这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba
接触者追踪应用程序是有效的COVID-19检测策略的重要组成部分,可以遏制大流行的传播,从而避免卫生保健系统负担过重。由于一些地区的使用率不高,在当前不确定时期,政府必须提高对COVID-19追踪应用程序的接受程度。gydF4y2Ba
基于不确定性降低理论(URT),本研究旨在研究降低不确定性措施如何促进COVID-19追踪应用程序的采用,以及这些应用程序的使用如何影响对不同风险的感知。gydF4y2Ba
在两个测量点(应用程序发布前后)收集有代表性的调查数据,并通过基于协方差的结构方程建模进行分析(n=1003)。gydF4y2Ba
我们发现,以透明度维度披露和准确性,以及社会影响和对政府的信任为形式的不确定性减少措施,促进了采用过程。使用COVID-19追踪应用程序反过来减少了感知到的隐私和性能风险,但并没有减少社会风险和与COVID-19健康相关的担忧。gydF4y2Ba
这项研究通过整合互动沟通措施和透明度作为一个多维概念来减少不同类型的不确定性,有助于医疗保健技术和URT研究的大规模采用。此外,我们的研究结果有助于制定传播策略,以促进大规模采用COVID-19追踪应用程序,从而检测感染链,实现COVID-19智能检测。gydF4y2Ba
在COVID-19大流行开始时,世界各地的人们、组织和政府都陷入了不确定性之中[gydF4y2Ba
有效抗击大流行是一项复杂的挑战,因为需要同时考虑卫生保健系统有限的资源和日常生活中的限制[gydF4y2Ba
接触者追踪应用程序引起了政界人士、流行病学家和公众的讨论。这些应用程序旨在系统地识别COVID-19感染链,并及时和有针对性地实施检测和隔离等进一步措施[gydF4y2Ba
因此,使用COVID-19追踪应用程序可能与各种不确定性有关。这些不确定性可分为与COVID-19健康相关的一般问题和应用程序特有的风险,具体表现为应用程序需要处理敏感用户数据而产生的性能风险和隐私风险[gydF4y2Ba
RQ1:透明度、社会影响力、对政府的信任以及对COVID-19追踪应用程序的初始信任如何影响应用程序的采用过程?gydF4y2Ba
RQ2: COVID-19追踪应用程序的实际使用对感知到的隐私、性能和社会风险等不确定性以及对COVID-19的普遍担忧有什么影响?gydF4y2Ba
为了解决这两个rq问题,我们建立了一个基于URT的理论模型。为了测试该模型,在两个不同的时间(应用程序启动前1周和启动后4周),通过结构化在线调查对COVID-19追踪应用程序的潜在用户的代表性样本进行了调查。基于这些数据,我们进行了基于协方差的结构方程建模(CB-SEM;n = 1003)。在接下来的章节中,我们将提供有关COVID-19追踪应用程序的信息,解释理论基础,并推导假设。gydF4y2Ba
这篇简要综述旨在概述自动接触者追踪应用程序的特点,用于识别有风险的接触者和控制人类疾病传播。目前,一些国家和地区已经开发并推出了独立的COVID-19追踪应用程序,这些应用程序在管理程序和技术配置上有所不同[gydF4y2Ba
城市轨道交通(gydF4y2Ba
在2019冠状病毒病期间,URT的应用是适当的,因为形势具有各种深远的不确定性。看看COVID-19追踪应用程序,不同的不确定性很明显。首先,医疗保健技术通常在数据隐私方面存在不确定性[gydF4y2Ba
COVID-19追踪应用程序背景下的相关不确定性总结。gydF4y2Ba
相关的不确定性gydF4y2Ba | 跟踪应用相关gydF4y2Ba | 描述gydF4y2Ba |
隐私风险gydF4y2Ba | 是的gydF4y2Ba | 个人对数据安全不确定(即,可能的数据泄露或第三方滥用)。因此,追踪应用程序被认为是有风险的,因为它们可能会失去对个人数据的控制。gydF4y2Ba |
性能风险gydF4y2Ba | 是的gydF4y2Ba | 个人担心产品可能不会像设计和宣传的那样工作和执行。因此,人们不确定是否会有足够多的人使用应用程序来追踪联系人,也不确定这项技术是否会像预期的那样发挥作用。gydF4y2Ba |
社会风险gydF4y2Ba | 是的gydF4y2Ba | 个人可能会担心使用或不使用该应用程序可能会失去自己在社会群体中的地位。此外,强制隔离可能会导致社会隔离[gydF4y2Ba |
COVID-19担忧gydF4y2Ba | 没有gydF4y2Ba | 个人担心COVID-19大流行带来的负面影响。对一种新疾病的恐惧和焦虑,对自己和亲属的健康,可能会压倒一切。gydF4y2Ba |
根据URT,个体通过被动(观察)、主动(面向目标的搜索)和互动(与陌生人互动)的信息寻求方法来减少不确定性[gydF4y2Ba
尤其是被动策略和主动策略,个体依赖于可获取的有价值的信息[gydF4y2Ba
此外,在减少不确定性方面,交互式信息寻求方法已被证明比被动或主动策略更有效[gydF4y2Ba
最后,信任被证明可以减少不同环境下的不确定性和风险[gydF4y2Ba
基于透明度和信任文献,人们普遍认为透明度感知与信任呈正相关[gydF4y2Ba
假设(H)1:(a)披露、(b)清晰度和(c)准确性与个人对COVID-19追踪应用程序的初始信任呈正相关。gydF4y2Ba
信任转移理论指出,个人在特定领域的信任会影响其他领域的初始信任,这些领域被认为与已知和可信领域有一定联系[gydF4y2Ba
H2:对政府的信任与人们对COVID-19追踪应用程序的初始信任呈正相关。gydF4y2Ba
如前所述,社会影响也可以帮助理解减少不确定性,因为它可以替代与未知和尚未可用的技术的交互。因此,社交是一种积极的收集信息的手段。社会环境的假定反应将影响个人在技术采用背景下的态度和行为[gydF4y2Ba
H3a:社会影响力与个人对COVID-19追踪应用的初始信任呈正相关。gydF4y2Ba
此外,众所周知,社会影响是有意使用新技术的重要先决条件[gydF4y2Ba
H3b:社会影响力与个人使用COVID-19追踪应用程序的意愿呈正相关。gydF4y2Ba
在技术接受文献中,信任已被证明与使用技术的意图正相关[gydF4y2Ba
H4:对COVID-19追踪应用的初始信任与个人使用该应用的意愿呈正相关。gydF4y2Ba
根据计划行为理论[gydF4y2Ba
H5:使用意愿与个人对COVID-19追踪应用的实际使用呈正相关。gydF4y2Ba
关于URT,在采用过程中,通过上述手段降低了关于数据隐私、应用程序性能、社会后果和一般COVID-19担忧的不确定性。COVID-19追踪应用程序的实际使用是个人唯一可用的交互式信息查找方式。因此,它是有效的,因为它涉及到与未知技术的直接交互[gydF4y2Ba
H6: COVID-19追踪应用程序的实际使用与降低(a)隐私风险、(b)性能风险、(c)社会风险和(d) COVID-19担忧呈正相关。gydF4y2Ba
本文提出的研究模式总结在gydF4y2Ba
提出的研究模式。H:假设。gydF4y2Ba
为了调查COVID-19追踪应用程序的采用过程,并验证理论模型,通过面板平台respondi分两波收集了德国“Corona-Warn-App”的数据,采用结构化在线调查。本小组成员自愿接受科学调查邀请,并可随时退订或删除其个人信息。参与者被分配了一个随机生成的标识符,使我们能够匹配两项调查的结果。然而,由于第三方(respondi)收集了两波的数据,我们没有直接接触参与者或访问参与者的身份信息。此外,调查并没有收集任何个人身份信息。因此,我们能够在任何时候保证参与者的匿名性和隐私,并按照德国研究基金会的道德原则行事。gydF4y2Ba
第一波(t1)的数据收集持续了1周,并在2020年6月15日应用程序发布前1天完成。在调查之前,参与者收到了来自联邦德国政府关于该应用程序的官方信息[gydF4y2Ba
随后,参与者收到了一份关于他们对应用程序的评价和看法以及人口统计信息的定量问卷。在第二波调查(t2)中,同样的参与者在应用程序发布4周后再次接受调查。除了他们的评价和看法外,他们还询问了应用程序的实际使用情况。gydF4y2Ba
为了保持数据质量并确保量表有效性,我们纳入了三次注意力检查,并筛选出了未通过这些测试的参与者。最终,1373人完成了第一波调查,1050人参加了第二波调查,完成率为76.47%(1050/1373)。由于响应时间短、数据缺失、可疑响应模式和异常值等四个“淘汰”标准,47名参与者被排除在分析之外,以确保数据质量[gydF4y2Ba
代表性的描述。gydF4y2Ba
特征gydF4y2Ba | 德国,%gydF4y2Ba | 样本,n (%)gydF4y2Ba | |
|
|||
|
男性gydF4y2Ba | 50gydF4y2Ba | 490 (48.85)gydF4y2Ba |
|
女gydF4y2Ba | 50gydF4y2Ba | 512 (51.05)gydF4y2Ba |
|
潜水员gydF4y2Ba | 0gydF4y2Ba | 1 (0.10)gydF4y2Ba |
|
|||
|
14-29gydF4y2Ba | 22gydF4y2Ba | 190 (18.94)gydF4y2Ba |
|
- 39gydF4y2Ba | 16gydF4y2Ba | 138 (13.76)gydF4y2Ba |
|
40至49gydF4y2Ba | 16gydF4y2Ba | 168 (16.75)gydF4y2Ba |
|
50-59gydF4y2Ba | 20.gydF4y2Ba | 214 (21.34)gydF4y2Ba |
|
≥60gydF4y2Ba | 25gydF4y2Ba | 291 (29.01)gydF4y2Ba |
|
|||
|
低gydF4y2Ba | 36gydF4y2Ba | 368 (36.69)gydF4y2Ba |
|
中间gydF4y2Ba | 31gydF4y2Ba | 315 (31.41)gydF4y2Ba |
|
高gydF4y2Ba | 33gydF4y2Ba | 320 (31.90)gydF4y2Ba |
Corona-Warn-App采用率(2020年8月)gydF4y2Ba一个gydF4y2Ba | 27gydF4y2Ba | 379 (37.80)gydF4y2Ba |
一个gydF4y2Ba德国的采用率计算:1660万次下载量/约6200万智能手机用户(数据来源:德国统计局[gydF4y2Ba
为了测试提出的研究模型,我们使用了在以前的研究中验证过的既定量表。除了人口统计学、使用行为(二元)和控制变量(性别、年龄、教育程度)外,参与者使用李克特5点量表对所有项目进行评分。使用意图用一个3项量表来衡量[gydF4y2Ba
我们计算了两个调查波之间风险感知四个维度的差异,以衡量感知风险评估的变化。用以下公式计算差异:差异变量=风险感知gydF4y2Ba(t1)gydF4y2Ba-风险感知gydF4y2Ba(t2)gydF4y2Ba.中报告了所有结构的平均值、SDs和相关性gydF4y2Ba
均值,标准差和相关性。gydF4y2Ba
变量gydF4y2Ba | 意思是(SD)gydF4y2Ba | 1gydF4y2Ba | 2gydF4y2Ba | 3.gydF4y2Ba | 4gydF4y2Ba | 5gydF4y2Ba | 6gydF4y2Ba | 7gydF4y2Ba | 8gydF4y2Ba | 9gydF4y2Ba | 10gydF4y2Ba | 11gydF4y2Ba | |
|
3.158 (0.909)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
- - - - - -gydF4y2Ba一个gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
- - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
3.647 (0.834)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.645gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
3.566 (0.898)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.587gydF4y2Ba | 0.705gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
2.841 (1.12)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.440gydF4y2Ba | 0.427gydF4y2Ba | 0.585gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
3.13 (0.979)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.332gydF4y2Ba | 0.334gydF4y2Ba | 0.505gydF4y2Ba | 0.454gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
3.147 (1.081)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.551gydF4y2Ba | 0.545gydF4y2Ba | 0.742gydF4y2Ba | 0.71gydF4y2Ba | 0.59gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
3.022 (1.444)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.434gydF4y2Ba | 0.429gydF4y2Ba | 0.619gydF4y2Ba | 0.685gydF4y2Ba | 0.466gydF4y2Ba | 0.803gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
1.378 (0.485)gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.288gydF4y2Ba | 0.307gydF4y2Ba | 0.377gydF4y2Ba | 0.419gydF4y2Ba | 0.355gydF4y2Ba | 0.512gydF4y2Ba | 0.595gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
|
<措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
- - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
-0.074gydF4y2Ba | 0.037gydF4y2Ba | -0.033gydF4y2Ba | -0.100gydF4y2Ba | -0.047gydF4y2Ba | -0.106gydF4y2Ba | -0.070gydF4y2Ba | 0.224gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
|
02gydF4y2Ba | 。gydF4y2Ba | .30gydF4y2Ba | .002gydF4y2Ba | .14点gydF4y2Ba | <措施gydF4y2Ba | 03gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
- - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
-0.063gydF4y2Ba | -0.001gydF4y2Ba | -0.055gydF4y2Ba | -0.148gydF4y2Ba | -0.008gydF4y2Ba | -0.109gydF4y2Ba | -0.091gydF4y2Ba | 0.169gydF4y2Ba | 0.595gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
|
.045gydF4y2Ba | .97点gydF4y2Ba | 。08gydF4y2Ba | <措施gydF4y2Ba | .80gydF4y2Ba | <措施gydF4y2Ba | 04gydF4y2Ba | <措施gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
- - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.031gydF4y2Ba | -0.044gydF4y2Ba | -0.020gydF4y2Ba | 0.064gydF4y2Ba | -0.023gydF4y2Ba | -0.001gydF4y2Ba | 0.025gydF4y2Ba | 0.008gydF4y2Ba | 0.007gydF4y2Ba | 0.086gydF4y2Ba | - - - - - -gydF4y2Ba |
|
|
|
收gydF4y2Ba | 16gydF4y2Ba | 54gydF4y2Ba | .04点gydF4y2Ba | 票价gydF4y2Ba | .98点gydF4y2Ba | 点gydF4y2Ba | 结果gydF4y2Ba | 点gydF4y2Ba | .006gydF4y2Ba | - - - - - -gydF4y2Ba |
|
- - - - - -gydF4y2Ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
相关gydF4y2Ba |
|
0.070gydF4y2Ba | 0.081gydF4y2Ba | 0.038gydF4y2Ba | 0.057gydF4y2Ba | 0.042gydF4y2Ba | 0.04gydF4y2Ba | 0.033gydF4y2Ba | 0.011gydF4y2Ba | -0.023gydF4y2Ba | 0.027gydF4y2Ba | 0.041gydF4y2Ba |
|
|
|
03gydF4y2Ba | . 01gydF4y2Ba | 23)gydF4y2Ba | 07gydF4y2Ba | .19gydF4y2Ba | . 21gydF4y2Ba | .30gydF4y2Ba | 开市gydF4y2Ba | 的相关性gydF4y2Ba | 点gydF4y2Ba | .19gydF4y2Ba |
一个gydF4y2Ba不适用。gydF4y2Ba
在进行结构方程建模(SEM)分析之前,我们测试了测量模型的信度和效度。一个项目显示出较差的因子负载并被丢弃(TR_5)。其他因子负荷均超过阈值0.6。假设Cronbach alpha满足>的质量标准,内部一致性和复合信度。7,且提取的平均方差超过0.5 [gydF4y2Ba
我们使用基于r的JASP软件(阿姆斯特丹大学)环境来评估我们提出的研究模型[gydF4y2Ba
基于协方差的结构方程建模结果。gydF4y2Ba
项目gydF4y2Ba | β(SE)gydF4y2Ba一个gydF4y2Ba |
|
假设评估gydF4y2Ba | 索引值gydF4y2Ba | ||
|
N/AgydF4y2BabgydF4y2Ba | |||||
|
HgydF4y2BacgydF4y2Ba1gydF4y2Ba | .140 (.030)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H1bgydF4y2Ba | -.028(.041)gydF4y2Ba | 。45gydF4y2Ba | 拒绝了gydF4y2Ba |
|
|
|
H1cgydF4y2Ba | .375() 1。03 =gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H2gydF4y2Ba | .201 (.022)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H3agydF4y2Ba | .377 (.025)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H3bgydF4y2Ba | .207 (.033)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H4gydF4y2Ba | .670() 1。03 =gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H5gydF4y2Ba | .599 (.013)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H6agydF4y2Ba | .222 (.048)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H6bgydF4y2Ba | .169 (.049)gydF4y2Ba | <措施gydF4y2Ba | 支持gydF4y2Ba |
|
|
|
H6cgydF4y2Ba | .005 ())gydF4y2Ba | 多多gydF4y2Ba | 拒绝了gydF4y2Ba |
|
|
|
H6dgydF4y2Ba | .012 (.031)gydF4y2Ba | 开市gydF4y2Ba | 拒绝了gydF4y2Ba |
|
|
|
N/AgydF4y2Ba | N/AgydF4y2Ba | ||||
|
年龄→PRPPgydF4y2BadgydF4y2Ba | -.090(.002)gydF4y2Ba | .005gydF4y2Ba |
|
|
|
|
年龄→PRgydF4y2BaegydF4y2Ba | -.062(.002)gydF4y2Ba | 06gydF4y2Ba |
|
|
|
|
年龄→SRgydF4y2BafgydF4y2Ba | 04(.002)gydF4y2Ba | 点gydF4y2Ba |
|
|
|
|
年龄→CCgydF4y2BaggydF4y2Ba | )(组织)gydF4y2Ba | 06gydF4y2Ba |
|
|
|
|
性别→PRPPgydF4y2Ba | 措施(.047)gydF4y2Ba | .96点gydF4y2Ba |
|
|
|
|
性别→PRgydF4y2Ba | 组织(.048)gydF4y2Ba | 获得gydF4y2Ba |
|
|
|
|
性别→SRgydF4y2Ba | .015 (.062)gydF4y2Ba | 点gydF4y2Ba |
|
|
|
|
性别→CCgydF4y2Ba | -.017(.030)gydF4y2Ba | .59gydF4y2Ba |
|
|
|
|
教育→PRPPgydF4y2Ba | -.006(.020)gydF4y2Ba | .85gydF4y2Ba |
|
|
|
|
教育→公关gydF4y2Ba | 组织(.021)gydF4y2Ba | 获得gydF4y2Ba |
|
|
|
|
教育→SRgydF4y2Ba | .020 (.027)gydF4y2Ba | 54gydF4y2Ba |
|
|
|
|
教育→CCgydF4y2Ba | -.007(.013)gydF4y2Ba | 点gydF4y2Ba |
|
|
|
|
N/AgydF4y2Ba | N/AgydF4y2Ba | N/AgydF4y2Ba |
|
||
|
比较拟合指数gydF4y2Ba |
|
|
|
0.975gydF4y2Ba | |
|
Tucker-Lewis指数gydF4y2Ba |
|
|
|
0.972gydF4y2Ba | |
|
RSMEAgydF4y2BahgydF4y2Ba |
|
|
|
0.040gydF4y2Ba | |
|
SRMRgydF4y2Ba我gydF4y2Ba |
|
|
|
0.057gydF4y2Ba | |
|
卡方检验(gydF4y2Ba |
|
|
|
1270.187 (491)gydF4y2Ba | |
|
卡方/gydF4y2Ba |
|
|
|
2.587gydF4y2Ba |
一个gydF4y2Ba标准化路径系数;括号中估计器的标准误差。gydF4y2Ba
bgydF4y2BaN/A:不适用。gydF4y2Ba
cgydF4y2BaH:假设。gydF4y2Ba
dgydF4y2BaPRPP:减少隐私风险。gydF4y2Ba
egydF4y2BaPR:降低性能风险。gydF4y2Ba
fgydF4y2BaSR:降低社会风险。gydF4y2Ba
ggydF4y2BaCC:减少对COVID-19的担忧。gydF4y2Ba
hgydF4y2Ba近似的均方根误差。gydF4y2Ba
我gydF4y2BaSRMR:标准化均方根残差。gydF4y2Ba
标准化的路径系数、显著性水平和拟合指标总结在gydF4y2Ba
结构方程模型结果。H:假设。***gydF4y2Ba
除了假设社会影响与使用COVID-19追踪应用程序的意愿之间存在直接关系外,我们还进行了事后分析,以调查社会影响对使用COVID-19追踪应用程序的意愿的潜在间接影响。根据Baron和Kenny [gydF4y2Ba
中介效应。gydF4y2Ba
效果gydF4y2Ba | β(SE)gydF4y2Ba一个gydF4y2Ba |
|
中介gydF4y2Ba |
间接效应:社会影响→初始信任→使用意愿gydF4y2Ba | 建仔(.022)gydF4y2Ba | <措施gydF4y2Ba | 部分中介gydF4y2Ba |
总效果:社会影响力→使用意愿gydF4y2Ba | .460 (.029)gydF4y2Ba | <措施gydF4y2Ba | - - - - - -gydF4y2Ba |
一个gydF4y2Ba标准化路径系数;括号中估计器的标准误差。gydF4y2Ba
在这项研究中,我们调查了减少不确定性措施如何促进COVID-19追踪应用程序的采用,从而减少不确定性感知。在本节中,我们将讨论初始信任、意图和实际使用应用程序的前因,以及特定不确定性的减少。基于URT,透明度和社会影响力是初始信任的先决条件。在透明度方面,我们发现对COVID-19追踪应用程序的初始信任受到信息披露和准确性的积极影响。然而,准确性对初始信任的影响显著高于披露维度。这表明,尽管获得足够的信息很重要,但信息的感知有效性也至关重要。出乎意料的是,我们在Corona-Warn-App中没有发现信息清晰度与初始信任之间的影响。这可能是由于COVID-19大流行的特殊性,人们可能已经习惯了不断遇到新的复杂信息,从而接受了较低的信息清晰度。尽管透明度和初始信任之间的影响缺失,但我们的发现与现有的透明度-信任文献一致[gydF4y2Ba
如前所述,社会影响正向影响个体的初始信任。社会影响在城市轨道交通环境中的整合表明,社会影响是一种积极的信息寻求策略,从而满足了Venkatesh等人的需求[gydF4y2Ba
此外,我们观察到初始信任与使用意图之间存在正相关。此结果与URT一致[gydF4y2Ba
具体考虑不确定性降低,我们发现实际应用程序的使用增加了与COVID-19追踪应用程序相关的不确定性降低。通过使用该应用程序,个人对感知隐私和性能风险的不确定性降低显著增加。因此,我们发现支持Trang等[gydF4y2Ba
我们的研究设计和发现在几个方面有助于文献。首先,我们通过研究设计,以COVID-19追踪应用程序为例,展示了如何在医疗保健管理环境中随着时间的推移调查大规模采用问题。通过应用URT,我们对其总体经验验证做出了贡献,并将其引入到医疗保健管理领域。该应用在卫生保健领域尤其有价值,因为这一领域的特点是不确定性,可能导致严重和深远的后果,这在COVID-19大流行期间表现得尤为明显[gydF4y2Ba
自愿COVID-19追踪应用程序的采用率在各国之间存在很大差异,大多数低于关键阈值,这阻碍了其有效性[gydF4y2Ba
虽然这项研究的结果提供了重要的见解,但该研究有一些局限性。由于结果基于与德国COVID-19追踪应用程序相关的数据,我们的研究结果对其他地区的概括性可能会受到文化差异的限制。因此,未来的研究应该扩大这项研究,包括其他国家。此外,应用程序的实际使用情况是参与者自己报告的,在某些情况下可能是不真实的。然而,我们样本中的应用采用率与第二次调查期间德国人口的采用率相当gydF4y2Ba
对于大多数人来说,Corona-Warn-App在发布时还是一个新概念。从那时起,这款应用程序及其功能就变得相对知名和广泛。出于这个原因,后续研究应该调查主观规范之外的描述性规范(即其他人实际如何行为)的作用,我们已经以社会影响的形式调查了主观规范(即其他人认为一个人的行为应该有多重要),对于采用过程[gydF4y2Ba
此外,这项研究的数据来源于德国推出COVID-19追踪应用程序前几天(t1)和后4周(t2),因此,在第一波和第二波感染之间。与此同时,已经实施了各种防治大流行病的措施,并提供了关于该病毒、其传播和死亡率的更多信息。这些见解应在后续研究中加以考虑。例如,新的SARS-CoV-2疫苗的分发和采用是抗击大流行的一个里程碑。因此,后续研究应检查这些见解是否会影响COVID-19追踪应用程序的使用和不确定性的感知。gydF4y2Ba
抗击COVID-19大流行的一项关键战略是检测并随后隔离潜在感染者。由于检测能力有限,通过移动应用程序自动追踪接触者对决定哪些人需要检测提供了重要贡献。我们的研究就推动人们广泛接受COVID-19追踪应用程序以识别感染链和控制大流行的因素提供了独到的见解。在URT的基础上,通过对采用过程的纵向实证研究,我们调查了减少不确定性措施如何影响COVID-19追踪应用程序的采用,以及它们的使用如何影响对不同风险的感知。我们通过CB-SEM对代表性数据进行分析。结果表明,信息披露和准确性、社会影响力、政府信任和初始信任三个维度对适应过程有正向影响,而透明度维度对适应过程无显著影响。此外,我们还发现,COVID-19追踪应用程序的实际使用降低了对性能和隐私风险的感知不确定性,但没有发现对减少社会风险和COVID-19担忧的影响。最后,我们得出了关于接触追踪应用程序的通信策略的理论和实际意义,特别是对于一般的医疗保健技术。gydF4y2Ba
参加者背景资料。gydF4y2Ba
调查项目及其来源。gydF4y2Ba
基于协方差的结构方程建模gydF4y2Ba
假设gydF4y2Ba
研究问题gydF4y2Ba
结构方程建模gydF4y2Ba
技术接受模型gydF4y2Ba
不确定性减少理论gydF4y2Ba
技术接受与使用的统一理论gydF4y2Ba
没有宣布。gydF4y2Ba