Technology adoption among higher education students
DOI:
https://doi.org/10.14267/VEZTUD.2023.11.03Kulcsszavak:
technológiaelfogadás, technológiaátvételi hajlandóság, felsőoktatási hallgatók, varianciaelemzésAbsztrakt
A technológia elfogadottsága döntő jelentőségű az innovációk elterjedésében. A technológiával kapcsolatos személyes vélemények és attitűdök alapvetően meghatározók a fejlődés szempontjából. A kutatás célja, hogy hozzájáruljon a technológia elfogadását befolyásoló tényezők megértéséhez felsőoktatási hallgatók körében. A tanulmány a technológiaelfogadási hajlandóság (TAP) modellben megfogalmazott támogató (optimizmus, jártasság) és gátló (függőség, sebezhetőség) tényezőinek mérését, továbbá a TAP-index kiszámítását használja eszközként. A kutatási minta 873 magyar felsőoktatási hallgató válaszait tartalmazza. Az eredmények mérsékelt technológiaátvételi hajlandóságot mutatnak, amelyet a magas optimizmus vezérel. Az elemzésben a tanulmányok típusa (üzleti, mérnöki, közigazgatási) szerepelt csoportosító tényezőként. Az optimizmus hasonló eredményeket mutat a hallgatók között, de a használatban való jártasság a mérnökhallgatók körében magasabb. A Nemzeti Digitalizációs Stratégia céljait figyelembe véve a jártasság javítására irányuló képzési programokra és több szakmai tapasztalatszerzésre van szükség.
Letöltések
Hivatkozások
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. https://doi.org/10.1016/0749-5978(91)90020-T
Alassafi, M. O. (2021). E-learning intention material using TAM: A case study. Materials Today: Proceedings, 61(3), 873–877. https://doi.org/10.1016/j.matpr.2021.09.457
Aranyossy, M. (2022). Technology adoption in the digital entertainment industry during the COVID-19 pandemic: an extended UTAUT2 model for online theater streaming. Informatics, 9(3), 71. https://doi.org/10.3390/informatics9030071
Berényi, L., & Soltész, L. (2022). Evaluation of product development success: a student perspective. Administrative Science, 12(2), 49. https://doi.org/10.3390/admsci12020049
Berényi, L., Deutsch, N., Pintér, É., Bagó, P., & Nagy- Borsy, V. (2021). Technology adoption propensity among Hungarian business students. European Scientific Journal, 17(32), 1–21. https://doi.org/10.19044/esj.2021.v17n32p1
Chocarro, R., Cortiñas, M., & Marcos-Matás, G. (2023). Teachers’ attitudes towards chatbots in education: a technology acceptance model approach considering the effect of social language, bot proactiveness, and users’ characteristics. Educational Studies, 49(2), 295–313. https://doi.org/10.1080/03055698.2020.1850426
Csiszárik-Kocsir, Á., Garai-Fodor M., & Varga, J. (2022). Mi lett fontos a pandémia alatt? Preferenciák, vásárlói szokások átértékelődése a koronavírus-járvány hatására a különböző generációk szemével. Vezetéstudomány/ Budapest Management Review, 53(4), 70–83. https://doi.org/10.14267/VEZTUD.2022.04.06
Csordás, T. & Nyirő, N. (2012). Az információterjedés szerepe az innovációelfogadásban. Az okostelefonok és az on-line kollektív intelligencia. Vezetéstudomány/ Budapest Management Review, 43(1), 64–73. https://doi.org/10.14267/VEZTUD.2012.01.06
Davis, F. D. (1986). A Technology Acceptance Model for Empirically Testing New End-user Information Systems: Theory and Results. Massachusetts Institute of Technology.
Deutsch, N., Hoffer, I., Berényi, L., & Nagy-Borsy, V. (2019). A technológia szerepének stratégiai felértékelődése: Szemelvények a stratégiai technomenedzsment témaköréből. Budapesti Corvinus Egyetem. http://real.mtak.hu/93337/1/Deutsch_Hoffer_konyv.pdf
Firmansyah, E.A., Masri, M., Anshari, M., Besar, M. H. A. (2023). Factors affecting fintech adoption: a systematic literature review. FinTech, 2(1), 21–33. https://doi.org/10.3390/fintech2010002
Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research. Addison-Wesley.
Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213–236. https://doi.org/10.2307/249689
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2014). A Primer on Partial Least Squares Structural Equation Modeling. Sage
Halász, Á., & Kenesei, Zs. (2022). Technológiaelfogadás a felsőoktatásban – Az interakcióigény és az önszabályozás hatása az online tanulási szándékra. Vezetéstudomány/ Budapest Management Review, 53(7), 4–18. https://doi.org/10.14267/VEZTUD.2022.07.02
Horváth, D. (2022). FinTech és blockklánc alapú megoldások alkalmazási lehetőségei a zöld pénzügyekben. Vezetéstudomány/Budapest Management Review, 53(4), 41–54. https://doi.org/10.14267/VEZTUD.2022.04.04
Igbaria, M., Schiffman, S. J., & Wieckowski, T. J. (1994). The respective roles of perceived usefulness and perceived fun in the acceptance of microcomputer technology. Behaviour and Information Technology, 13, 349–361. https://doi.org/10.1080/01449299408914616
Isaias, P., & Issa, T. (2015). High Level Models and Methodologies for Information Systems. Springer.
Keszey, T., & Zsukk, J. (2017). Az új technológiák fogyasztói elfogadása: A magyar és nemzetközi szakirodalom áttekintése és kritikai értékelése. Vezetéstudomány/ Budapest Management Review, 48(10), 38-47. https://doi.org/10.14267/VEZTUD.2017.10.05
Keszey, T., & Tóth, R. Zs. (2020). Ipar 4.0 az autóiparban. A fehér- és kékgalléros munkavállalók technológiaelfogadási aggályai. Vezetéstudomány/Budapest Management Review, 51(6), 69–80. https://doi.org/10.14267/VEZTUD.2020.06.07
Luo, B., Lau, R. Y. K., Li, C., & Si, Y. W. (2021). A critical review of state-of-the-art chatbot designs and applications. WIREs Data Mining and Knowledge Discovery, 12, 1434. https://doi.org/10.1002/widm.1434
Madaras, Sz. (2020). Innováció menedzsment. Babes-Bolyai University.
Martos, T., Kapornaky, M., Csuka, S., & Sallay, V. (2019). A technológiai megoldásokkal kapcsolatos attitűdök mérése: a TRI és a TAP magyar változatának pszichometriai jellemzői. Alkalmazott Pszichológia, 19(1), 97–117. https://doi.org/10.17627/ALKPSZICH.2019.1.97
Meretei, B. (2017). Generációs különbségek a munkahelyen – szakirodalmi áttekintés. Vezetéstudomány/Budapest Management Review, 48(10), 10–18. https://doi.org/10.14267/VEZTUD.2017.10.02
Mészáros, Á. (2010). A válság utáni autóipari beszállítói rendszerek és a hazai beszállítók lehetőségei. Vezetéstudomány/ Budapest Management Review, 41(10), 19–26. https://doi.org/10.14267/VEZTUD.2010.10.02
National Digitalization Strategy. (2022). Miniszterelnöki Kabinetiroda. https://cdn.kormany.hu/uploads/document/6/60/602/60242669c9f12756a2b104f-8295b866a8bb8f684.pdf
Pallant, J. (2020). SPSS Survival Manual: A Step by Step Guide to Data Analysis Using IBM SPSS. Open University Press.
Parasuraman, A. (2000), Technology Readiness Index (TRI): A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307–320. https://doi.org/10.1177/109467050024001
Parasuraman, A., & Colby, C. L. (2014). An updated and streamlined technology readiness index: TRI 2.0. Journal of Service Research, 18(1), 1–16. https://doi.org/10.1177/1094670514539730
Pataki, B. (2013). A technológia menedzselése. Typotex. PMI. (2017). Agile Practice Guide. Project Management Institute.
Ratchford, M., & Barnhart, M. (2012). Development and validation of the technology adoption propensity (TAP) index. Journal of Business Research, 65, 1209–1215. https://doi.org/10.1016/j.jbusres.2011.07.001
Ratchford, M., & Ratchford, B. T. (2021). A cross-category analysis of dispositional drivers of technology adoption. Journal of Business Research, 127, 300–311. https://doi.org/10.1016/j.jbusres.2021.01.037
Rogers, E. M. (1964). Diffusion of Innovations. Revue Française de Sociologie, 5(2), 216–218.
Rogers, E. M. (2003). Diffusion of Innovations. Free Press.
Sajtos, L. & Mitev, A. (2007). SPSS Kutatási és adatelemzési kézikönyv. Alinea.
Semenova, V. (2020). Technology adoption theories in examining the uptake of blockchain technology in the framework of functionalist and interpretive paradigms. Vezetéstudomány/Budapest Management Review, 51(11), 26–38. https://doi.org/10.14267/VEZTUD.2020.11.03
Shahzad, A., Zahrullail, N., Akbar, A., Mohelska, H., & Hussain, A. (2022). COVID-19’s impact on fintech adoption: behavioral intention to use the financial portal. Journal of Risk and Financial Management, 15(10), 428. https://doi.org/10.3390/jrfm15100428
Strauss, W., & Howe, N. (1991). Generations: The History of America’s Future, 1584 to 2069. Quill.
Szabó-Szentgróti, G., Gelencsér, M., Szabó-Szentgróti, E., & Berke, Sz. (2019). Generációs hatás a munkahelyi konfliktusokban. Vezetéstudomány/Budapest Management Review, 50(4), 77–88. https://doi.org/10.14267/VEZTUD.2019.04.08
Szakály, D. (2008). Innovációmenedzsment. Miskolci Egyetem.
Taherdoost, H. (2018). A review of technology acceptance and adoption models and theories. Procedia Manufacturing, 22, 960–967. https://doi.org/10.1016/j.promfg.2018.03.137
Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: toward a unified view. MIS Quarterly, 27, 425–478, https://doi.org/10.2307/30036540
Zilahy, Gy. (2016). Sustainable business models – what do management theories say? Vezetéstudomány/Budapest Management Review, 47(10), 62–72. https://doi.org/10.14267/VEZTUD.2016.10.06
Downloads
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
Copyright (c) 2023 Vezetéstudomány / Budapest Management Review
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors assign copyright to Vezetéstudomány / Budapest Management Review. Authors are responsible for permission to reproduce copyright material from other sources.
