Conceptueel-theoretisch kader

In dit hoofdstuk stellen we op basis van het literatuuronderzoek het conceptueel-theoretisch kader voor dat we in dit onderzoek willen bestuderen. Doorheen dit onderzoek zullen synoniemen gebruikt worden en kunnen we conceptueel-theoretisch kader ook schrijven als conceptueel kader of theoretisch model. Dit kader bestaat uit twaalf variabelen en wordt in figuur 8 schematisch voorgesteld. In het kader zijn drie clusters van variabelen te herkennen: de cluster rond de gepercipieerde kosten en baten van technologie, de cluster rond vertrouwen en de cluster rond attitude en acceptatie van technologie. Hiernaast zijn er ook een aantal modererende variabelen. In de tekst hieronder worden ze in deze volgorde voorgesteld om het conceptueel-theoretisch kader te verduidelijken.  

3.1 Perceptie van technologie 

Aan de linkerkant van ons conceptueel-theoretisch kader vinden we de gepercipieerde complexiteit van de technologie. Deze variabele is de mate waarin een individu een technologie als ingewikkeld te begrijpen en te gebruiken ziet. Binnen de literatuur is dit een veel gebruikte factor en bekend onder verschillende namen zoals complexiteit of gebruiksvriendelijkheid (Venkatesh et al., 2003). De focus ligt vaak op het gebruik van een technologie of een systeem. In ons onderzoek is het gebruik echter niet altijd relevant, daarom verbreden we de definitie van deze factor naar het begrijpen van de technologie (Thompson et al., 1991). King and He (2006) vinden in hun studie dat de gepercipieerde gebruiksvriendelijkheid via gepercipieerde nuttigheid zijn effect heeft. Zoals hierboven genoemd, zijn gebruiksvriendelijkheid en complexiteit inwisselbaar. Verderop leggen wij uit dat we nuttigheid scharen onder maatschappelijke en individuele baten. Hieruit volgt dat er een relatie te verwachten is tussen complexiteit en baten.  Wij vermoeden dat de gepercipieerde complexiteit een effect heeft op de verwachte individuele en maatschappelijke kosten en baten. Zo verwachten wij dat een hoge complexiteit hogere verwachte kosten en lagere verwachte baten tot gevolg hebben.  

Wij nemen aan dat de perceptie van eigen kennis over de technologie die het individu beheerst invloed heeft op de mate waarin het individu een technologie accepteert. Deze kan gemeten worden als subjectieve kennis, zijnde de percepties van mensen over hoeveel ze weten, of als objectieve kennis die meet wat mensen werkelijk weten over het onderwerp, vaak via waar/onwaar vragen (Connor & Siegrist, 2010). Het is aangetoond dat subjectieve kennisduidelijk verband houdt met algemene attitudes, waardoor men ook op dit soort kennis voornamelijk de nadruk zal leggen in het onderzoek. Siegrist and Cvetkovich (2000) stellen dat mensen met weinig kennis over een technologie de voordelen en risico’s niet kunnen inschatten. Hieruit leiden wij af dat er een relatie bestaat tussen de perceptie van eigen kennis over de technologie en de gepercipieerde kosten en baten. Onze hypothese is dat de perceptie van eigen kennis een positief effect heeft op geëvalueerde baten en een negatief effect op verwachte kosten. Dit is in lijn met de inverse relatie tussen baten en risico’s die de literatuur ons voorschrijft (Siegrist & Cvetkovich, 2000). Verwachte kosten zoals opgenomen in het model staan in lijn met de ‘Theory of Planned Behavior’  (Huijts et al., 2012). Overigens is er in ons model ook een effect van kennis op vertrouwen in de technologie. We volgen hier de hypothese die door (Ho et al., 2017) wordt beschreven in hun onderzoek rond ‘cloud services’. Zij stellen dat kennis van de technologie een individu helpt een technologie te vertrouwen. Daaruit volgt de verwachting dat er een positief effect is van kennis op vertrouwen in de technologie. 

In ons model hebben wij de gepercipieerde kosten en baten van een technologie opgenomen als factor. Binnen de ‘Theory of Planned Behavior’ worden deze ook wel de ‘gain motives’ genoemd (Huijts et al., 2012). Deze factoren worden mede beïnvloed door de perceptie van eigen kennis en de hierboven genoemde complexiteit. We gebruiken deze factoren als verklaring voor de attitude tegenover de technologie en acceptatie van technologie.  

De verwachte of gepercipieerde risico’s zijn de risico’s die een individu associeert met een bepaalde techniek. Dit kunnen risico’s van allerlei aard zijn, zoals veiligheids- of financiële risico’s  (Huijts et al., 2012). Een belangrijk element hierbij is de kans op schade die een individu kan overkomen (Ho et al., 2017). In de literatuur wordt de perceptie van risico’s vaker genoemd als factor in verband met complexe technologieën (Ali et al., 2021). Dit onderzoek veronderstelt een negatieve invloed van de verwachte risico’s op attitude en van risico’s op acceptatie van een technologie volgend aan eerder onderzoek (Liu et al., 2019). 

Onder de variabele verwachte of gepercipieerde individuele en maatschappelijke kosten verstaan we de kosten die een individu in verband brengt met een bepaalde technologie. Dit kunnen financiële kosten, zoals aankoop of een andere geldelijke investering nodig voor een technologie zijn, maar ook niet-financiële kosten zijn zoals de tijd en moeite die nodig is om een bepaalde technologie te gebruiken (Huijts et al., 2012). Onder deze noemer vallen de kosten die een individu denkt te hebben op zowel individueel niveau als op maatschappelijk niveau. Analoog aan het effect van gepercipieerde risico’s geldt ook hier het vermoeden dat er een negatief effect bestaat van deze variabele op zowel attitude als acceptatie van technologie.  

De factor verwachte of gepercipieerde individuele en maatschappelijke baten zijn de voordelen die een individu denkt te bekomen met een bepaalde technologie. Deze zijn op te delen in individuele en maatschappelijke voordelen (Huijts et al., 2012). Verwachte voordelen zien we vaker terugkomen in de literatuur met betrekking tot complexe technologieën (Ali et al., 2021; Verma et al., 2018). We maken hier de synthese met het ‘Technology Acceptance Model’ (TAM) en de ‘Unified Theory of Acceptance and Use of Technology’ (UTAUT) waarin de verwachte nuttigheid optreedt als factor van de verwachte voordelen (Dwivedi et al., 2017; King & He, 2006; Venkatesh et al., 2003). De verwachte nuttigheid, de hulp die een technologie biedt bij het uitvoeren van een taak, kan men hier zien als een persoonlijk voordeel. Onze verwachting is dat verwachte voordelen een positief effect hebben op attitude en op acceptatie van technologie zoals andere studies dat ook verwachtten (Liu et al., 2019).  

Er zou een mogelijkheid kunnen bestaan dat verwachte risico’s, individuele en maatschappelijke kosten en baten elkaar onderling beïnvloeden. Wij kiezen ervoor om dit niet op te nemen in ons conceptueel-theoretisch kader omdat daar de onderlinge relaties niet relevant zijn voor dit onderzoek.  

3.2 Drie vertrouwensvariabelen: technologie, wetenschap en overheid

We hebben drie variabelen die verbonden zijn met vertrouwen die elks een directe invloed uitoefenen op de attitude tegenover de technologie in kwestie. Om te beginnen is er de variabele vertrouwen in technologie, dat is de houding die een individu zal helpen om een doel te bereiken rekening houdend met de onzekerheid en de eigen kwetsbaarheid. In het geval van artificiële intelligentie bijvoorbeeld moeten mensen ermee leren omgaan dat artificiële intelligentie sterker is in informatie verstrekken dan een individu, waarbij ze worden geconfronteerd met hun eigen kwetsbaarheid. Er wordt dan vanuit gegaan dat een individu een evaluatie kan maken van de afhankelijkheid en de betrouwbaarheid van de technologie (Liu & Tao, 2022). We verwachten een positieve relatie tussen vertrouwen in de technologie en acceptatie van een technologie.

Als tweede variabele is er vertrouwen in de wetenschap. Dat is de relatie tussen actoren die aangegaan wordt op basis van een geïnformeerde keuze met als voornaamste doel van de vertrouwensrelatie de werkelijkheid te vergemakkelijken (Resnik, 2011). Het doelpubliek toont zijn vertrouwen op twee manieren. Ten eerste, door de wetenschap een dienst te verlenen bijvoorbeeld door te fungeren als respondent. Ten tweede, door publieke middelen aan te bieden waarvoor zij in ruil verwachten dat de wetenschap zorgvuldig en ethisch met die middelen omgaat en de resultaten van onderzoek maatschappelijk relevant zijn (Shrader-Frechette, 1994). Onze hypothese is dat er een positieve relatie tussen vertrouwen in de overheid en aanvaarding is. 

De derde vertrouwensvariabele is vertrouwen in de overheid, dat wijst op de positieve psychologische toestand waarin iemand verkeert en men zich kwetsbaar opstelt ten opzichte van de overheid in een onzekere situatie. Hierbij verwacht de burger dat overheidsactoren de juiste intenties hebben en de correcte acties ondernemen, waardoor er geen schade wordt berokkend aan de relatie tussen burger en de overheid en men hierdoor de vertrouwensrelatie wil verderzetten (Christensen & Laegreid, 2005). Het gebruik van complexe technologieën door burgers speelt zich af in een sociaal en regelgevende context waarin de overheid optreedt als wetgever en regulator, denk maar aan het Covid Safe Ticket in tijden van de coronapandemie. Onze hypothese hieromtrent is dat een laag vertrouwen in de overheid als regulator een negatief effect heeft op de attitude tegenover de technologie. 

3.3 Attitude en Acceptatie

In het midden van ons model vinden we de variabele attitude ten opzichte van een technologie terug. In dit onderzoek wordt attitude ten opzichte van een technologie gedefinieerd als de positieve of negatieve gevoelens die een individu heeft ten opzichte van een bepaalde technologie. Dit is de definitie van Fishbein and Ajzen (1975) aangepast aan ons onderzoek. Attitude is een gevestigde factor binnen de literatuur omwille van zijn aanzienlijke empirische verklaringskracht, zowel direct als mediërend voor andere variabelen (Dwivedi et al., 2017; Verma et al., 2018; Zhou et al., 2010) . In ons model wordt attitude beïnvloed door de verwachte risico’s, kosten en baten waar het individu een afweging tussen maakt, en door vertrouwen in de technologie, wetenschap en overheid (Huijts et al, 2012).  In lijn met de eerdergenoemde literatuur, nemen wij aan dat attitude een positief effect heeft op de acceptatie van technologie.

Tot slot is de variabele acceptatie van de technologie een evaluatief oordeel dat zorgt voor een reactie, waarbij een individu kan besluiten om een technologie te aanvaarden of te verwerpen  (Huijts et al., 2012) . Deze variabele wordt rechtstreeks beïnvloed door de verwachte risico’s, kosten en baten. De invloed van attitude wordt ondersteund door de synthese met TAM en UTAUT en waar enkele extensies ook de relatie met attitude voorschrijven en empirisch bewijzen (Dwivedi et al., 2017; Verma et al., 2018). In lijn met TAM en UTAUT verwachten we ook een directe relatie tussen verwachte risico’s, kosten en baten en acceptatie van een technologie (Dwivedi et al., 2017; King & He, 2006; Venkatesh et al., 2003; Verma et al., 2018). De afhankelijke variabele acceptatie van de technologie wordt beïnvloed door alle bovengenoemde factoren. 

3.4 Modererende variabelen

Modererende variabelen zijn variabelen die de versterken of verzachten. Ook bij deze causale ketting oefenen ze een invloed uit. Om te beginnen hebben we de variabele publieke perceptie (Anstead & O'Loughlin, 2015). We verwachten dat een individu op bijna alle aspecten van het denken wordt beïnvloed door de publieke opinie, of toch de perceptie dat een individu heeft over wat de publieke opinie denkt over iets. Zo stellen we dat als iemand ervan uitgaat dat de publieke opinie een negatieve houding heeft tegen over technologie, wetenschap of de overheid men geneigd is hiermee in te stemmen en zelf een negatieve houding te gaan aannemen. Omdat de publieke opinie invloed uitoefent op de attitude, bepaalde verwachtingen en het vertrouwen van een individu, is de perceptie van de publieke opinie een modererende variabele.  In het kwalitatief deel van ons onderzoek hebben wij de invloed van publieke opinie daarom alleen onderzoekt in combinatie met andere variabelen.

Vervolgens zijn er binnen deze categorie de demografische factoren, wat een overkoepelde noemer is voor de variabelen geslacht, leeftijd, inkomen en opleidingsniveau. Leeftijd en geslacht worden meestal gebruikt in studies die zich richten op het gebruik van technologie, terwijl inkomen en opleidingsniveau minder vaak aan bod komen. Opmerkelijk is dat leeftijd vaak negatief geassocieerd is met technologiegebruik terwijl opleiding een positief verband hiermee heeft (Cruz-Cárdenas et al., 2019). Ook tussen genders bestaan er grote verschillen tussen hun attitudes en vertrouwen tegenover technologie, overheid en wetenschap (Venkatesh et al., 2003). Verder vermoeden wij dat de variabelen inkomen en opleidingsniveau een positief effect uitoefenen op de verwachte individuele/collectieve kosten en baten tegen over technologie en hun vertrouwen in de wetenschap, technologie en overheid. Volgens ons zal iemand die hoogopgeleid is meer geneigd zijn de complexe technologie te begrijpen en de voordelen ervan in te zien. Bovendien verwachten wij dat iemand die hoogopgeleid is hogere mate van vertrouwen heeft in de wetenschap en de overheid in vergelijking met iemand die laagopgeleid is. We gaan ervan uit dat dit hetzelfde is voor inkomen.  

3.5 Het conceptueel-theoretisch kader

Om tot dit conceptueel-theoretisch kader te komen hebben we gebruik gemaakt van verschillende eerdere wetenschappelijke modellen die aan bod kwamen in het literatuuronderzoek. We hebben eerst gebruik gemaakt van bordschema’s om zo tot de belangrijkste variabelen te komen, zoals acceptatie en vertrouwen. Nadien hebben we dit toegepast op het model van Huijts et al. (2012). Hier konden we de verwachte risico’s, kosten en baten terugvinden. Ook de factoren van vertrouwen, risico’s en voordelen voor het individu hebben we hier overgenomen.  Daarbovenop hebben we gebruik gemaakt van het ‘Technology Acceptance Model’ en ‘Unified Theory of Acceptance and Use of Technology’ om tot een volwaardig model te komen. Uit het TAM konden we nuttigheid en gebruiksvriendelijkheid halen. Uit de UTAUT hebben we onze modererende variabelen gehaald zoals: publieke opinie, gender en leeftijd. De pijlen die de concepten verbinden zijn gebaseerd op de literatuuronderzoeken.