：fl006@mail.oit.edu.tw

(2)

響過程、認知工具過程、經驗、個人定位、系統調適性等），透過影響知覺有用與知覺易用，間接影響民眾使用新資訊科技的意願。近年，科技接受模式已成為研究使用者接受新資訊科技最常使用的模型之一。根據這些研究，可以發現「科技接受模式」對於民眾使用新資訊科技約有60%的解釋力（Venkatesh, Davis, 2000）。因此，本研究除了透過相關理論與文獻的整理，界定科技接受模式的理論意涵與特性之外，並透過科技接受模式中文版量表的發展，以實證的數據來探討此一構念的內涵、結構，以及與相關變項的關係，期能對於新資訊科技系統導入評估的落實，提供理論與實務上的貢獻。 ˟ăࡁտયᗟᄃϫ۞ 這幾年，民眾使用資訊系統的發展重點，慢慢由個人電腦、網際網路（Internet）轉移到行動手持設備（手機或平板電腦）。行動應用程式（mobile application; APP）的應用越來越多，甚至取代了部份個人電腦的應用。

如早期病患就醫掛號多以Web 掛號為主，近年手機 APP 掛號漸漸盛行。對於民眾是否能接受手機 APP 服務的

相關研究，也成為近年研究主題。

本研究認為，新資訊科技（如手機APP 軟體）是否能成功，找出影響民眾接受的相關因素是很重要的，而

Davis 的科技接受模式正是一個理想的基本模型。本研究將試圖以 Davis 的相關研究（Davis, Bagozzi, & Warshaw, 1989; Venkatesh, & Davis, 2000; Venkatesh, Bala, 2008）為基礎，探討科技接受模式的意義與理論內涵，發展中文

評量工具，並進行相關因素的檢驗，並以某醫學中心手機掛號APP 為例，探討人口變數（例如性別、教育程度、年齡）與科技接受模式的關係，進一步則以一個月內資訊系統使用次數為效標，探討科技接受模式與資訊系統使用的關係。具體而言，本研究目的如下： 1、回顧理論與文獻，據以發展科技接受模式中文版量表的概念與內涵。 2、編製科技接受模式之中文版評量工具，進行信效度檢驗。 3、以資訊系統使用次數為效標，探討科技接受模式與資訊系統使用的關係。

෮ăࡊԫତצሀё۞நኢᄃ͛ᚥ

˘ăDavids ࡊԫତצሀё

科技接受模式（Technology Acceptance Model; TAM）是由 Davis、Bagozzi 和 Warshaw（1989）等三位學者根據理性行為理論，針對資訊科技使用者之行為意願所發展出來的模型，而第二代科技接受模式（Technology Acceptance Model 2; TAM2）科技接受模式則是 Davis 與 Venkatesh（2000）延伸擴充原始科技接受模式（TAM）

模型的架構與變數，增加模型解釋力，另Venkatesh 與 Bala（2008）則再提出第三代科技接受模式（Technology

Acceptance Model 3; TAM3），其較能顯著說明且提升資訊科技使用者之行為模式與接受度。 Ğ˘ğࡊԫତצሀё

科技接受模式（TAM）是由 Davis、Bagozzi 和 Warshaw（1989）基於理性行為理論而特別針對科技資訊系統使用者接受度的行為所提出，其未將主觀規範納入模型中，因為他們認為主觀規範在此影響力不大；轉而探討認知和情感因子與接受科技的行為，以解釋和預測對資訊科技的接受度，並了解外部變數對使用者內部信念、態度與意圖的影響。主張認知有用性與易用性會影響使用科技的態度（Attitude toward using），進而影響具體的

(3)

行為表現，且在證實研究上已具有高的解釋力，並達到模型簡潔的要求。所謂的認知有用（Perceived usefulness； PU）意指使用者主觀地認為使用此科技對於工作表現及未來的助益，而認知易用性（Perceived ease of use；PEOU）意指使用者所認知到科技容易使用的程度。即科技接受模式（TAM）模型主張實際使用（Actual system use）是由行為意向（Behavioral intention to use）所決定，而行為意向是由使用技術的態度(Attitude toward using)所決定，使用技術的態度又主要受到認知有用性（Perceived usefulness）和認知易用性（Perceived ease of use）影響，另外模型中還包含外部變數(External Variables)，如圖 1 所示。此外在科技接受模型中，Davis、Bagozzi 和 Warshaw （1989）發現在系統使用的初期，雖然認知易用性能夠對該系統的使用狀況產生最直接的影響，然而在長時間的使用情況之下，會發現認知易用性對於系統的使用狀況其所產生的直接影響並不是最顯著的；換句話說，對於系統的接受度而言，「認知有用性」是比「認知易用性」具有更重要的關鍵決定因素。 ဦ1 ࡊԫତצሀё Venkatesh 與 Davis 修正原本的科技接受模式，認為使用技術的態度是中介變數不會影響到消費者的行為意向，因此剔除了使用技術的態度這個變數（Venkatesh, Davis, 1996），如圖 2 所示。 ဦ2 ࣒ϒࡊԫତצሀё Ğ˟ğௐ˟΃ࡊԫତצሀё 學者Venkatesh 與 Davis（2000）延伸科技接受模式提出第二代科技接受模式（TAM2），在原來的科技接受模式中加入社會影響過程（主觀規範、自願性與社會印象）與工具認知性過程（工作適用性、系統輸出品質、結果推論性與認知易用性）等關鍵因素來解釋認知有用性與使用意圖，並且探討使用者如何隨著使用經驗的增加，而影響這些關鍵因素的效果，第二代科技接受模式之架構圖，請參考如圖3 所示。第二代科技接受模式是科技接受模式（TAM）的延伸發展，第二代科技接受模式的目的在解釋認知有用性與社會影響及認知工具過程方面的使用意圖。第二代科技接受模式研究使用有關於在156 個企業的四種不同系統的追蹤性資料蒐集。模型構面測量則以使用後立即測量、使用後一個月、使用後三個月等三個時點。這模型

(4)

結論強烈的支持這三個時點，即模型之社會影響過程（主觀規範、自願及印象）及認知工具過程（工作相關性、產出品質、結果展示性及認知有用性）影響使用者之接受程度，也更有助於瞭解使用者的接受行為。從科技接受模式到第二代科技接受模式的修改中，最主要的差異有三：態度這一構面已經由模型中排除；在模型中加入了社會影響因子，其因素包含了主觀規範、印象兩種構面；與增加了認知工具過程，包含工作關聯性、輸出品質、成果展現性等三個構面。第二代科技接受模式排除模型中「使用技術態度」這一構面，並且增加與確認影響人們「認知有用性」的外在變項因素（主觀規範、印象、工作相關性、產出品質與結果的成效），以及影響「行為意向」的因素（經驗、自願性及主觀規範），進而關聯到使用者的行為意向。第二代科技接受模式增加了兩個影響使用者知覺的主要變

數，分別為社會影響過程（social influence processes）、認知工具過程（cognitive instrumental processes），這兩大過程所帶來的影響，更完整的解釋科技接受模式的擴充，並賦與了理論模式的解釋能力。

在主觀規範對行為意向之影響研究，如Mathieson（1991）及 Taylor 與 Todd（1995）的研究，即有不同的

影響效果。但由於Davis、Bagozzi 和 Warshaw（1989）在理性行為理論（Theory of Reasoned Action；TRA）與

科技接受模式（TAM）的實證中，發現主觀規範除認知易用性與認知有用性之外，其他對行為意向則沒有顯著的影響，故他們在原始的科技接受模式中省略了主觀規範。但也承認有額外研究的必要。

在第二代科技接受模式中，認為主觀規範會以內化（Internalization）以及認同（Identification）的方式對認知有用性產生作用。讓使用者認為自己應該使用該系統，因而覺得該系統是更有用處的（Venkatesh & Davis， 2000）。而主觀規範也會透過「印象」（image）的變數來影響使用者的有用認知，在關係群體中，使用者會藉由回應社會規範做出反應，以來建立或維持他在該團體中良好的印象（Venkatesh, & Davis，2000）。因此，第二代科技接受模式認為主觀規範對形象有正向的影響，使用者會回應社會規範以進行此項行為，並提高社會地位。 ဦ3ăௐ˟΃ࡊԫତצሀё Davis 與 Venkatesh（2000）將使用者的反應分成自願與強制兩種，發現主觀規範在強制的情況下對行為意圖有顯著影響，在自願的情況下則沒有顯著的影響，即所謂在因果機制下的順從（compliance）行為。因此，為了區別這自願與強制之間的情形，第二代科技接受模式假設自願是主觀規範對行為意向的一項干擾變數，即使用者對採用此系統是否為自願性情況。

(5)

另外，對於認知工具過程的影響，Davis 與 Venkatesh（2000）認為使用某系統可以支援個人之工作任務，包含工作關聯性、重要性及認知涉入程度，而產生直接有效的認知結果。因此，第二代科技接受模式亦把工作相關性認為是一種對認知有用性上的影響效果。此外，Davis（1992）證實產出品質與認知有用性之顯著相關性，即產出品質的判斷，即個人在多種選擇的環境下，採用自認可以得到最高品質的系統。第二代科技接受模式的結果展示性對認知有用性之影響，意指使用工作相關性的資訊系統，以產出有形創新且容易辨認之結果，而改變個人的認知。相反地，假如與工作相關的某資訊系統，卻無法產出有效之結果，則使用者就不可能會瞭解與認知此系統是多麼有用的（Davis, & Venkatesh, 2000）。

Ğˬğௐˬ΃ࡊԫତצሀё

Venkatesh 與 Bala（2008）整合過去第二代科技接受模式（Venkatesh, & Davis，2000）與影響認知易用性決定因素（Venkatesh，2000）的相關研究與成果，提出第三代科技接受模式。除原有社會影響過程（social influence processes）、認知工具過程（cognitive instrumental processes）外，另增加個人定位（Anchor）與系統調適性（Adjustment）兩項構面。個人定位（Anchor）包含：電腦自我效能、認知外部控制、電腦使用焦慮、電腦使用趣味等影響認知易用性的外在變數；系統調適性（Adjustment）包含：認知樂趣與客觀使用的影響認知易用性變數。與第二代科技接受模式同樣的，認為經驗與自願性是顯著的干擾變數，但增加了過去使用的經驗會干擾影

響電腦使用焦慮、電腦使用愉悅、認知享受與客觀使用對認知易用性之影響，如圖4 所示。

在知覺易用性方面，增加了電腦自我效能（Computer Self-efficacy）、認知外部控制（Perception of External Control）、電腦使用焦慮（Computer Anxiety）、電腦使用趣味（Computer Playfulness）以上四個變項被稱為個人定位（Anchor）。另外認知樂趣（Perceived Enjoyment）、客觀使用（Objective Usability），以上的兩個變項被稱

為系統調適性（Adjustment），在使用者的經驗方面，又會正向影響了電腦使用焦慮、電腦使用趣味、認知樂趣、

客觀使用這四個變項，Venkatesh 與 Bala（2008）認為隨著使用的經驗增加，更明確的在系統使用的難易度上面會有所區隔，隨著使用經驗的增加，會緩和使用者在電腦方面的恐懼，也會正向的影響使用者讓他們覺得電腦是有趣的，在使用電腦時是一種享受。

(6)

ဦ4 ௐˬ΃ࡊԫତצሀё Ğαğࡊԫତצሀё̝࠹ᙯࡁտ 本研究彙整科技接受模式之發展沿革，以及各時期刪除或加入不同因素之比較分析，結果如表1 所示。 ܑ1 ࡊԫତצሀё൴णڻࢭ̶ژܑ 模式科技接受模式修正科技接受模式第二代科技接受模式第三代科技接受模式相關研究 Davis, Bagozzi, &

Warshaw （1989）

Venkatesh, & Davis （1996）

Venkatesh, & Davis （2000）

Venkatesh, & Bala （2008）認知有用性與認知易用性的影響對象使用態度行為意向行為意向行為意向對認知有用性影響外部因素外部因素 1、社會影響過程 2、認知工具過程 1、社會影響過程 2、認知工具過程對認知易用性影響外部因素外部因素 - 1、個人定位 2、系統調適性目前已有許多研究利用「科技接受模式」探討使用者對資訊科技的接受度。近年手機APP 軟體漸趨流行，所以近年科技接受模式相關研究多以手機APP 軟體之應用為研究主題（鐘皎綺，2015；洪揚，2014；鄭淑禎， 2014；陳光宗，2014；林宗，2014；熊震宇，2014；潘榮棋，2014；陳瑞伶，2013；徐延婷，2012；許素梅， 2011）。

(7)

˟ăҖࠎຍШăᄮۢѣϡّᄃᄮۢٽϡّ Ğ˘ğᄮۢѣϡّ 認知有用性是「使用者相信應用特定系統可以增進工作績效的程度，若認知程度越高，對系統的使用意願也就越高」。在科技接受模式中，有用性會間接地透過態度或直接地影響使用者對資訊系統的接受，當其感受對於有用程度愈高，採用系統的態度越正向。使用者相信採用某種新科技後，將有助於增進使用後的效用，如更有效率的完成工作或減少投入資源的成本。當使用者知覺系統的有用程度越高，則採用系統的態度越正面。 Davis、Bagozzi 與 Warshaw（1989）指出科技接受模式假設當使用者知覺系統容易被使用時，會促進使用者以相同的努力完成更多的工作，改善工作績效。潛在使用者主觀地認為，使用某一特定的資訊系統，將會提高其工作績效或學習表現的可能性。也就是說，知覺有用性表達出系統使用者對工作或學習上的表現期望。當潛在使用者知覺到某一系統的有用程度愈高時，對該系統愈會有越高的行為意圖。 Ğ˟ğᄮۢ易ϡّ 認知易用性為「使用者相信應用特定系統或是新科技時，使用者能迅速學會操作或是使用與否的認知程度，即對於該系統容易使用與否的認知程度；若認知程度越高，對該系統或是新科技的使用意願也會越高」。使用者學習系統，感覺容不容易使用，若當其感受到系統越容易學習，採用系統的態度越正向。使用者相信使用某種新科技時「可減少付出努力」的程度，當使用者知覺到系統越容易學習，則採用系統的態度越正向。 Davis、Bagozzi 與 Warshaw（1989）指出潛在使用者主觀地認為學習某一特定資訊系統科技的操作，容易使用的程度。例如：系統愈容易使用，使用者對於自我表現會更具信心，進而樂意接受使用該系統；容易操作、操作過程是清楚的且容易理解的且操作時是具有彈性的，使用者對於自我表現會具有信心；而在技術使用上，若越難操作、過於複雜或是需花許多精神學習的系統，對使用者心中將造成負擔、產生不良負面情緒、進而排斥使用。簡單來說，當使用者知覺到該創新科技智慧型手機的資訊系統功能操作上，愈不需要花費太多的心力學習，則使用該系統的態度愈正向。知覺易用性也會正向影響知覺有用性。 ĞˬğҖࠎຍဦ Taylor 與 Todd（1995）趨使個人在未來使用某一資訊系統科技的意願程度，也就是個人在主觀意識下，打算採用某種科技或資訊系統的可能性。在科技接受模式中，使用行為意向同時會受個人對科技的使用態度與知覺有用性所影響。簡單來說，當使用者知覺到使用該創新科技智慧型手機的功能與加值服務，有助於提高學習或工作上的效率，則對該創新科技智慧型手機愈會產生正面的評價，因此愈願意使用該創新科技智慧型手機所提供的所有功能和加值服務。知覺有用性亦有可能不透過使用態度直接影響使用者的使用意向。也就是說，當使用者知覺到使用該創新科技智慧型手機的功能與加值服務，有助於提高學習或工作上的效率，則會直接影響使用該創新科技智慧型手機所提供的所有功能和加值服務的意願程度。行為意向是衡量使用者在進行某特定行為時的意願強度，行為意向決定使用者對於資訊系統的使用，而其中認知有用性與態度也對意圖扮演舉足輕重的角色，即行為意圖同時受到使用者使用技術態度與認知有用性所影響。 Ğαğ၁ᅫֹϡ

行為意圖愈強烈，實際使用（Actual System Use; USE）該系統的行為強度也就越強。許多研究學者對資訊系統接受，最廣泛使用的構面衡量指標是使用者滿意（User satisfaction）和系統使用（System usage）。系統實際使用成為資訊技術接受的指標，對評估資訊系統接受之研究與實務也具有重要的意涵。科技接受模型中主張「實

(8)

際使用行為」主要是受到使用者「使用行為意向」其特別之處為導入知覺有用性與知覺易用性來解釋人們對資訊科技的接受度。

ણăࡁտ͞ڱ

基於前述的理論與文獻整理，本研究的具體工作是進行評量工具的編製，透過行為意向、認知有用性與認知易用性量表的信效度資料，以及與相關因素的關係之探討，來檢驗行為意向、認知有用性與認知易用性的理論與實務價值。研究區分為三個階段，第一是量表的初編，完成預試題本，第二是以預試樣本進行項目分析，以決定量表基本品質，第三是以正式樣本進行驗證性因素分析，建立信效度指標。 ˘ăณܑᗟώ൴ण 「科技接受模式量表」的測量對象為台灣民眾，範圍為民眾對於接受新資訊科技的相關因素（行為意向、認知有用性與認知易用性），參考Venkatesh 與 Bala（2008）的科技接受模式量表的內容。預試題本首先經由研究者進行題目編寫，再由具有相關研究經驗的研究團隊成員五人，以團體討論型態逐題討論、修飾潤飾題目初編完成後，委請五名商業管理領域教授與五名英文領域教授針對此量表的意義與語句進行檢核，並經過三次中文翻譯成英文，再從英文翻議成中文，比較其差異，經過數次調整，減少其差異。再與研究團隊成員進行討論與修正，最後完成預試量表，如表2 所示。預試量表的題目共計11 題。題目的量尺為 Likert-type 七點量表，由「非常不同意」、「不同意」、「不太同意」、「無意見」、「有點同意」、「同意」、「非常同意」，分別給予1 分、2 分、3 分、4 分、5 分、6 分、7 分，得分越高，表示同意的承度越高，反之則越低。本研究之量表，〈此資訊系統〉為「某醫學中心掛號手機APP 軟體」，〈工作〉為「就醫掛號」。預試量表編製完成後，便開始量表的施測。待量表回收後，即著手量表的整理與原始資料的輸入工作，以

統計套裝軟體IBM SPSS Statistics for windows 22 進行資料分析。本研究主要針對預試量表進行項目分析與因素

分析，以作為題目篩選的依據，並檢驗量表的信、效度。此外，本研究也以次數分配及描述統計分析研究對象的基本資料及其在各因素上的得分情形。 ܑ2 ώࡁտณܑᗟϫ 題目編號量表題目 TAM01 我有使用〈此資訊系統〉的意願。 TAM02 我很樂意繼續使用〈此資訊系統〉。 TAM03 未來的一個月內，我將會使用〈此資訊系統〉。 TAM04 使用〈此資訊系統〉，可以讓我比以前更容易完成〈工作〉。 TAM05 使用〈此資訊系統〉，可以讓我獲得更完整的〈工作〉相關服務。 TAM06 使用〈此資訊系統〉，可以使我更快完成〈工作〉。 TAM07 〈此資訊系統〉有助於我〈工作〉。 TAM08 我覺得〈此資訊系統〉的介面是清楚且容易理解。 TAM09 我操作〈此資訊系統〉不用花很多精神心力。 TAM10 我認為〈此資訊系統〉的操作很容易上手。 TAM11 我可以很容易的利用〈此資訊系統〉完成我的〈工作〉。 1、本研究之問卷將〈此資訊系統〉改為「某醫學中心掛號手機 APP 軟體」。 2、本研究之問卷將〈工作〉改為「就醫掛號」。

(9)

˟ăࡁտᇹώ Ğ˘ğ࿰ྏࡁտ 本研究首先以便利取樣建立預試樣本來進行初編量表的項目分析，總計有250 名民眾（男性 116 名，女性 134 名）參與預試題本的填答，進行量表結構與項目品質檢測。預試題本回收後，除了詳加檢閱填答者的作答情形，蒐集填答者對於題目的意見之外，亦進行廢卷處理，將空白問卷或過多題目未填答者的問卷予以淘汰，此外，填答者全部勾選同一個答案或是草率勾選等情況的問卷也予以排除，無刪除題目。 Ğ˟ğϒёࡁտ 為了建立量表的信效度，以驗證性因素分析來進行量表結構的交叉驗證（cross-validation），並進行相關變項的檢驗，第二階段的正式研究以台北市某醫學中心，21 歲以上之就醫民眾為研究對象，以一對一訪談方式發放卷，回收600 份，有效樣本為 501 份。男性 259 名，女性 242 名。如表 3 所示。 ܑ3 ࡁտ၆෪۞ૄώྤफ़௚ࢍܑĞN=501ğ 變項別類別人數百分比（%）性別女 259 51.70 男 242 48.30 教育別高中（職）以下（含） 242 48.30 高中（職）以上 259 51.70 年齡組 45 歲以下（含） 232 46.31 45 歲以上 269 53.69 樣本總數 501 100.00 ˬăࡁտ̍׍

本研究除了依Venkatesh 與 Bala （2008）的研究，所編製的中文版「科技接受模式量表」外，以 Venkatesh

與Bala（2008）的研究，行為意圖對使用（use）有正向影響。在 Venkatesh 與 Bala（2008）的研究中，問題為

「On average, how much time do you spend on the system each day?」本研究調整為「過去一個月，你約使用〈此系統〉幾次？」由使用者填答過去一個月，約使用系統之次數，答案為一連續變數。 αăྤफ̶़ژ 本研究主要的內容在發展自編量表，預試分析主要工作在進行項目分析，包括遺漏檢驗、描述統計檢測（包括平均數、標準差、偏態係數）、極端組比較、同質性檢驗（包括校正項目總分相關係數、因素負荷值）等四類七項指標（邱皓政，2000）。信度估計主要為內部一致性（internal consistency）的估算。因素分析是檢驗量表構念效度的重要途徑，本研究的因素分析分為兩個部分，首先以預試樣本進行探索性因素分析（exploratory factor analysis；EFA），藉以探索量表的因素結構，進一步再以正式樣本進行驗證性因素

分析，藉以確認量表的因素結構。本研究的探索性因素分析，是以IBM SPSS Statistics 22 的主軸因子（principal

axis factors）萃取法，以特徵值大於 1 來決定具有意義的因素，並以陡坡檢驗來評估各因素的存在狀況，並進行

直交轉軸以抽取出較為清楚的因素，斜交轉軸以探討因素之間的相關情形。效標關聯分析則以Pearson 相關係數

來呈現量表與效標測量的關係。另外，結構方程模式的測量模式分析則以 Mplus 7 軟體進行驗證性因素分析

(10)

དྷăࡁտඕڍ

一、項目分析項目分析主要目的是在針對預試題目進行適切性的評估。除了遺漏狀況的檢視之外，並進行描述統計檢驗（包括平均數、標準差、偏態係數）、極端組比較、同質性檢驗（包括相關係數、因素負荷量）。結果列於表4，茲將結果說明如下： Ğ˘ğೡࢗ௚ࢍᑭീ 項目描述統計的目的在於運用各項目的描述統計資料來檢驗項目的好壞，過高與過低的平均數、較小的標準差與嚴重的偏態等三種傾向，代表量表項目可能存在鑑別度不足的問題（邱皓政，2000）。本量表為七點量表，中間值為4；各項目的平均數介於 5.06 至 6.08 之間；標準差介於 1.06 至 1.38 之間。檢驗結果發現，各題的平均數、標準差與偏態均十分理想，顯示這些題目的基本描述統計特徵良好。 Ğ˟ğໂბ௡ͧྵ 極端組比較法是運用預試樣本極端組平均數差異檢定（t-test）來檢驗項目的好壞，將全體樣本依量表總分的前後27%極端區分為高低分組（Kelley, 1939; Cureton, 1957），比較兩組在各題平均數上的差異是否顯著，題目的高低分組差異性越大，表示題目越好。本量表的數據顯示，所有題目的t 值（決斷值）皆達.001 顯著水準，顯示所有的題目皆有良好的鑑別度。 ĞˬğТኳّᑭរ 同一量表的題目，由於在測量同一種概念，因此每一題目與總分之間應有高相關，個別題目與總分的相關係數若低於.35，表示此題目與全量表不同質，不宜採用。由相關係數來看，相關係數皆高於.35。此外，利用因素分析，當因素設定為一個主成份時，各題目具有一定水準的因素負荷量，若因素負荷低於.35，表示該題目與全量表不同質，應考慮予以刪除。從因素負荷數據可發現，皆高於.35。根據以上各項檢驗的數據加以綜合判斷，共保留11 題，成為正式研究的題本。 ܑ4 ˛჌ีϫ̶ژඕڍᓁܑ 題目編號平均數標準差偏態峰態極端組t 檢定相關因素負荷 TAM01 5.25 1.13 0.33 -1.21 -65.53 .97 .96 TAM02 5.17 1.16 0.40 -1.20 -63.51 .97 .98 TAM03 5.06 1.12 0.46 -0.98 -41.68 .93 .87 TAM04 5.58 1.10 -0.21 -0.59 -50.34 .97 .96 TAM05 5.65 1.10 -0.30 -0.50 -48.96 .96 .95 TAM06 5.61 1.10 -0.18 -0.66 -58.94 .97 .97 TAM07 5.59 1.12 -0.18 -0.75 -55.32 .94 .91 TAM08 5.86 1.29 -1.26 1.96 -31.22 .95 .97 TAM09 5.60 1.38 -0.93 0.78 -33.01 .91 .85 TAM10 5.70 1.38 -1.05 1.03 -33.78 .93 .92 TAM11 6.08 1.11 -1.22 1.92 -28.93 .84 .77 ˟ăଣ৶ّЯ৵ड़ޘ 預試選題的標準除了前述各項指標外，並配合探索性因素分析來簡化量表內容，如表5 所示。以 250 位預

(11)

試樣本所進行的主軸因子法，經斜交轉軸後，取特徵值大於 1，得出三個主要因素，共計 6 題。因素一與因素二的相關為.37，因素一與因素三的相關為.67，因素二與因素三的相關為.32。 ܑ5 ࡊԫତצሀёณܑ۞Я৵৏ੱ 題目編號因素1 因素2 因素3 TAM06 .90 TAM05 .88 TAM04 .88 TAM07 .82 TAM08 .95 TAM10 .91 TAM09 .83 TAM11 .74 TAM02 .90 TAM01 .87 TAM03 .79 解釋的變異量% 55.866% 20.534% 8.555% 經由因素分析得出三個因素之後，參考Venkatesh 與 Bala（2008）的科技接受模式，加以命名如下： 1. 因素 1，「知覺有用」：意指使用者相信應用特定系統可以增進工作績效的程度，若認知程度越高，對系統的使用意願也就越高。共有四題，例如「使用〈此資訊系統〉可以使我更快完成〈工作〉」、「使用〈此資訊系統〉可以讓我〈工作〉做的更完整」、「使用〈此資訊系統〉可以讓我〈工作〉做的更好」、「〈此資訊系統〉對我的〈工作〉是有幫助的」。 2. 因素 2，「知覺易用」：意指使用者相信應用特定系統或是新科技時，使用者能迅速學會操作或是使用與否的認知程度，即對於該系統容易使用與否的認知程度；若認知程度越高，對該系統或是新科技的使用意願也會越高。共有四題，例如「我覺得〈此資訊系統〉的介面是清楚且容易理解」、「我認為〈此資訊系統」的操作是很容易的」、「我操作〈此資訊系統〉不用花很多精神心力」、「我可以很容易的利用〈此資訊系統〉完成我的〈工作〉」。 3. 因素 3，「行為意圖」：衡量使用者在進行某特定行為時的意願強度。共有三題，例如「我很樂意繼續使用〈此資訊系統〉」、「我有使用〈此資訊系統〉的意願」、「未來的一個月內，我將會使用〈此資訊系統〉」。 ˬăϒёณܑࡁտඕڍ Ğ˘ğរᙋّЯ৵̶ژ 在預試階段，量表的因素結構經過探索性因素分析，有三個因素，因此再以正式樣本進行驗證性因素分析，

利用 IBM SPSS AMOS 22 軟體，以最大概似法（Maximum likelihood）進行參數估計來確認量表的因素效度

（factorial validity）。

在模式設定上，三個因素各自有其對應的測量題目，形成三個第一階潛在因素。在科技接受模式的相關研究（Davis, Bagozzi, & Warshaw （1989）、Venkatesh, & Davis （1996）、Venkatesh, & Davis（2000）、Venkatesh, &

(12)

Bala（2008））中，各因素之間的關係並非獨立（單階直交模式），故本研究採用「單階斜交模式」。為了估計因素的變異量，模型量尺化均以各因素的第一個參數設定為1.0 的參照參數。模式適配分析結果列於表 6。其中單階直交模型的適配情形：x2_{=485.846， df=44，x}2_{/df=11.042，} RMSEA=.142，GFI=.861，CFI=.935，TLI=.918，顯示因素間無相關的模型與觀察資料適配不良。將因素相關納入估計後，單階斜交模式的適配大幅度提升（x2_{=119.038， df=41，x}2_{/df=2.903，RMSEA=.062，GFI=.981，} CFI=.988，TLI=.985），顯示理論模型與觀察分數具有良好適配。表示三個科技接受模式因素之間具有相關，在應用上，單階斜交模式可成立。測量模式分析結果如圖5 所示。 ܑ6 ࡊԫତצሀё͛̚ۍณܑЧീณሀёዋ੨޽ᇾ

適配指標 x2_{(df) x}2_{/df RMSEA GFI AGFI CFI TLI RMR}

單階直交模式 485.846(44) 11.042 .142 .861 .792 .935 .918 .436 單階斜交模式 119.038(41) 2.903 .062 .961 .937 .988 .985 .046 ဦ5 ඕၹ͞඀ሀё۞ീณሀё̶ژඕڍ Ğ˟ğЯ৵࠹ᙯᄃณܑܫޘ̶ژ 前面確認了可反應觀察數據，因此將此模式的參數估計加以呈現，結果列於圖5 與表 7。其中，三個因素的相關係數，數值介於.319 至.684，所有係數皆達.001 的顯著水準，顯示這些因素具有中度相關。至於題目信度與量表信度，本研究以單階斜交模式的參數估計結果來檢驗。表8 數據顯示，各觀察變項對其個別潛在變項的因素負荷量（λ）均具有統計顯著性，並多高於.70，顯示觀察變項足以反映其所建構的潛在變項（邱皓政，2003）。

(13)

進一步的，利用組合信度與平均變異抽取量來檢視量表的信度，結果指出三個一階因素，其組合信度均達.70 以上，平均變異數抽取量高達.70 以上，顯示潛在因素只有 30%的變異來自於測量誤，反映了良好的構念效度。若以傳統的 Cronbach’s α 係數來看，數據與 CFA 估計結果非常相近，三個因素的係數值分別為.972、.928、.955，全量表 Cronbach’s α為.918，顯示全量表內部一致性頗高。 ܑ7 ሀёણᇴҤࢍă௡ЪܫޘᄃπӮតள٩פณၡࢋܑ 因素題目編號 λ R2_{S.E. C.R. 組合信度} _{平均變異抽取} 知覺有用 TAM06 .946 .932 .019 53.747 .963 .869 TAM05 .934 .910 .020 50.683 TAM04 .939 .919 TAM07 .911 .830 .024 40.389 知覺易用 TAM08 .941 .924 .932 .773 TAM10 .909 .826 .027 37.537 TAM09 .862 .744 .030 32.154 TAM11 .776 .602 .028 24.794 行為意圖 TAM02 .943 .967 .019 56.744 .940 .840 TAM01 .938 .917 TAM03 .868 .754 .026 34.095 αăડҾड़ޘ̶ژ 本研究採用信賴區間法（bootstrap），建立構面之間的相關係數的信賴區間，如果未能包含1，即完全相關，

則表示構面之間具有區別效度（Torkzadeh, Koufteros, & Pflughoeft，2003）。本研究執行 bootstrap 程序時設定重

複抽樣2000 次，IBM SPSS AMOS 22 之 bootstrap 提供兩種信賴區間的估計方式為 Bias-corrected Percentile Method

及Percentile Method 估計，這兩種方法估計結果，如表 8 所示，在 95%信心水準下，標準化相關係數信賴區間不包含1，即表示構面間具有區別效度。 ܑ8 ડҾड़ޘ̶ژܑ Bias-corrected Percentile Method Percentile Method 相關係數下限上限下限上限知覺有用↔知覺易用 .365 .275 .457 .276 .460 知覺易用↔行為意圖 .319 .237 .395 .236 .395 知覺有用↔行為意圖 .684 .629 .741 .627 .739 ̣ăड़ᇾᙯᓑड़ޘ̶ژ 以Venkatesh 與 Bala（2008）的研究為基礎，科技接受模式對使用（USE）有正向影響（圖 2、圖 3、圖 4）。而本研究之「使用」效標為「過去一個月，你約使用<此系統>幾次？」，其為一連續變數。本研究分析「使用」效標與行為意圖、知覺有用、知覺易用的相關。由表9 得知，全量表的得分與效標皆有顯著相關。各因素與效標之間的相關當中，最高者為「行為意圖」與「使用」的相關，高達.32（p<.001），其次為「知覺有用」與「使用」的相關，為.31（p<.001）。

(14)

ܑ9 ࡊԫତצሀё͛̚ۍณܑᄃड़ᇾតี۞࠹ᙯ 因素名稱題目編號過去一個月，你約使用<此系統>幾次？（USE）知覺有用 TAM4、TAM5、TAM6、TAM7 .31* 知覺易用 TAM8、TAM9、TAM10、TAM11 .20* 行為意圖 TAM1、TAM2、TAM3 .32* *p<.05 六、恆等性評估本部份對本研究所發展之「科技接受模式中文版量表」，依不同背景變項（性別、教育程度、年齡層），進行測量恆等性評估（measurement invariance）。（一）性別（男性/女性）女性模式的適配為x2_{=100.858，df=41，x}2_{/df=2.461，RMSEA=.075，GFI=.936，CFI=.983，TLI=.977；男性} 模式的適配為 x2_{=80.861，df=41，x}2_{/df=1.972，RMSEA=.064，GFI=.945，CFI=.988，TLI=.984。顯示不論男性} 或女性，理論模型與觀察分數具有良好適配，就形貌恆等而言，模式的適配相當不錯。形貌恆等成立，表示男性或女性在科技接受模式上具有相同的因素組型。當形貌恆等成立之後，便可以檢定測量參數的恆等。相關結果如表10 所示，表 10 中之模式 1 為未設限模式，模式 2 為因素負荷量恆等，模式 3 為共變異數矩陣恆等，模式4 為測量殘差恆等。首先，將所有的因素負荷量皆設為恆等（表10 中之模式 2），來和形貌恆等的模式（表 10 中之模式 1）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(8)=8.172，p=.417），因此接受因素負荷量恆等的假設（表} 11 之步驟 1）。接下來將結構共變異數矩陣設為恆等（表10 中之模式 3），來和因素負荷量皆設為恆等的模式（表 10 中之模式 2）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(6)=7.185，p=.304），因此接受結構共變異數矩} 陣恆等的假設（表11 之步驟 2）。 ܑ10 ሀݭણᇴҤࢍ 模式模式1 模式2 模式3 女性男性女性男性女性男性

Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std λpu1 1.00 .98 1.00 .94 1.00 .98 1.00 .94 1.00 .98 1.00 .95 λpu2 .99 .97 1.00 .94 .99 .97 .99 .94 .99 .97 .99 .94 λpu3 .98 .96 1.03 .97 1.00 .96 1.00 .97 1.00 .96 1.00 .97 λpu4 .95 .92 .99 .90 .96 .92 .96 .90 .96 .91 .96 .90 λpeou1 1.00 .96 1.00 .96 1.00 .96 1.00 .97 1.00 .96 1.00 .96 λpeou2 .94 .85 .99 .87 .97 .86 .97 .87 .97 .87 .97 .86 λpeou3 1.02 .89 1.01 .93 1.01 .89 1.01 .93 1.01 .90 1.01 .92 λpeou4 .66 .74 .74 .81 .70 .76 .70 .80 .70 .78 .70 .78 λbi1 1.00 .94 1.00 .98 1.00 .94 1.00 .98 1.00 .95 1.00 .98 λbi2 1.08 .98 1.02 .99 1.04 .97 1.04 .99 1.04 .97 1.04 .99 λbi3 .90 .84 .90 .90 .90 .85 .90 .89 .90 .85 .90 .89

(15)

模式模式1 模式2 模式3

女性男性女性男性女性男性

Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std δpu1 .06 .29 .14 .20 .06 .28 .13 .20 .06 .28 .13 .21 δpu2 .07 .04 .14 .02 .07 .05 .14 .02 .07 .05 .14 .02 δpu3 .10 .12 .07 .04 .10 .11 .07 .05 .10 .11 .07 .05 δpu4 .21 .46 .23 .34 .21 .43 .23 .37 .21 .40 .23 .40 δpeou1 .12 .21 .13 .14 .13 .21 .13 .14 .13 .19 .13 .16 δpeou2 .46 .28 .51 .24 .46 .27 .52 .24 .46 .25 .52 .27 δpeou3 .37 .08 .29 .07 .37 .09 .29 .07 .37 .08 .29 .08 δpeo4 .49 .16 .48 .19 .49 .16 .49 .20 .49 .17 .49 .18 δbi1 .15 .08 .06 .06 .14 .08 .06 .07 .14 .08 .06 .06 δbi2 .06 .05 .03 .13 .07 .05 .03 .12 .07 .06 .03 .11 δbi3 .36 .05 .25 .12 .36 .05 .25 .11 .36 .05 .25 .11 ψpu 1.22 1.00 1.00 1.00 1.20 1.00 1.04 1.00 1.12 1.00 1.12 1.00 ψpeou 1.35 1.00 1.70 1.00 1.34 1.00 1.72 1.00 1.52 1.00 1.52 1.00 ψbi 1.10 1.00 1.23 1.00 1.15 1.00 1.21 1.00 1.18 1.00 1.18 1.00 ܑ11 ሀݭͧྵ

模式 DF CMIN P NFI IFI RFI TLI

步驟1：因素負荷量恆等 8 8.172 0.417 0.001 0.001 -0.002 -0.002

步驟2：共變異數矩陣恆等 6 7.185 0.304 0.001 0.001 -0.001 -0.001

以Cheung 與 Rensvold 的研究（1999），在溫和策略（moderate replication strategy）下，本研究所發展之「科

技接受模式中文版量表」，在背景變項的性別部份，具測量恆等性（measurement invariance）。（二）教育程度本研究根據民眾學歷的不同分為兩組，分別為高中（職）以下（含）及高中（職）以上。高中（職）以下（含）模式的適配為x2_{=103.700，df=41，x}2_{/df=2.529，RMSEA=.080，GFI=.934，CFI=.980，TLI=.973；高中（職）} 以上模式的適配為 x2_{=85.444，df=41，x}2_{/df=2.084，RMSEA=.065，GFI=.946，CFI=.988，TLI=.984。顯示不同} 教育程度，理論模型與觀察分數具有良好適配，就形貌恆等而言，模式的適配相當不錯。形貌恆等成立，表示不同教育程度在科技接受模式上具有相同的因素組型。當形貌恆等成立之後，便可以檢定測量參數的恆等。相關結果如表12 所示，表 12 中之模式 1 為未設限模式，模式 2 為因素負荷量恆等，模式 3 為共變異數矩陣恆等，模式4 為測量殘差恆等。首先，將所有的因素負荷量皆設為恆等（表12 中之模式 2），來和形貌恆等的模式（表 12 中之模式 1）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(8)=2.623，p=.956），因此接受因素負荷量恆等的假設（表} 13 之步驟 1）。接下來將結構共變異數矩陣設為恆等（表12 中之模式 3），來和因素負荷量皆設為恆等的模式（表 12 中之模式 2）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(6)=3.437，p=.752），因此接受結構共變異數矩} 陣恆等的假設（表12 之步驟 2）。

(16)

ܑ12 ሀݭણᇴҤࢍ

模式模式1 模式 2 模式3

群組1 群組 2 群組 1 群組2 群組1 群組 2

Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std

λpu1 1.00 .97 1.00 .95 1.00 .97 1.00 .95 1.00 .97 1.00 .95 λpu2 .97 .95 1.01 .96 .99 .95 .99 .96 .99 .96 .99 .95 λpu3 .98 .96 1.02 .97 1.00 .97 1.00 .97 1.00 .97 1.00 .96 λpu4 .93 .90 1.00 .92 .96 .91 .96 .91 .96 .91 .96 .91 λpeou1 1.00 .97 1.00 .95 1.00 .97 1.00 .95 1.00 .97 1.00 .96 λpeou2 .95 .88 .98 .84 .97 .88 .97 .84 .97 .88 .97 .85 λpeou3 1.00 .91 1.02 .91 1.01 .91 1.01 .91 1.01 .90 1.01 .92 λpeou4 .63 .74 .77 .81 .70 .77 .70 .78 .70 .76 .70 .80 λbi1 1.00 .96 1.00 .96 1.00 .96 1.00 .96 1.00 .96 1.00 .96 λbi2 1.05 .99 1.05 .98 1.05 .99 1.05 .98 1.05 .99 1.05 .98 λbi3 .87 .86 .93 .88 .90 .87 .90 .87 .90 .86 .90 .88 δpu1 .06 .26 .13 .23 .07 .25 .12 .24 .07 .26 .12 .23 δpu2 .10 .02 .11 .05 .10 .02 .11 .05 .10 .02 .11 .04 δpu3 .08 .08 .08 .09 .08 .08 .08 .09 .08 .08 .08 .09 δpu4 .21 .45 .22 .35 .21 .40 .22 .39 .21 .42 .22 .37 δpeou1 .10 .18 .15 .17 .11 .18 .14 .17 .11 .19 .14 .16 δpeou2 .44 .22 .53 .29 .44 .22 .53 .29 .43 .23 .53 .27 δpeou3 .37 .05 .29 .10 .37 .06 .29 .09 .37 .07 .29 .08 δpeo4 .56 .18 .43 .16 .56 .18 .44 .17 .56 .17 .44 .18 δbi1 .10 .07 .11 .06 .10 .07 .11 .07 .10 .06 .11 .07 δbi2 .03 .09 .06 .09 .03 .09 .06 .09 .03 .09 .06 .09 δbi3 .33 .06 .29 .10 .33 .06 .29 .09 .33 .06 .29 .10 ψpu 1.07 1.00 1.15 1.00 1.04 1.00 1.19 1.00 1.12 1.00 1.12 1.00 ψpeou 1.71 1.00 1.37 1.00 1.67 1.00 1.40 1.00 1.53 1.00 1.53 1.00 ψbi 1.22 1.00 1.12 1.00 1.22 1.00 1.12 1.00 1.17 1.00 1.17 1.00 註：群組1：高中（職）以下（含）群組2：高中（職）以上 ܑ13 ሀݭͧྵ

步驟1：因素負荷量恆等 8 2.623 .956 .000 .000 -.003 -.003

步驟2：共變異數矩陣恆等 6 3.437 .752 .000 .001 -.002 -.002

(17)

Ğˬğѐ᛬ᆸ 本研究根據民眾年齡的不同分為兩組，分別為45 歲以下（含）及 45 歲以上。45 歲以下（含）模式的適配為 x2_{=87.699，df=41，x}2_{/df=2.139，RMSEA=.070，GFI=.938，CFI=.985，TLI=.980；45 歲以上模式的適配為} x2_{=80.046，df=41，x}2_{/df=2.099，RMSEA=.064，GFI=.947，CFI=.987，TLI=.983。顯示不同年齡層，理論模型} 與觀察分數具有良好適配，就形貌恆等而言，模式的適配相當不錯。形貌恆等成立，表示不同年齡層在科技接受模式上具有相同的因素組型。當形貌恆等成立之後，便可以檢定測量參數的恆等。相關結果如表14 所示，表 14 中之模式 1 為未設限模式，模式 2 為因素負荷量恆等，模式 3 為共變異數矩陣恆等，模式 4 為測量殘差恆等。首先，將所有的因素負荷量皆設為恆等（表14 中之模式 2），來和形貌恆等的模式（表 13 中之模式 1）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(8)=9.643，p=.291），因此接受因素負荷量恆等的假設（表} 15 之步驟 1）。接下來將結構共變異數矩陣設為恆等（表14 中之模式 3），來和因素負荷量皆設為恆等的模式（表 14 中之模式 2）作比較。結果發現卡方值的差距未達產生顯著性（Δx2_{(6)=8.382，p=.211），因此接受結構共變異數矩} 陣恆等的假設（表15 之步驟 2）。 ܑ14 ሀݭણᇴҤࢍ 模式模式1 模式 2 模式3 群組1 群組 2 群組 1 群組2 群組1 群組 2

Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std λpu1 1.00 .96 1.00 .96 1.00 .96 1.00 0.96 1.00 .96 1.00 .96 λpu2 1.00 .96 .99 .95 1.00 .96 1.00 0.95 1.00 .96 1.00 .95 λpu3 .99 .96 1.01 .97 1.00 .96 1.00 0.97 1.00 .96 1.00 .97 λpu4 .95 .89 .99 .93 .97 .90 .97 0.93 .97 .90 .97 .93 λpeou1 1.00 .96 1.00 .96 1.00 .96 1.00 0.96 1.00 .96 1.00 .96 λpeou2 .95 .82 .98 .90 .97 .83 .97 0.90 .97 .83 .97 .89 λpeou3 1.01 .89 1.01 .92 1.01 .89 1.01 0.92 1.01 .90 1.01 .92 λpeou4 .71 .80 .68 .76 .70 .79 .70 0.76 .70 .80 .70 .75 λbi1 1.00 .95 1.00 .97 1.00 .95 1.00 0.96 1.00 .95 1.00 .96 λbi2 1.07 .99 1.04 .98 1.05 .99 1.05 0.98 1.05 .99 1.05 .98 λbi3 .91 .86 .89 .88 .90 .86 .90 0.88 .90 .86 .90 .87 δpu1 .10 .26 .10 .23 .10 .26 .09 0.23 .10 .25 .09 .24 δpu2 .10 .03 .11 .04 .10 .03 .11 0.04 .10 .03 .11 .04 δpu3 .09 .10 .08 .07 .09 .10 .08 0.07 .09 .09 .08 .07 δpu4 .26 .36 .17 .43 .26 .37 .17 0.42 .26 .36 .17 .43 δpeou1 .11 .20 .13 .15 .11 .20 .13 0.15 .11 .19 .13 .16 δpeou2 .62 .33 .37 .19 .62 .32 .37 0.20 .62 .30 .37 .21 δpeou3 .38 .07 .30 .07 .38 .07 .29 0.07 .38 .07 .29 .08 δpeo4 .42 .20 .56 .14 .42 .20 .56 0.14 .42 .20 .56 .14 δbi1 .12 .07 .09 .06 .12 .07 .09 0.07 .12 .07 .09 .06 δbi2 .03 .08 .06 .10 .04 .08 .05 0.09 .04 .09 .05 .09 δbi3 .32 .08 .30 .08 .32 .08 .30 0.08 .32 .08 .30 .08

(18)

模式模式1 模式 2 模式3

群組1 群組 2 群組 1 群組2 群組1 群組 2

Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std Unstd. Std ψpu 1.15 1.00 1.08 1.00 1.13 1.00 1.09 1.00 1.11 1.00 1.11 1.00 ψpeou 1.44 1.00 1.60 1.00 1.44 1.00 1.60 1.00 1.52 1.00 1.52 1.00 ψbi 1.09 1.00 1.23 1.00 1.12 1.00 1.21 1.00 1.17 1.00 1.17 1.00 註：群組1：45 歲以下（含）群組2：45 歲以上 ܑ15 ሀݭͧྵ

步驟1：因素負荷量恆等 8 9.643 .291 .001 0.001 -.001 -.001

步驟2：共變異數矩陣恆等 6 8.382 .211 .001 0.001 -.001 -.001

技接受模式中文版量表」，在背景變項的年齡層部份，具測量恆等性（measurement invariance）。

Ёăඕኢᄃޙᛉ

˘ăࡁտඕኢ （一）科技接受模式的因素結構本研究的目的，是在探討科技接受模式中文量表的編製。所謂科技接受模式，意指影響科技資訊系統使用者接受度的相關因素。本研究編製了一份「科技接受模式」量表，用以探討影響科技資訊系統使用者的因素，包含行為意向、認知有用性與認知易用性，根據Venkatesh 與 Bala（2008）的研究，共編製了 11 題有關的題目，利用250 位某醫學中心掛號手機 APP 軟體使用者的預試，經過項目分析之後，再經由因素分析得到三個因素，分別為行為意向、認知有用性與認知易用性，這三個因素說明了科技接受模式可以從三個不同的向度來評量。另外，以501 名某醫學中心手機掛號 APP 使用者為正式樣本進行測量，並以三個效標變項進行效度評估。分析結果指出，本研究所發展的科技接受模式中文版量表具有良好的信度，同時在構念建構與效標關聯效度的檢驗上，皆有良好的表現。此外，本研究亦進行科技接受模式中文相關量表的驗證性因素分析（CFA）之驗證，以評估測量工具的因素結構是否恰當，結果顯示假設模型與觀察值之間沒有顯著的差異，且模型完全契合，表示科技接受模式中文相關量表：行為意向、認知有用性與認知易用性三個測量向度得以確立。（二）科技接受模式可作為民眾對於新資訊科技的判斷工具從背景變項的分析數據發現，以Cheung 與 Rensvold 的研究（1999），在溫和策略下，本研究所發展之「科技接受模式中文版量表」，在背景變項的性別、教育程度與年齡層部份，具測量恆等性。本研究的結果發現，認知有用性、認知易用性與行為意向對系統使用次數有正向影響，而其中又以行為意向與系統使用次數相關程度最高，，故若要增加科技資訊系統使用者的使用次數，應該先提升科技資訊系統使用者的行為意向，這與科技接受模式（Venkatesh, & Davis，2000；Venkatesh, Bala，2008）的主張相同。本研究

(19)

所編製的「科技接受模式中文版量表」，可作為資訊系統導入者的判斷工具，相關領域之學者亦可以此為基礎，進行深入之研究。 ˟ăࡁտࢨטᄃϏֽޙᛉ 本研究在樣本的蒐集上，礙於人力與人際網絡的限制，僅能透過方便取樣的方式來尋找研究參與者，無法以隨機抽樣的方式來選取參與者，但在樣本蒐集過程中，盡可能的將樣本予以分散，避免過度集中，同時亦兼顧性別、教育程度、年齡別的區分，盡可能的考慮樣本的代表性，這些有關樣本取樣上的問題為本研究的限制。就科技接受模式（Venkatesh, & Davis, 2000; Venkatesh, Bala, 2008）而言，知覺有用、知覺易用亦受外部因素影響。如認知有用受到主觀規範、印象、工作相關性、產出品質、結果展示性等的影響；知覺易用受到電腦自我效能、認知外部控制、電腦使用焦慮、電腦使用趣味、認知樂趣、客觀使用等的影響。後續相關研究可以針對知覺有用、知覺易用與外部因素，進行深入的探討。並結合本研究發展之量表，以期科技接受模式更完整。

ણ҂͛ᚥ

[1] 邱皓政（2000）。量化研究與統計分析：SPSS 中文視窗版資料分析範例解析。台北市：五南。 [2] 許素梅（2011）。以科技接受模式探討電子書使用與需求之研究。國立臺灣師範大學圖文傳播學系碩士論文。 [3] 徐延婷（2012）。消費者對 App Store 電子書之接受度與購買行為之研究。世新大學圖文傳播暨數位出版學研究所碩士論文。 [4] 陳瑞伶（2013）。以科技接受模型分析影響使用電信業經營之行動 APP 軟體商店意願─以中華電信 Hami APPs 為例。長庚大

學管理學院碩士學位學程在職專班經營管理組碩士論文。 [5] 洪揚（2014）。消費者對智慧型手機應用程式的使用意願與使用行為研究。中華大學資訊管理學系碩士班碩士論文。 [6] 鄭淑禎（2014）。博物館 APP 導覽系統之系統品質覺知及體驗價值與使用意圖相關研究。國立臺灣師範大學工業教育學系在職進修碩士班碩士論文。 [7] 陳光宗（2014）。「慢」步雲端：Nike+ Running 使用者行為意圖分析。國立臺灣師範大學體育學系碩士論文。 [8] 林宗（2014）。以科技接受模型探討 QR-Code 的使用傾向─智慧手持裝置的實證研究。國立臺灣科技大學管理研究所碩士論文。

[9] 熊震宇（2014）。以理性行為理論、擴充科技接受模型探討從眾行為對 APP 遊戲使用行為之影響以 Candy Crush 為例。國立成功大學工程管理碩士在職專班碩士論文。

[10] 潘榮棋（2014）。以 TRA 與 TAM 理論探討智慧型手機使用族群運用社群軟體的意圖影響因素之研究。國立成功大學高階管理碩士在職專班碩士論文。

[11] 鐘皎綺（2015）。以科技接受模式探討手機旅行者之使用行為研究。南華大學旅遊管理學系旅遊管理碩士班碩士論文。 [12] Ajzen, I., & Fishbein, M. (1980). Understanding Attitudes and Predicting Social Behavior. Englewood Cliffs, NJ: Prentice-Hall. [13] Cheung, G.W. & Rensvold, R. B. (1999). Testing factorial invariance across groups: A reconceptualization and proposed new method.

Journal of Management, 25, 1-27.

[14] Cureton, E. E. (1957). The upper and lower twenty-seven per cent rule. Psychometrika, 22(3), 293-296.

[15] Davis, F. D. Bagozzi, R.P. & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35, 982-1003.

[16] Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley.

[17] Heberlein, T. A., & Black, J.S. (1976). Attitudinal Speciwcity and the Prediction of Behavior in a Weld Setting. Journal of Personality and Social Psychology, 33, 474-479.

[18] Kelley, T. L. (1939). The Selection of Upper and Lower Groups for the Validation of Test Items. Journal of Educational Psychology, 30(1), 17-24.

(20)

[19] Sichel, D. E. (1997). The Computer Revolution: An Economic Perspective. The Brookings Institution, Washington, DC.

[20] Taylor, S., & Todd, P.A. (1995). Understanding Information Technology Usage: A Test of Competing Models, Information Systems Research, 6(2), 144-176.

[21] Torkzadeh, G., Koufteros, X., & Pflughoeft, K. (2003). Confirmatory analysis of computer self-efficacy. Structural Equation Modeling, 10(2), 263-275.

[22] Venkatesh, V., Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences, 39(2), 273-315.

[23] Venkatesh, V. & Davis. F. D. (1996). A Model of the Antecedents of Perceived Ease of Use: Development and Test. Decision Sciences, 27(3), 451-481.

[24] Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 46(2), 186-204.

(21)

Construction and Related Study of the Inventory of

Technology Acceptance Model

Yi-Horng Lai

1,*

I-Yen, Chiu

1

I-Yen, Chiu

1

Abstract

Technology acceptance is one of the most important issues in information application. The key to technology acceptance are behavioral intentions to use, perceived usefulness, and perceived ease of use. The purpose of this study is to clarify the concept of technology acceptance model (TAM) and furthermore to develop a measurement tool for TAM. Based on Venkatesh, and Bala’s conceptualization (2008) of TAM, this study created the concept of acceptance model for information technology. An 11-item scale for measuring TAM was administered to 250 medical center appointment APP users for item analysis in the pilot study. Subsequently, a sample was collected from 501 medical center appointment APP users for confirmatory factor analysis and reliability estimation. Results revealed that the developed inventory (inventory of TAM) had satisfactory reliability and validity. A three-factor (behavioral intentions to use, perceived usefulness, and perceived ease of use) model with correlation among factors was identified as a good model for fitting the data. Finding of the analysis on background variables are reported. Finally, the significance and the implication of the inventory of TAM are discussed.

Keywords: Behavioral Intentions to Use, Perceived Usefulness, Perceived Ease of Use, Technology Acceptance Model, Confirmatory Factor Analysis

1_{Department of Health Care Administration, Oriental Institute of Technology} *_{Correspondence author: Yi-Horng Lai}

(22)