Rok wydania: 2021
Numer czasopisma: 4
Słowa kluczowe: informacje zdrowotne, modelowanie PLS-PM, pokolenie Z, model UTAUT
Strony: 31-40
Język publikacji: Polski
Model akceptacji internetowych informacji zdrowotnych przez przedstawicieli pokolenia Z - wyniki badań pilotażowych
Magdalena Czerwińska, Ewa Bojar
Abstrakt

Dla przedstawicieli pokolenia Z technologia jest głównym narzędziem zdobywania i poszerzania wiedzy. Informacje zawarte w Internecie są dla nich podstawowym źródłem wiedzy z różnych dziedzin (w tym zdrowotnych). Opracowanie zawiera wyniki badań intencji behawioralnych (postaw akceptacyjnych) przedstawicieli pokolenia Z dotyczących wykorzystywania informacji zdrowotnych dostępnych w Internecie. Przedstawiono wyniki badań przeprowadzonych na grupie 200 studentów Politechniki Lubelskiej kierunku Informatyka w 2019 roku. Do modelowania wykorzystano model ścieżkowy cząstkowych najmniejszych kwadratów (PLS-PM). Uzyskane wyniki wskazują, że wybrane zmienne warunkujące intencje behawioralne i kształtujące postawy psychiczne (oczekiwana wydajność, oczekiwany wysiłek, wpływ społeczny i warunki ułatwiające) są istotne i wewnętrznie spójne. Istotną wartością przeprowadzonych badań było dostosowanie modelu UTAUT do oceny postaw akceptacyjnych i wnioskowania o preferencjach młodych internautów, dzięki czemu wykazano możliwość identyfikacji czynników wpływających na postawy akceptacyjne za pomocą modelu UTAUT.

Bibliografia
[1] Ahadzadeh A.S., Sharif S.P., Ong F.S., Khong K.W. (2015), Integrating Health Belief Model and Technology Acceptance Model: An Investigation of Health-related Internet Use, „Journal of medical Internet research”, Vol. 17, No. 2, e45. [2] Ahadzadeh A.S., Sharif S.P., Ong F.S. (2018), Online Health Information Seeking among Women: The Moderating Role of Health Consciousness, „Online Information Review”, Vol. 42, No. 1, pp. 58–72. [3] Alshehri M., Drew S., Alhussain T., Alghamdi R. (2012), The Effects of Website Quality on Adoption of E-Government Service: An Empirical Study Applying UTAUT Model Using SEM, ACIS 2012 Proceedings, https://aisel.aisnet.org/acis2012/24, access date: 20.02.2021. [4] Anderson M., Jiang J. (2018), Teens, Social Media & Technology 2018, „Pew Research Center”, Vol. 31, pp. 1673–1689. [5] Berényi L. (2017), Changing Trends in ICT Use-A Generation Y Analysis, „Theory Methodology Practice: Club of Economics in Miskolc”, Vol. 13, No. 1, pp. 9–16. [6] Bujnowska-Fedak M.M. (2015), Trends in the Use of the Internet for Health Purposes in Poland, „BMC Public Health”, Vol. 15, No. 1, pp. 1–17. [7] Bujnowska-Fedak M.M., Węgierek P. (2020), The Impact of Online Health Information on Patient Health Behaviours and Making Decisions Concerning Health, „International journal of environmental research and public health”, Vol. 17, No. 3, pp. 880–893. [8] Czerwinska M. (2013), Internet as the Source for Acquiring the Medical Information, [in:] M. Ganzha, L. Maciaszek, M. Paprzycki (eds.), 2013 Federated Conference on Computer Science and Information Systems, IEEE, pp. 1239–1246. [9] Czerwińska M. (2020), Zastosowanie modeli akceptacji technologii informacyjnych w procesach korzystania z informacji zdrowotnych dostępnych w Internecie, [w:] M. Urbaniak, A. Tomaszewski (red.), Wyzwania społeczne i technologiczne a nowe trendy w zarządzaniu współczesnymi organizacjami, Oficyna Wyd. SGH, Warszawa, s. 391–407. [10] Dalimunte I., Miraja B.A., Persada S.F., Prasetyo Y.T., Belgiawan P.F., Redi A.P. (2019), Comparing Generation Z’s Behavior Intention in Using Digital Wallet for Online and In-store Transaction: A Unified Theory of Acceptance and Use of Technology 2 Approach, „Journal of Applied Economic Studies”, Vol. 3, No. 65, pp. 660–672. [11] Davis F.D. (1993), User Acceptance of Information Technology: System Characteristics, User Perceptions and Behavioral Impacts, „International Journal of Man-Machine Studies”, Vol. 38, No. 3, pp. 475–487. [12] Defratyka A., Morawski I. (2018), Pokolenie Z w finansach i na rynku pracy. Jak pokolenia Z, X i Y różnią się w świetle danych i badań. Raport, Warszawa. [13] Dewanti P., Indrajit R.E. (2018), The Effect of XYZ Generation Characteristics to E-commerce C-to-C: A Review, „IKRA-ITH INFORMATIKA: Jurnal Komputer dan Informatika”, 2(2), s. 56–60. [14] Dimock M. (2019), Defining Generations: Where Millennials end and Generation Z begins, „Pew Research Center” 17(1), pp. 1–7. [15] Dolot A. (2018), The Characteristics of Generation Z, „E-mentor”, 7Nr 2(74), s. 44–50. [16] GUS (2020), Jak korzystamy z Internetu? – 2019 r., https://stat.gov.pl/obszary-tematyczne/nauka-i-technika-spoleczenstwo-informacyjne/spoleczenstwo-informacyjne/jak-korzystamy-z-internetu-2019,5,10.html, data dostępu: 14.02.2021 r. [17] Hair J.F., Anderson R.E., Babin B.J., Black W.C. (2010), Multivariate Data Analysis: A Global Perspective, Pearson Upper Saddle River, New York. [18] Gronek M. (2020), CBOS: 69 proc. Polaków sprawdza online informacje o lekarzach i usługach medycznych, https://pulsmedycyny.pl/cbos-69-proc-polakow-sprawdza-online-informacje-o-lekarzach-i-uslugach-medycznych-1000613, data dostępu: 19.02.2021 r. [19] Medonet.pl (2020), https://www.medonet.pl/zdrowie/zdrowie-dla-kazdego,polacy-szukaja-zdrowia--oto-najpopularniejsze-hasla-2020-roku-na-medonet-pl,artykul,90573761.html, data dostępu: 15.02.2021 r. [20] Kamenidou I.E., Stavrianea A., Mamalis S., Mylona I. (2020), Knowledge Assessment of Covid-19 Symptoms: Gender Differences and Communication Routes for the Generation Z Cohort, „International Journal of Environmental Research and Public Health”, Vol. 17, No. 19, 6964–6980. [21] Kiełtyka L., Zygoń O. (2018), Współczesne formy komunikacji — jak zarządzać z wykorzystaniem Internetu rzeczy i wszechrzeczy, „Przegląd Organizacji”, Nr 2, s. 24–33. [22] Kim J., Park H. (2012), Development of a Health Information Technology Acceptance Model Using Consumers’ Health Behavior Intention, „Journal of Medical Internet Research”, Vol. 14, No. 5, e133. [23] Kocsis L., Szabó M. (2018), Use of Internet as Source of Medical Information and its Impact among Young Transylvanian Hungarian People - A Comparative Study, „Bulletin of Medical Sciences” No. 91(1), pp. 56–59. [24] Lai P.C. (2017), The Literature Review of Technology Adoption Models and Theories for the Novelty Technology, „JISTEM - Journal of Information Systems and Technology Management”, Vol. 14, No. 1, pp. 21–38. [25] Lee K., Hoti K., Hughes J.D., Emmerton L.M. (2015), Consumer Use of „dr Google”: A Survey on Health Information-seeking Behaviors and Navigational Needs, „Journal of Medical Internet Research”, Vol. 17, No. 12, e288. [26] Lee Y.J., Ha S. (2016), Consumer Use of the Internet for Health Management, „Journal of Consumer Health on the Internet”, Vol. 20, No. 1–2, pp. 1–18. [27] Lehto T., Oinas-Kukkonen H. (2015), Explaining and Predicting Perceived Effectiveness and Use Continuance Intention of a Behaviour Change Support System for Weight Loss, „Behaviour & Information Technology”, 34(2), pp. 176–189. [28] Lin C.A., Atkin, D.J. (eds.), (2014), Communication Technology and Social Change: Theory and Implications, Routledge, New York. [29] Liu H., Liu W., Yoganathan V., Osburg V.S. (2021), COVID-19 Information Overload and Generation Z's Social Media Discontinuance Intention During the Pandemic Lockdown, „Technological Forecasting and Social Change”, 166(C). [30] Magsamen-Conrad K., Wang F., Tetteh D., Lee Y.-I. (2019), Using Technology Adoption Theory and a Lifespan Approach to Develop a Theoretical Framework for eHealth Literacy: Extending UTAUT, „Health Communication”, Vol. 35, No. 12, pp. 1435–1446. [31] Maresova P., Klimova B. (2017), Selected Aspects in Searching for Health Information on the Internet among Generation Y, [in:] Conference on e-Business, e-Services and e-Society, Springer, Cham, pp. 221–226. [32] Matthews L., Latan H., Noonan R. (2017), Partial Least Squares Path Modeling: Basic Concepts, Methodological Issues, and Applications, Springer, Cham. [33] McCrindle M., Wolfinger E. (2009), The ABC of XYZ: Understanding the Global Generations, UNSW Press, Australia. [34] Medlock S., Eslami S., Askari M., Arts D.L., Sent D., De Rooij S.E., Abu-Hanna A. (2015), Health Information–seeking Behavior of Seniors Who Use the Internet: A Survey, „Journal of Medical Internet Research”, Vol. 17, No. 1, e10. [35] Mikalef P., Kourouthanassis P.E., Pateli A.G. (2017), Online Information Search Behaviour of Physicians, „Health Information & Libraries Journal”, Vol. 34, No. 1, pp. 58–73. [36] Motylińska P. (2021), Samoocena zdrowotnych kompetencji informacyjnych studentów–wyniki badania pilotażowego studentów kierunku bezpieczeństwo zdrowotne na Uniwersytecie Pedagogicznym w Krakowie, „Annales Universitatis Paedagogicae Cracoviensis| Studia ad Bibliothecarum Scientiam Pertinentia”, Vol. 18, pp. 335–351. [37] Park S.-Y., Go E. (2016), Health Information Seeking on the Internet: The Role of Involvement in Searching for and Assessing Online Health Information, „Health Marketing Quarterly”, Vol. 33, No. 4, pp. 327–341. [38] Persada S.F., Miraja B.A., Nadlifatin R. (2019), Understanding the Generation Z Behavior on D-Learning: A Unified Theory of Acceptance and Use of Technology (UTAUT) Approach, „International Journal of Emerging Technologies in Learning”, Vol. 14, No. 5, pp. 20–33. [39] Priporas C.V., Stylos N., Fotiadis A.K. (2017), Generation Z Consumers' Expectations of Interactions in Smart Retailing: A Future Agenda, „Computers in Human Behavior”, Vol. 77, pp. 374–381. [40] Roselina E., Asmiyanto T., Andriany M. (2021), Health Information-Seeking Behavior on The COVID-19 Pandemic: Social Media Usage by Gen Z in Jakarta, Indonesia, „Library Philosophy and Practice”, pp. 1–7. [41] Sagan A. (2015), Modele PLS-PM i ich zastosowania w predykcji i wyjaśnianiu zjawisk ekonomicznych. „Studia i Prace WNEiZ US”, Vol. 39, No. 2, s. 127–138. [42] Surendran P. (2012), Technology Acceptance Model: A Survey of Literature, „International Journal of Business and Social Research”, Vol. 2, No. 4, pp. 175–178. [43] Taherdoost H. (2019), Importance of Technology Acceptance Assessment for Successful Implementation and Development of New Technologies, „Global Journal of Engineering Sciences”, Vol. 1, No. 3, pp. 1–3. [44] Tenenhaus M., Vinzi V.E., Chatelin Y.M., Lauro C. (2005), PLS Path Modeling, „Computational Statistics & Data Analysis”, Vol. 48, No. 1, pp. 159–205. [45] Tennant B., Stellefson M., Dodd V., Chaney B., Chaney D., Paige S., Alber J. (2015), eHealth Literacy and Web 2.0 Health Information Seeking Behaviors among Baby Boomers and Older Adults, „Journal of Medical Internet Research”, Vol. 17, No. 3, e70. [46] Turner A. (2015), Generation Z: Technology and Social Interest, „The Journal of Individual Psychology” 71(2), s. 103–113. [47] Venkatesh V., Morris M.G., Davis G.B., Davis F.D. (2003), User Acceptance of Information Technology: Toward a Unified View, „MIS Quarterly”, Vol. 27, No. 3, pp. 425–478. [48] Vogels E.A. (2019), Millennials Stand out for Their Technology Use, but Older Generations also Embrace Digital Life, Pew Research Center, Washington, DC, https://www.pewresearch.org/fact-tank/2019/09/09/us-generations-technology-use/, access date: 20.02.2021. [49] Wartella E., Rideout V., Montague H., Beaudoin-Ryan L., Lauricella A. (2016), Teens, Health and Technology: A National Survey, „Media and Communication”, Vol. 4, No. 3, pp. 13–23. [50] Wood S. (2013), Generation Z as Consumers: Trends and Innovation, Institute for Emerging Issues: NC State University, 119(9), pp. 7767–7779. [51] Yigzaw K.Y., Wynn R., Marco-Ruiz L., Budrionis A., Oyeyemi S.O., Fagerlund A.J., Bellika J.G. (2020), The Association between Health Information Seeking on the Internet and Physician Visits (The Seventh Tromsø Study-part 4): Population-based Questionnaire Study, „Journal of medical Internet research”, Vol. 22, No. 3, e13120.
Publikacje z rocznika