利用Uechnology Bcceptance Nodel(TAM)实现无人驾驶汽车技术的应用外文翻译资料

 2022-02-22 20:10:59

英语原文共 11 页,剩余内容已隐藏,支付完成后下载完整资料


利用Uechnology Bcceptance Nodel(TAM)实现无人驾驶汽车技术的应用

摘要

本文考察了无人驾驶汽车技术的感知有用性,无人驾驶汽车技术的易感性,多年的驾驶经验,年龄以及使用无人驾驶汽车的意图之间的关系。本研究是以技术接受模型为理论框架的横断面描述性相关研究。数据收集的主要方法是在线调查。Pearson的相关性和多元线性回归用于数据分析。这项研究发现无人驾驶汽车技术的感知有用性,无人驾驶汽车技术的易用性以及使用无人驾驶汽车的意图之间存在显着的积极关系。此外,多年的驾驶经验,年龄和使用无人驾驶汽车的意图之间存在显着的负面关系。

介绍

由于无人驾驶汽车技术(DCT),全球汽车行业正处于交通运输阶段变革的转折点,这可能具有突破性的经济,监管和社会影响(Bansal,Kockelman,&Singh,2016; Gadepally,2013; Howard) &Dai,2014; Knight,2013; Maarafi,2015)。DCT代表了一种颠覆性的变革,可能会重新激活单人占用汽车的概念,并引发社会文化革命(Brett,2016)。无人驾驶汽车(DC)是一种无人驾驶车辆,能够在没有人为输入的情况下进行操纵,但利用了几个复杂的子系统和设备的支持(Owczarzak&Żak,2015)。

DCT的历史可以追溯到1926年,当时汽车经销商Achen汽车展示了密尔沃基市周围的“幻影汽车之旅”(Menon,2015)。然而,直到2005年,国防高级研究计划局(DARPA)城市挑战赛的获胜机器人斯坦利才完成了150英里的障碍课程,并为DCT的可行性提供了更为现实的技术解决方案(Guerra,2016; Thrun等,2006)。

汽车行业的消费者对今天推动的汽车进行了许多渐进式自动化改造(Jiang,Petrovic,Ayyer,Tolani,&Husain,2015)。碰撞避免系统,停车辅助系统,自适应巡航控制系统和车道变换辅助系统是目前商业上可用的驾驶员辅助系统的一些示例(Howard&Dai,2014; Zindler&Geiss,2016)。这些系统为汽车制造商提供了构建模块,最终可以为DCT提供服务(Howard&Dai,2014)。

研究证实,社会变革是技术变革的结果(Mohd,Ahmad,Samsudin,&Sudin,2011)。如果潜在用户不采用自动化,并且在实施的早期阶段与自身的不当依赖相关,自动化就无法发挥其潜力(Ghazizadeh,Lee,&Boyle,2012)。

为了使DCT很快取得成功,必须深入研究从用户的角度获得社会认可和预测影响DCT采用的因素(Bansal等,2016; Heide&Henning,2006; Menon,2015; Payre, Cestac,&Delhomme,2014)。文献显示,DC的技术远远超过了研究该技术的社会接受度的研究(Guerra,2016)。此外,该领域的现有研究似乎在DCT接受的结果与不同的人口统计学和地理学方面存在差异。汽车组织的领导能够从新数据中受益,这些数据涉及影响DCT接受的因素,这将有助于他们的决策并引导资源朝着适当的方向发展。

DCT的社会效益,例如为所有消费者提供移动解决方案,无论其年龄,技能和能力如何(Brett,2016),都需要对该技术的社会接受度进行深入研究。了解影响DCT消费者采用结构的因素将指导未来对更可靠和社会可接受的车辆的研究(Matthews,2016)。

这项研究的目的是确定无人驾驶汽车技术的感知有用性,无人驾驶汽车技术的易感性,多年驾驶经验,年龄(独立结构)和使用无人驾驶汽车的意图之间是否存在关联(依赖性)构造)。

DCT的感知有用性是DC的潜在消费者认识到该技术增强其移动性的程度,这最终可能影响他们使用DC的意图。DCT的易用性是指DC的潜在消费者认识到与该技术相关的易用程度的程度,最终可能影响他们使用DC的意图。使用DC构造的意图代表潜在消费者采用DC的行为意图。

技术验收模型

随着新技术的发展,技术验收模型(TAM; Davis,1989)将继续成为研究的热点(Horton,Buck,Waterson,&Clegg,2001; Venkatesh,Davis,&Morris,2007)。TAM是最有效和最广泛使用的信息系统理论框架之一(Holden&Karsh,2010; Lee,Kozar,&Larsen,2003; Li,2010)。

如图1所示,TAM是用于确定早期用户接受度的经过验证的强大框架,并且原始量表在不同人群的不同技术背景下测量TAM构建并且得到充分验证(Davis&Venkatesh,1996)。当涉及巨大的财务影响时,尤其是对于新兴的新兴技术,用户接受的早期指示变得至关重要(Davis,1993)。

外部变量

感知易用性

外部刺激

认知反应

意向

行为

感知有用性

行为意向

实际使用

图1. TAM模型.改编自Davis&Venkatesh,1996,p.20.

TAM的最常见用法已演变为感知有用性(PU),感知易用性(PEOU)与许多新兴技术的预期未来使用之间关系的决定因素(Horton等,2001)。在许多研究中,通过Cronbach#39;s alpha测量的TAM结构项目的可靠性已经超过0.9(Davis&Venkatesh,1996; Yousafzai,Foxall,&Pallister,2007a)。TAM已经在各种环境中找到了它的应用,例如但不限于在线学习,社交网络媒体,内联网和智能手机。例如,对影响采用移动商务态度的因素的研究提供了经验证据,证明TAM模型可以应用于移动商务领域,并提供了对消费者采用意图的充分解释(Yang,2005)。同样,另一项关于接受先进移动服务的研究验证了TAM的应用(Loacute;pez-Nicolaacute;s,Molina-Castillo,&Bouwman,2008)。此外,Jansson,Marell和Nordlund(2010)探讨了与替代燃料环保汽车技术相关的消费者采用的因素。

该研究的研究模型如图2所示。目前关于DCT采用的文献构成了描述性的单变量分析。这项工作试图将TAM提供的理论结构应用于DCT采用领域。Schoettle和Sivak(2014)进行的这项研究提供了有关DCT潜在消费者普遍看法的宝贵信息。然而,本文旨在通过检查技术接受结构与使用DC的意图之间的关系方面来建立更多的特异性。

图2.研究模型

技术验收模型

使用DC的意图

DCT的感知有用性

DCT的易用性

多年驾驶经验

年龄

性别,教育水平,家庭收入

性别,教育水平,家庭收入

同样,Menon(2015)指出,影响DCT采用的因素可能随着时间的推移而随着技术的发展而变化。本研究尝试沿着类似的路径确定不同环境中的感知,从而呈现新数据。此外,调查Nees(2016)对无人驾驶汽车技术的接受程度得出结论,老年人和具有更多驾驶经验的人对DCT的接受程度较低。本研究试图在不同的环境中证实这些结果。

方法

横断面,描述性,相关性研究设计是本研究的基本方法,它获得了有关消费者对完全无人驾驶交通的认知的定量数据。美国本研究所涉及的研究问题如下:

问题1:无人驾驶汽车技术的感知有用性与使用无人驾驶汽车的意图之间存在何种程度的关系?

问题2:在无人驾驶汽车技术的易用性与使用无人驾驶汽车的意图之间存在多大程度的关系?

问题3:驾驶经验的年数与使用无人驾驶汽车的意图之间存在多大关系?问题4:年龄与使用无人驾驶汽车的意图之间存在何种程度的关系?

问题5:社会经济人口统计变量(性别,教育程度和家庭收入)在多大程度上缓和了无人驾驶汽车技术的感知有用性与使用无人驾驶汽车的意图之间的关系?

问题6:社会经济人口统计变量(性别,教育程度和家庭收入)在多大程度上缓和了无人驾驶汽车技术的易用性与使用无人驾驶汽车的意图之间的关系?

问题7:无人驾驶汽车技术的感知有用性,无人驾驶汽车技术的易用性,驾驶经验的年数以及使用无人驾驶汽车的意图的年龄,综合影响是什么?

仪器

该研究使用现有仪器的修改版本,每种结构使用的项目在表1中讨论。

表1 研究仪器中使用的题项

构造

项目

有意使用

改编自Nees,2016年,第1452页。

1.鉴于我可以使用无人驾驶汽车,我预见到我会使用它。

2.我打算在市场上买到无人驾驶汽车。

3.我打算在我最喜欢的汽车列表上添加一辆无人驾驶汽车。

感知有用性

改编自Davis和Venkatesh,1996年,第45页。

1.我认为使用无人驾驶汽车可以让我提高工作效率。

2.我相信我会发现一辆无人驾驶汽车对驾驶很有用。

3.我觉得使用无人驾驶汽车可以让我在车里更安全。

4.我认为使用无人驾驶汽车可以减少与交通相关的问题。

5.我觉得使用无人驾驶汽车会降低驾驶员压力并提高驾驶性能。

6.我预见无人驾驶汽车无论年龄,技能和能力如何都能提高人们的机动性。

感知易用性

改编自戴维斯,1989年,第340页

1.我认为学习操作无人驾驶汽车对我来说很容易。

2.我相信我与无人驾驶汽车的互动将是清晰易懂的。

3.我认为我很容易熟练使用无人驾驶汽车。

4.我相信我会找到一款易于使用的无人驾驶汽车。

附加变量

1.年龄

2.性别

3.目前的教育水平

4.种族

5.家庭收入

6.目前的居住状况

7.目前的工作职能

8.驾驶经验年数

参与者

在卡车配件制造商工作的员工是本研究的参与者。该组织在美国各州有13家子公司,按比例分层采用抽样方法选择样本(n = 377),因为不同的划分是不同大小的地层。该样本体现了多样化的职业背景,如图3所示。

图3.按作业函数分配研究样本

行政管理

一般行政

营销

合法的

信息技术

销售额

客户服务

财务/会计核算

人力资源

项目管理

研究开发

工程类

综合管理

生产

质量保证

设施维护

库存控制

采购

航运

接收

担保

数据采集

通过电子邮件将包含研究工具的Survey Monkey链接分发到位于美国所选组织的所有13个子公司中的样本。有关背景信息,提供了DC的定义和图片以及关于DCT的简短视频。该调查纳入了两个虚拟问题,以评估受访者的心态。调查仍然开放十个工作日。最后,由于各种排除原因,例如缺失值,假问题的错误答案和异常值测试,本研究中包含了567个答案中的377个样本。

有效性和可靠性

在美国选择参与组织的13个子公司的原因是为了尽量减少对外部效度的威胁,这有助于谨慎地推广更广泛的人群。图4显示了样本在美国各州的分布情况。

图4.居住国的样本

阿肯色州

加利福尼亚

科罗拉多州

佛罗里达州

佐治亚州

印第安纳州

洛瓦

堪萨斯州

肯塔基

路易斯安纳

马萨诸塞州

密歇根

明尼苏达

密苏里州

内布拉斯加州

内华达州

北卡罗来纳

北大科塔州

俄亥俄州

俄勒冈

宾夕法尼亚

南大科塔州

得克萨斯州

华盛顿

在本研究中使用的377份回复中,20份(5.3%)报告居住在加利福尼亚州,54份(14.3%)在佛罗里达州,15份(4.0%)在堪萨斯州,97份密歇根州(25.7%),密苏里州36岁(9.5%),北部48岁(12.7%)达科他州和俄亥俄州的56人(14.9%)。每个构建体在具有五个点和五个锚的李克特式量表上测量。根据学术定量研究标准,Cronbach的alpha;gt; 0.7用于验证量表的内部一致性。确定仪器上使用的项目具有适当的内部一致性,如表2所示。

表2.仪器的可靠性分析

规模 克朗巴赫的alpha; 东西的个数

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[444472],资料为PDF文档或Word文档,PDF文档可免费转换为Word

<!--

有意使用DC

0.902

3

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。