Adozione di app sanitarie digitali
Sanità / mHealth
Un'estensione del Technology Acceptance Model (TAM) alle app sanitarie digitali. Accanto alle classiche variabili TAM Perceived Ease of Use e Perceived Usefulness, modelliamo Health Consciousness come motivatore specifico di dominio e Perceived Risk come path negativo di privacy, un effetto f² raramente così chiaramente delimitato.
- N
- 380
- LVs
- 6
- Effect
- PR → BI negative
Per clonare serve un account OpenPLS gratuito.
Background teorico
Davis (1989) ha consolidato TAM, che ancora oggi rimane un modello di accettazione estremamente diffuso con due determinanti centrali: percezione di utilità (PU) e facilità d'uso (PEOU). Queste plasmano l'atteggiamento, che a sua volta guida l'intenzione.
Per le applicazioni mHealth il TAM classico non basta: Sun et al. (2013) hanno integrato Health Consciousness (positiva) e Perceived Risk (negativa) come estensioni specifiche di dominio. La privacy è particolarmente rilevante in ambito sanitario perché si condividono dati sensibili.
Il modello è metodologicamente interessante perché contiene un path chiaramente negativo (PR → BI). Effetti di questo tipo sono preziosi nella didattica del PLS-SEM: mostrano che segno, significatività ed effect size f² vanno interpretati separatamente.
Modello strutturale
Catena TAM classica (PEOU → PU → Attitude → Intention) più due antecedenti specifici di dominio: Health Consciousness positivo, Perceived Risk negativo.
Facilità d'uso percepita
Facilità percepita nell'utilizzo dell'app.
Utilità percepita
Utilità attesa in ambito sanitario.
Consapevolezza sanitaria
Consapevolezza della salute e responsabilità personale.
Rischio percepito
Rischio percepito di privacy e di uso improprio dei dati.
Atteggiamento
Atteggiamento generale verso l'app.
Intenzione comportamentale
Intenzione di utilizzare l'app regolarmente.
Ipotesi
| H1 | PEOU → PU | + | La facilità d'uso aumenta l'utilità percepita. |
| H2 | PU → ATT | + | L'utilità aumenta l'atteggiamento verso l'app. |
| H3 | HC → ATT | + | La consapevolezza sanitaria rafforza l'atteggiamento positivo. |
| H4 | PR → ATT | - | Il rischio percepito sui dati mina l'atteggiamento. |
| H5 | PU → BI | + | L'utilità aumenta direttamente l'intenzione d'uso. |
| H6 | ATT → BI | + | Un atteggiamento positivo porta all'intenzione d'uso. |
Metodologia e dati
N = 380 risposte sintetiche su 20 indicatori riflessivi (Likert a sette punti). Le grandezze degli effetti sono calibrate in modo che il path negativo PR sia significativo ma più piccolo dei driver positivi, tipico degli studi mHealth reali (Sun et al., 2013; Cocosila & Archer, 2010).
Risultati attesi
- R²(BI) ≈ 0.52
- Le cinque determinanti spiegano circa il 52 % della varianza dell'intenzione, solido per un TAM esteso.
- PR → BI ≈ −0.18
- Un path chiaramente negativo ma moderato. Esempio didattico per gli effetti negativi: riportare segno, significatività ed effect size separatamente.
- f²(PR)
- L'effect size f² per il Perceived Risk si colloca tipicamente nell'intervallo piccolo-medio (≈ 0.06). Ideale per discutere le soglie di Cohen.
Riproduci in 60 secondi
- 1
Clona il progetto
Un solo clic nel tuo workspace OpenPLS crea una copia completamente modificabile: modello, indicatori e dataset, tutto collegato e pronto all'uso.
- 2
Esegui il calcolo
OpenPLS risolve i pesi esterni, i coefficienti di path, R², HTMT, SRMR e gli intervalli di confidenza bootstrap in pochi secondi.
- 3
Confronta con le metriche attese
Le metriche chiave documentate qui sotto provengono dall'originale pubblicato. I tuoi valori calcolati dovrebbero rientrare negli intervalli di confidenza bootstrap al 95 %.
Riferimenti
- Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319–340. doi.org/10.2307/249008
- Sun, Y., Wang, N., Guo, X., & Peng, Z. (2013). Understanding the acceptance of mobile health services: A comparison and integration of alternative models. Journal of Electronic Commerce Research, 14(2), 183–200. www.jecr.org/node/313
- Cocosila, M., & Archer, N. (2010). Adoption of mobile ICT for health promotion: an empirical investigation. Electronic Markets, 20(3), 241–250. doi.org/10.1007/s12525-010-0042-y