Unified Theory of Acceptance and Use of Technology

Definition: 

 

Die „Unified Theory of Acceptance and Use of Technology“ (UTAUT) ist ein „Technology Acceptance Model” (TAM) im Feld  der Akzeptanzforschung, formuliert von Venkatesh, et al. im Jahr 2003, basierend auf acht Akzeptanz-, Diffusions- und Adoptionstheorien und sieht die Erklärung, sowie Abschätzung des Grades der Technologieakzeptanz der Nutzung von Informationstechnologien vor.  Technologieakzeptanz beschreibt die Korrelation von „Behavioral Intention“ (Verhaltensabsicht) zur Nutzung von Technologien und nachfolgendem „Use Behavior“ (tatsächlichen Nutzungsverhalten). Als Grundlage der Akzeptanzforschung gilt das Suppositum einer Heterogenität von Nutzungsverhalten hinsichtlich technologischer Veränderungen.

Determinanten von Nutzungsverhalten und Verhaltensabsicht der UTAUT sind: „Performance Expectancy“ (Leistungserwartung), „Effort Expectancy“ (Aufwandserwartung), „Social Influence“ (sozialer Einfluss), „Facilitating Conditions“ (unterstützende Rahmenbedingungen). Die Faktoren: „Gender“ (Geschlecht), „Age“ (Alter), „Experience“ (Erfahrung), „Voluntariness of Use“ (Freiwilligkeit der Nutzung) moderieren die Mächtigkeit der Determinanten.

Die Leistungserwartung ist als jener Grad von Erwartung definiert, der eine Unterstützung von Arbeitsleistungen mit der Nutzung eines Systems für Individuen impliziert. Der Einfluss von Leistungserwartungen auf Verhaltensabsichten (und Nutzungsverhalten) zur Technologienutzung wird nach empirischen Befunden sowohl von Geschlecht, als auch Alter beeinflusst und ist tendenziell für Männer und jüngere Individuen stärker ausgeprägt.

Die Aufwandserwartung ist definiert als Grad der Erwartung, nach welcher ein System einfach bzw. mit angemessenem Aufwand nutzbar ist. Der Einfluss von Aufwandserwartungen auf Verhaltensabsichten (und Nutzungsverhalten) wird, empirisch fundiert, von Geschlecht, Alter, sowie Erfahrung determiniert und ist tendenziell für Frauen, jüngere Individuen und Arbeitnehmer mit geringer Erfahrung stärker ausgeprägt.

Der soziale Einfluss ist definiert als der Grad, zu dem ein Individuum die Meinungen anderer über die Nutzung eines Systems beachtet. Der soziale Einfluss auf Verhaltensabsichten (und Nutzungsverhalten) wird ausgehend empirischer Befunde von Geschlecht, Alter, Erfahrung, wie auch der Freiwilligkeit zur Nutzung determiniert. Insbesondere Frauen, ältere Individuen, Arbeitnehmer mit eingeschränkter Erfahrung und vor dem Hintergrund verpflichtender Nutzung ist der soziale Einfluss stärker ausgeprägt.

Unterstützende Rahmenbedingungen sind als der Grad definiert, zu welchem Individuen glauben, dass organisatorische und technische Infrastruktur gegeben ist, um den Nutzen des Systems unterstützen zu können. Nicht die Verhaltensabsicht, sondern das tatsächliche Nutzungsverhalten wird durch unterstützende Rahmenbedingungen beeinflusst, eventuell auch beeinträchtigt. Der Einfluss unterstützender Rahmenbedingungen auf das tatsächlich Nutzungsverhalten wird empirisch fundiert sowohl von Alter, als auch Erfahrung bedingt und ist stärker für ältere Individuen mit weitreichenden Erfahrungen ausgeprägt. (Venkatesh, et al. 2003, 427ff.)

 

Einordnung: 

Die UTAUT kann aufgrund des vereinigenden Ansatzes anhand der basierenden Theorien in den Kontext der Akzeptanzforschung eingeordnet werden. Die acht basierenden Theorien sind: „Technology Acceptance Model” (TAM), „Theory of Reasoned Action“ (TRA), „Motivational Model” (MM), „Theory of Planned Behavior” (TPB), „Combined TAM-TPB” (TAM+TPB), „Model of PC Utilization” (MPCU), „Innovation Diffusion Theory” (IDT), „Social Cognitive Theory” (SCT).

Die Theorien können zum einen entweder als Grundlage oder weiterführender Akzeptanzforschungsansatz und zum anderen als Verhaltens- oder Technologieorientierter Ansatz kategorisiert werden. Die Grundlagen bilden entsprechend der Kategorisierung das MM, sowie die SCT als verhaltensorientierte Ansätze und die IDT als technologieorientierter Ansatz. Weiterführende Akzeptanzforschungsansätze sind aufgrund konkurrierender Perspektiven zu differenzieren. Das MPCU bildet eine Perspektive, welche sowohl Verhaltens‑, als auch Technologieansätze impliziert. Die TRA und dessen Erweiterung TPB als verhaltensorientierte Ansätze, sowie die TAM und die Kombination von TAM und TPB als technologieorientierte Ansätze bilden eine zweite Perspektive. Die UTAUT als Ableitung aller acht basierenden Theorien kombiniert beide Perspektiven, inkludiert die Theoriegrundlagen, vereinigt dementsprechend Verhaltens- und Technologieansätze und ist als kategorieübergreifender Ansatz zentral inmitten der Theorien einzuordnen.

 

Anwendungsbeispiele: 

3.1 Anwendungsbeispiel Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model

In dieser Studie wurde UTAUT2 (siehe Abschnitt Variante) angewendet, um zu untersuchen welche Faktoren Kunden beim Kauf von Flugtickets direkt über die E-Commerce Websites der Billigfluggesellschaften (low cost carrier, LCC) beeinflussen. Für die Fluggesellschaften ist dies von Interesse, da die eigene Website als Hauptvertriebskanal für Flugtickets dient. Daraus ergeben sich viele Vorteile wie z.B. geringere Vertriebskosten, erhöhte Kundenzufriedenheit, Wettbewerbsfähigkeit und Markteffizienz. Europäische Billigfluggesellschaften, wie Ryanair und EasyJet vertreiben mittlerweile über 90% ihrer Flugtickets direkt über die eigene Website. Vor allem in Spanien stellen Tickets für Transport wie Flugzeug, Bahn oder Schiff die meistverkaufte Produktgruppe im E-Commerce dar. Dadurch hängt das Unternehmenswachstum stark davon ab, dass die Kunden weiterhin und in Zukunft vermehrt Flugtickets direkt über die Websites der Billigfluggesellschaften kaufen. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 70-71)

3.1.1 Theoretische Fundierung und Hypothesenbildung

UTAUT2 eignet sich für diese Studie am besten, da explizit die Akzeptanz und Nutzung durch Kunden im Fokus steht. Theorien wie das Technology Acceptance Model, Theory of Planned Behavior oder UTAUT betrachten in ihrer Ausgangsdefinition vor allem den Organisationskontext und die generelle Nutzung und Akzeptanz durch Mitarbeiter. UTAUT2 wurde für diese Studie um die Determinanten Trust und Consumers’ Innovativeness erweitert (siehe Abb. 3), die sich in der Literatur für den Einsatz im Bereich E-Commerce bewährt haben. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 71)


Abb. 3: Vorgeschlagenes Billigfluggesellschaften Untersuchungsmodell nach UTAUT2

Für jeden Pfad des zu untersuchenden Modells wurde eine Hypothese aufgestellt. Diese wurden aus der original UTAUT2-Theorie und vergleichbaren Studien aus dem Bereich E-Commerce abgeleitet und an den Kontext der Studie angepasst. Ein Ausschnitt der daraus resultierenden 16 Hypothesen ist in Tab. 1 aufgeführt.


Tab. 1: Zum Untersuchungsmodell (siehe Abb. 3) aufgestellte Hypothesen (Ausschnitt)

3.1.2 Empirische Datenerhebung

Zur Datenerhebung wurde ein, zu den 16 Hypothesen passender, Fragenkatalog mit 51 Items erstellt. Die einzelnen Items wurden aus der vorhandenen Literatur zu E-Commerce, Tourismus und Technologieakzeptanz abgeleitet und an den Kontext der Studie angepasst (siehe Tab. 2). Anschließend wurde der resultierende Fragenkatalog von einer Gruppe aus Akademikern und Tourismus-Experten validiert und ein Pre-Test durchgeführt, um die Qualität der späteren Ergebnisse zu sichern. Die konkrete Datenerhebung wurde landesweit von Interviewern durchgeführt. Befragt wurden Personen, die innerhalb der letzten 6 Monate die Websites von Billigfluggesellschaften genutzt hatten. So konnte (im Gegensatz zu einer Online-Befragung) gewährleistet werden, dass die demografische Struktur der Befragten der gewünschten Zielgesamtheit entspricht. Die Items konnten mittels einer 7-Punkte Likert-Skala zwischen „stimme gar nicht zu“ und „stimme voll zu“ beantwortet werden. Insgesamt wurden 1096 gültige Fragebögen zur weiteren Analyse gesammelt. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 77)


Tab. 2: UTAUT(2) Determinanten mit den dazugehörigen Billigfluggesellschaften Fragebogen-Items (Ausschnitt)

3.1.3 Datenanalyse


Abb. 4: Gütebeurteilung des Billigfluggesellschaften Messmodells (Ausschnitt)

Die Regressionsanalyse der erhobenen Daten wurde mit dem Partial-Least-Squares (PLS) Verfahren durchgeführt. Hierbei wurde im ersten Schritt die Güte des Messmodells beurteilt. Die unterschiedlichen Gütemaße in Abb. 4 geben an wie gut die Determinanten durch die erhobenen Daten der Fragebogen-Items gemessen werden konnten. Die Werte bestätigten, dass alle Items zuverlässige und gültige Ergebnisse im Bezug auf die Determinanten (Habit, Trust, Use Behaviour,…) lieferten. Somit konnten im zweiten Schritt mit allen erhobenen Daten die Pfade des vollständigen Strukturmodells analysiert werden (siehe Abb. 5). (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 78-80)


Abb. 5: Resultierendes Billigfluggesellschaften Strukturmodell

3.1.4 Beurteilung der Ergebnisse und Empfehlungen

Die Analyse zeigt, dass 60% der Varianz der Websitenutzung und 60,3% der Varianz der Nutzungsabsicht erklärt werden konnten. Aus dem erzeugten Modell kann man schließen, dass die Haupteinflussfaktoren, die die Absicht Flugtickets über die Website von Billigfluggesellschaften zu kaufen beeinflussen, Trust (0.273), Habit (0.249) und Price-saving Orientation (0.206) sind.

Die Haupteinflussfaktoren für die tatsächliche Nutzung (Use Behavior) sind die eben aufgeschlüsselte Kaufabsicht (Behavioral Intention) (0.421), Habit (0.372) und Facilitating Conditions (0.105).

Entgegen der aufgestellten Hypothese hatte Price-saving Orientation keinen signifikanten Einfluss auf die tatsächliche Nutzung der Websites. Alle anderen Hypothesen waren allerdings signifikant und konnten somit bestätigt werden. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 80)

Aufgrund der Ergebnisse lassen sich praktische Empfehlungen geben wie sich der Verkauf von Flugtickets direkt über die Websites von Billigfluggesellschaften steigern lässt:

  • Trust hat sich als stärkster Faktor für die Absicht Flugtickets zu kaufen herausgestellt. Die Fluggesellschaften sollten demnach Marketingstrategien verfolgen, die das Vertrauen der Kunden in die Online-Services steigern und festigen. Konkret lässt sich das Vertrauen in die Informationsqualität der Website steigern indem alle Informationen (Angebotsverfügbarkeit, Gebühren, Bedingungen) stets vollständig, verständlich und aktuell aufbereitet sind. Zeitstempel an den Informationen könnten dazu beitragen, das Vertrauen der Kunden in die Aktualität und Korrektheit der Informationen zu steigern. Auch Gütesiegel und Zertifikate für sicheres Einkaufen oder SSL-Verschlüsselung der übertragenen Daten könne das Vertrauen der Kunden positiv beeinflussen. Das Management der Billigfluggesellschaften sollte dafür sorgen, dass strikte Sicherheitsrichtlinien eingehalten werden und dies auch dem Kunden gegenüber kommunizieren. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 83)
  • Habit der Kunden wurde als zweitstärkster Faktor identifiziert. Dies lässt sich durch Werbung im Internet und den traditionellen Medien positiv beeinflussen. Auch ein Prämiensystem auf der Website oder regelmäßige Aktionen und Gutscheine geben dem Kunden Anreize die Website öfter zu besuchen. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 83)
  • Price-saving Orientation war der drittstärkste Einflussfaktor. Je größer die Ersparnis (oder zusätzlicher Service zu dem selben Preis) ist, desto höher ist der Nutzen für den Kunden seine Tickets direkt auf der Website der Billigfluggesellschaften zu kaufen. Man sollte also kommunizieren, dass die günstigste Möglichkeit an Flugtickets zu kommen der Direktkauf auf der eignen Website ist und dies durch Ausdrücke wie „günstig“ oder „niedrig“ unterstützen. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 84)
  • Facilitating Conditions beeinflussen sowohl die konkrete Nutzung der Website Use Bevavior (0.105) als auch die Absicht zur Nutzung Behavioral Intention (0.146). Dem Kunden sollte also jederzeit die Möglichkeit gegeben sein schnell und zuverlässig Unterstützung zu bekommen, wenn er auf Probleme trifft. Dies lässt sich zum Beispiel durch kostenlose Kundenservice-Nummern, schnellen E-Mail-Support, leicht zugängliche FAQs, Video-Tutorials zu häufigen Problembereichen oder auch Präsenz in Sozialen Netzen fördern. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 84)
  • Da die Absicht die Website von Billigfluggesellschaften zu nutzen den größten Einfluss auf die tatsächliche Nutzung hat liegt es im Interesse der Billigfluggesellschaften vor allem die Absicht der Nutzung durch die oben genannten Faktoren zu stärken. (Escobar-Rodríguez und Carvajal-Trujillo 2014, S. 85)

 

3.2 Anwendungsbeispiel Factors affecting individuals to adopt Mobile-Banking: Empirical evidence from the UTAUT model

Die fortschreitende Entwicklung im Bereich der Kommunikations- und Informationstechnologie hat dazu geführt, dass die Verbreitung von Smartphones immer weiter steigt. Für die Banken bedeutet dies eine große Chance im Bereich des Mobile-Bankings. Trotz der hohen Smartphone-Durchdringung werden die angebotenen Mobile-Banking-Dienste jedoch kaum genutzt. In dieser Studie wurde untersucht was die Bevölkerung bei der Nutzung von Mobile-Banking-Services beeinflusst und wie die Nutzung gesteigert werden kann. (Yu 2012, S. 104–105)

3.2.1 Theoretische Fundierung und Hypothesenbildung

Durch ein Literaturreview konnte festgestellt werden, dass sich der Großteil der Studien zum Thema Mobile-Banking auf die Theorien Technology Acceptance Model, Theory of Planned Behavior und Innovation Diffusion Theory stützen. UTAUT hat sich unter anderem aus den oben genannten Theorien entwickelt (siehe Abschnitt Historie) und hat sich in Langzeitstudien empirisch nachgewiesen als überlegen im Bezug auf seine Vorhersagekraft herausgestellt. Zudem bietet es nicht nur die Möglichkeit die Determinanten, die die Adaption und Nutzung von Mobile-Banking beeinflussen, zu untersuchen, sondern ermöglicht auch den Einfluss von Moderatoren, wie Alter oder Geschlecht, zu erfassen. Aus diesen Gründen diente UTAUT in dieser Studie als theoretische Grundlage für die Hypothesenbildung. (Yu 2012, S. 106–107)


Abb. 6: Vorgeschlagenes Mobile-Banking Untersuchungsmodell nach UTAUT

Anhand vorheriger Studien aus den Bereich Mobile-Banking und Internet-Banking wurden die Hypothesen aufgestellt, die das zu untersuchende Modell bilden (siehe Abb. 6). Als relevante zusätzliche Determinanten haben sich Perceived Credibility, Perceived Financial Cost und Perceived Self-efficacy herausgestellt. Im Gegensatz zur original UTAUT werden die Moderatoren Erfahrung (Experience) und Freiwilligkeit der Nutzung (Voluntariness) nicht betrachtet. Da es sich nicht um eine Langzeitstudie handelt, ist es auch nicht möglich Veränderungen in der Erfahrung zu erfassen. Die Freiwilligkeit der Nutzung in das Modell aufzunehmen steht in keinem Verhältnis zum Aufwand, da eine aufgezwungene Nutzung des Mobile-Bankings auch gar nicht im Interesse der Studie liegt. (Yu 2012, S. 110-111)

3.2.2 Empirische Datenerhebung

Wie in Abschnitt 3.1.2 wurde zur Datenerhebung ein Fragebogen erstellt; inklusive Adaption der Items aus vorhandenen Studien, Validierung durch Experten und Pre-Test. Der Fragebogen enthielt im ersten Abschnitt die für die Determinanten relevanten 31 Items (siehe Tab. 3). Als Antwortskala kam eine 5-Punkte Likert-Skala zum Einsatz. Im zweiten Abschnitt wurden zusätzlich 7 demographische Fragen zur Auswertung der Moderatoren Alter und Geschlecht gestellt. Durchgeführt wurde die Befragung über einen Zeitraum von 2 Wochen von Interviewern in Einkaufszentren. Es wurden insgesamt 441 gültige Fragebögen gesammelt. (Yu 2012, S. 111–113)


Tab. 3: UTAUT Determinanten mit den zugehörigen Mobile-Banking Fragebogen-Items (Ausschnitt)

3.2.3 Datenanalyse

Die erhobenen Daten wurden analog zu Abschnitt 3.1.3 mittels des PLS Verfahrens ausgewertet. Ein Item des Fragebogens zu Perceived Self-Efficiancy lieferte keine zuverlässigen Ergebnisse und wurde entfernt („(PSE4) I could use Mobile-Banking if I could call someone for help“; loading < 0.7). Die Analyse wurde ohne die unzuverlässigen Daten wiederholt und alle anderen Items lieferten zuverlässige und gültige Ergebnisse. Abb. 7 zeigt das resultierende Strukturmodell. (Yu 2012, S. 113-114)


Abb. 7: Resultierendes Mobile-Banking Strukturmodell

3.2.4 Beurteilung der Ergebnisse und Empfehlungen

Aus dem Modell lässt sich schließen, dass Social Influence (0.721), Perceived Financial Cost (-0.352) und Performance Expectancy (0.318) einen starken Einfluss auf die Absicht Mobile-Banking zu nutzen haben. Die tatsächliche Nutzung wird stark von der Nutzungsabsicht (0.719) und Facilitating Conditions (0.560) beeinflusst. Des weiteren wurde festgestellt, dass Geschlecht signifikanten Einfluss auf Performance Expectancy und Perceived Financial Cost hat. Das Alter hingegen beeinflusst Facilitating Conditions und Perceived Self-efficacy signifikant. (Yu 2012, S. 115–117)

Aufgrund der Ergebnisse lassen sich praktische Empfehlungen geben wie sich die Marktdurchdringung von Mobile-Banking verbessern lässt: (Yu 2012, S. 117-118)

  • Der starke Einfluss des Social Influence auf die Nutzungsabsicht von Mobile-Banking führt dazu, dass Banken vermehrt Soziale Medien wie Facebook, Twitter oder Blogs nutzen sollten, um Mobile-Banking zu bewerben. Die daraus resultierende Mund-zu-Mund-Propaganda hat den stärksten positiven Effekt für das Mobile-Banking. Dieser Effekt fiel bei jungen Kunden sogar noch stärker ins Gewicht.
  • Perceived Financial Cost stellte sich als zweitstärkster Faktor der Nutzungsabsicht heraus. Zudem ist dieser Effekt bei Männern stärker als bei Frauen. Banken sollten demnach die Kosten für ihre Mobile-Banking-Dienste senken und unterschiedliche Service/Preis Pakete für Männer und Frauen anbieten.
  • Männer hatten eine höhere Wahrnehmung von Performance Expectancy, daher sollte gezielt Frauen der Nutzen und Mehrwert von Mobile-Banking nahe gebracht werden.
  • Banken sollten das Vertrauen der Kunden in die Sicherheit der mobilen Services stärken (Perceived Credibility)

 

3.3 Weitere Anwendungsbeispiele

UTAUT hat in den letzten Jahren stark an Bedeutung in der Wirtschaftsinformatik gewonnen (Houy et al. 2014, S. 24). In Tab. 4 sind daher weitere Beispiele aufgeführt in denen UTAUT zum Einsatz kam um unterschiedlichste Informationssysteme zu untersuchen.


Tab. 4: Übersicht einiger mit UTAUT untersuchter Informationssysteme (IS)

 

Variante: 

Im Jahr 2012 erweiterten Venkatesh et al. die Unified Theory of Acceptance and Use of Technology, um sie vom originären Kontext der Akzeptanz und Nutzung von Technologie innerhalb einer Organisation abweichend, auf die Verbraucherverwendung (consumer use) anwendbar zu machen. Neben der Integration dreier weiterer Determinanten wurden auch Beziehungen innerhalb des bestehenden Konzeptes abgeändert, neue hinzugefügt und ein Moderator entfernt (vgl. Venkatesh et al. 2012: 158). Abb. 8 zeigt die erweiterte Theory of Acceptance and Use of Technology 2 (UTAUT2).

Da Venkatesh et al. (2012: 159) eine auf die freiwillige Nutzung von Technologie bezogene Theorie fokussierten, wurde Freiwilligkeit (Voluntariness) als moderierende Variable entfernt, da der Anwendungskontext sie bereits redundant machte.

 

Abb. 8 UTAUT 2                                                                                                                                                  Quelle: Venkatesh et al. 2012: 160.    

Abb. 8 zeigt die um die Determinanten Hedonische Motivation (Hedonic Motivation), Kosten-Nutzen-Verhältnis (Price Value) und Gewohnheit (Habit) erweiterte Theorie. Hedonische Motivation umfasst die Freude, welche mit der Nutzung einer Technologie einhergeht, die sich auf die Verhaltensintention auswirkt, während die Gewohnheit maßgeblich sowohl die Verhaltensintention beeinflusst, als auch direkten Einfluss auf das Nutzungsverhalten hat. Beide Determinanten werden von den Moderatoren Alter, Geschlecht und Erfahrung beeinflusst (vgl. Venkatesh et al. 2012: 160). Das Kosten-Nutzen-Verhältnis hat laut Venkatesh et al. im Verbrauchernutzungskontext ebenfalls einen nicht zu vernachlässigenden Einfluss auf die Verhaltensintention, da die Technologie nicht vom Arbeitgeber bereitgestellt wird, sondern zumeist selbst akquiriert werden muss. Diese Variable wird beeinflusst vom Alter und Geschlecht des Nutzers (vgl. ebd.).

Die letzte Veränderung gegenüber dem ursprünglichen UTAUT-Modell findet sich in der Beeinflussung der Verhaltensintention durch Erleichternde Bedingungen (Facilitating Conditions). Im Kontext der Verbrauchernutzung von Technologie können die Rahmenbedingungen, anders als in einem Unternehmen, unterschiedlich sein. Während in Organisationen beispielsweise Trainings für alle Mitarbeiter durchgeführt werden, steht diese Möglichkeit nicht jedem Nutzer im Verbraucherkontext zur Verfügung. Laut Venkatesh et al. wirken sich daher diese unterschiedlichen Bedingungen nicht bloß auf das direkte Nutzungsverhalten aus, sondern auch auf die Intention, eine Technologie zu nutzen, wobei sie moderiert werden von Alter, Geschlecht und Erfahrung der Person (vgl. ebd.).

UTAUT 2 ist nicht das einzige Modell, das aus der Unified Theory of Acceptance and Use of Technology abgeleitet wurde. Insbesondere bei Anwendung des ursprünglichen Modells in einem anderen Kontext als der Technologieakzeptanz in Unternehmen, wurden weitere kontextspezifische Determinanten ergänzt. Wang et al. (2009: 92-94) erweiterten das Modell im Kontext des mobilen Lernens um die beiden Determinanten wahrgenommene Verspieltheit (Perceived Playfulness) und Selbstorganisation des Lernens (Self-Management of Learning).

Ein weiteres Beispiel für diese kontextabhängige Adaption der UTAUT liefern Martins et al. (2014: 1-3) im Kontext der Akzeptanz des Internet Bankings. Sie erweiterten im Rahmen ihrer Forschung das ursprüngliche UTAUT-Modell um die Determinante wahrgenommenes Risiko (Perceived Risk). Eine solche Adaption des Ursprungsmodells findet sich in der Literatur häufig, wie auch die Anwendungsbeispiele zu dieser Theorie zeigen. 

 

Historie: 

Die Unified Theory of Acceptance and Use of Technology (UTAUT) wurde von Venkatesh et al. (2003: 425) als Konsolidierung acht bestehender Theorien und Modelle im Bereich der Technologieakzeptanzforschung eingeführt.

Dieser Theorie zugrunde liegen das Technology Acceptance Model (TAM), die Theory of Reasoned Action (TRA), das Motivational Model (MM), die Theory of Planned Behavior (TPB), die Kombination der Theory of Planned Behavior und des Technology Acceptance Model (CTPB-TAM), sowie das Model of PC Utilization (MPCU), die Innovation Diffusion Theory (IDT) und die Social Cognitive Theory (vgl. Oye et al. 2014: 253). Diese acht Modelle beschreiben nach Venkatesh et al. (2003: 428) auf unterschiedliche Art und unter Verwendung teils voneinander abweichender Determinanten die Nutzerakzeptanz von Technologie. Dabei gibt es Überschneidungen, wie beispielsweise bei dem TAM, der TRA und der TPB, die allesamt die Subjektive Norm (Subjective Norm) als Einflussfaktor auf die Nutzung von Technologie statuieren. Diese Überschneidungen resultieren häufig aus der Weiterentwicklung einer bestehenden Theorie, bei der die vorhandenen Determinanten beibehalten und ergänzt werden, wie es bei dem Technology Acceptance Model der Fall ist, das auf der Theory of Reasoned Action basiert.

Nach Venkatesh et al. (2003: 428-431) variieren die einzelnen Theorien und Modelle in den betrachteten Determinanten, sowie in deren Anzahl. Während die Theory of Reasoned Action beispielsweise die zwei Determinanten Einstellung zum Verhalten (Attitude Toward Behavior) und Subjektive Norm fokussiert, betrachtet die Innovation Diffusion Theory neben dem relativen Vorteil, den eine Person aus der Nutzung zieht, auch die Mühelosigkeit der Nutzung (Ease of Use), den Einfluss auf das eigene Image, die Sichtbarkeit (Visibility) anderer Systemnutzer in der eigenen Organisation, die Kompatibilität (Compatibility) mit eigenen Werten und vorab genutzten Systemen, sowie die Sichtbarkeit der Nutzungsresultate (Results Demonstrability) und die Freiwilligkeit der Nutzung eines Systems (Voluntariness of Use).

Venkatesh et al. (2003: 425) verglichen erstmalig alle acht Theorien und Modelle miteinander, arbeiteten Gemeinsamkeiten und Divergenzen heraus und prüften deren Aussagekraft anhand einer vorhandenen Datenmenge, die während einer Feldstudie über sechs Monate in vier verschiedenen Organisationen erhoben wurde. Dabei wurden in zwei der Unternehmen Daten von Nutzern einer zur freiwilligen Nutzung überlassenen Technologie erhoben, während die Nutzung des Systems in den anderen beiden Organisationen verpflichtend war. Neben der Aussagekraft der Determinanten wurde der Einfluss der Moderatoren Erfahrung (Experience), Freiwilligkeit der Nutzung (Voluntariness), Alter (Age) und Geschlecht (Gender) auf die Verhaltensintention und das Nutzungsverhalten untersucht. Diese Moderatoren wurden von vorhandenen Erweiterungen der acht Theorien und Modellen abgeleitet (vgl. Venkatesh et al. 2003: 437-439). Unter Miteinbeziehung der Moderatoren stellten Venkatesh et al. (2003: 445) eine höhere Vorhersagevalidität fest, als es ohne sie der Fall war.

Die statistisch aussagekräftigsten Determinanten und die untersuchten Moderatoren wurden im Anschluss für die Konstruktion der Unified Theory of Acceptance and Use of Technology verwendet, deren Entwicklung das erklärte Ziel von Venkatesh et al. war. Dabei sollte diese Theorie insbesondere im organisationsbezogenen Kontext angewendet werden können, beispielsweise bei der Einführung einer neuen Technologie im Unternehmen (vgl. Venkatesh et al. 2003: 426). Diese konsolidierte Theorie wurde anhand der bereits vorab genutzten Daten validiert und wies eine deutlich höhere Vorhersagevalidität auf, als die acht Modelle und Theorien es jeweils taten. Unter Verwendung zweier neuer Datensets, erhoben innerhalb von Organisationen, die nicht bereits vorab Teil der vorherigen Studie waren, konnte eine Kreuzvalidierung der vier Determinanten und ebenso vielen Moderatoren der UTAUT erzielt werden (vgl. Venkatesh et al. 2003: 467).

 

Literaturverzeichnis

AbuShanab, E., Pearson, J. M. und Setterstrom, A. J. (2010). „Internet banking and customers’ acceptance in Jordan: the unified model’s perspective“. In: Communications of the Association for Information Systems 26.1, S. 23.

Aggelidis, V. P. und Chatzoglou, P. D. (2009). „Using a modified technology acceptance model in hospitals“. In: International journal of medical informatics 78.2, S. 115–126.

AlAwadhi, S. und Morris, A. (2008). „The Use of the UTAUT Model in the Adoption of E-Government Services in Kuwait“. In: Proceedings of the 41st Annual Hawaii International Conference on System Sciences (HICSS 2008). Institute of Electrical & Electronics Engineers (IEEE). Auch Online DOI: 10.1109/hicss.2008.452.

Brown, S. A., Dennis, A. R. und Venkatesh, V. (2010). „Predicting Collaboration Technology Use: Integrating Technology Adoption and Collaboration Research“. In: Journal of Management Information Systems 27.2, S. 9–54. Auch Online DOI: 10.2753/mis0742-1222270201.

De Silva, H., Ratnadiwakara, D. und Zainudeen, A. (2009). „Social influence in mobile phone adoption: Evidence from the bottom of pyramid in emerging Asia“. In: Available at SSRN 1564091.

Escobar-Rodríguez, T. und Carvajal-Trujillo, E. (2014). „Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model“. In: Tourism Management 43, S. 70–88. Auch Online DOI: 10.1016/j.tourman.2014.01.017.

Houy, C., Frank, J., Niesen, T., Fettke, P. und Loos, P. (2014). „Zur Verwendung von Theorien in der Wirtschaftsinformatik - Eine quantitative Literaturanalyse“. In: Veröffentlichungen des Instituts für Wirtschaftsinformatik (IWi) im Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), IWi-Heft 198. URL: http://scidok.sulb.uni-saarland.de/volltexte/2016/6471/. Abruf am 11.07.2016.

Jong, D. und Wang, T.-S. (2009). „Student acceptance of web-based learning system“. In: Proceedings of the 2009 International Symposium on Web Information Systems and Applications, S. 533–536.

Martins, C., Oliveira, T. und Popovič, A. (2014): „Understanding the Internet banking adoption: A unified theory of acceptance and use of technology and perceived risk application”. In: International Journal of Information Management 34.1, S. 1-13.

Oye, N. D., Iahad, N. A. und Rahim, N. A. (2014): „The history of UTAUT model and its impact on ICT acceptance and usage by academicians“. In: Education and Information Technologies 19.1, S. 251-270.

Pai, J.-C. und Tu, F.-M. (2011). „The acceptance and use of customer relationship management (CRM) systems: An empirical study of distribution service industry in Taiwan“. In: Expert Systems with Applications 38.1, S. 579–584. Auch Online DOI: 10.1016/j.eswa.2010.07.005.

Tan, L. und Wu, L. (2010). „An Empirical Study on Factors Affecting Customer Intention in Mobile Commerce Contexts“. In: 2010 Second International Conference on Multimedia and Information Technology. Institute of Electrical & Electronics Engineers (IEEE). Auch Online DOI: 10.1109/mmit.2010.55.

Uzoka, F.-M. E. (2008). „Organisational influences on e-commerce adoption in a developing country context using UTAUT“. In: International Journal of Business Information Systems 3.3, S. 300–316.

Venkatesh, V., Morris, M. G., Davis, G. B. und Davis, F. D. (2003). „User Acceptance of Information Technology: Toward a Unified View“. In: MIS Quarterly 27.3, S. 425-478.

Venkatesh, V., Thong, J. Y. L. und Xu, X. (2012). „Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology“. In: MIS Quarterly 36.1, S.157-178.

Wang, Y.-S., Wu, M.-C. und Wang, H.-Y. (2009). „Investigating the determinants and age and gender differences in the acceptance of mobile learning”. In: British Journal of Educational Technology 40.1, S. 92-118.

Williams, M. D., Rana, N. P. und Dwivedi, Y. K. (2015). „The unified theory of acceptance and use of technology (UTAUT): a literature review“. In: Journal of Enterprise Information Management 28.3, S. 443–488. Auch Online DOI: 10.1108/jeim-09-2014-0088.

Yu, C.-S. (2012). „Factors affecting individuals to adopt mobile banking: Empirical evidence from the UTAUT model“. In: Journal of Electronic Commerce Research 13.2, S. 104–121. URL: http://www.jecr.org/node/48. Abruf am 11.07.2016.