การศึกษาการยอมรับเทคโนโลยีข้อมูลขนาดใหญ่ในประเทศไทย: มุมมองขององค์กร A STUDY OF BIG DATA TECHNOLOGY ADOPTION IN THAILAND: ORGANIZATIONAL PERSPECTIVE
คำสำคัญ:
ทฤษฎีการยอมรับเทคโนโลยี, เทคโนโลยีข้อมูลขนาดใหญ่, โมเดลสมการเชิงโครงสร้างบทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยในการยอมรับเทคโนโลยีข้อมูลขนาดใหญ่ (Big Data) ภายใต้บริบทของประเทศไทย โดยใช้ทฤษฎีการยอมรับเทคโนโลยี (TAM) ในการอธิบาย กลุ่มประชากรของการวิจัยเป็นบุคคลที่คุ้นเคยกับเทคโนโลยี Big Data จำนวน 260 คน เครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูล คือ แบบสอบถาม งานวิจัยใช้โมเดลสมการเชิงโครงสร้าง (SEM) ในการทดสอบสมมติฐานการวิจัย และ AMOS เป็นโปรแกรมที่ใช้สำหรับวิเคราะห์ค่าสถิติความสัมพันธ์เชิงโครงสร้าง ผลการวิจัยพบว่า โมเดลสมมติฐานมีความสอดคล้องกับข้อมูลเชิงประจักษ์ โดยมีค่าสถิติ GFI = 0.959, AFGI = 0.929, RMSEA = 0.054, SRMR = 0.519, NFI = 0.977, CFI = 0.990 และ Normed Chi-Square = 1.747 โมเดลสมมติฐานสามารถอธิบายความตั้งใจแสดงพฤติกรรมการใช้เทคโนโลยี Big Data ได้ร้อยละ 50 ปัจจัยการรับรู้ประโยชน์และปัจจัยการรับรู้ความง่ายในการใช้งานส่งผลกระทบต่อความตั้งใจแสดงพฤติกรรมการใช้ เท่ากับ 0.71 และ 0.45 ตามลำดับ อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.001 นอกจากนี้ยังพบว่า ปัจจัยการรับรู้ประโยชน์อาจเป็นตัวแปรส่งผ่านระหว่างการรับรู้ความง่ายในการใช้งานและความตั้งใจแสดงพฤติกรรมการใช้ด้วย สิ่งที่ค้นพบนี้แสดงให้เห็นว่า การที่บุคคลจะยอมรับเทคโนโลยี Big Data นั้น ไม่ใช่แค่ใช้งานง่ายเพียงอย่างเดียวแต่เทคโนโลยีต้องมีประโยชน์ด้วยจึงจะมีการใช้งานจริงเกิดขึ้น
Downloads
เอกสารอ้างอิง
Esteves, J., & Curto, J. (2013). A Risk and Benefits Behavioral Model to Assess Intentions to Adopt Big Data. Journal of Intelligence Studies in Business, 3, 37-46.
Constantiou, I. D., & Kallinikos, J. (2015). New games, new rules: big data and the changing context of strategy. Journal of Information Technology, 30(1), 44-57. DOI:/10.1057/jit.2014.17
Brandbuffet. (2018, February). Penetrate the BIG DATA situation in Thailand, "treasure" giant of the business world. Retrieved from https://www.brandbuffet.in.th
Brock, V., & Khan, H. U. (2017). Big data analytics: does organizational factor matters impact technology acceptance? Journal of Big Data, 4(1), 14-28. DOI:/10.1186/s40537-017-0081-8
Magni, M., & Pennarola, F. (2008). Intra-organizational relationships and technology acceptance. International Journal of Information Management, 28(6), 517-523. DOI:/10.1016/j.ijinfomgt.2008.01.002
Verma, S., Bhattacharyya, S. S., & Kumar, S. (2018). An extension of the technology acceptance model in the big data analytics system implementation environment. Information Processing & Management, 54(5), 791-806. DOI:/10.1016/j.ipm.2018.01.004
Soon, K. W. K., Lee, C. A., & Boursier, P. (2016). A study of the determinants affecting Adoption of big data using integrated Technology acceptance model (TAM) and Diffusion of innovation (DOI) in Malaysia. International Journal of Applied Business and Economic Research, 14(1), 17-47.
Erl, T., Khattak, W., & Buhler, P. (2015). Big Data Fundamentals Concepts, Drivers & Techniques. 1st ed. United States: Prentice Hall.
Oussous, A., Benjelloun, F.-Z., Ait Lahcen, A., & Belfkih, S. (2018). Big Data technologies: A survey. Journal of King Saud University - Computer and Information Sciences, 30(4), 431-448. DOI:/10.1016/j.jksuci.2017.06.001
Simon, P. (2010). Why New Systems Fail: An Insider's Guide to Successful IT Projects. 1st ed. Boston: Cengage Learning PTR.
Surendran, P. (2012). Technology Acceptance Model: A Survey of Literature. International Journal of Business and Social Research (IJBSR), 2(4), 175-178.
Davis, F. D. (1985). A technology acceptance model for empirically testing new end-user information systems: theory and results. Dissertation, Ph.D. (Management). Boston: Massachusetts Institute of Technology.
Davis, Fred D., Bagozzi, Richard P., & Warshaw, Paul R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35(8), 982.
Chutur, M. (2009). Overview of the Technology Acceptance Model: Origins, Developments and Future Directions. Sprouts: Working Papers on Information Systems, 9(37).
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478. DOI:/10.2307/30036540
Shin, D.-H. (2016). Demystifying big data: Anatomy of big data developmental process. Telecommunications Policy, 40(9), 837-854. DOI:/10.1016/j.telpol.2015.03.007
Kabra, G., Ramesh, A., Akhtar, P., & Dash, M. K. (2017). Understanding behavioural intention to use information technology: Insights from humanitarian practitioners. Telematics and Informatics, 34(7), 1250-1261. DOI:/10.1016/j.tele.2017.05.010
Jackson, D. L. (2003). Revisiting Sample Size and Number of Parameter Estimates: Some Support for the N:q Hypothesis. Structural Equation Modeling: A Multidisciplinary Journal, 10(1), 128-141. DOI:/10.1207/S15328007SEM1001_6
Hair, J. F., Black, J. W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis. 7th ed. United States: Pearson.
Rangsungnoen, G. (2011). Factor analysis with SPSS and AMOS for research. Bangkok: se-education public company limited.
Kline, R. B. (2016). Principles and practice of structural equation modeling. New York: Guilford Press.
Wu, B., & Chen, X. (2017). Continuance intention to use MOOCs: Integrating the technology acceptance model (TAM) and task technology fit (TTF) model. Computers in Human Behavior, 67, 221-232. DOI:/10.1016/j.chb.2016.10.028
Malaquias, R. F., Malaquias, F. F. O., & Hwang, Y. (2018). Understanding technology acceptance features in learning through a serious game. Computers in Human Behavior, 87, 395-402. DOI:/10.1016/j.chb.2018.06.008
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivs 4.0 International (CC-BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของวารสารสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
