ปัจจัยที่ส่งผลต่อความตั้งใจใช้งานแพลตฟอร์มเรียกรถตามความต้องการของผู้บริโภคหลังจากการแพร่ระบาดของโควิด-19
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ส่งผลต่อความตั้งใจใช้งานแพลตฟอร์มเรียกรถตามความต้องการของผู้บริโภคหลังการแพร่ระบาดของโควิด-19 โดยบูรณาการแนวคิดจากแบบจำลองความเชื่อด้านสุขภาพและแบบจำลองการยอมรับเทคโนโลยี ใช้ระเบียบวิธีวิจัยเชิงปริมาณ เก็บข้อมูลจากกลุ่มตัวอย่างผู้มีประสบการณ์ใช้งานแพลตฟอร์มเรียกรถจำนวน 136 คน ด้วยแบบสอบถามออนไลน์ วิเคราะห์ข้อมูลด้วยการวิเคราะห์สมการถดถอยพหุคูณ ผลการวิจัยพบว่าการรับรู้ความง่ายของการใช้งานและการรับรู้ประโยชน์ส่งผลเชิงบวกต่อความตั้งใจใช้งานแพลตฟอร์มเรียกรถอย่างมีนัยสำคัญ โดยการรับรู้ความง่ายของการใช้งานมีอิทธิพลทั้งทางตรงต่อความตั้งใจใช้งานและทางอ้อมผ่านการรับรู้ประโยชน์ สิ่งชักนำให้เกิดการใช้งานและการรับรู้ความสามารถของตนเองมีอิทธิพลทางอ้อมผ่านการรับรู้ความง่ายของการใช้งานและการรับรู้ประโยชน์ ขณะที่การรับรู้โอกาสเสี่ยงและความรุนแรงของโรคโควิด-19 ไม่ส่งผลต่อความตั้งใจใช้งานแพลตฟอร์ม ผลการวิจัยนี้มีคุณค่าทั้งในเชิงวิชาการโดยเพิ่มองค์ความรู้เกี่ยวกับการยอมรับเทคโนโลยีในบริบทหลังการแพร่ระบาด และเชิงการจัดการโดยเสนอแนะให้ผู้ให้บริการแพลตฟอร์มเรียกรถพัฒนาระบบให้ใช้งานง่าย ส่งเสริมการสื่อสารประโยชน์ และกระตุ้นการแนะนำบอกต่อเพื่อเพิ่มความตั้งใจใช้งานของผู้บริโภค
Article Details
เอกสารอ้างอิง
ทีมโซเซียลนิวส์. (2566, 14 มีนาคม). แห่ร้องเรียนรถสาธารณะ 17,548 เรื่อง. MCOT.net DIGITAL.
วัฒนา เล้าสินวัฒนา, ภาธินันท์ ไทยทัตกุล, และศักดิ์สิทธิ์ เฉลิมพงศ์. (2564). การใช้แอปพลิเคชันเรียกรถเพื่อโดยสารรูปแบบรถยนต์ในกลุ่มประชากรคนกรุงเทพมหานคร (พิมพ์ครั้งที่ 26). จุฬาลงกรณ์มหาวิทยาลัย.
Agyemang, B. (2022). Technology acceptance in digital platforms: Reducing complexity perception through interface design and user training. Journal of Information Systems and Technology Management, 19, e202219004. https://doi.org/10.4301/s1807-1775202219004
Agyemang, K. O. (2022). A Bayesian inference model for sustainable crowd source logistics for small and medium scale enterprises (SME) in Africa. American Journal of Industrial and Business Management, 12(7), 852-863. https://doi.org/10.4236/ajibm.2022.127046
Ali, S., Khalid, N., Javed, H. M. U., & Islam, D. M. Z. (2021). Consumer adoption of online food delivery ordering (OFDO) services in Pakistan: The impact of the COVID-19 pandemic situation. Journal of Open Innovation: Technology, Market, and Complexity, 7(1), 10. https://doi.org/10.3390/joitmc7010010
Beck, M. J., & Hensher, D. A. (2020). Insights into the impact of COVID-19 on household travel and activities in Australia – The early days of easing restrictions. Transport Policy, 99, 95-119. https://doi.org/10.1016/j.tranpol.2020.08.004
Bozzi, C., Neves, M., & Mont'Alvão, C. (2021). The 'Pandemic Effect' on E-Commerce. In T. Ahram, R. Taiar, S. Colson, & A. Choplin (Eds.), Human interaction and emerging technologies: Future applications (IHIET 2020) (pp. 149-154). Springer. https://doi.org/10.1007/978-3-030-55307-4_22
Cao, Z., Chu, J., Hui, K. L., & Xu, H. (2021). The relationship between online referral marketing and price promotion: Evidence from a large E-commerce platform. Journal of Management Information Systems, 38(2), 416-445. https://doi.org/10.1080/07421222.2021.1912918
Cheah, I., Shimul, A. S., Liang, J., & Phau, I. (2020). Consumer attitude and intention toward ridesharing. Journal of Strategic Marketing, 30(4), 1-22. https://doi.org/10.1080/0965254X.2020.1733050
Chen, L. (2008). A model of consumer acceptance of mobile payment. International Journal of Mobile Communications, 6(1), 32-52. https://doi.org/10.1504/IJMC.2008.015997
Daragmeh, A., Sági, J., & Zéman, Z. (2021). Continuous intention to use e-wallet in the context of the COVID-19 pandemic: Integrating the health belief model (HBM) and technology continuous theory (TCT). Journal of Open Innovation: Technology, Market, and Complexity, 7(2), 132. https://doi.org/10.3390/joitmc7020132
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008
El Sayed, H. A., & Sarhan, A. E. (2022). Effect of health belief model-based educational intervention on COVID-19 preventive behaviors among pregnant women. Tanta Scientific Nursing Journal, 25(2), 219-242. https://doi.org/10.21608/tsnj.2022.234277
Elgzar, W. T., Al-Qahtani, A. M., Elfeki, N. K., & Ibrahim, H. A. (2020). COVID-19 outbreak: Effect of an educational intervention based on health belief model on nursing students' awareness and health beliefs at Najran University, Kingdom of Saudi Arabia. African Journal of Reproductive Health, 24(2), 78-86. https://doi.org/10.29063/ajrh2020/v24i2.12
Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41(4), 1149-1160. https://doi.org/10.3758/BRM.41.4.1149
Feng, W., Yan, Z., Zhang, H., Zeng, K., Xiao, Y., & Hou, Y. T. (2017). A survey on security, privacy, and trust in mobile crowdsourcing. IEEE Internet of Things Journal, 5(4), 2971-2992. https://doi.org/10.1109/JIOT.2017.2765699
Fitrianie, S., Griffioen-Both, F., & Neerincx, M. A. (2021). Persuasive design principles of health behavior support systems: A COVID-19 context-aware reflection. International Journal of Human-Computer Studies, 153, 102670. https://doi.org/10.1016/j.ijhcs.2021.102670
Guo, H., Liu, Y., Shi, X., & Chen, K. Z. (2020). The role of e-commerce in the urban food system under COVID-19: Lessons from China. China Agricultural Economic Review, 12(3), 416-425. https://doi.org/10.1108/CAER-06-2020-0146
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Education.
Hawlader, M. D. H., Dutta, S., & Rahman, M. M. (2022). Intention to COVID-19 vaccination and associated factors among health care workers: Applying health belief model. PLoS ONE, 17(5), e0268215. https://doi.org/10.1371/journal.pone.0268215
Inbar, L., & Shinan-Altman, S. (2021). Emotional reactions and subjective health status during the COVID-19 pandemic in Israel: The mediating role of perceived susceptibility. Psychology, Health & Medicine, 26(1), 11-17. https://doi.org/10.1080/13548506.2020.1858490
Jordan, R. E., Adab, P., & Cheng, K. (2020). Covid-19: Risk factors for severe disease and death. BMJ, 368, m1198. https://doi.org/10.1136/bmj.m1198
Kim, C., Li, W., & Kim, D. J. (2015). An empirical analysis of factors influencing M-shopping use. International Journal of Human-Computer Interaction, 31(12), 974-994. https://doi.org/10.1080/10447318.2015.1085717
Lauer, S., Grantz, K., Bi, Q., Jones, F., Zheng, Q., Meredith, H., Azman, A., Reich, N., & Lessler, J. (2020). The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: Estimation and application. Annals of Internal Medicine, 172(9), 577-582. https://doi.org/10.7326/M20-0504
Li, X., Yuen, K. F., Wang, X., & Wong, Y. D. (2021). Contactless technologies adoption during the coronavirus pandemic: A combined technology acceptance and health belief perspective. Technology Analysis & Strategic Management, 33(10), 1099-1112. https://doi.org/10.1080/09537325.2021.1893155
Lin, X., Wang, X., & Hajli, N. (2019). Building e-commerce satisfaction and boosting sales: The role of social commerce trust and its antecedents. International Journal of Electronic Commerce, 23(3), 328-363. https://doi.org/10.1080/10864415.2019.1619907
Mehrad, D., & Mohammadi, S. (2017). Word of mouth impact on the adoption of mobile banking in Iran. Telematics and Informatics, 34(7), 1351-1363. https://doi.org/10.1016/j.tele.2016.08.009
Öztüren, A. (2018). Acceptance of mobile payment technologies by the travelers visiting North Cyprus. Journal of Tourism Research, 20, 142-157.
Rasheed Gaber, H., & Elsamadicy, A. M. (2021). What drives consumers to continue using ridesharing services? A dual-process perspective of trust transfer theory. Transportation Research Part D: Transport and Environment, 98, 102978. https://doi.org/10.1016/j.trd.2021.102978
Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.
Rosenstock, I. M. (1974). The Health Belief Model and preventive health behavior. Health Education Monographs, 2(4), 354-386. https://doi.org/10.1177/109019817400200405
Rovinelli, R. J., & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion-referenced test item validity. Dutch Journal of Educational Research, 2, 49-60.
Salem, S. F., & Nor, K. M. (2020). The effect of COVID-19 on consumer behaviour in Saudi Arabia: Switching from brick and mortar stores to e-commerce. International Journal of Scientific & Technology Research, 9(7), 15-28.
Schmidt, S., Benke, C., & Pane-Farré, C. A. (2021). Purchasing under threat: Changes in shopping patterns during the COVID-19 pandemic. PLoS ONE, 16(6), e0253231. https://doi.org/10.1371/journal.pone.0253231
Septianto, F., & Chiew, T. M. (2018). Positive emotions, social media, and technology adoption. Journal of Consumer Marketing, 35(6), 652-661. https://doi.org/10.1108/JCM-09-2017-2356
Shen, Y., Li, C., Dong, H., Wang, Z., Martinez, L., Sun, Z., Handel, A., Chen, Z., Chen, E., Ebell, M. H., Wang, F., Yi, B., Wang, H., Wang, X., Wang, A., Chen, B., Qi, Y., Liang, L., Li, Y., & Xu, G. (2020). Community outbreak investigation of SARS-CoV-2 transmission among bus riders in eastern China. JAMA Internal Medicine, 180(12), 1665-1671. https://doi.org/10.1001/jamainternmed.2020.5225
Silva, G. M., Dias, A., & Rodrigues, M. S. (2022). Continuity of use of food delivery apps: An integrated approach to the health belief model and the technology readiness and acceptance model. Journal of Open Innovation: Technology, Market, and Complexity, 8(2), 84. https://doi.org/10.3390/joitmc8020084
Sreelakshmi, C., & Prathap, S. K. (2020). Continuance adoption of mobile-based payments in Covid-19 context: An integrated framework of health belief model and expectation confirmation model. International Journal of Pervasive Computing and Communications, 16(4), 351-369. https://doi.org/10.1108/IJPCC-06-2020-0069
Suess, S., Rohrmann, S., & Renn, O. (2022). Risk perception of COVID-19 outbreak, protective behavior, and fear-related economic decision making: A cross-cultural study. Risk Analysis, 42(10), 2237-2255. https://doi.org/10.1111/risa.13930
Torjesen, I. (2021). Covid-19: Omicron may be more transmissible than other variants and partly resistant to existing vaccines, scientists fear. BMJ, 375, n2943. https://doi.org/10.1136/bmj.n2943
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157-178. https://doi.org/10.2307/41410412
Wang, Y., Fong, L. H. N., & Law, R. (2021). Review of mobile payment research in hospitality and tourism: Integrating biometric and social influence perspectives. Journal of Hospitality Marketing & Management, 30(7), 777-796. https://doi.org/10.1080/19368623.2021.1867283
Wong, M. C., Wong, E. L., Huang, J., Cheung, A. W., Law, K., Chong, M. K., Ng, R. W., Lai, C. K., Boon, S. S., & Lau, J. T. (2021). Acceptance of the COVID-19 vaccine based on the health belief model: A population-based survey in Hong Kong. Vaccine, 39(7), 1148-1156. https://doi.org/10.1016/j.vaccine.2020.12.083
World Health Organization. (2021). Coronavirus disease (COVID-19): How is it transmitted? https://www.who.int/news-room/q-a-detail/coronavirus-disease-covid-19-how-is-it-transmitted
Yuen, K. F., Cai, L., Qi, G., & Wang, X. (2021a). Factors influencing autonomous vehicle adoption: An application of the technology acceptance model and innovation diffusion theory. Technology Analysis & Strategic Management, 33(5), 505-519. https://doi.org/10.1080/09537325.2020.1826423
Yuen, K. F., Saidi, M. S. B., Bai, X., & Wang, X. (2021b). Cruise transport service usage post COVID-19: The health belief model application. Transport Policy, 111, 115-124. https://doi.org/10.1016/j.tranpol.2021.08.002
Yuen, K. F., Wong, Y. D., Ma, F., & Wang, X. (2021c). The determinants of public acceptance of autonomous vehicles: An innovation diffusion perspective. Journal of Cleaner Production, 270, 121904. https://doi.org/10.1016/j.jclepro.2020.121904
Zhou, X., Huang, J., Stanciu, A., & Teo, T. (2020). Understanding factors influencing employees' consumptive and contributive use of enterprise social media. European Journal of Information Systems, 29(2), 219-237. https://doi.org/10.1080/0960085X.2020.1740618
Zhu, S., & Chen, J. (2016). E-commerce use in urbanising China: The role of normative social influence. Behaviour & Information Technology, 35(5), 357-367. https://doi.org/10.1080/0144929X.2016.1160286
Zribi, H. (2022). Social influence on technology acceptance: The mediating role of perceived credibility and trust. Technology in Society, 68, 101828. https://doi.org/10.1016/j.techsoc.2021.101828