壹、前言
有關智慧型手機（smart phone）消費行為調查結果顯示，雖然目前實際使用智慧型手 機的人數尚未超過半數，但是未來使用智慧型手機的意願在增加中。例如，經濟部技術處 的「2010 行動生活趨勢下消費者需求調查報告」顯示，持有智慧型手機的比例為 13.6%， 未來一年有意或一定會購買智慧型手機者接近三成（26.4%）。資策會「2010 消費者行動 電話的持有現況與未來關鍵需求」調查顯示，將近九成的消費者擁有手機，其中持有智慧 型手機的比例高達15.1％。PC home 於 2011 年進行對智慧型手機的使用意圖的相關調查， 有效的網路問卷樣本數11,238 份，結果顯示未來想持有的人高達 91%。Pollster（波仕特） 在 2011 年，蒐集 907 份線上問卷，調查結果顯示 71.6%的民眾目前並沒有使用智慧型手 機，74%民眾想要換智慧型手機。這些報告結果顯示智慧型手機的佔有率持續增加的趨 勢，因此影響消費者使用智慧型手機的因素是手機製造及銷售相關業者關心的重要議題， 而在資訊科技領域裡普遍使用Davis（1986）的科技接受模型 （technology acceptance model, TAM）來預測消費者的行為，故以智慧型手機在 TAM 脈絡下的應用為本研究的動機之一。隨著TAM 應用的普及，在模型上有著更多的強化及延伸，例如，Davis, Bagozzi, &
之一，本研究認為在智慧型手機的使用脈絡下探討知覺樂趣性與TAM 的關係不僅重要而 且有其必要，故為本研究的動機之三。 本研究希望補足文獻的缺口。具體而言，本研究的貢獻包括：1.TAM 是資訊科技領 域裡普遍用來預測消費者行為的模式，在智慧型手機佔有率持續增加的趨勢下，以智慧型 手機使用脈絡，利用TAM 預測使用者的態度和行為意圖是手機製造及銷售相關業者關心 的重要議題；2.推陳出新的多媒體功能是吸引手機族群頻換手機的誘因之一，手機具有享 樂特質的科技產品，但TAM 未能捕捉享樂性科技產品的使用動機。本研究結合動機理論 延伸TAM，彌補 TAM 無法完整解釋人格特質和內在動機對行為意圖的影響。 綜言之，從行動通訊的技術發展，以及消費者需求面的現況，在在顯示智慧型手機的 重要性和成長趨勢。因此，本研究考量人格特質和內在動機，在智慧型手機的使用脈絡下， 探討該兩個因子對TAM 的影響，期待能夠提供豐富的管理洞見和研究內涵給實務界或學 術界，作為管理策略的參考和學術研究的啟發。
貳、理論基礎與文獻回顧
本節首先介紹智慧型手機產業概況，再針對相關理論及文獻回顧與整理，然後發展研 究架構及假設。一、智慧型手機產業概況
智慧型手機如同小型個人電腦般便利，隨著3G（3rd generation, 3G） 網路的普及，CPU（central processing unit）的進步與硬體體積縮小，促進智慧型手機的普及。儘管全球
經濟面臨衰退隱憂，但智慧型手機銷售卻絲毫不見減緩態勢。拓墣產業研究所指出 2011
年全球手機出貨量達16 億支（不含無品牌手機），年成長率達 11%，其中智慧型手機出
貨量 4.5 億支，成長率超過六成，滲透率為 27.95%（見圖 1）。預估到了 2015 年，全球
圖1：全球智慧型手機出貨量 資料來源：拓墣產業研究所（2011）
相關文獻裏有關智慧型手機的定義，大致有下列幾種看法。Zheng and Ni（2005）認 為智慧型手機除了傳統的語音通話功能，具有提供個人資訊管理和無線上網功能，就像一 台小型具有上網電腦形式的手機。智慧型手機隨著時間的推移改變，很難有明確的定義。 Chen, Chen & Yen（2011）也認為根據目前市場情況，智慧型手機製造商對智慧型手機並 沒有一致標準，隨著相關技術的演進，智慧型手機相關製造商持續開發新的功能，使得智 慧型手機功能更加多元化。
Pitt, Parent, Junglas, Chan & Spyropoulou（2011）利用下列四個特點來區分是否為智慧 型手機： （一）智慧型手機擁有多媒體功能，允許聲音，圖像和影片輸入，視覺及影音可以被處理 和儲存。此外，智慧型手機往往能夠觸覺資訊處理，如利用多點觸控螢幕，而不是 一般鍵盤。 （二）智慧型手機配置加速度傳感器（accelerometer），它可以感應到更多動作手勢並提 供更高精確度，且還為使用者提供了輸入控制並控制畫面方向能力。
（三）智慧型手機都配有定位能力，透過GPS（global positioning system），檢測所有者
確切行蹤。
公司的更新航班訊息。
本研究將智慧型手機定義為「具有電話、簡訊、觸控螢幕、上網等基本功能的手機外，
並且有使用開放式作業系統（如iOS、Android、bada OS、MeeGo、Palm OS、WebOS、
Windows Mobile、Symbian OS 及 BlackBerry OS 等），可自行下載應用軟體」。
二、科技接受模式
科技接受模型（technology acceptance model, TAM）為 Davis（1986）依據理性行為理 論為基礎所提出的行為意圖模型，Davis 強調知覺有用性（perceived usefulness）與知覺易 用性（perceived ease of use）的重要，認為此兩者係直接影響使用者對資訊科技所抱持之 態度的主要因素，態度進一步會影響使用者的行為意圖，行為意圖則決定了使用者對資訊 科技的接受程度與使用行為。
國內外應用TAM 的有很多相關研究。很多人把 TAM 應用於行動商務（Cyr, Head, & Ivanov, 2006；Hung, Ku, & Chang, 2003；Venkatesh, Ramesh, & Massey, 2003；Yang, 2005）， 例如，南非的行動電話使用（Meso, Musa, & Mbarika, 2005），韓國的行動學習（Kim & Ong, 2005） ，中國的簡訊服務（Shen, Yang, Sun, & Chen, 2006），日本行動上網服務（Okazaki, 2006），芬蘭的行動付費（Tomi, Milla, & Antti, 2008），南韓行動無線科技採用（Kim & Garrison, 2009），馬來西亞的手機無線網路服務（Parveen, Abessi,&Ainin, 2009）。
Hong, Thong, Wong, & Tam（2002）四人探討大學建置的數位圖書館使用情況，以 TAM
對585 位受測者驗證科技的採納因素。此研究調查了個人差異（包括：電腦自我效能、搜
尋領域的知識）及系統特徵（包括：適宜性、專用術語、視窗設計）對使用數位圖書館意 願的影響。結果發現個人差異及系統特徵等外部變數皆顯著地影響數位圖書館的知覺易用 性。
Benbasat & Dexter（1986）及 Davis & Venkatesh（1996）主張知覺有用性與知覺易用 性會正向影響使用科技產品的態度，進而影響具體的行為意圖。使用者對科技產品的知覺 易用性，會強化使用者對科技產品的知覺有用性，而且使用者的知覺有用性及知覺易用性 皆會受外部變數的影響。 經由上述文獻顯示知覺有用性及知覺易用性會影響使用者對資訊科技的態度和行為 意圖，由於智慧型手機在國內相關研究略顯不足，故本研究以智慧型手機的脈絡檢驗科技 接受模型，提出下列假設： H1：知覺易用性對知覺有用性有正向的影響。 H2：知覺易用性對態度有正向的影響。 H3：知覺有用性對態度有正向的影響。 H4：知覺有用性對行為意圖有正向的影響。 H5：態度對行為意圖有正向的影響。
三、個人創新
個人創新（personal innovativeness）的概念是從 Rogers（1995）的創新擴散理論 （innovation diffusion theory）發展而來。Agarwal & Prasad（1998）定義個人創新為個人
嘗試新資訊科技的意願。後續有關個人創新的研究多半以Agarwal & Prasad（1998）的創
新定義為主（Bhatti, 2007；Kuo & Yen, 2009；Lu, Yao, & Yu, 2005）。
Jashapara & Tai（2006）認為個人創新是不易受環境及時間影響的穩定個人特性，並且指 出具有個人創新的人通常較容易率先使用新科技產品，是新科技產品採用行為的重要影響 因素（Agarwal & Prasad, 1998；Hung et al., 2003；Lu, Liu, Yu, & Wang, 2008；Yang, 2005）。
Yang（2005）針對新加坡的 3G 手機加值服務進行研究，以 TAM 為理論基礎，加入
個人創新和個人特色等外部變數，了解消費者使用3G 手機加值服務的行為意圖。結果發
現個人創新可以增強 3G 手機加值服務的知覺易用性。Lewis, Agarwal & Sambamurthy （2003）在 TAM 加入兩個個人因素，分別是自我勝任感及個人創新。研究指出個人創新 對知覺有用性和知覺易用性有顯著的影響。Parveen et al.（2009）針對馬來西亞的手機無
線網路服務進行研究。延伸 TAM，加入科技複雜性和個人創新等外部變數。研究發現個
四、認知評價理論和知覺樂趣性
使用科技產品，除了本身的實用功能 （例如利用手機打電話或者利用電腦從事文書 工作） 之外，近來在實務與理論都開始強調科技產品的娛樂價值（hedonic value）。有些 科技接受行為的研究採用動機理論（motivation theory）來解釋個人行為的內在動機 （internal motivation）和外在動機（external motivation）（van der Heijden, 2004；Moon & Kim, 2001；Davis et al., 1992）。Deci & Ryan（1985）的認知評價理論（cognitive evaluation theory）認為影響個人行為意圖的動機可分為外在動機和內在動機，外在動機指個人行為 受到外來激勵而產生的動機，可獲得實質的效益，例如報酬或名位等。內在動機則是因為 個人參與活動的過程所體驗的愉悅情緒。TAM 的知覺易用性和知覺有用性可歸類為外部 動機，視為使用科技產品的獲得的實質效益，包括節省時間、方便使用、容易使用或增加 生產效率。另一方面，使用科技產品本身感受到的愉快情緒，可歸類為內在動機。雖然有 些消費者行為的文獻，將產品區分為實用性（utilitarian）和娛樂性（hedonic）的產品（van der Heijden, 2004），但是許多科技產品同時具備實用和娛樂價值，智慧型手機就是一例。 基此，本文延伸 TAM，結合知覺評價理論的內在和外在動機，將知覺樂趣性視為使用智 慧型手機的內在動機，以TAM 的知覺有用性和知覺易用性作為外在動機，探討知覺樂趣 性與TAM 的關係。
與科技採用有關的享樂因素（hedonic factor）的稱謂包括 fun、playfulness 和 enjoyment （Cyr et al., 2006）。Moon & Kim（2001）指出知覺有用性和知覺易用性無法完整地解釋 使用者的使用動機，所以延伸科技接受模型，將知覺樂趣性納入科技接受模型加以討論。 Moon & Kim（2001）定義知覺樂趣性為「個人在採取特定行為或執行特定活動時主觀感 受到的樂趣」。
van der Heijden（2004）指出 TAM 強調實用（例如有用性和易用性）價值，缺乏內在 動機的考量，特別是在享樂方面的信念，提出知覺樂趣性、知覺易用性與知覺有用性等三 者是影響行為意圖的重要因子。在具有享樂性質的影視網站上驗證研究假設，結果顯示知 覺易用性對行為意圖的影響比知覺樂趣性和知覺有用性來得大。
Hsu & Lin（2008）針對 212 位部落格的使用者進行研究，將知覺樂趣性放入科技接 受模型，假設科技接受模型的知覺有用性、知覺易用性及知覺樂趣性對態度有影響。研究 結果指出樂趣性會正向影響部落格使用的態度，若使用者沒感受到使用部落格是快樂的， 就不會想要使用部落格平台。
務本身的有趣性，也會因為有趣的因素而對線上零售商產生忠誠度。
Cyr et al.（2006）對行動商務進行研究，驗證 TAM 和知覺樂趣性對行動服務的忠誠 度，結果顯示知覺樂趣性會被知覺易用性及設計的美學所影響，進而影響對於行動服務的 忠誠度。
二、變數的定義與衡量
本研究問卷題項分為三大類，包括主要變數、智慧型手機使用狀況和受測者基本資
料。主要變數的操作性定義、衡量及參考來源（見表1），是參考過去文獻，並配合本研
究之研究目的加以發展而成。本研究之測量尺度係採用 Likert 五點尺度（Likert 5-point
Scale）進行衡量，其範圍從「非常不同意」至「非常同意」，分別給予 1 到 5 的分數。 各變數之操作性定義及衡量題項整理如表1。 表1：各構念之操作性定義與衡量問項 構面 操作性定義 問項 參考來源 當我得知有一項創新事物，便會想辦法 去嘗試看看。 一般而言，我對創新事物會勇於嘗試。 在同輩中，我通常是最先嘗試創新事物 人。 個 人 創 新 使用者願意使用 任何創新事物的 意願。 我喜歡嘗試新事物。 Agarwal & Karahanna (2000) 智慧型手機可提高我做事的效能。 智慧型手機可讓我在最短的時間內完成 我要做的事。 智慧型手機讓我更輕鬆地完成我要做的 事。 知 覺 有 用 性 使用者使用智慧 型手機，所感受 到的有用程度。 智慧型手機有很多用處。
Cyr, Head & Ivanov (2006) 使用智慧型手機是簡單的。 使用智慧型手機做我想要的事是容易的 。 智慧型手機的使用清楚易懂。 使用智慧型手機會很方便。 我可以容易地記住如何使用智慧型手機 的各項功能。 知 覺 易 用 性 使用者在使用智 慧型手機的過程 中，其在學習使 用智慧型手機所 提供之各項功能 ，所付出之心力 。 整體而言，智慧型手機是容易使用的。 Walczuch, Lemmink & Streukens (2007) 使用智慧型手機令人感到興奮。 使用智慧型手機的過程都讓人感到愉快 。 使用智慧型手機感覺很酷。 使用智慧型手機很有趣。 知 覺 樂 趣 性 使用者使用智慧 型手機，所感受 的到的愉悅程度 。 使用智慧型手機很快樂。
使用智慧型手機是個好點子。 智慧型手機是明智的想法。 我喜歡使用智慧型手機。 態 度 使用者透過智慧 型手機，所感受 到的正面或負面 的看法。 使用智慧型手機感覺不錯。
Taylor & Todd (1995) 未來我會定期地使用智慧型手機。 未來我會頻繁地使用智慧型手機。 行 為 意 圖 使用者願意使用 智慧型手機的可 能性強度。 我會推薦其他人使用智慧型手機。
三、資料分析方法
研究假設的驗證依Anderson 和 Gerbing（1988）建議的兩步驟方法（two -stage approach） 檢驗結構方程式，包括測量模式分析與結構模式分析。
肆、實證結果
本節首先描述樣本的人口統計資料分佈、呈現智慧型手機使用狀況、經常使用功能與 研究架構構念的敘述統計資料，接著再驗證研究假設。一、樣本資料描述
本研究總計發放250 份問卷，有效問卷回收 229 份，有效問卷比例為 91.6%。本研究分別在Google 卷（www.docs.google.com）、my3q 及優仕網（survey.youthwant.com.tw）
效度部分，所有題項在構念上都擁有顯著（Anderson & Gerbing, 1988）且大於 0.7 的
因素負荷（見表5），故具收斂效度（Anderson & Gerbing, 1988）。區別效度部分，雖然
AVE 未能全部大於構念間相關係數（Fornell & Larcker, 1981）（見表 6），但若強迫構念
間的相關係數為1，受限模式的卡方值顯著高於非受限模式的卡方值（見表 7），故具有
後，本研究亦嘗試找出本研究可能存在之限制，並提出對後續研究人員的建議，可使往後 學者朝此方向努力與改進。
一、討論
本研究以科技接受模型及認知評價理論為架構，並將個人創新視為外部變數，探討個 人行為的內在動機（知覺樂趣性）與外在動機（知覺有用性），對科技接受模型相關因素 的影響。 本研究的結果發現使用者對於智慧型手機的感受（知覺易用性、知覺有用性及知覺樂 趣性）將正向影響對智慧型手機的態度，進而影響最後的行為意圖，此項研究結果不但與 TAM 相呼應，也和動機理論相關研究如 Hsu & Lin（2008）部落格、Ahn et al.（2007）線 上零售平台使用者的知覺樂趣性會正向影響態度等研究結果相符。本研究的結果除驗證使用者對智慧型手機的容易使用程度（知覺易用性）提高對於態 度有正面的影響外，也發現智慧型手機愈容易使用（知覺易用性）會提高消費者對於智慧 型手機的正面感受，包括有用的程度（知覺有用性）及有趣的程度（知覺樂趣性），此研 究結果分別與Benbasat & Dexter（1986）的知覺易用性對知覺有用性正向影響，以及 Bruner & Kumar（2005）的知覺易用性對知覺樂趣性有正向影響的研究結果相符。
具有個人創新的人通常較容易率先使用新科技產品（Jashapara & Tai, 2006）。有創新 特質（個人創新）的人勇於嘗試創新事物，容易接受新事物，對於新科技的使用也會來得 容易理解和熟練（知覺易用性）。具個人創新特質（個人創新）的使用者透過不斷的嘗試 新科技，經常會從新科技可得到較多的利益和感受到更多的用處（知覺有用性）。
本研究的結果發現有較高的創新特質（個人創新）的使用者會正向影響使用智慧型手
機時，感覺有用處及容易使用的感受（知覺有用性及知覺易用性），此研究結果與Barnett
過個人創新對態度或行為意圖的調節效果，而本研究未探討調節作用。另外，本研究架構 裏有若干中介關係，例如態度是知覺樂趣性和行為意圖的中介變數，知覺易用性是個人創 新和知覺樂趣性的中介變數，然而本研究未對此部分多說明，因此建議後續研究可進一步 深入的探討中介效果所代表的意義，亦或可能存在的調節變數對態度或行為意圖之影響。 四、本研究以橫斷面資料檢驗變數間的關係，因果關係較不明確。建議未來研究可從 跨時方式探討個人創新或知覺樂趣性對態度或行為意圖的長期和短期影響，例如個人創新 或知覺樂趣性對態度或行為意圖的效果是否隨著產品使用時間而消蝕或強化，對於瞭解個 人創新或知覺樂趣性對消費行為的影響會有進一步的幫助。
參考文獻
1. PC home（2011）。新浪新聞。2012 年 4 月 1 日，取自：http://news.sina.com.tw/ article/ 20110920/4716748.html 2. Pollster（2011）。波仕特線上市調網。2012 年 4 月 1 日，取自： http://www.pollster.com.tw/ Aboutlook/lookview_item.aspx?ms_sn=1519 3. 拓墣產業研究所（2011）。聯合新聞網。2012 年 4 月 1 日，取自： http://mag.udn.com/ mag/digital/printpage.jsp?f_ART_ID=350533 4. 財團法人台灣網路資訊中心（2011）。2011 年臺灣無線網路使用調查報告。2012 年 4 月1 日，取自：http://www.twnic.net.tw/download/200307/1107d.pdf 5. 財團法人資訊工業策進會（2010）。2010 行動生活趨勢下消費者需求調查報告。2012 年4 月 1 日，取自：http://books.find.org.tw/newbook_disp.asp?book_id=161 6. 財團法人資訊工業策進會（2010）。2010 消費者行動電話的持有現況與未來關鍵需求。 2012 年 4 月 1 日，取自：http://books.find.org.tw/newbook_disp.asp?book_id=151 7. 財團法人資訊工業策進會（2010）。數位時代。2012 年 4 月 1 日，取自： http:// www. bnext.com.tw/focus/view/cid/103/id/20328
8. Agarwal, R., & Karahanna, E. （2000）. Time Flies When You're Having Fun: Cognitive Absorption and Beliefs about Information Technology Usage. MIS Quarterly, 24（4）, 665-694.
9. Agarwal, R., & Prasad, J. （1998）. A Conceptual and Operational Definition of Personal Innovativeness in the Domain of Information Technology. Information Systems Research, 9 （2）, 204-215.
Acceptance of Online Retailing. Information & Management, 44（3）, 263-275.
11. Anderson, J. C., & Gerbing, D. W. （1988）. Structural Equation Modeling in Practice: A Review and Recommended Two-Step Approach. Psychological Bulletin, 103（3）, 411-423. 12. Armstrong, J. S., & Overton, T. S. （1977）. Estimating Nonresponse Bias in Mail Surveys,
Journal of Marketing Research, 14（3）, 396-402.
13. Atkinson, M., & Kydd, C. （1997）. Individual Characteristics Associated with World Wide Web Use: An Empirical Study of Playfulness and Motivation. SIGMIS Database, 28（2）, 53-62.
14. Barnett, L. A. （1991）. The Playful Child: Measurement of a Disposition to Play. Play & Culture, 4（1）, 51-71.
15. Benbasat, I., & Dexter, A. S. （1986）. An Investigation of the Effectiveness of Color and Graphical Information Presentation under Varying Time Constraints. MIS Quarterly, 10（1）, 59-83.
16. Bentler, P. （1983）. Some Contributions to Efficient Statistics in Structural Models: Specification and Estimation of Moment Structures. Psychometrika, 48（4）, 493-517. 17. Bentler, P. M. （1990）. Comparative Fit Indexes in Structural Models. Psychological
Bulletin, 107（2）, 238-246.
18. Bentler, P. M., & Bonett, D. G. （1980）. Significance Tests and Goodness of Fit in the Analysis of Covariance Structures. Psychological Bulletin, 88（3）, 588-606.
19. Bhatti, T. （2007）. Exploring Factors Influencing the Adoption of Mobile Commerce. Journal of Internet Banking and Commerce, 12（3）, 1-13.
20. Browne, M. W., & Cudeck, R. （1993）. Alternative Ways of Assessing Model Fit. In Bollen, K.A., & Long, J.S. （Eds.） Testing Structural Equation Models. Newbury Park. California: Sage, 136-162.
21. Bruner, G. C. I., & Kumar, A. （2005）. Explaining Consumer Acceptance of Handheld Internet Devices. Journal of Business Research, 58（5）, 553-558.
22. Chang, Y. F., Chen, C. S., & Zhou, H. （2009）. Smart Phone for Mobile Commerce. Computer Standards & Interfaces, 31（4）, 740-747.
23. Chen, C.-F., & Chen, P.-C. （2011）. Applying the TAM to Travelers’ Usage Intentions of GPS Devices. Expert Systems with Applications, 38（5）, 6217-6221.
24. Chen, K., Chen, J. V., & Yen, D. C. （2011）. Dimensions of Self-Efficacy in the Study of Smart Phone Acceptance. Computer Standards & Interfaces, 33（4）, 422-431.
Reactions to Computing Technology: A Longitudinal Study. MIS Quarterly, 23（2）, 145-158.
26. Cyr, D., Head, M., & Ivanov, A. （2006）. Design Aesthetics Leading to M-Loyalty in Mobile Commerce. Information & Management, 43（8）, 950-963.
27. Davis, F. D. （1986）. A Technology Acceptance Model for Empirically Testing New End-User Information System: Theory and Results. Ph.D. Dissertation, MIT Sloan School of Management, Cambridge, MA.
28. Davis, F. D. （1989）. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13（3）, 319-340.
29. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. （1989）. User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35（8）, 982-1003.
30. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. （1992）. Extrinsic and Intrinsic Motivation to Use Computers in the Workplace1. Journal of Applied Social Psychology, 22（14）, 1111-1132.
31. Davis, F. D., & Venkatesh, V. （1996）. A Critical Assessment of Potential Measurement Biases in the Technology Acceptance Model: Three Experiments. International Journal of Human-Computer Studies, 45（1）, 19-45.
32. Deci, E. L., & Ryan, R. M. （1985）. Intrinsic Motivation and Self-Determination in Human Behavior. New York: Plenum.
33. Fang, J., Shao, P., & Lan, G. （2009）. Effects of Innovativeness and Trust on Web Survey Participation. Computers in Human Behavior, 25（1）, 144-152.
34. Fornell, C., & Larcker, D. F. （1981）. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18（1）, 39-50.
35. Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. （1998）. Multivariate Data Analysis with Readings. New Jersey: Prentice-Hall.
36. Hong, W., Thong, J. Y. L., Wong, W.-M., & Tam, K.-Y. （2002）. Determinants of User Acceptance of Digital Libraries: An Empirical Examination of Individual Differences and System Characteristics. Journal of Management Information Systems, 18（3）, 97-124. 37. Hsu, C.-L., & Lin, J. C.-C. （2008）. Acceptance of Blog Usage: The Roles of Technology
38. Hung, S.-Y., Ku, C.-Y., & Chang, C.-M. （2003）. Critical Factors of WAP Services Adoption: An Empirical Study. Electronic Commerce Research and Applications, 2（1）, 42-60.
39. Igbaria, M., Iivari, J., & Maragahh, H. （1995）. Why Do Individuals Use Computer Technology? A Finnish Case Study. Information & Management, 29（5）, 227-238. 40. Jackson, C. M., Chow, S., & Leitch, R. A. （1997）. Toward an Understanding of the
Behavioral Intention to Use an Information System. Decision Sciences, 28（2）, 357-389. 41. Jashapara, A., & Tai, W.-C. （ 2006 ） . Understanding the Complexity of Human
Characteristics on E-Learning Systems: An Integrated Study of Dynamic Individual Differences on User Perceptions of Ease of Use. Knowledge Management Research & Practice, 4（3）, 227-239.
42. Kanfer, R., Ackerman, P. L., & Heggestad, E. D. （1996）. Motivational Skills & Self-Regulation for Learning: A Trait Perspective. Learning and Individual Differences, 8 （3）, 185-209.
43. Karahanna, E., Straub, D. W., & Chervany, N. L. （1999）. Information Technology Adoption Across Time: A Cross-Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs. MIS Quarterly, 23（2）, 183-213.
44. Kim, G. M., & Ong, S. M. （2005）. An Exploratory Study of Factors Influencing M-Learning success. The Journal of Computer Information Systems, 46（1）, 92-98. 45. Kim, S., & Garrison, G. （2009）. Investigating Mobile Wireless Technology Adoption: An
Extension of the Technology Acceptance Model. Information Systems Frontiers, 11（3）, 323-333.
46. Kuo, Y.-F., & Yen, S.-N. （2009）. Towards an Understanding of the Behavioral Intention to Use 3G Mobile Value-Added Services. Computers in Human Behavior, 25（1）, 103-110. 47. Lee, Y., Park, J., Chung, N., & Blakeney, A. （2011）. A Unified Perspective on the Factors Influencing Usage Intention toward Mobile Financial Services. Journal of Business Research.
48. Lewis, W., Agarwal, R., & Sambamurthy, V. （2003）. Sources of Influence on Beliefs About Information Technology Use: An Empirical Study of Knowledge Workers. MIS Quarterly, 24（4）, 657-679.
50. Lu, J., Liu, C., Yu, C.-S., & Wang, K. （2008）. Determinants of Accepting Wireless Mobile Data Services in China. Information & Management, 45（1）, 52-64.
51. Lu, J., Yao, J. E., & Yu, C.-S. （2005）. Personal Innovativeness, Social Influences and Adoption of Wireless Internet Services via Mobile Technology. The Journal of Strategic Information Systems, 14（3）, 245-268.
52. Marsh, H. W., & Hocevar, D. （1985）. Application of Confirmatory Factor Analysis to the Study of Self-Concept: First- and Higher Order Factor Models and Their Invariance Across Groups. Psychological Bulletin, 97（3）, 562-582.
53. Meso, P., Musa, P., & Mbarika, V. （2005）. Towards a Model of Consumer Use of Mobile Information and Communication Technology in LDCs: The Case of Sub-Saharan Africa. Information Systems Journal, 15（2）, 119-146.
54. Moon, J.-W., & Kim, Y.-G. （2001）. Extending the TAM for a World-Wide-Web Context. Information & Management, 38（4）, 217-230.
55. Mulaik, S. A., James, L. R., Van Alstine, J., Bennett, N., Lind, S., & Stilwell, C. D. （1989）. Evaluation of Goodness-of-Fit Indices for Structural Equation Models. Psychological Bulletin, 105（3）, 430-445.
56. Nunnally, J. C. （1978）. Psychometric Theory. New York: McGraw-Hill.
57. Okazaki, S. （2006）. What Do We Know about Mobile Internet Adopters? A Cluster Analysis. Information & Management, 43（2）, 127-141.
58. Parveen, F., Abessi, M., & Ainin, S. （2009）. Wireless Internet-Using Mobile Devices （WIMDs） in Malaysia. International Journal of Mobile Communications, 7（5）, 580-593. 59. Pitt, L. F., Parent, M., Junglas, I., Chan, A., & Spyropoulou, S. （2011）. Integrating the
Smartphone into a Sound Environmental Information Systems Strategy: Principles, Practices and a Research Agenda. The Journal of Strategic Information Systems, 20（1）, 27-37.
60. Rogers, E. M. （1995）. Diffusion of Innovations （4 ed.）. New York, Free Press. 61. Shen, D., Yang, Q., Sun, J.-T., & Chen, Z. （2006）. Thread Detection in Dynamic Text
Message Streams. Paper presented at the Conference of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Seattle, Washington, USA.
62. Taylor, S., & Todd, P. （1995）. Assessing IT Usage: The Role of Prior Experience. MIS Quarterly, 19（4）, 561-570.
Internet Usage. Omega, 27（1）, 25-37.
64. Tomi, D., Milla, H., & Antti, A. （2008）. Lost Opportunity – Why Has Dominant Design Failed to Emerge for the Mobile Payment Services Market in Finland? Paper presented at the Proceedings of the 41st Hawaii International Conference on System Sciences.
65. van der Heijden, H. （2004）. User Acceptance of Hedonic Information Systems. MIS Quarterly, 28（4）, 695-704.
66. Venkatesh, V. （2000）. Determinants of Perceived Ease of Use: Integrating Control, Intrinsic Motivation, and Emotion into the Technology Acceptance Model. Information Systems Research, 11（4）, 342-365.
67. Venkatesh, V., Ramesh, V., & Massey, A. P. （2003）. Understanding Usability in Mobile Commerce. Communications of the ACM, 46（12）, 53-56.
68. Walczuch, R., Lemmink, J., & Streukens, S. （2007）. The Effect of Service Employees’ Technology Readiness on Technology Acceptance. Information & Management, 44（2）, 206-215.
69. Webster, J., & Martocchio, J. J. （1992）. Microcomputer Playfulness: Development of a Measure with Workplace Implications. MIS Quarterly, 16（2）, 201-226.
70. Wert, C. E., Linn, R. L., & Jöreskog, K. G. （1974）. Intraclass Reliability Estimates: Testing Structural AssumptionsEducational and Psychological Measurement. Educational and Psychological Measurement, 34（1）, 25-33.
71. Wu, I.-L., Li, J.-Y., & Fu, C.-Y. （2011）. The Adoption of Mobile Healthcare by Hospital's Professionals: An Integrative Perspective. Decision Support Systems, 51（3）, 587-596. 72. Yang, K. C. C. （2005）. Exploring factors affecting the adoption of mobile commerce in
Singapore. Telematics and Informatics, 22（3）, 257-277.
73. Yi, M. Y., Fiedler, K. D., & Park, J. S. （2006）. Understanding the Role of Individual Innovativeness in the Acceptance of IT-Based Innovations: Comparative Analyses of Models and Measures. Decision Sciences, 37（3）, 393-426.
74. Zheng, P., & Ni, L. （2005）. Smart Phone and Next Generation Mobile Computing
