سال انتشار: 2022

رشته: مدیریت

گرایش:مدیریت فناوری اطلاعات، سیستم های اطلاعاتی پیشرفته

دانلود رایگان این مقاله:

  دانلود مقاله فرا تحلیل توصیفی

مشاهده سایر مقالات جدید:

مقالات جدید مدیریت 

مقالات جدید مدیریت فناوری اطلاعات 

3. Research methods

3.1. Data collection Articles published in journals between 2003, consistent with the publication of Limayem and Hirt (2003), and 2021 were considered for inclusion in the analysis. The search for articles was conducted on multiple electronic databases; specifically, Business Source Complete, IEEE Xplore, ACM Digital Library, and Electronic Journal Center were used. The primary key words for the search were “habit” and “information systems” on the abstract and title fields of the electronic databases. The initial search yielded more than 400 articles. The articles were subjected to a screening process with the goal of maximizing the number of studies that may be included in the analysis. Duplicate articles (due to cross-listing on multiple databases) and unrelated articles (based on the titles and keywords) were first dropped. of multiple samples based on different geographic regions or technologies, which were coded as separate observations. Thus, the analysis was based on 130 samples.3 Fig. 1 shows the distribution of studies by publication year and Appendix A shows the studies4 included in this analysis. 3.2. Coding A uniform coding process was used to gather data from each study. First, the empirical findings related to habit were coded. This involved identifying the type of effect (e.g., H→SU, H→BI, H→[BI→SU], X1→H, etc. as shown in Table 1), the variables examined in the relationship, and the result reported for the effect. The result was coded as 1 for positive effect, 0 for no effect, and 1 for negative effect. Second, the characteristics of each study were coded. These included geographic location, respondents, and research design.5 The geographic location of the study, captured as country, was used to construct categorical variables representing different regions: Americas, Europe, Asia, Middle East, and Africa. Data on respondents was used to create categorical variables representing different types: students, employees, customers, and others. The research design was coded as longitudinal (i.e., data collection was done over multiple points in time) or cross-sectional (i.e., data collection was completed at one point in time). One categorical variable was coded to indicate the type of research design. Finally, the research model characteristics were coded. These included data on the number of independent variables theorized to impact BI or SU and the number of interaction effects modeled to impact BI or SU. Table 2 shows the variables coded and the corresponding descriptive statistics. 3.3. Data analysis The coded data on the 12 variations of relationships involving habit were analyzed to identify patterns using descriptive statistics.

5. Discussion

5.1. Findings This research was aimed at reviewing and synthesizing empirical findings on IS habit, considering the many ways in which it has been modeled in prior studies. This study found 12 variations of relationships involving habit portrayed in prior research. H→SU received considerable support in prior research. These results are consistent with the theoretical argument that habit, portrayed as an automatic response due to learning, influences SU. The non-significant findings for the H→SU relationship did not reveal discernible patterns for explanation. H→BI was the most frequently examined relationship involving habit (n = 73). Along with BI→SU, this finding implies that the effect of habit on SU may be mediated by BI. That is, the automatic habitual response may trigger intention, which suggests that BI may be a necessary condition for the effect of habit on SU, although habitual responses would be expected to influence behavior rather than intention. Nevertheless, results for both the H→BI and BI→SU relationships show moderate support for H→BI→SU, which is inferior to the empirical findings for H→SU. Habit influenced variables other than SU and BI as represented by H→X2. Studies typically modeled X2→BI when examining H→X2 thus resulting in H→X2→BI. Table 5 shows the variables represented by X2 and the overall results for the H→X2 and X2→BI relationship. The most frequently examined impacts of habit were perceived usefulness, perceived ease of use, and affect. Habit had positive significant effects on all examined variables except user satisfaction. When considering H→X2 alone, the vast majority of the findings in prior studies were significant despite the diversity of variables representing X2. However, the results for X2→BI were mixed. Overall, the results show mixed support for the H→X2→BI relationship, which suggests that the effect of habit on BI may not always be mediated by other variables. The H→[BI→SU] relationship received reasonable support, which demonstrates that habit moderates the BI→SU relationship, although the direction of moderation seems inconclusive. Habit is generally expected to negatively moderate the BI→SU relationship, i.e., when habit as an automatic response becomes stronger, the impact of BI on SU diminishes. This notion implies that individuals may use systems even when not intending to use due to automatic habitual responses. However, prior studies found that habit positively moderates the BI→SU relationship (e.g., He & Wei, 2009) or has no effect on the BI→SU relationship (e.g., Han et al., 2016). Table 6 identifies the variables representing X3 in H→[X3→BI], which represents the moderating effects of habit on relationships other than BI→SU. Habit seems to positively affect several relationships but such relationships have been examined only a few times. Denoted by X1→H, several antecedents of habit had been examined in prior literature. In combination with H→SU and H→BI, this also implies that habit mediated the effects of X1 on both SU and BI. Table 7 shows the variables representing X1 in both X1→H→SU and X1→H→BI, and the results for the X1→H relationship. User satisfaction and prior system use were the most frequently examined variables that influenced habit—user satisfaction was positively significant in 10 of the 12 studies (83%) and prior system use was positively significant in 7 of the 8 studies (88%). The results for both X1→H and X1→H→SU were mixed, which implies that habit may not be consistently influenced by X1 or mediate the effects of X1 on SU. In other words, automatic habitual responses may not always be influenced by other variables, and habit may not always mediate the impact of X1 on SU. The results for both X1→H and H→BI in X1→H→BI were mixed, which implies that habit may not always be influenced by other variables and that habit may not always impact BI. A more salient consideration pertains to the role of habit in the H→BI relationship since automatic habitual responses are expected to impact SU more than BI.

(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)

3. روش تحقیق

3.1. گردآوری داده ها مقالات منتشر شده در مجلات بین سال های 2003، مطابق با انتشارات لیمیم و هیرت (2003) و 2021 برای گنجاندن در تحلیل در نظر گرفته شدند. جستجوی مقالات بر روی چندین پایگاه داده الکترونیکی انجام شد. به طور خاص، Business Source Complete، IEEE Xplore، ACM Digital Library و Electronic Journal Center استفاده شد. کلمات کلیدی اولیه برای جستجو "عادت" و "سیستم های اطلاعاتی" در زمینه های چکیده و عنوان پایگاه های الکترونیکی بودند. جستجوی اولیه بیش از 400 مقاله به دست آورد. مقالات تحت یک فرآیند غربالگری با هدف به حداکثر رساندن تعداد مطالعاتی که ممکن است در تجزیه و تحلیل گنجانده شود، قرار گرفتند. مقاله‌های تکراری (به دلیل فهرست‌بندی متقابل در پایگاه‌های اطلاعاتی متعدد) و مقالات غیر مرتبط (بر اساس عنوان و کلمات کلیدی) ابتدا حذف شدند. نمونه های متعدد بر اساس مناطق جغرافیایی یا فناوری های مختلف، که به عنوان مشاهدات جداگانه کدگذاری شدند. بنابراین، تجزیه و تحلیل بر اساس 130 نمونه انجام شد. شکل 1 توزیع مطالعات را بر اساس سال انتشار نشان می دهد و ضمیمه A مطالعات 4 موجود در این تحلیل را نشان می دهد. 3.2. کدگذاری یک فرآیند کدگذاری یکنواخت برای جمع آوری داده ها از هر مطالعه استفاده شد. ابتدا یافته های تجربی مربوط به عادت کدگذاری شد. این شامل شناسایی نوع اثر (به عنوان مثال، H→SU، H→BI، H→[BI→SU]، X1→H، و غیره همانطور که در جدول 1 نشان داده شده است)، متغیرهای بررسی شده در رابطه، و نتیجه گزارش شده است. برای اثر نتیجه به صورت 1 برای تأثیر مثبت، 0 برای بدون تأثیر و 1 برای تأثیر منفی کدگذاری شد. دوم، ویژگی های هر مطالعه کدگذاری شد. اینها شامل موقعیت جغرافیایی، پاسخ دهندگان، و طرح تحقیق است. موقعیت جغرافیایی مطالعه، که به عنوان کشور در نظر گرفته شده است، برای ایجاد متغیرهای طبقه بندی شده که مناطق مختلف را نشان می دهد: آمریکا، اروپا، آسیا، خاورمیانه و آفریقا استفاده شد. داده‌های مربوط به پاسخ‌دهندگان برای ایجاد متغیرهای طبقه‌بندی که نشان‌دهنده انواع مختلف هستند استفاده شد: دانش‌آموزان، کارمندان، مشتریان و دیگران. طرح تحقیق به صورت طولی (یعنی جمع آوری داده ها در چند نقطه در زمان انجام شد) یا مقطعی (یعنی جمع آوری داده ها در یک نقطه از زمان تکمیل شد) کدگذاری شد. یک متغیر طبقه بندی برای نشان دادن نوع طرح تحقیق کدگذاری شد. در نهایت ویژگی های مدل تحقیق کدگذاری شد. اینها شامل داده‌هایی در مورد تعداد متغیرهای مستقل تئوری‌شده برای تأثیرگذاری بر BI یا SU و تعداد اثرات متقابل مدل‌سازی‌شده برای تأثیرگذاری بر BI یا SU بود. جدول 2 متغیرهای کدگذاری شده و آمار توصیفی مربوطه را نشان می دهد. 3.3. تجزیه و تحلیل داده ها داده های کدگذاری شده در مورد 12 تغییر روابط شامل عادت برای شناسایی الگوها با استفاده از آمار توصیفی تجزیه و تحلیل شد.

5. بحث

5.1. یافته‌ها این تحقیق با هدف بررسی و ترکیب یافته‌های تجربی در مورد عادت IS، با توجه به روش‌های متعددی که در مطالعات قبلی مدل‌سازی شده است، انجام شد. این مطالعه 12 نوع از روابط شامل عادت را که در تحقیقات قبلی به تصویر کشیده شده بود، پیدا کرد. H→SU حمایت قابل توجهی در تحقیقات قبلی دریافت کرد. این نتایج با این استدلال نظری سازگار است که عادت، به عنوان یک پاسخ خودکار به دلیل یادگیری، بر SU تأثیر می‌گذارد. یافته‌های غیر معنی‌دار برای رابطه H→SU الگوهای قابل تشخیصی را برای توضیح نشان ندادند. H → BI شایع ترین رابطه ای بود که شامل عادت بود (73=n). همراه با BI→SU، این یافته نشان می دهد که تأثیر عادت بر SU ممکن است توسط BI واسطه شود. یعنی، پاسخ عادتی خودکار ممکن است باعث ایجاد قصد شود، که نشان می‌دهد BI ممکن است شرط لازم برای تأثیر عادت بر SU باشد، اگرچه انتظار می‌رود پاسخ‌های معمولی بر رفتار تأثیر بگذارد تا قصد. با این وجود، نتایج برای هر دو رابطه H→BI و BI→SU پشتیبانی متوسطی را از H→BI→SU نشان می‌دهد که نسبت به یافته‌های تجربی برای H→SU پایین‌تر است. عادت بر متغیرهایی غیر از SU و BI که توسط H→X2 نشان داده شده است، تأثیر می گذارد. مطالعات معمولاً X2→BI را هنگام بررسی H→X2 مدل‌سازی می‌کنند، بنابراین به H→X2→BI منجر می‌شوند. جدول 5 متغیرهای نشان داده شده توسط X2 و نتایج کلی را برای رابطه H→X2 و X2→BI نشان می دهد. بیشترین تأثیرات مورد بررسی عادت، سودمندی درک شده، سهولت استفاده درک شده و تأثیر بود. عادت بر تمامی متغیرهای مورد بررسی به جز رضایت کاربر تأثیر مثبت و معناداری داشت. هنگام در نظر گرفتن H→X2 به تنهایی، اکثریت قریب به اتفاق یافته‌ها در مطالعات قبلی با وجود تنوع متغیرهایی که X2 را نشان می‌دهند، معنی‌دار بودند. با این حال، نتایج برای X2 → BI مخلوط بود. به طور کلی، نتایج پشتیبانی متفاوتی را از رابطه H→X2→BI نشان می‌دهد، که نشان می‌دهد تأثیر عادت بر BI ممکن است همیشه توسط متغیرهای دیگر واسطه نباشد. رابطه H←[BI→SU] پشتیبانی معقولی دریافت کرد، که نشان می‌دهد عادت رابطه BI→SU را تعدیل می‌کند، اگرچه جهت اعتدال غیرقطعی به نظر می‌رسد. به طور کلی انتظار می رود که عادت به طور منفی رابطه BI→SU را تعدیل کند، به عنوان مثال، زمانی که عادت به عنوان یک پاسخ خودکار قوی تر می شود، تأثیر BI در SU کاهش می یابد. این مفهوم حاکی از آن است که افراد ممکن است از سیستم‌ها استفاده کنند حتی زمانی که به دلیل پاسخ‌های معمولی خودکار قصد استفاده از آن را ندارند. با این حال، مطالعات قبلی نشان داد که عادت به طور مثبت رابطه BI→SU را تعدیل می کند (به عنوان مثال، He & Wei، 2009) یا هیچ تاثیری بر رابطه BI→SU ندارد (به عنوان مثال، هان و همکاران، 2016). جدول 6 متغیرهایی را که X3 را در H←[X3→BI] نشان می‌دهند، مشخص می‌کند، که نشان‌دهنده اثرات تعدیل‌کننده عادت بر روابطی غیر از BI→SU است. به نظر می رسد عادت بر چندین رابطه تأثیر مثبت می گذارد، اما چنین روابطی تنها چند بار مورد بررسی قرار گرفته اند. با X1 → H نشان داده شده است، چندین پیشایند عادت در ادبیات قبلی مورد بررسی قرار گرفته است. در ترکیب با H→SU و H→BI، این همچنین نشان می‌دهد که عادت تأثیرات X1 را بر روی SU و BI واسطه می‌کند. جدول 7 متغیرهایی را که X1 را در X1→H→SU و X1→H→BI نشان می دهد و نتایج مربوط به رابطه X1→H را نشان می دهد. رضایت کاربر و استفاده از سیستم قبلی متغییرهایی بودند که اغلب مورد بررسی قرار گرفتند و بر عادت تأثیر گذاشتند - رضایت کاربر در 10 مطالعه از 12 مطالعه (83?) و استفاده از سیستم قبلی در 7 مطالعه از 8 مطالعه (88?) مثبت معنی‌دار بود. نتایج برای هر دو X1 → H و X1 → H → SU مختلط بود، که به این معنی است که عادت ممکن است به طور مداوم تحت تأثیر X1 قرار نگیرد یا تأثیرات X1 بر SU را واسطه کند. به عبارت دیگر، پاسخ‌های معمولی خودکار ممکن است همیشه تحت تأثیر متغیرهای دیگر قرار نگیرند، و عادت ممکن است همیشه تأثیر X1 بر SU را واسطه نکند. نتایج برای هر دو X1 → H و H → BI در X1 → H → BI مختلط بود، که به این معنی است که عادت ممکن است همیشه تحت تأثیر متغیرهای دیگر قرار نگیرد و عادت ممکن است همیشه بر BI تأثیر نگذارد. توجه برجسته‌تر به نقش عادت در رابطه H→BI مربوط می‌شود، زیرا انتظار می‌رود پاسخ‌های معمولی خودکار بر SU بیشتر از BI تأثیر بگذارد.