Bijlagen

Informatieformulier deelnemers onderzoek sociale en humane wetenschappen

U wordt uitgenodigd om vrijwillig deel te nemen aan een onderzoeksproject inzake de aanvaarding van complexe technologieën. Vooraleer u toestemt om aan deze studie deel te nemen, is het belangrijk dat u dit formulier aandachtig leest. Er kunnen geen beloften gedaan worden noch waarborgen gegeven worden betreffende de resultaten van het onderzoeksproject.

Doel en beschrijving van de studie

Deze studie vindt plaats in het kader van een leeronderzoek dat deel uitmaakt van de bacheloropleidingen aan de Faculteit Sociale Wetenschappen. In dit leeronderzoek gaan studenten aan de slag met het thema: ‘Aanvaarding en gebruik van complexe technologieën door burgers’.

De samenleving gebruikt steeds meer complexe technologieën, waarbij de overheid deze moet regelen, deze technologieën oplegt of zelf gebruikt. Dit onderzoek spitst zich toe op twee casussen: artificiële intelligentie en big data. Specifiek bestuderen we het gebruik van slimme camera’s in het verkeer en de CovidSafeBE-app. Bij de aanvaarding van dergelijke complexe technologieën spelen verschillende elementen een belangrijke rol. Er is echter weinig geweten over hoe deze factoren samenspelen voor burgers in het algemeen, en in hoeverre dit verschilt voor groepen van burgers of voor verschillende soorten technologieën.

Bij het onderzoek zullen verschillende onderzoeksmethodieken aangewend worden. In de eerste fase, waarvoor u werd uitgenodigd om deel te nemen, zullen we diepte-interviews afnemen bij Vlamingen over hun aanvaarding van complexe technologieën, en de link met vertrouwen in de overheid en in de wetenschap. Het interview zal zich toespitsen op slechts één van de twee casussen.

Bij deze fase zullen 36 Vlamingen deelnemen.

Opdrachtgever van de studie

De studie zal uitgevoerd worden door studenten van de Universiteit Antwerpen (faculteit Sociale Wetenschappen) met Prof. Dr. Koen Verhoest als promotor.

Engagement deelname

Indien u aanvaardt aan de studie deel te nemen en u voldoet aan alle voorwaarden voor deelname aan de studie, zal u gevraagd worden om een interview te laten afnemen door een student in december 2021 of januari 2022. Dit interview zal ongeveer 1 uur en 30 minuten van uw tijd in beslag nemen. Het interview kan zowel offline als online plaatsnemen, afhankelijk van uw voorkeur. U bepaalt zelf wanneer u wenst deel te nemen en, bij een fysiek interview, op welke locatie.

Vrijwillige deelname

U neemt geheel vrijwillig deel aan deze studie en u hebt het recht te weigeren eraan deel te nemen. U heeft steeds de mogelijkheid om al dan niet aan deze studie deel te nemen of om uw deelname aan de studie stop te zetten. U hebt het recht om uw deelname aan de studie op elk ogenblik stop te zetten, zelfs nadat u het toestemmingsformulier ondertekend heeft. U hoeft geen reden te geven voor het intrekken van uw toestemming tot deelname. Het intrekken van uw toestemming zal geen enkel nadeel of verlies van voordelen met zich meebrengen.

Indien u aanvaardt om aan de studie deel te nemen, zal u deze informatiefolder krijgen om te bewaren en zal er u gevraagd worden het aangehechte toestemmingsformulier in tweevoud te ondertekenen.

Voordelen

Wij kunnen u niet bevestigen dat, indien u toestemt om aan deze studie deel te nemen, u persoonlijk enig rechtstreeks voordeel zal halen uit uw deelname aan deze studie. De uit deze studie bekomen informatie kan bijdragen tot een betere kennis over de aanvaarding van complexe technologieën. Tevens geeft het studenten de kans om onderzoekservaring op te bouwen in het kader van hun opleiding aan de Universiteit Antwerpen.

Bescherming van de persoonlijke levenssfeer

Uw identiteit en uw deelname aan deze studie worden strikt vertrouwelijk behandeld. U zult niet bij naam of op een andere herkenbare wijze geïdentificeerd worden in dossiers, resultaten of publicaties in verband met de studie. De resultaten van de interviews zullen voor geen enkele andere doelstelling gebruikt worden dan hierboven beschreven.

Het interview zal worden opgenomen om het uitschrijven van uw antwoorden te faciliteren. Deze opnames worden niet gedeeld met derden en worden verwijderd op het einde van het academiejaar 2021-2022. Ook andere studenten betrokken bij dit leeronderzoek krijgen geen toegang tot het audiobestand en kunnen enkel de geanonimiseerde transcripten van de interviews nalezen.

Voor bijkomende vragen betreffende de verwerking van uw gegevens kan u contact opnemen met Prof. Dr. Koen Verhoest op het volgende mailadres: koen.verhoest@uantwerpen.be.

Indien u zou menen dat uw persoonsgegevens niet rechtmatig en volgens de wettelijke vereisten worden/werden verwerkt, dan heeft u ook steeds het recht om klacht in te dienen bij de Privacycommissie (contactgegevens beschikbaar via: www.privacycommission.be). In geval van klachten raden wij evenwel aan om eerst onze functionaris voor gegevensbescherming te contacteren. Vaak zullen eventuele problemen of misverstanden zo eenvoudig opgelost kunnen worden.

Alvast bedankt om de tijd te nemen dit informatieformulier te hebben doorgenomen.

Datum:

Handtekening uitvoerende onderzoeker: ___________________ 

Contactgegevens: _______________

Toestemmingsformulier

Hierbij bevestig ik, ondergetekende (naam & voornaam) ___________________________________

dat ik over de studie ben ingelicht en een kopie van de “Informatieformulier” en het “Toestemmingsformulier” heb ontvangen. Ik heb de informatie gelezen en begrepen. De uitvoerder van het onderzoek heeft mij voldoende informatie gegeven met betrekking tot de voorwaarden en de duur van de studie, én het effect hiervan. Bovendien werd mij voldoende tijd gegeven om de informatie te overwegen en om vragen te stellen, waarop ik bevredigende antwoorden gekregen heb.

  • Ik heb begrepen dat ik mijn deelname aan deze studie op elk ogenblik mag stopzetten nadat ik de uitvoerende onderzoeker hierover heb ingelicht, zonder dat dit mij enig nadeel kan berokkenen.
  • Ik ben mij bewust van het doel waarvoor de door mij aangeleverde gegevens verzameld, verwerkt en gebruikt worden in het kader van deze studie en dat zij vertrouwelijk zullen worden behandeld.
  • Ik ga akkoord met de verzameling, de verwerking en het gebruik van deze gegevens, zoals beschreven in het informatieblad voor de participant.
  • Ik geef toestemming om audio opnames van mij te maken en te verwerken op de wijze en onder de modaliteiten zoals omschreven in het informatieformulier.
  • Ik stem geheel vrijwillig toe om deel te nemen aan deze studie en om mee te werken aan alle gevraagde onderzoeken. Ik ben bereid informatie te verstrekken i.v.m. mijn achtergrond.

Datum: ____________________

Handtekening deelnemer:_____________________________

Interviewprotocol CST

Vandaag zou ik graag een interview van u afnemen. Ik ben een student van de Universiteit Antwerpen en ik neem dit interview af voor mijn bachelorproef. (Vermelden waarom jij deze persoon interviewt). Er bestaan geen juiste of foute antwoorden, ik ben vooral geïnteresseerd in uw ervaringen. Zoals aangekondigd in het informatieformulier, wordt er een audio-opname gemaakt van het interview. Deze opname wordt nooit openbaar gemaakt. De bescherming van uw privacy staat voorop. De inhoud van het interview wordt uitgetypt en zal later voor wetenschappelijk onderzoek gebruikt kunnen worden. Indien dit zou gebeuren, zal uw naam nooit vermeld worden. Er wordt in publicaties enkel gebruik gemaakt van geanonimiseerde gegevens en schuilnamen. De opname dient dus in eerste instantie voor mezelf zodat ik niet alles hoef te noteren tijdens het interview. Het interview zal gaanrond het thema ‘vertrouwen en evaluatie van technologie’. Heeft u nog vragen of bedenkingen voor mij voor we starten met het interview?

1. Om het interview te beginnen, zou u zich kort willen voorstellen? (Demografische factoren)​

2. De overheid speelt een belangrijke rol in de maatschappij. Hoe zou u uw vertrouwen in de overheid inschatten in het algemeen? Vertrouwen in de overheid)​​

3. Deze vraag gaat over de wetenschap. Uit de wetenschap vloeien nieuwe technologieën voort en de wetenschap wordt ook gebruikt om beleidsbeslissingen te nemen. Hoe zou u uw vertrouwen in de wetenschap inschatten in het algemeen? (Vertrouwen in wetenschap)

4. In ons dagelijks leven komen we veel in contact met technologie. Er zijn echter veel soorten verschillende technologie. Tegenwoordig worden er bijvoorbeeld verschillende gegevens gecombineerd om gepersonaliseerde reclame te sturen. Hoe zou u uw vertrouwen in big data technologieën inschatten? (Vertrouwen in technologie)

5. Dit interview gaat specifiek over het Covid safe ticket. Kan u meer vertellen over hoe het Covid safe ticket werkt? (Kennis technologie + complexiteit technologie)

U hebt het vast al via het nieuws vernomen maar tegenwoordig heb je het covid safe ticket nodig voor heel veel zaken. Bijvoorbeeld voor als je op restaurant wil gaan, uit wil gaan, cinema,... Het is niet meer weg te denken uit de maatschappij.

6. Wat zijn de voor- en nadelen van het gebruik van het covid safe ticket volgens u? (Kosten, baten, risico’s)

7. In de voorgaande vragen heeft u nagedacht over de voor- en nadelen van het covid safe ticket. Een ander aspect is vertrouwen. Vertrouwt u het gebruik van het covid safe ticket? Waarom wel/niet?

8. Vertrouwt u de overheid om het Covid Safe Ticket op een goede manier te gebruiken?

9. Vertrouwt u de wetenschap om de technologie goed te ontwerpen en testen?

10. Als u alles samen neemt, staat u dan positief of negatief tegen over het gebruik van het covid safe ticket? Waarom? (Attitude over technologie)

11. Steunt u het het gebruik van het covid safe ticket? Verklaar. (Acceptatie technologie)

12. Hoe kijkt de maatschappij/publieke opinie/andere mensen naar het covid safe ticket volgens u? Verklaar waarom. (Perceptie publieke opinie)

We hebben zonet heel wat vragen gesteld over technologie en uw vertrouwen. Zijn er nog elementen over technologie die volgens u niet aan bod zijn gekomen en die u nog zou willen toevoegen aan het gesprek? (Afronden interview)

Dan wil ik u van harte bedanken voor uw medewerking aan dit onderzoek. Als u graag het transcript van dit interview ontvangt, dan kan ik u deze zeker bezorgen. Als u graag op de hoogte wordt gehouden van het verdere verloop van dit onderzoek en de resultaten ervan, dan bezorgen wij u graag het eindrapport en de conclusies.

Interviewprotocol Slimme Camera's

Vandaag zou ik graag een interview van u afnemen. Ik ben een student van de Universiteit Antwerpen en ik neem dit interview af voor mijn bachelorproef. (Vermelden waarom jij deze persoon interviewt). Er bestaan geen juiste of foute antwoorden, ik ben vooral geïnteresseerd in uw ervaringen. Zoals aangekondigd in het informatieformulier, wordt er een audio-opname gemaakt van het interview. Deze opname wordt nooit openbaar gemaakt. De bescherming van uw privacy staat voorop. De inhoud van het interview wordt uitgetypt en zal later voor wetenschappelijk onderzoek gebruikt kunnen worden. Indien dit zou gebeuren, zal uw naam nooit vermeld worden. Er wordt in publicaties enkel gebruik gemaakt van geanonimiseerde gegevens en schuilnamen. De opname dient dus in eerste instantie voor mezelf zodat ik niet alles hoef te noteren tijdens het interview. Het interview zal gaanrond het thema ‘vertrouwen en evaluatie van technologie’. Heeft u nog vragen of bedenkingen voor mij voor we starten met het interview?

1. Om het interview te beginnen, zou u zich kort willen voorstellen? (Demografische factoren)​

2. De overheid speelt een belangrijke rol in de maatschappij. Hoe zou u uw vertrouwen in de overheid inschatten in het algemeen? Vertrouwen in de overheid)​​

3. Deze vraag gaat over de wetenschap. Uit de wetenschap vloeien nieuwe technologieën voort en de wetenschap wordt ook gebruikt om beleidsbeslissingen te nemen. Hoe zou u uw vertrouwen in de wetenschap inschatten in het algemeen? (Vertrouwen in wetenschap)

4. In ons dagelijks leven komen we veel in contact met technologie. Denk maar aan uw telefoon of mobiele betalingen, een deel van deze technologieën worden gestuurd door artificiële intelligentie. Hoe zou u uw vertrouwen in artificiële intelligentie inschatten? (Vertrouwen in technologie)

5. Dit interview gaat over een specifieke opkomende technologie, namelijk slimme camera’s. Slimme camera’s worden ingezet in het verkeer voor verschillende redenen. Wat weet u hierover? (Kennis technologie + complexiteit technologie)

In dit volgend deel van het interview gaan we het hebben over een specifieke reden waarvoor slimme camera’s gebruikt zouden kunnen worden. Misschien heeft u het al in het nieuws gelezen maar binnenkort kunnen slimme camera’s gebruikt worden om gsm-gebruik achter het stuur te controleren. Ze kunnen via deze camera’s kijken in de auto of u uw gsm niet gebruikt. Dit is voorlopig een voorstel en is nog niet geïmplementeerd.

6. Wat zijn de voor- en nadelen van het gebruik van slimme camera’s die het gsm-gebruik achter het stuur controleren volgens u? (Kosten, baten, risico’s)

7. In de voorgaande vragen heeft u nagedacht over de voor- en nadelen van slimme camera’s, vertrouwt u deze slimme camera’s in het verkeer om het gsm-gebruik te controleren? Waarom wel/niet? 

8. Vertrouwt u de overheid om slimme camera’s tegen gsm-gebruik achter het stuur op een goede manier te gebruiken?

9. Vertrouwt u de wetenschap om de technologie achter gsm-gebruik tijdens het rijden goed te ontwerpen en testen?

10. Als u alles samen neemt, staat u dan positief of negatief tegenover het gebruik van slimme camera’s voor gsm gebruik in het verkeer? Waarom?  (Attitude over technologie)

11. Steunt u het al dan niet toekomstig gebruik van slimme camera’s tegen gsm-gebruik in het verkeer? Verklaar. (Acceptatie technologie)

12. Hoe kijkt de maatschappij/de publieke opinie/andere mensen naar slimme camera’s tegen gsm-gebruik in het verkeer volgens u? Verklaar waarom. (Perceptie publieke opinie)

We hebben zonet heel wat vragen gesteld over technologie en uw vertrouwen. Zijn er nog elementen over technologie die volgens u niet aan bod zijn gekomen en die u nog zou willen toevoegen aan het gesprek? (Afronden interview)

Dan wil ik u van harte bedanken voor uw medewerking aan dit onderzoek. Als u graag het transcript van dit interview ontvangt, dan kan ik u deze zeker bezorgen. Als u graag op de hoogte wordt gehouden van het verdere verloop van dit onderzoek en de resultaten ervan, dan bezorgen wij u graag het eindrapport en de conclusies.

Survey vertrouwen in slimme camera's die controleren op gsm- gebruik achter het stuur.

zie: https://uantwerpen.eu.qualtrics.com/jfe/form/SV_dcZdfO5EzgJ9Bye

Appendix A: ontwerp concepten

a. Vertrouwen in de overheid

Het concept vertrouwen in de overheid is meetbaar gemaakt door middel van het bevragen van negen stellingen (zie Appendix Figuur 0-1) waarbij de respondent kon aangeven in hoeverre hij/zij het eens of oneens is op een zeven-punten-Likert-schaal. Naderhand is een schaalgemiddelde vastgesteld die verder in onze analyse dient als de variabele van het concept.

Na het uitvoeren van een factor- en betrouwbaarheidsanalyse van de schaal werd duidelijk dat de initiële schaal bestaande uit negen items een eenduidige schaal was met een eigenwaarde van de eerste component van 5,806. Alle andere componenten hadden een eigenwaarde lager dan 1. De initiële schaal bleek ook betrouwbaar met een Cronbach’s Alpha van 0,926. Echter, deze kon verhoogd worden door item zeven te verwijderen. Dit item bleek in vergelijking lager gecorreleerd te zijn met de andere items. Door item zeven te verwijderen nam de betrouwbaarheid van de schaal toe tot Cronbach’s Alpha 0,940. De schaal bleef eenduidig met één component met een eigenwaarde van 5,696 en de componenten met een eigenwaarde lager dan 1 (zie tabel). De variabele vertrouwen in de overheid is dus het gemiddelde van de samengestelde schaal bestaande uit acht items. Deze wordt verder gebruikt in de analyse.

Appendix Tabel 0‑1 Samenstelling variabele ‘Vertrouwen in de overheid’

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

5,696

71,202

71,202

5,696

71,202

71,202

2

,671

8,389

79,592

3

,419

5,232

84,824

4

,391

4,893

89,717

5

,277

3,466

93,182

6

,220

2,744

95,927

7

,185

2,316

98,242

8

,141

1,758

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,940

,941

8

Statistics

Scale_TGovmnt 

N

Valid

493

Missing

0

Mean

3,8883

Median

4,0000

Std. Deviation

1,24367

Range

6,00

Minimum

1,00

Maximum

7,00

b.       Vertrouwen in de wetenschap

Het concept vertrouwen in de wetenschap is op gelijke wijze als vertrouwen in de overheid meetbaar gemaakt (zie Appendix Figuur 0‑2). De factor- en betrouwbaarheidsanalyse toonde aan dat de initiële schaal eenduidig en betrouwbaar was. Echter, item zeven bleek in vergelijking lager gecorreleerd te zijn met de andere items. Door dit item te verwijderen uit de schaal nam de betrouwbaarheid toe tot Cronbach’s Alpha 0,905. De schaal bleef eenduidig met een component met een eigenwaarde van 4,925 en de andere <1 (zie tabel). Het variabele vertrouwen in de overheid is dus het gemiddelde van de samengestelde schaal bestaande uit acht items. Deze wordt gebruikt in de analyse. 

Appendix Tabel A‑2 Samenstelling variabele ‘Vertrouwen in de wetenschap’

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

4,925

61,557

61,557

4,925

61,557

61,557

2

,658

8,230

69,788

3

,583

7,292

77,079

4

,475

5,942

83,021

5

,468

5,846

88,867

6

,369

4,611

93,478

7

,300

3,747

97,225

8

,222

2,775

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,905

,910

8

Statistics

Scale_TScience 

N

Valid

488

Missing

5

Mean

5,1132

Median

5,2500

Std. Deviation

,92226

Range

5,63

Minimum

1,38

Maximum

7,00

c.      Vertrouwen in de technologie

Het concept vertrouwen in de technologie is op een gelijke wijze meetbaar gemaakt als de hierboven beschreven concepten die vertrouwen meten. Schalen op basis van een negental stellingen (zie Appendix Figuur 0‑3). Naderhand is een schaalgemiddelde vastgesteld die verder in onze analyse dient als de variabele van het concept. 

Uit de resultaten van een factor- en betrouwbaarheidsanalyse bleek dat de initiële schaal drie componenten bleek te meten. Deze hadden een eigenwaarde boven de 1 (zie tabel), component 2 en 3 zaten echter gering boven de 1. De initiële schaal bleek wel betrouwbaar te zijn met een Cronbach’s Alpha van 0,775. Belangrijk te vermelden is dat twee items op meerdere componenten scoorden.

Vervolgens zijn voor elk van de 3 componenten en de corresponderende items (zie tabel) een factor- en betrouwbaarheidsanalyse uitgevoerd. Component 1, bestaande uit zes items, bleek ééndimensionaal (eigenwaarde 3,283) en betrouwbaar (Cronbach’s Alpha 0,823). Component 2, bestaande uit drie items, bleek ééndimensionaal maar niet consistent (Cronbach’s Alpha 0,532). Ook Component 3 bleek totaal niet consistent (Cronbach’s Alpha 0,282). Geconcludeerd kan worden dat componenten 2 en component 3 op zichzelf geen adequate schalen zijn voor het meten van afzonderlijke dimensies van het concept vertrouwen in de technologie vanwege de onbetrouwbaarheid en de geringe eigenwaarde boven de 1 in de initiële schaal. Gezien het hierboven beschrevene en gezien de kruislading, behandelen wij het concept vertrouwen in de technologie als een ééndimensionaal meetinstrument. Dit onderzoek gaat verder met de initiële schaal uit tabel C1. Door item vijf te laten vallen verhogen we de consistentie van de schaal tot Cronbach’s Alpha 0,786. 

Na opnieuw een factor- en betrouwbaarheidsanalyse uit te voeren bleek de schaal, bestaand uit acht items, twee dimensies te meten. Na afzonderlijke analyse van beide componenten bleek het tweede component niet consistent. Gezien de geringe eigenwaarde (1,216) is de hierboven beschreven redenering toepasbaar. We achten de kans dat de schaal meerdere dimensies van het concept meet verwaarloosbaar. In de verdere analyse wordt het schaalgemiddelde gebaseerd op acht items gebruikt als variabele voor het concept vertrouwen in de technologie. 

Appendix Tabel A‑3 Vertrouwen in technologie

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

3,510

39,004

39,004

3,510

39,004

39,004

3,196

35,510

35,510

2

1,319

14,660

53,664

1,319

14,660

53,664

1,561

17,349

52,859

3

1,030

11,449

65,113

1,030

11,449

65,113

1,103

12,254

65,113

4

,808

8,983

74,096

5

,715

7,942

82,038

6

,558

6,194

88,233

7

,463

5,141

93,373

8

,371

4,128

97,501

9

,225

2,499

100,000

Extraction Method: Principal Component Analysis.

Rotated Component Matrixa

Component

 

1

2

3

 

TTechno1

,751

 

TTechno2

,880

 

TTechno3

,778

 

TTechno4

,811

 

TTechno5

,589

,594

 

TTechno6

,795

 

TTechno7

,481

,637

 

TTechno8

,725

 

TTechno9

,486

 

Extraction Method: Principal Component Analysis. 

 Rotation Method: Varimax with Kaiser Normalization.

 

a. Rotation converged in 5 iterations.

 

Reliability Statistics

 

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

 

,775

,777

9

 

Appendix Figuur A‑4 Finale samenstelling variabele 'vertrouwen in de technologie'

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

3,460

43,253

43,253

3,460

43,253

43,253

2,960

36,997

36,997

2

1,216

15,196

58,448

1,216

15,196

58,448

1,716

21,452

58,448

3

,898

11,229

69,677

4

,760

9,496

79,173

5

,588

7,353

86,527

6

,474

5,924

92,451

7

,374

4,672

97,123

8

,230

2,877

100,000

Extraction Method: Principal Component Analysis.

Rotated Component Matrix

Component

1

2

TTechno1

,740

TTechno2

,863

TTechno3

,761

TTechno4

,757

TTechno6

,790

TTechno7

,724

TTechno8

,555

TTechno9

,555

Extraction Method: Principal Component Analysis. 

 Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,786

,789

8

Statistics

Scale_TTechno 

N

Valid

493

Missing

0

Mean

3,4759

Median

3,5000

Std. Deviation

,83705

Range

4,50

Minimum

1,25

Maximum

5,75

d.      Vertrouwen in slimme camera’s

Ook het concept vertrouwen in de slimme camera’s is door middel van negen stellingen (zie Appendix Figuur 0‑5) aangeboden aan de respondent en meetbaar gemaakt evenals eerdergenoemde concepten. Een schaalgemiddelde is vastgesteld die verder in onze analyse dient als de variabele van het concept. 

Na het uitvoeren van een factor- en betrouwbaarheidsanalyse bleek dat de schaal twee componenten had met een eigenwaarde boven de 1. De initiële betrouwbaarheid van de schaal was aanzienlijk met een Cronbach’s Alpha van 0,858. Deze kan verhoogd worden tot 0,878 door item negen te laten vallen.

Gezien twee componenten een eigenwaarde van >1 hadden, is voor beide componenten en corresponderende items een factor- en betrouwbaarheidsanalyse gedaan. Belangrijk te vermelden is dat er twee items zijn die voor beide componenten scoren (zie tabel). Component 1, bestaande uit zeven items, bleek ééndimensionaal (eigenwaarde 4,123) en betrouwbaar met een Cronbach’s Alpha van 0,877. Component 2, bestaande uit vier items, bleek ook ééndimensionaal maar niet betrouwbaar (Cronbach’s Alpha 0,685). Gezien de onbetrouwbaarheid van de schaal van component 2, diens geringe eigenwaarde boven de 1 (Eigenwaarde 1,095) en de kruislading van twee items, verwachten wij dat de kans dat de initiële schaal tweedimensionaal is verwaarloosbaar. Door item negen te laten vallen verhoogt de betrouwbaarheid van de schaal tot Cronbach’s Alpha 0,878 zoals hierboven beschreven. In de verdere analyse zullen we het schaalgemiddelde van de initiële schaal gebruiken als variabele voor vertrouwen in slimme camera’s. 

Appendix Figuur A‑5 Initiële schaal 'vertrouwen in slimme camera's'

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

4,479

49,765

49,765

4,479

49,765

49,765

3,800

42,225

42,225

2

1,095

12,166

61,931

1,095

12,166

61,931

1,774

19,706

61,931

3

,890

9,889

71,821

4

,802

8,906

80,727

5

,537

5,972

86,699

6

,429

4,762

91,461

7

,292

3,247

94,708

8

,255

2,832

97,540

9

,221

2,460

100,000

Extraction Method: Principal Component Analysis.

Rotated Component Matrixa

Component

1

2

TCamera2

,815

TCamera3

,870

TCamera4

,822

TCamera5

,692

TCamera6

,748

,430

TCamera7

,591

TCamera8

,470

,581

TCamera9

,762

TCamera10

,679

Extraction Method: Principal Component Analysis. 

 Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,858

,861

9

Appendix Figuur A‑6 Samenstelling variabele 'vertrouwen in slimme camera's’ na eliminatie item negen

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,878

,881

8

Statistics

Scale_TCamera 

N

Valid

492

Missing

1

Mean

4,2264

Median

4,2500

Std. Deviation

,98995

Range

5,88

Minimum

1,13

Maximum

7,00

Appendix Figuur A-7 Component 1 initiële schaal

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

4,123

58,899

58,899

4,123

58,899

58,899

2

,809

11,550

70,450

3

,743

10,618

81,067

4

,511

7,294

88,361

5

,319

4,554

92,915

6

,269

3,839

96,754

7

,227

3,246

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,877

,880

7

Appendix Figuur A‑10 Component 2

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

2,157

53,914

53,914

2,157

53,914

53,914

2

,922

23,038

76,951

3

,490

12,240

89,191

4

,432

10,809

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,685

,692

4

e.      Attitude tegenover de technologie

Het concept attitude tegenover de technologie is meetbaar gemaakt door middel van een bipolaire schaal met zes stellingen (zie Appendix Figuur 0‑8 en Appendix Figuur 0‑9). Naderhand is een schaalgemiddelde vastgesteld die verder in onze analyse dient als de variabele van het concept. 

Na het uitvoeren van een factor- en betrouwbaarheidsanalyse van de schaal werd duidelijk dat de initiële schaal bestaande uit zes items een éénduidige schaal was een eigenwaarde van de eerste component van 4,845 met andere componenten die allemaal een eigenwaarde hadden van <1. De initiële schaal bleek ook betrouwbaar met een Cronbach’s Alpha van 0,951 (zie tabel). 

Appendix Figuur A‑11 Samenstelling variabele 'attitude tegenover de technologie'

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

4,845

80,757

80,757

4,845

80,757

80,757

2

,418

6,971

87,727

3

,347

5,777

93,505

4

,156

2,606

96,111

5

,150

2,503

98,614

6

,083

1,386

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,951

,952

6

Statistics

MeanAttitude 

N

Valid

487

Missing

6

Mean

4,7214

Median

4,6667

Std. Deviation

1,50138

Range

6,00

Minimum

1,00

Maximum

7,00

f.      Perceptie van kennis

Het concept perceptie van eigen kennis is meetbaar gemaakt door middel van het aanbieden van vijf stellingen (zie Appendix Figuur 0‑6  en Appendix Figuur 0‑7) waarbij de respondent kon aangeven in hoeverre hij/zij het eens of oneens is op basis van een vijf-punten-Likert-schaal. Naderhand is een schaalgemiddelde vastgesteld die verder in onze analyse dient als de variabele van het concept. 

Een factor- en betrouwbaarheidsanalyse van deze schaal toonden aan dat de initiële schaal bestaande uit vijf items een éénduidige schaal is met een eigenwaarde van de eerste component van 3,845. Alle andere componenten hadden allemaal een eigenwaarde kleiner dan 1. De initiële schaal was betrouwbaar maar kon door item vijf te laten vallen een grotere betrouwbaarheid bekomen van Cronbach’s Alpha 0,901. In het verdere verloop van de analyse wordt dus een schaalgemiddelde gebruikt op basis van vier items. 

In het conceptueel model is ook het concept complexiteit opgenomen. Items vier en vijf waren initieel bedoeld om dit concept te meten. De concepten kennis en complexiteit waren in hetzelfde blokje opgenomen in de bevraging. Echter, gezien er maar een enkel component een eigenwaarde >1 heeft, is het duidelijk dat dit onderzoek er niet in slaagt om beide concepten te meten. Het onderzoek gaat verder met een focus op kennis.

Appendix Figuur A‑12 Initiële samenstelling variable 'perceptie van eigen kennis'

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

3,253

65,055

65,055

3,253

65,055

65,055

2

,873

17,452

82,507

3

,347

6,946

89,453

4

,317

6,348

95,801

5

,210

4,199

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,849

,854

5

Appendix Tabel A‑13 Finale samenstelling variable perceptie van eigen kennis

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

3,090

77,254

77,254

3,090

77,254

77,254

2

,379

9,471

86,725

3

,318

7,948

94,673

4

,213

5,327

100,000

Extraction Method: Principal Component Analysis.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

,901

,902

4

Statistics

Scale_Know 

N

Valid

492

Missing

1

Mean

2,9002

Median

2,7500

Std. Deviation

,88243

Range

4,00

Minimum

1,00

Maximum

5,00

Appendix B: Regressieassumpties

a.      Regressieassumpties van afhankelijke variabele Accept1

Vooraleer een (lineaire) regressieanalyse uitgevoerd kan worden, dienen er aan een aantal assumpties voldaan te worden. Een eerste assumptie die we testen is de lineariteit van de regressievergelijking. Om dit te doen, maken we gebruik van een scatterplot, met op de x-as de gestandaardiseerde voorspelde waarden en op de y-as de gestandaardiseerde residuen. De aanwezigheid van bepaalde patronen kan wijzen op een niet-lineaire regressie. Wanneer we kijken naar de scatterplot (Figuur 3) zien we dat er geen duidelijk patroon te onderscheiden is. Er is dus geen reden hebben om aan te nemen dat de regressievergelijking niet-lineair is.  

Een andere assumptie die we testen is de normaliteit van de frequentieverdeling. Om dit te doen maken we gebruik van een histogram met op de y-as de geobserveerde frequenties en op de x-as de gestandaardiseerde residuen en een P-P plot. Met op de x-as de geobserveerde cumulatieve kans en op de y-as de verwachte cumulatieve waarde. Sterkte afwijkingen van de geobserveerde frequenties en de theoretische normale verdeling in het histogram en afwijking van de diagonale rechte in het P-P plot zijn een aanwijzing voor non-normaliteit. In het histogram (Figuur 1) zien we dat de geobserveerde frequenties redelijk goed de normaalverdeling volgen. Ook wanneer we kijken naar het P-P plot zien we dat de lijn de diagonale rechte vrij goed volgt. Er is dus geen reden om aan te nemen dat er sprake van non-normaliteit is.

Nog een assumptie die getest wordt is de assumptie van homoscedasticiteit. Om te controleren op heteroscadisticiteit maken we gebruik van een scatterplot met op de x-as de gestandaardiseerde voorspelde waarden en op de y-as de gestandaardiseerde residuen. Daarnaast maken we gebruik van een histogram met op de y-as de geobserveerde frequenties en op de x-as de gestandaardiseerde residuen. De aanwezigheid van bepaalde patronen in de scatterplot en sterke afwijkingen van de geobserveerde frequenties en de theoretische normale verdeling in het histogram kan wijzen op heteroscadisticiteit. Wanneer we kijken naar de scatterplot (Figuur 2) zien we dat er geen duidelijk patroon te onderscheiden is. Wanneer we kijken naar het histogram (Figuur 3) zien we geen sterke afwijkingen van de theoretische normale verdeling. Er is dus geen reden om aan te nemen dat er heteroscadisticiteit is. 

Een laatste assumptie die getest wordt is de assumptie dat er geen sprake is van multicollineariteit tussen de verschillende onafhankelijke variabelen. Om dit te testen, maken we gebruik van de Variance Inflation Factor (VIF). In Tabel 1 staan de VIF-waarden van de verschillende onafhankelijke variabelen. Wanneer er een VIF-score is van boven de 5, is er sprake van multicollineariteit. In Figuur 4 zien we dat enkel 3 leeftijdscategorieën een VIF-waarde boven de 5 hebben. Dat er sprake is van een sterk lineair verband is tussen verschillende leeftijdscategorieën is logisch. Daarnaast zijn de leeftijdscategorieën controlevariabelen. Dit betekent dat de hoge VIF-waarde van deze variabelen geen impact op onze regressiemodellen hebben. Hierdoor kunnen we dus zeggen dat er geen sprake is van multicollineariteit.  

Appendix Figuur B-1 Histogram gestandaardiseerde residuen ‘Accept1’

Appendix Figuur B-2 Normal Probability Plot ‘Accept 1’

Appendix Figuur B-3 Scatterplot residuen en verwachte waarden voor ‘Accept1’

Appendix Tabel B-1 Collineariteitscijfers van de variabelen bij ‘Accept1’

Collineariteitscijfers Accept 1

Tolerantie

VIF

Vrouwa

0,780

1,282

Leeftijdbc

25-34

0,304

3,291

35-44

0,205

4,880

45-54

0,189

5,282

55-64

0,175

5,699

65+

0,154

6,478

Opleidingde

Secundair

0,307

3,253

Bachelor

0,335

2,982

Master/PhD

0,328

3,045

Technologische vaardigheid

0,491

2,037

Autorijdend

0,563

1,777

Inwonend kind

0,670

1,492

Evaluatie

0,470

2,129

Publieke opinie

0,628

1,592

Perceptie eigen kennis

0,798

1,252

Algemeen vertrouwen

0,572

1,748

Vertrouwen in de overheid

0,408

2,452

Vertrouwen in de wetenschap

0,477

2,096

Vertrouwen in de technologie

0,580

1,725

Vertrouwen in slimme camera

0,291

3,442

Attitude t.o.v. technologie

0,295

3,390

b.      Regressieassumpties van afhankelijke variabele Accept2

Vooraleer een (lineaire) regressieanalyse uitgevoerd kan worden, dienen er aan een aantal assumpties voldaan te worden. Een eerste assumptie die we testen is de lineariteit van de regressievergelijking. Om dit te doen, maken we gebruik van een scatterplot, met op de x-as de gestandaardiseerde voorspelde waarden en op de y-as de gestandaardiseerde residuen. De aanwezigheid van bepaalde patronen kan wijzen op een niet-lineaire regressie. Wanneer we kijken naar de scatterplot (Figuur 6) zien we dat er geen duidelijk patroon te onderscheiden is. Er is dus geen reden hebben om aan te nemen dat de regressievergelijking niet-lineair is.  

Een andere assumptie die we testen is de normaliteit van de frequentieverdeling. Om dit te doen maken we gebruik van een histogram met op de y-as de geobserveerde frequenties en op de x-as de gestandaardiseerde residuen en een P-P plot. Sterke afwijkingen van de geobserveerde frequenties en de theoretische normale verdeling in het histogram en afwijking van de diagonale rechte in het P-P plot zijn een aanwijzing voor non-normaliteit. In het histogram (Figuur 4) zien we dat de geobserveerde frequenties redelijk goed de normaalverdeling volgen. Ook wanneer we kijken naar het P-P plot zien we dat de lijn de diagonale rechte vrij goed volgt. Er is dus geen reden om aan te nemen dat er non-normaliteit is.

Nog een assumptie die getest wordt is de assumptie van homoscedasticiteit. Om te controleren op heteroscadisticiteit maken we gebruik van een scatterplot met op de x-as de gestandaardiseerde voorspelde waarden en op de y-as de gestandaardiseerde residuen. Daarnaast maken we gebruik van een histogram met op de x-as de gestandariseerde residuen. De aanwezigheid van bepaalde patronen in de scatterplot en sterke afwijkingen van de geobserveerde frequenties en de theoretische normale verdeling in het histogram kan wijzen op heteroscadisticiteit. Wanneer we kijken naar de scatterplot (Figuur 5) zien we dat er geen duidelijk patroon te onderscheiden is. Wanneer we kijken naar het histogram (Figuur 6) zien we geen sterke afwijkingen van de theoretische normale verdeling. Er is dus geen reden om aan te nemen dat er heteroscadisticiteit is. 

Een laatste assumptie die getest moet worden is de assumptie dat er geen sprake is van multicollineariteit tussen de verschillende onafhankelijke variabelen. Om dit te testen, maken we gebruik van de Variance Inflation Factor (VIF). In Tabel 2 staan de VIF-waarden van de verschillende onafhankelijke variabelen. Wanneer er een VIF-score is van boven de 5, is er sprake van multicollineariteit. In Tabel 1 zien we dat enkel 3 leeftijdscategorieën een VIF-waardeboven 5 hebben. Dat er een sterk lineair verband is tussen verschillende leeftijdscategorieën is logisch. Daarnaast zijn de leeftijdscategorieën controlevariabelen. Dit betekent dat de hoge VIF-waarde van deze variabelen geen impact op onze regressiemodellen. Hierdoor kunnen we dus zeggen dat er geen sprake is van multicollineariteit.

Appendix Figuur 0‑4 Histogram gestandaardiseerde residuen Accept

Appendix Figuur 0‑5 Normal Probability Plot 'Accept 2'

Appendix Figuur 0‑6 Scatterplot residuen en verwachte waarden ‘Accept2’

Appendix Tabel B-2 Collineariteitscijfers van de variabelen bij ‘Accept2’

Appendix D: interpretatieregels

Voor een schaal van 1-7 gelden volgende regels van interpretatie:

  • Een gemiddelde tussen 1 en 2: “laag"
  • Een gemiddelde tussen 2,01 en 3: “eerder laag”
  • Een gemiddelde tussen 3,01 en 4: “matig”
    • Waarbij een gemiddelde van exact 3,5 wijst op “neutraal"
    • Waarbij een gemiddelde onder 3,5 wijst op een gemiddelde neigend naar “eerder laag”
    • Waarbij een gemiddelde boven 3,5 wijst op een gemiddelde neigend naar “eerder hoog”
  •  Een gemiddelde tussen 4,01 en 5: “eerder hoog”
  • Een gemiddelde tussen 5,01 en 6: “hoog”
  • Een gemiddelde tussen 6,01 en 7: “heel hoog”

Voor een schaal van 1-10 gelden volgende regels van interpretatie:

  • Een gemiddelde tussen 1 en 2: “heel laag"
  • Een gemiddelde tussen 2,01 en 3:  "laag”
  • Een gemiddelde tussen 3,01 en 4: “eerder laag”
  • Een gemiddelde tussen 4,01 en 6: “matig”
    • Waarbij een gemiddelde van exact 5 wijst op “neutraal”
    • Waarbij een gemiddelde onder 5 wijst op een gemiddelde neigend naar “eerder laag”
    • Waarbij een gemiddelde boven 5 wijst op een gemiddelde neigend naar “eerder hoog”
  •  Een gemiddelde tussen 6,01 en 7: “eerder hoog”
  • Een gemiddelde tussen 7,01 en 8: “redelijk hoog”
  • Een gemiddelde tussen 8,01 en 9: “hoog”
  • Een gemiddelde tussen 9,01 en 10: “heel hoog”

Appendix E: gestandaardiseerde regressieresultaten

Appendix Tabel E‑1 Gestandaardiseerde regressieresultaten Accept 1

(N=469)

Model 1

Model 2

Model 3

Model 4

Model 5

Vrouwa

-0,061

-0,059*

-0,056*

-0,044*

-0,045*

Leeftijdb

 

 

 

 

 

25-34

-0,126*

0,044

0,002

0,023

0,014

35-44

-0.196**

0,056

0,036

0,077

0,070

45-54

-0,189**

0,002

-0,052

0,082*

0,062

55-64

-0,220**

0,068

0,010

0,055

0,042

65+

-0,090

0,106

0,054

0,091*

0,080

Opleidingc

 

 

 

 

 

Secundair

-0,031

-0,074

-0,074

0,026

0,018

Bachelor

-0,038

-0,058

-0,100**

0,009

-0,007

Master/PhD

-0,106

-0,135**

-0,141***

-0,028

-0,038

Technologische vaardigheid

0,063

-0,002

0,016

0,095***

0,091***

Gebruik auto

0,157***

0,058

0,071**

0,042

0,046*

Inwonend kind

0,142***

0,094**

0,078**

0,004

0,008

Publieke opinie

0,401***

0,215***

0,168***

0,111***

0,108***

Algemeen vertrouwen

-0,026

-0,071*

-0,032

0,042

0,042

 

 

 

 

 

 

Evaluatie kosten-baten

 

0,511***

0,280***

0,093***

0,071**

Perceptie Eigen Kennis

 

-0,128***

-0,140***

-0,118***

-0,122***

Vertrouwen in de overheid

 

0,169***

0,053

0,009

-0,006

Vertrouwen in de wetenschap

 

0,170***

0,098**

0,139***

0,123***

Vertrouwen in AI-technologie

 

0,117***

-0,006

0,027

0,004

Vertrouwen in slimme camera

 

 

0,481***

 

0,120***

Attitude t.o.v. technologie

 

 

 

0,740***

0,677***

 

 

 

 

 

 

R2

0,209

0,568

0,663

0,795

0,800

Adjusted R2

0,185

0,550

0,648

0,786

0,790

*p<0,10, **p<0,05, ***p<0,01 

a. Referentiecategorie is man

b. Referentiecategorie is 18-24 jaar

c. Referentiecategorie is primair onderwijs of lager


Appendix Tabel E‑2 Gestandaardiseerde regressieresultaten Accept 2

(N=469)

Model 1

Model 2

Model 3

Model 4

Model 5

Vrouwa

0,030

0,037

0,039

0,045

0,044

Leeftijdb

 

 

 

 

 

25-34

-0,175**

-0,009

-0,042

-0,021

-0,035

35-44

-0,186**

0,064

0,048

0,076

0,065

45-54

-0,135

0,042

0,000

0,090

0,057

55-64

-0,177*

0,103

0,059

0,096

0,074

65+

-0,125

0,064

0,024

0,056

0,037

Opleidingc

 

 

 

 

 

Secundair

-0,082

-0,161**

-0,160***

-0,101*

-0,115**

Bachelor

-0,068

-0,125**

-0,157***

-0,085

-0,111**

Master/PhD

-0,166**

-0,232***

-0,237***

-0,168***

-0,185***

Technologische vaardigheid

0,096*

0,043

0,057

0,101**

0,095**

Gebruik auto

-0,039

-0,144***

-0,135***

-0,154***

-0,147***

Inwonend kind

0,208***

0,159***

0,147***

0,106***

0,112***

Publieke opinie

0,303***

0,150***

0,113***

0,087**

0,083**

Algemeen vertrouwen

0,018

-0,025

-0,006

0,043

0,043

 

 

 

 

 

 

Evaluatie kosten-baten

 

0,477***

0,298***

0,228***

0,193***

Perceptie eigen kennis

 

-0,184***

-0,139***

-0,178***

-0,184***

Vertrouwen in de overheid

 

0,122**

0,032

0,026

0,002

Vertrouwen in de wetenschap

 

0,260***

0,205***

0,241***

0,217***

Vertrouwen in AI-technologie

 

0,060

-0,036

0,006

-0,031

Vertrouwen in slimme camera

 

 

0.373***

 

0,192***

Attitude t.o.v. technologie

 

 

 

0,441***

0,341***

 

 

 

 

 

 

R2

0,141

0,482

0,538

0,562

0,573

Adjusted R2

0,114

0,460

0,518

0,543

0,553

*p<0,10, **p<0,05, ***p<0,01

a. Referentiecategorie is man

b. Referentiecategorie is 18-24 jaar

c. Referentiecategorie is primair onderwijs of lager