KİŞİSEL AKILLI TEKNOLOJİLERİN SAĞLIK AMAÇLI KULLANIMLARININ KABÜLÜNÜN DEĞERLENDİRİLMESİ

Günümüzde, hızlı gelişim gösteren akıllı teknolojiler, bireylerin hayatını kolaylaştırmakta etkili olmaktadır. Bireylerin sağlık süreçlerini takip edebilen akıllı teknolojiler, sağlık verilerini anlık toplayarak, korumacı ve engelliyici tıp felsefesini destekleyebilmektedir. Kişisel akıllı teknolojilerin, sağlık sektöründe kullanılmasıyla, sağlığımız ile ilgili bilgilere çok daha hızlı ulaşabilmekteyiz. Bu çalışmanın temel amacı, bireylerin sağlık hizmetlerinde “kişisel akıllı teknolojileri”(KAT) kullanma niyetlerini etkileyen faktörleri araştırmak ve model olarak ortaya çıkarmaktır. Çalışmada, teknoloji kabul modeli, inovasyon difüzyon teorisi, teknolojik yenilikçilik, koruma motivasyon teorisi ve gizlilik analiz teorisi temel alınarak geliştirilen yeni bir model ele alınmıştır ve 415 katılımcıdan elde edilen anket sonuçları ile model geliştirilmiştir. Araştırma modelinin analizi için SmartPLS 3.2.3 kullanılarak yapısal eşitlik modeli geliştirilmiştir. Araştırmanın modelinde kullanılan teori ve modellerde yeralan ve ilave edilen boyutlar sırası ile, algılanan yarar, algılanan kullanım kolaylığı, teknolojik yenlikçilik, uyumluluk, denenebilirlik, imaj, algılanan önemlilik, algılanan güvenlik açığı, maliyet, algılanan gizlilik riski, algılanan avantaj, davranışsal niyet, tutum, teknoloji kaygısı, alışkanlık ve sosyal etkidir. Hipotezler cinsiyetler arasında fark olup olmadığı test edildiğinde, kadınların erkeklere göre denenebilirlik, teknoloji kaygısı ve teknolojik yenilikçiliğe önem verdiği gözlenmektedir. Kadın kullanıcılar için özel bir KAT sağlık teknolojisi ürünü tasarlanırken bu faktörlere dikkat edilmelidir. Ayrıca, cinsiyete bakılmaksızın tüm bireylerin, sağlık hizmetlerinde KAT teknoloji ürünlerinin benimsenmesinde uygunluk, tutum, algılanan avantaj ve algılanan kullanım kolaylığına daha fazla önem verdiği görülmektedir.

EVALUATING THE USE OF PERSONAL SMART TECHNOLOGIES FOR HEALTH PURPOSES

Nowadays, fast developing smart technologies are effective in facilitating the lives of individuals. Intelligent technologies that can monitor the health processes of individuals can collect health data momentarily and support the philosophy of protectionist and disabling medicine. By using personal smart technologies in the health sector, we can reach our health information much faster. The main aim of this study is to investigate the factors affecting the intention of individuals to use niyet personal smart technologies akıllı (CAT) in health services. In this study, a new model developed based on the technology acceptance model, innovation diffusion theory, technological innovation, conservation motivation theory and privacy analysis theory is discussed. The structural equation model was developed by using SmartPLS 3.2.3 for the analysis of the research model. The dimensions and dimensions included in the theory and models used in the model of the research, respectively, perceived benefit, perceived ease of use, technological innovation, compatibility, testability, image, perceived materiality, perceived vulnerability, perceived confidentiality risk, perceived advantage, behavioral intention, attitude, technology anxiety, habit and social impact. When hypotheses are tested for differences between genders, it is observed that women attach importance to testability, technology anxiety and technological innovation. These factors should be considered when designing a special KAT health technology product for female users. Moreover, it is seen that all individuals, regardless of gender, attach more importance to conformity, attitude, perceived advantage and perceived ease of use in the adoption of KAT technology products in health services.

PDF

___

Agarwal, R., Karahanna, E., 2000. Time flies when you’re having fun: cognitive absorption and beliefs about information technology usage. MIS Quarterly. 24 (4), pp. 665–694.
Ajzen, I., 1991. The theory of planned behavior. Organizational Behavior and Human Decision Processes. (50), pp.179-211.
Chan, T.K.H., Cheung, C.M.K., Shi, N. and Lee, M.K.O., 2015. Gender differences in satisfaction with Facebook users. Industrial Management & Data Systems. 115 (1), pp. 182-206.
Chau, Y. K., and Hu, J.H., 2001. information technology acceptance by individual professionals: A model comparison approach. Decision Sciences. 32 (4), pp. 669-719.
Davis, F.D., 1989. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly. 13 (3), pp. 319-340.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E., 2010. Multivariate data analysis. 7th edition. Englewood Cliffs: Prentice Hall.
Hair, J.F., Ringle, M.C., and Sarstedt, M., 2011. Pls-sem: ındeed a silver bullet. Journal of Marketing Theory and Practice. 19 (2), pp. 139-152.
Hair, J.F., Sarstedt, M., Ringle, C.M. and Mena, J.A., 2012. An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing Science. 40 (3), pp. 414-433.
Hardgrave, B., Davis, F., and Riemenschneider, C., 2003. Investigating determinants of software developers’ intentions to follow methodologies. Journal of Management Information Systems. 20 (1), pp. 123-151.
Kim, H. Park, 2012. Development of a health information technology acceptance model using consumers’ health behavior intention. Journal of Medical Internet Research. 14 (5), e: 133.
Kwong, K., and Wong, K., 2013. Partial least squares structural equation modeling (pls-sem) techniques using smartpls. Marketing Bulletin. 24, Technical Note 1.
Lee, Y. H. (2007). Exploring key factors that affect consumers to adopt e-reading services. Unpublished Master Thesis, Huafan University.
Lee, Y.H., Hsieh, Y.C., and Hsu, C.N., 2011. Adding innovation diffusion theory to the technology acceptance model: supporting employees' intentions to use e-learning systems. Educational Technology & Society. 14 (4), pp. 124–137.
Rogers, R.W., 1975. A protection motivation theory of fear appeals and attitude change. Journal of Psychology. 91(1), pp.93-114.
Rogers, E. M., 2003. Diffusion of innovations. 5th Edition. New York: The Free Press.
Smith, H. J., Dinev, T., and Xu, H., 2011. Information privacy research: an interdisciplinary review. MIS Quarterly. 35 (4), pp. 989–1016.
Sun, Y., Wang, N., Guo, X., and Peng, Z., 2013. Understanding the acceptance of mobile health services: a comparison and integration of alternative models. Journal of Electronic Commerce Research. 14 (2), pp. 183-200.
Taylor, S., and Todd, P.A, 1995. Understanding information technology usage: a test of competing models. Information Systems Research. 6 (2), pp. 144-176.
Venkatesh, V., and Davis, F.D., 2000. A theoretical extension of the technology acceptance model: four longitudinal field studies. Management Science. 46 (2), pp. 186–204.
Venkatesh, V., Morris, M., Davis, G. and Davis, F., 2003. User acceptance of information technology: Toward a unified view. MIS Quarterly. 27 (3), pp. 425-478.
Wu, J.H. and Wang, S.C., 2005. What drives mobile commerce? An empirical evaluation of the revised technology acceptance model. Information & Management. 42, pp. 719–729.