1.2　TAM在信息系统研究领域的应用进展

1.2.1　用户特征在TAM中的作用研究

1. 人格特征对技术接受的影响研究

人格特征会影响对技术的采纳程度。目前使用最广泛的是Costa等提出的大五人格理论，表明在五类人格中，具有外向性、宜人性、尽责性、开放性的人格特征的人群更倾向于接受新技术，而神经质特征的人群更偏向于回避新技术。

Venkatesh等对不同人格对采纳电子政务的影响进行了研究，发现具有外向性、宜人性、尽责性、开放性的人格特征的人群更倾向于采纳电子政务，而神经质的人格特征会阻碍电子政务的使用，这是因为神经质人格的人更倾向于规避风险、谨慎和持怀疑态度，他们更难以接受技术创新。^[1]Rauschnabel等则对人格特征对智能眼镜的采纳的影响进行了研究，结果表明，具有开放性的外向人格的人更了解并更可能使用智能眼镜，尤其是当他们将其作为融入社会的方式时；当具有神经质的内向人格的人不能从新技术中获取显著益处时，他们更倾向于不使用智能眼镜。^[2]

2. 性别因素对技术接受的影响研究

性别因素往往被认为对技术接受起着重要的调节作用。人们通常认为女性更容易受到情绪感受、社会导向的影响，而男性更具有风险偏好和个体偏好，部分研究证实了这些假设。Lin等研究了用户加入社交网站的性别差异，结果表明同伴压力是影响女性持续使用意愿的重要因素，但是同伴压力和用户人数对男性没有显著影响。^[3]Pascual-Miguel等则发现不同性别在在线购物产品类型的选择上也存在差异，如对非数码产品的购买意图没有显著的性别差异；就数码产品而言，享乐动机和感知风险对女性消费者购买意愿的影响更突出。^[4]而Ong等对采纳在线学习的性别差异进行了研究，结果显示女性更易受到自我效能、感知易用性的影响，而男性更加注重感知有用性。^[5]

另外，也有学者认为技术接受的差异并非性别因素造成的，而是由于其他因素的调节作用。Bourgonjon等对学生采用电子游戏进行学习的接受程度进行了研究，发现性别差异和游戏偏好之间没有直接关系，而是受到感知易用性和经验的调节作用。^[6]环境因素也会造成技术接受性别差异的假象，Leong等对马来西亚移动娱乐使用意愿的性别差异进行了研究，通过多群组分析，发现性别的调节作用并不显著。作者认为这是因为随着女性在发展中国家获得教育、信息和技能的机会逐渐平等，与男性消费者之间的差距逐渐缩小。^[7]

3. 年龄因素对技术接受的影响研究

用户年龄对技术接受有重要影响。青少年通常更具有好奇心、精力充沛，而且容易受到同龄人的影响，更加注重追求生活品质和享乐。Bilgihan研究了Y一代（1983年到2000年间出生的人）对酒店预订网站的忠诚度的影响因素，结果表明信任、品牌价值是年轻一代保持忠诚度的关键前置变量，而沉浸体验在网站功能和忠诚度之间起着重要的中介作用。^[8]青少年对社交工具的参与往往更加热情，Mäntymäki等对青少年参与社会性虚拟世界的意愿进行的研究发现，青少年的参与主要受到享乐因素的驱动，他们通过社会性虚拟世界与同伴建立联系以及进行社会学习。^[9]

随着年岁渐长，人的生理和心理状况都会发生巨变，这两方面的变化都会影响老年人的技术接受。Loi等调查了发达国家的老年人对触屏技术的接受情况，结果表明大部分老年人接触过触屏技术产品，这些产品具有显著的感知有用性和感知易用性，为老年人的生活带来了便利。^[10]Braun则对阻碍老年人使用社交网站的因素进行了研究，结果发现网络风险和感知易用性是老年人不愿意使用社交网站的重要原因。^[11]

4. 经验和教育水平对技术接受的影响研究

经验和教育水平对技术接受有着重要的调节作用。对缺乏经验的用户来说，感知易用性对其技术采纳通常起着重要的作用。Castañeda等研究了网站接受模型中用户经验的调节效应，发现对于上网经验较少的用户来说，感知易用性是决定其重访网页的重要因素；而对于经验丰富的用户来说，感知有用性的影响更大。^[12]

教育水平对计算机焦虑有较大影响，Porter等对互联网使用意愿中的人口因素进行了研究，发现教育水平较低的人更容易感受到计算机焦虑，并且更加简单的认知结构也阻碍了他们在新环境中的学习能力，因此对互联网的使用意愿更低。^[13]但是教育水平也有可能对技术采纳带来负面影响，Burton-Jones等发现当组织内部采用新技术时，高教育水平可能会起阻碍作用，因为教育会增强员工的个人能力，因此可能对集体行为产生负面影响。^[14]

5. 创新意识对技术接受的影响研究

创新扩散理论是由埃弗雷特·M.罗杰斯（Everett M. Rogers）在20世纪60年代提出的。其中个人创新性是指消费者在特定社会系统中相对于其他消费者较早采用创新的程度，主要包括猎奇性、最适刺激水平、多样性追求、探索性倾向。^[15]Yang对新加坡地区移动商务的采纳的影响因素进行研究，发现个人创新性作为外部变量对感知有用性和感知易用性有着显著的积极作用。^[16]但是也有研究者认为个人创新对新技术的采纳没有显著影响，Sim等对消费者在数字音乐的初始采纳阶段的影响因素进行了研究，发现感知有用性和满意度对使用意愿的影响最大，个人创新并没有像预想的那样对感知有用性和感知易用性产生显著影响。^[17]

早期的研究更加关注创新采纳中个人创新对技术接受的影响，后期的研究发现创新抗拒发挥更大的解释作用。Ram于1987年提出创新抗拒模型^[18]，创新抗拒是指消费者面对创新带来的现状改变而采取的拒绝使用、延迟使用和对抗使用的行为。Claudy等发现创新抗拒对消费者技术采纳起着更重要的作用，创新抗拒在技术接受上主要包括使用障碍、价值障碍、风险障碍三个维度。^[19]而Lee研究了创新抗拒对韩国用户采纳移动电子书的影响，发现创新抗拒对于使用意愿有显著的负面影响，并且负面调节了感知有用性和感知易用性的作用；也就是说，如果新产品的感知有用性和感知易用性不足以抵消用户的创新抗拒，用户的使用意愿就比较低。^[20]

[1] Venkatesh V, Sykes T A, Venkatraman S. Understanding e-Government portal use in rural India: Role of demographic and personality characteristics[J]. Information Systems Journal, 2014, 24(3): 249-269.

[2] Rauschnabel P A, Brem A, Ivens B S. Who will buy smart glasses? Empirical results of two pre-market-entry studies on the role of personality in individual awareness and intended adoption of Google Glass wearables[J]. Computers in Human Behavior, 2015, 49: 635-647.

[3] Lin K, Lu H. Why people use social networking sites: An empirical study integrating network externalities and motivation theory[J]. Computers in Human Behavior, 2011, 27(3): 1152-1161.

[4] Pascual-Miguel F J, Ángel F. Agudo-Peregrina, Chaparro-Peláez J. Influences of gender and product type on online purchasing[J]. Journal of Business Research, 2015, 68(7): 1550-1556.

[5] Ong C S, Lai J Y. Gender differences in perceptions and relationships among dominants of e-learning acceptance[J]. Computers in Human Behavior, 2006, 22(5): 816-829.

[6] Bourgonjon J, Valcke M, Soetaert R, Schellens T. Students’ perceptions about the use of video games in the classroom[J]. Computers & Education, 2010, 54(4): 1145-1156.

[7] Leong L Y, Ooi K B, Chong Y L, et al. Modeling the stimulators of the behavioral intention to use mobile entertainment: Does gender really matter?[J]. Computers in Human Behavior, 2013, 29(5): 2109-2121.

[8] Bilgihan A. Gen Y. Customer loyalty in online shopping: An integrated model of trust, user experience and branding[J]. Computers in Human Behavior, 2016, 61: 103-113.

[9] Mäntymäki M, Riemer K. Digital natives in social virtual worlds: A multi-method study of gratifications and social influences in Habbo Hotel[J]. International Journal of Information Management, 2014, 34(2): 210-220.

[10] Loi S M, Westphal A, Lautenschlager N T. An investigation of residential facility staff usage of touchscreen technology[J]. International Psychogeriatrics, 2017, 29(12): 2095-2098.

[11] Braun M T. Obstacles to social networking website use among older adults[J]. Computers in Human Behavior, 2013, 29(3): 673-680.

[12] Castañeda J A, Muñoz-Leiva F, Luque T. Web Acceptance Model (WAM): Moderating effects of user experience[J]. Information & Management, 2007, 44(4): 384-396.

[13] Porter C E, Donthu N. Using the technology acceptance model to explain how attitudes determine Internet usage: The role of perceived access barriers and demographics[J]. Journal of Business Research, 2006, 59(9): 999-1007.

[14] Burton-Jones A, Hubona G S. The mediation of external variables in the technology acceptance model[J].Information & Management, 2006, 43(6): 706-717.

[15] Wood S L, Swait A J. Psychological Indicators of Innovation Adoption: Cross-Classification Based on Need for Cognition and Need for Change[J]. Journal of Consumer Psychology, 2002, 12(1): 1-13.

[16] Yang K C C. Exploring factors affecting the adoption of mobile commerce in Singapore[J]. Telematics & Informatics, 2005, 22(3): 257-277.

[17] Sim J J, Tan W H, Wong J C J, et al. Understanding and predicting the motivators of mobile music acceptance– A multi-stage MRA-artificial neural network approach[J]. Telematics & Informatics, 2014, 31(4): 569-584.

[18] Ram S. A model of innovation resistance[J]. Advances in Consumer Research, 1987, 14(1): 208-212.

[19] Claudy M C, Garcia R, O’Driscoll A. Consumer resistance to innovation—a behavioral reasoning perspective[J]. Journal of the Academy of Marketing Science, 2015, 43(4): 528-544.

[20] Lee S. An integrated adoption model for e-books in a mobile environment: Evidence from South Korea[J]. Telematics & Informatics, 2013, 30(2): 165-176.