Resultaten van het kwantitatieve onderzoek

In dit hoofdstuk waarin de resultaten van het kwantitatieve onderzoek worden gerapporteerd, worden eerst de hypotheses gepresenteerd die voortvloeien uit het conceptueel-theoretisch kader. Daaropvolgend worden descriptieve statistieken en uitgevoerde regressieanalyses gepresenteerd. Dit hoofdstuk sluit af met de conclusies die getrokken kunnen worden uit de gepresenteerde analyses. Ook wordt aandacht besteed aan enkele beperkingen van dit deel van de studie.

7.1 Hypotheses

Onderstaand geven we de verschillende hypothesen vanuit de visie van het conceptueel-theoretisch kader weer, waarbij alle concepten uit het model, op complexiteit na, aangehaald worden. Het concept complexiteit werd niet opgenomen in de hypothesen, daar ons meetinstrument de variabele niet eenduidig bleek te meten. Bijgevolg is gekozen deze variabele niet mee op te nemen in de verdere analyse. Logischerwijs is ook hypothese die voortvloeit uit het conceptueel-theoretisch kader aangaande complexiteit niet behandeld. Meer informatie over deze keuze is te vinden in Appendix A.

Een tweede verschil met het conceptueel-theoretisch kader betreft de variabelen gepercipieerde individuele en maatschappelijke baten, kosten en risico’s. Het meten van deze variabelen als zodanig bleek niet haalbaar in een internet survey. Enerzijds, zouden open tekst variabelen té tijdrovend en arbeidsintensief zijn in de codering en analyse. Anderzijds, de variabelen meetbaar maken door middel van stellingen aan te bieden waar de respondent aangeeft in hoeverre hij of zij het eens is zou de variabelen niet exhaustief maken. Daarom hebben we ervoor gekozen om de variabelen gepercipieerde individuele en maatschappelijke baten, kosten en risico’s te vervangen door de variabele evaluatie kosten-baten. Deze variabele meet of de respondent meer voordelen of nadelen ziet bij een complexe technologie. De volgende vraag is gesteld in de survey: “Denkt u dat de technologie van slimme camera’s om gsm-gebruik door bestuurders te controleren meer voordelen dan nadelen heeft?”, waarbij de respondent op een schaal van 0 tot 10 zijn positie kon aangeven, waar de score 0 alleen nadelen inhield en de score 10 alleen voordelen. Gepercipieerde risico’s zijn niet speciaal opgenomen. Deze afwijking van het conceptueel model is een beperking van het onderzoek. De hypothese die voortkomt uit conceptueel-theoretisch kader is aangepast aan de nieuwe vormgeving van de variabelen.

  • Hypothese 1: Een positieve evaluatie van de kosten en baten heeft een positief effect op de acceptatie van de technologie
  • Hypothese 2: Vertrouwen in AI-technologie heeft een positief effect op de acceptatie van de technologie. 
  • Hypothese 3: Vertrouwen in de overheid heeft een positief effect op de acceptatie van de technologie. 
  • Hypothese 4: Vertrouwen in de wetenschap heeft een positief effect op de acceptatie van de technologie. 
  • Hypothese 5: Een positieve attitude ten opzichte van de technologie heeft een positief effect op de acceptatie van technologie. 
  • Hypothese 6: Een hoge perceptie van eigen kennis heeft een positief effect op de acceptatie van technologie.

7.2 Methode

In hoofdstuk 4.2 wordt de methodiek en onderzoeksopzet van het kwantitatieve luik van deze studie uitvoerig besproken. We herhalen hier dat voor dit onderzoek er een survey is afgenomen bij 493 respondenten afkomstig van het burgerpanel M2P. Na filtering op missing cases blijft er een steekproef van 469 respondenten over. In de steekproef zijn mannen, hoogopgeleiden en ouderen oververtegenwoordigd waardoor een weging wordt toegepast om de steekproef meer op de populatie te doen gelijken.

7.3 Descriptieve resultaten

Onderstaand worden de verschillende descriptieve resultaten besproken aan de hand van diverse tabellen. Er worden onder andere gemiddelden besproken, die geïnterpreteerd worden op basis van de minima en maxima bij de desbetreffende schalen. De regels van interpretatie voor de verschillende schalen kan u terugvinden in Appendix D. 

7.3.1 Socio-demografische variabelen

In Tabel 1 is een verdeling gemaakt van de demografische factoren naar gewogen en ongewogen. Zoals eerder vermeld vindt een weging plaats op basis van geslacht, leeftijd en opleiding. In de ongewogen dataset is er immers een oververtegenwoordiging van mannen, ouderen (65+) en hoogopgeleiden (bachelor- en masteropleiding). Exacte cijfers zijn te vinden in onderstaande tabel.

Tabel 1: Socio-demografische variabelen met en zonder weging

Variabelen

Populatie 

Ongewogen 

Gewogen 

Steekproefgrootte 

 

469

469 

Geslacht 

 

 

 

Man 

49.1 

77.4 

53.0 

Vrouw 

50.9 

22.6 

47.0 

Leeftijd 

 

 

 

18-24 

13.0 

1.7 

8.7 

25-34 

14.7 

7.0 

12.1

35-44 

15.2 

9.4

16.1 

45-54 

16.7 

 14.7

17.8 

55-64 

16.3 

 28.1

18.5 

65+ 

24.1 

 39.0

26.8 

Opleiding 

 

 

 

Basisschool of lager 

11.3 

2.6 

11.0 

Secundaire opleiding 

55.8 

 25.6

53.4 

Bacheloropleiding 

16.2 

 32.8

17.2 

Masteropleiding/PhD

16.7 

 39.0

18.4 

7.3.2 Afhankelijke variabelen

De regressieanalyse voeren we uit met twee verschillende afhankelijke variabelen die beide het concept acceptatievan technologie meten. Het verschil tussen de twee afhankelijke variabelen is de dimensie van acceptatie die zij meten namelijk een algemene dimensie en een persoonlijke dimensie. De algemene dimensie meet acceptatie waarbij de gevolgen van acceptatie voor de maatschappij als geheel zijn en is in de survey op de volgende manier bevraagd: “Indien de overheid slimme camera’s op gsm-gebruik achter het stuur zouden invoeren, zou u dit dan steunen?”. De persoonlijke dimensie meet acceptatie waarbij de gevolgen voor de individu persoonlijk zijn en is gemeten met de vraag: “Indien een slimme camera zou vaststellen dat u een gsm gebruikt heeft achter het stuur en vervolgens een boete ontvangt, zou u deze boete dan aanvaarden?”. Het operationaliseren van acceptatie van technologie naar de twee verschillende dimensies stelt ons in staat te onderzoeken of er verschillen en overeenkomsten bestaat tussen beide. Voorts zal in de algemene dimensie de afhankelijke variabele accept 1 genoemd worden. We gebruiken ook de term ‘algemene benadering (van acceptatie van technologie)’ om te verwijzen naar deze variabele. De persoonlijke dimensie zit vervat in de afhankelijke variabele accept 2 waaraan ook verwezen wordt met de term ‘persoonlijke benadering (van acceptatie van technologie)’.

Tabel 2a: Descriptieve analyse variabele accept 1

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Indien de overheid slimme camera’s die controleren op gsm-gebruik achter het stuur zou invoeren, zou u dit dan steunen?

469

1.00

7.00

4.71

1.98

Tabel 2a toont de afhankelijke variabele accept 1 met een gemiddelde van 4,71 op een schaal van één tot zeven. We kunnen stellen dat men eerder geneigd is de invoering van slimme camera's die controleren op gsm-gebruik achter het stuur door de overheid te steunen. Accept 1 heeft een standaardafwijking van 1,98 wat betekent dat er een hoge mate van spreiding is van de antwoorden. 

Tabel 2b: Descriptieve analyse variabele accept 2

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Indien een slimme camera zou vaststellen dat u een gsm gebruikt achter het stuur en u vervolgens een boete ontvangt, zou u deze boete dan aanvaarden? 

469

1.00

7.00

5.51

1.54

De variabele accept 2 (tabel 2b) heeft in vergelijking met de variabele accept 1 een lagere standaardafwijking van 1,54. Dit betekent dat er toch nog een hoge mate van spreiding is, maar minder dan accept 1. Met een gemiddelde van 5,51 stellen we dat boetes die door slimme camera’s worden vastgesteld een hoge graad van aanvaarding hebben. 

7.3.3 Onafhankelijke variabelen

In wat hier volgt presenteren we de descriptieve analyse van de onafhankelijke variabelen. Allereerst worden modelvariabelen gepresenteerd, gevolgd door de controlevariabelen. 

Tabel 3: Descriptieve analyse variabelen Vertrouwen in overheid, Vertrouwen in wetenschap, Vertrouwen in technologie, Attitude, Vertrouwen in slimme camera’s, Kennis, Evaluatie kosten-baten

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Schaalgemiddelde Vertrouwen in de Overheid

469

1.00

7.00

3.94

1.22

Schaalgemiddelde Vertrouwen in de Wetenschap

469

1.38

7.00

5.10

0.91

Schaalgemiddelde Vertrouwen in technologie

469

1.25

5.75

3.48

0.83

Schaalgemiddelde Attitude tov Slimme Camera

469

1.00

7.00

4.78

1.43

Schaalgemiddelde Vertrouwen in Slimme Camera’s

469

1.13

7.00

4.27

0.91

Schaalgemiddelde Kennis

469

1.00

5.00

2.96

0.84

Evaluatie kosten-baten

469

0.00

10.00

6.53

1.89

Tabel 3 toont een matig vertrouwen in overheid en een hoog vertrouwen in de wetenschap. Zo is het gemiddelde van vertrouwen in overheid 3,94 en bij vertrouwen in de wetenschap is dit 5,10 op een schaal van één tot zeven. Het vertrouwen in AI-technologie is matig met 3,48 als gemiddelde. Het schaalgemiddelde voor de attitude ten opzichte van slimme camera’s bedraagt 4,78 is op de schaal van één tot zeven, wat duidt op een eerder positieve attitude. Voor de onafhankelijke variabele vertrouwen in slimme camera’s kunnen we stellen dat met een gemiddelde van 4,27 op een schaal van één tot zeven, het vertrouwen van de respondenten in slimme camera’s eerder hoog is. Voor de variabele evaluatie kosten-baten stellen we vast dat de respondenten vinden dat slimme camera's die controleren op gsm-gebruik achter het stuur eerder voordelen dan nadelen bieden op basis van een gemiddelde van 6,53 op een schaal van 10. Verder toont het gemiddelde van 2,96 op een schaal van vijf aan dat de kennis over technologie onder de respondenten eerder hoog is. 

Tabel 4: Descriptieve analyse variabele Kosten-baten

Slimme camera's die controleren op gsm-gebruik achter het stuur…

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Geven mij een gevoel van veiligheid

460

1.00

7.00

4.60

1.48

Geven mij een onverschillig gevoel

460

1.00

7.00

3.49

1.47

Zijn een inbreuk op mijn privacy

467

1.00

7.00

3.78

1.78

Bieden bescherming aan alle partijen op de baan

454

1.00

7.00

4.97

1.47

Kunnen misbruikt worden door de overheid voor andere doeleinden.

448

1.00

7.00

4.65

1.50

Kunnen fouten maken

453

1.00

7.00

5.08

1.13

Tabel 4 bespreekt de variabele kosten-baten, waar enkele prominente voor- en nadelen van slimme camera’s aangehaald worden. De variabele is niet exhaustief en zal niet in de regressieanalyse worden opgenomen maar biedt echter wel interessante informatie. 

De verschillende gemiddelden van deze zes items op een schaal van één tot zeven liggen dichtbij elkaar, met het grootste gemiddelde van 5,08 bij “kunnen fouten maken” en het op een na grootste gemiddelde van 4,97 bij “bieden bescherming aan alle partijen op de baan”. Voor de respondenten geldt dus dat slimme camera’s eerder feilbaar zijn, maar ze ook zorgen voor een eerder hoge bescherming op de baan.  Verder toont het gemiddelde van 4,60 aan dat respondenten eerder een veilig gevoel hebben door slimme camera's die controleren op gsm-gebruik achter het stuur dan een onverschillig gevoel (3,49). Opmerkelijk is dat “mogelijk misbruik door overheid voor andere doeleinden” met een gemiddelde van 4,65 hoger scoort dan “inbreuk op privacy”. Echter, zien we dat er toch wat bezwaren zijn op vlak van privacy, waarbij het gemiddelde van “zijn een inbreuk op mijn privacy” 3,78 is. 

Tabel 5:Descriptieve analyse variabele Belang

Duid aan in hoeverre de volgende aspecten belangrijk zijn in het kader van slimme camera's die controleren op gsm-gebruik achter het stuur.

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Gevoel van veiligheid

467

0.00

10.00

6.64

2.26

Inbreuk op privacy

445

0.00

10.00

5.75

2.94

Mogelijk misbreuk door de overheid

452

0.00

10.00

5.96

2.78

De accuraatheid van slimme camera’s

451

0.00

10.00

6.82

2.17

Tabel 5 bespreekt de variabele belang. Belang meet in welke mate de aspecten veiligheid, privacy, misbruik en accuraatheid belangrijk zijn voor de respondent in het kader van slimme camera’s. In tegenstelling tot tabel 4, staan deze items op een schaal van één tot tien, waarbij één staat voor geen belang en tien staat voor heel groot belang. Alle items scoren een gemiddelde boven vijf, maar onder zeven, waaruit we concluderen dat de respondenten een matig tot eerder hoog belang hechten aan de aangehaalde aspecten. 

Concreet zien we dat het item “accuraatheid van slimme camera’s” het hoogste scoort, met 6,82 als gemiddelde, waarna het item “gevoel van veiligheid” volgt met een gemiddelde van 6,64. Hieruit kunnen we dus concluderen dat accuraatheid en het gevoel van veiligheid de belangrijkste aspecten zijn in het kader van slimme camera's die controleren op gsm-gebruik achter het stuur. 

Verder hechten de respondenten minder belang aan het mogelijke misbruik door de overheid en een eventuele inbreuk op hun privacy. Deze items scoorden een gemiddelde van 5,96 en 5,75 op de schaal van één tot tien. Ondanks dat deze items lager scoorden, hecht men hier nog wel een eerder hoog belang aan.

Tabel 6: Descriptieve analyse variabele Algemeen vertrouwen, Publieke Opinie

N

Minimum

Maximum

Gemiddelde

Standaard-afwijking

Algemeen vertrouwen

469

0.00

10.00

6.71

1.72

Publieke opinie

469

0.00

10.00

4.93

1.71

Uit Tabel 6 kunnen we stellen dat met een gemiddelde van 6,71, de meeste respondenten een eerder hoog vertrouwen hebben in andere mensen op de schaal van één tot tien. Verder blijkt dat de respondenten met een gemiddelde van 4,93 vinden dat de publieke opinie een matige of bijna neutrale blik hebben op slimme camera's die controleren op gsm-gebruik achter het stuur.

Tabel 7: Frequenties dummy variabelen Gebruik Auto, Inwonend Kind, Technologische vaardigheid

Frequenties

Percent

Auto

Dummy Gebruik Auto

Nee

66

14.1

Ja

403

85.9

Totaal

469

100.0

Kinderen

Dummy Inwonend Kind

Nee 

348

74.1

Ja 

121

25.9

Totaal

469

100.0

Technologische vaardigheid

Dummy technologische vaardigheid

Nee

415

88.5

Ja

54

11.5

Totaal

469

100.0

In Tabel 7 worden de variabelen gebruik auto, inwonend kind en technologische vaardigheid weergegeven als dummy variabelen. De items die deze concepten meten zijn terug te vinden in de appendix. Zo vermoeden wij dat met de auto rijden en het hebben van (inwonende) kinderen ervoor kan zorgen dat men meer bewust is over verkeersveiligheid en zodus ook slimme camera’s. Anderzijds zouden we ook kunnen argumenteren dat mensen die niet met de auto rijden de invoering van slimme camera’s sneller zullen steunen, omdat deze invoering geen direct effect heeft op hen. Doordat zij niet met de auto rijden, kunnen ze immers geen boete krijgen, maar wel genieten van het voordeel van een veiliger verkeer.  Voor de variabele die duidt op het al dan niet rijden met een auto heeft 85,9 procent van de respondenten een auto, wat een grote meerderheid is. In tegenstelling tot het grote percentage mensen uit de survey die een auto bezitten, heeft maar 25,9 procent één of meerdere inwonende kinderen. Hierbij moeten we vermelden dat er in de resterende 74,1 procent ook mensen kunnen zitten die toch kinderen hebben, maar deze kinderen zijn dan niet meer inwonend bij de respondenten. Voor de variabele technologische vaardigheid zien we dat maar 11,5 procent programmeertalen kan gebruiken en/of AI-systemen kan uitwerken. 

7.4 Resultaten regressieanalyses

De regressieanalyse is gebeurd op basis van het conceptueel-theoretisch kader dat eerder gepresenteerd werd. Er zijn een aantal zaken die beperkend zijn en vermeld dienen te worden. Ten eerste, waar het conceptueel-theoretisch kader ook onderlinge verbanden vermeldde, is het niet mogelijk geweest om deze te testen. Door gebrek aan tijd en statistische applicaties is enkel het directe effect van elke onafhankelijke variabelen op de afhankelijke variabele getest. Ten tweede, de regressie wijkt af van het conceptueel-theoretisch kader. In de analyse bleek dat het concept complexiteit niet eenduidig gemeten kon worden door onze instrumenten (zie Appendix A) en bijgevolg is deze niet opgenomen in de regressie. Ten derde, zoals reeds hierboven beschreven zijn de variabelen gepercipieerde individuele en maatschappelijke kosten, baten en risico’s omwille van meetbaarheid vervangen door de variabele evaluatie kosten-baten en wijkt ook op dit punt af van het conceptueel-theoretisch kader. Ten vierde, de variabele vertrouwen in slimme camera’s is opgenomen in enkele modellen. Deze variabele was oorspronkelijk niet aanwezig in het conceptueel-theoretisch kader, maar bleek een aanzienlijke verklaringskracht te hebben. Vertrouwen in slimme camera’s bleek hoog gecorreleerd te zijn met attitude tegenover de technologie – alhoewel er van multicollineariteit geen sprake is (zie Appendix B) – en dient dus met enige voorzichtigheid benaderd te worden in de modellen waar beide variabelen aanwezig zijn. 

Zoals reeds eerder vermeld voert dit onderzoek een regressie uit op twee verschillende afhankelijke variabelen die beide acceptatie van technologie meten (zie paragraaf 7.3.1). Accept 1 meet de algemene dimensie van het concept waar accept 2 de persoonlijke dimensie meet. Voor ‘dimensie’ wordt hier ook de term ‘benadering’ gebruikt. 

Uitschieters zijn niet uitgesloten van de regressie. Na onderzoek bleek dat het verwijderen van uitschieters geen significant verschil maakte en omwille van het behouden van informatie is ervoor gekozen om deze cases te behouden. In Appendix B wordt beschreven hoe de regressie voldoet aan de verdere assumpties. 

In model 1 worden telkens de controlevariabelen gepresenteerd: geslacht, leeftijd, opleidingsniveau, algemeen vertrouwen, technologische vaardigheid, gebruik auto, inwonend kind en publieke opinie. Technologische vaardigheidgeeft aan of de respondent programmeertalen kan gebruiken en/of AI-systemen kan uitwerken. Gebruik auto geeft aan of de respondent met de auto rijdt en inwonend kind meet of de respondent kinderen in huis heeft wonen. In de volgende modellen worden steeds variabelen uit het conceptueel-theoretisch kader toegevoegd. De onafhankelijke variabele evaluatie kosten-baten betreft hierin hoeverre de respondent meer voor- dan nadelen ziet aan het gebruik van de technologie. De onafhankelijke variabelen perceptie van eigen kennis, vertrouwen in de overheid, vertrouwen in de wetenschap, vertrouwen in de technologie, vertrouwen in slimme camera’s en attitude tegenover de technologie zijn schalen. In Appendix A vindt u de exacte samenstelling en onderbouwing van deze schalen.

De resultaten hieronder gepresenteerd zijn de niet-gestandaardiseerde resultaten. In Appendix E zijn ook de gestandaardiseerde uitkomst van de regressieanalyse vermeld.

7.4.1 Resultaten controle variabelen 

In Tabel 8 & Tabel 9 zijn de resultaten van de meervoudige regressies van de afhankelijke variabele accept 1 en accept 2 naar de controlevariabelen, geslacht, leeftijd, opleidingsniveau, algemeen vertrouwen, technologische vaardigheid, gebruik auto, inwonend kind en publieke opinie en de onafhankelijke variabelen, perceptie van eigen kennis, vertrouwen in de overheid, vertrouwen in de wetenschap, vertrouwen in de technologie, vertrouwen in slimme camera’s en attitude samengebracht. 

Tabel 8: Regressieresultaten Accept1

(N=469)

Model 1

Model 2

Model 3

Model 4

Model 5

Vrouwa

-0,240

-0,233*

-0,223*

-0,176*

-0,178*

Leeftijdb

25-34

-0,765*

0,269

0,012

0,141

0,087

35-44

-1.053**

0,304

0,191

0,413

0,375

45-54

-0,976**

0,011

-0,268

0,423*

0,318

55-64

-1,121**

0,344

0,053

0,282

0,214

65+

-0,401

0,473

0,242

0,408*

0,356

Opleidingc

Secundair

-0,121

-0,295

-0,292

0,103

0,070

Bachelor

-0,199

-0,302

-0,524**

0,049

-0,037

Master/PhD

-0,542

-0,689**

-0,721***

-0,141

-0,195

Technologische vaardigheid

0,392

-0,014

0,097

0,590***

0,567***

Gebruik auto

0,891***

0,330

0,402**

0,236

0,262*

Inwonend kind

0,640***

0,424**

0,352**

0,018

0,035

Publieke opinie

0,464***

0,249***

0,194***

0,128***

0,125***

Algemeen vertrouwen

-0,030

-0,081*

-0,036

0,048

0,048

Evaluatie kosten-baten

0,534***

0,293***

0,097***

0,074**

Perceptie Eigen Kennis

-0,301***

-0,329***

-0,279***

-0,288***

Vertrouwen in de overheid

0,275***

0,087

0,015

-0,010

Vertrouwen in de wetenschap

0,368***

0,213**

0,301***

0,267***

Vertrouwen in AI-technologie

0,278***

-0,015

0,064

0,009

Vertrouwen in slimme camera

1,050***

0,263***

Attitude t.o.v. technologie

1,023***

0,936***

Constante

2,710***

-2,712***

-2,817***

-3.311***

-3,286***

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

Tabel 9: Regressieresultaten Accept2

(N=469)

Model 1

Model 2

Model 3

Model 4

Model 5

Vrouwa

0,092

0,113

0,119

0,140

0,137

Leeftijdb

25-34

-0,826**

-0,042

-0,197

-0,101

-0,168

35-44

-0,781**

0,267

0,199

0,318

0,271

45-54

-0,546

0,170

0,001

0,361

0,231

55-64

-0,701*

0,408

0,232

0,379

0,295

65+

-0,433

0,223

0,084

0,193

0,129

Opleidingc

Secundair

-0,252

-0,497**

-0,495***

-0,312*

-0,354**

Bachelor

-0,276

-0,508**

-0,642***

-0,345

-0,451**

Master/PhD

-0,660**

-0,923***

-0,942***

-0,668***

-0,736***

Technologische vaardigheid

0,465*

0,206

0,273

0,487**

0,457**

Gebruik auto

-0,173

-0,639***

-0,595***

-0,683***

-0,650***

Inwonend kind

0,730***

0,561***

0,517***

0,372***

0,393***

Publieke opinie

0,273***

0,135***

0,102***

0,079**

0,074**

Algemeen vertrouwen

0,017

-0,022

-0,005

0,038

0,038

Evaluatie kosten-baten

0,388***

0,243***

0,186***

0,157***

Perceptie eigen kennis

-0,338***

-0,355***

-0,327***

-0,338***

Vertrouwen in de overheid

0,154**

0,040

0,034

0,002

Vertrouwen in de wetenschap

0,439***

0,346***

0,408***

0,367***

Vertrouwen in AI-technologie

0,111

-0,066

0,011

-0,057

Vertrouwen in slimme camera

0.635***

0,326***

Attitude t.o.v. technologie

0,475***

0,367***

Constante

4,790***

0,871*

0,807*

0,592

0,623

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

Eerst kunnen we stellen dat de variabele geslacht statistisch significant is voor accept 1. In Tabel 8 is te zien dat in Model 2 tot 5 geslacht statistisch significant is en een negatief effect heeft. Dit wil zeggen dat vrouwen minder snel geneigd zijn om de invoering van slimme camera's die controleren op gsm-gebruik achter het stuur door de overheid te steunen. Voor de controlevariabele leeftijd vinden we voor model 1 uit tabel 8 en 9 waarin enkel de controlevariabelen zijn opgenomen statistische significantie terug. Na toevoeging van de onafhankelijke variabelen verdwijnt dit effect, enkel in model 4 in Tabel 8 zien we een statistisch significant effect bij 45-54-jarigen en 65-plussers.

Voor de controlevariabele opleidingsniveau vinden we in model 2 een statistisch significant en negatief effect van de dummyvariabele master/PhD (p < 0,05) en in model 3 een statistisch significant en negatief effect van de dummyvariabelen bachelor (p < 0,05) en master/PhD (p < 0,01) op accept 1 terug. De negatieve coëfficiënt voor master/PhD geeft aan dat wanneer men studeert voor een master of PhD, of dit diploma het hoogst behaalde diploma is, men de technologie minder snel zal accepteren dan laagopgeleiden, of ook, men de invoering van slimme camera's die controleren op gsm-gebruik achter het stuur door de overheid weinig zal steunen. Voor de dummyvariabelen secundair vinden we dit verband niet terug. Wanneer we kijken naar het effect van de controlevariabele opleiding op de afhankelijke variabele accept 2 in Tabel 9, zien we hier dat deze variabele een groter effect heeft. Waar dat we voor de dummyvariabele master/PhD op accept 1 slechts een significant en negatief effect terugvinden voor model 2 en 3, vinden we in tabel 9 een statistisch significant en negatief effect van master/Phdop accept 2 terug in alle modellen. In model 2, 3 en 5 zijn de dummyvariabelen secundair en bachelor ook statistisch significant en hebben deze een negatief effect. Overigens is secundair ook statistisch significant in model 4 en heeft het een negatief effect. Hieruit kunnen we dus afleiden dat het opleidingsniveau van een persoon de acceptatie van een boete door slimme camera’s die controleren op gsm-gebruik achter het stuur negatief beïnvloedt. Hoe hoger opgeleid een persoon is, hoe groter dit effect is. Ook het negatieve effect is sterker dan bij de afhankelijke variabele accept 1. Dit geeft aan dat naarmate het opleidingsniveau stijgt men minder geneigd zal zijn een boete te aanvaarden indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur. Dit negatief effect is het sterkst wanneer men studeert voor een master of PhD, of dit diploma het hoogst behaalde diploma is. 

Het verband tussen algemeen vertrouwen en accept 1 en accept 2 is voor geen enkel model behalve model 2 in Tabel 8 significant. Dit effect verdwijnt nadat de variabelen vertrouwen in slimme camera’s, attitude t.o.v. de technologie of beide aan de regressie worden toegevoegd. De verschillen in de afhankelijke variabele acceptatie van de technologiekunnen dus niet worden toegeschreven aan het algemeen vertrouwen dat men heeft. 

Het effect van de controlevariabele technologische vaardigheid op het accepteren van de technologie is significant in model 4 en 5 van tabel 8 (p < 0.01). We kunnen dus stellen dat wanneer men programmeertalen kan gebruiken en/of AI-systemen kan uitwerken, dit positief geassocieerd is met het accepteren van de invoering van slimme camera's die controleren op gsm-gebruik achter het stuur door de overheid (accept 1). Dit statistisch significant en positief effect verdwijnt wanneer de onafhankelijke variabele attitude t.o.v. technologie niet wordt opgenomen, zoals in model 1, 2 en 3. Het kunnen gebruiken van programmeertalen en/of het kunnen uitwerken van AI-systemen heeft daarentegen geen significant effect op het aanvaarden van een boete indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur (accept 2). Overigens vinden we in model 1, 4 en 5 van tabel 9 een positief en significant effect terug van het kunnen gebruiken en/of het kunnen uitwerken van AI-systemen op het aanvaarden van een boete indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur. Dit positief en statistisch significant effect vinden we terug wanneer enkel de controlevariabelen worden opgenomen of na toevoeging van de variabele attitude t.o.v. technologie aan het model. 

De zesde controlevariabele opgenomen in de regressieanalyse betreft de variabele 'gebruik auto’. In model 1, 3 en 5 uit tabel 8 vinden we een positief en significant effect terug van deze onafhankelijke variabele op accept 1. We kunnen hieruit afleiden dat wanneer men aangeeft met een auto te rijden men eerder geneigd zal zijn slimme camera's die controleren op gsm-gebruik achter het stuur te steunen wanneer de overheid dit zou invoeren (accept 1). Verder is het positief verband tussen gebruik auto en accept 1 zoals vastgesteld in model 1, 3 en 5, het sterkst wanneer enkel de controlevariabelen worden opgenomen (model 1; p < 0.01). In tabel 9 vinden we een tegenovergesteld effect van de variabele gebruik auto. In alle modellen heeft deze variabele een negatief effect op accept 2 met statische significatie in modellen 2, 3, 4 en 5 (p < 0.01). We stellen hier vast dat wanneer iemand met een auto rijdt dit een negatief effect heeft op het aanvaarden van een boete indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur. Deze tegengestelde bevindingen van de rol van het rijden met de auto suggereren dat men de maatschappelijke impact van slimme camera’s die controleren op gsm-gebruik achter het stuur aanvaart, echter, de persoonlijke impact – die in geval van een boete negatief zijn – wordt niet positief verwelkomd. 

De regressieresultaten voor de variabele inwonend kind samengebracht in tabel 9 geven voor elk model een significant en positief effect aan van deze controlevariabele op accept 2. Wanneer we kijken naar tabel 8, zien we dat de controlevariabele inwonend kind enkel statistisch significant is in model 1, 2 en 3 en deze statistische significantie verdwijnt na het toevoegen van de onafhankelijke variabele attitude tegenover de technologie. Hieruit kunnen we vaststellen dat het hebben van een inwonend kind een positief effect heeft op het aanvaarden van een boete indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur, of ook wel op accept 2.  Dit statistisch significant effect van de variabele inwonend kind op de afhankelijke variabele accept 1 vinden we in drie van de modellen in tabel 8 terug. Echter in het gehele model (model 4 en 5) biedt het hebben van een inwonend kind geen verklaring voor of men al dan niet geneigd is om de invoering van slimme camera’s tegen gsm-gebruik door de overheid te steunen. 

Overigens vinden we een statistische significantie terug van de variabele publieke opinie in al de modellen van tabel 8 en tabel 9. Daarnaast geeft ook elk model een positief effect aan. Hieruit kunnen we afleiden dat een positieve perceptie van de houding van de samenleving en de directe omgeving ten opzichte van de technologie van slimme camera’s om gsm-gebruik in het verkeer te bestrijden een positieve invloed heeft op het accepteren van de technologie. 

7.4.2 Resultaten onafhankelijke variabelen

Wat de onafhankelijke variabelen betreft, kunnen we vooreerst stellen dat de onafhankelijke variabele perceptie van eigen kennis een significante voorspeller is van acceptatie van de technologie, met een negatief effect. Zo zal men minder geneigd zijn de technologie te accepteren naarmate men de eigen kennis met betrekking tot de technologie hoger inschat.  

Uit regressieresultaten samengebracht in tabel 8 en 9 kunnen we ook afleiden dat de onafhankelijke variabele evaluatie kosten-baten sterk significant is en een positief coëfficiënt heeft (p < 0.01). Derhalve kan gesteld worden dat wanneer men voordelen verwacht van slimme camera’s tegen gsm-gebruik dit een positieve invloed heeft op het accepteren van de technologie (H1). Overigens stellen we vast dat deze variabele een sterker en positief effect heeft op het aanvaarden van een boete indien een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur (accept 2), dan voor de steun van slimme camera's die controleren op gsm-gebruik achter het stuur wanneer de overheid dit zou invoeren (accept 1). 

In tegenstelling tot onze verwachtingen heeft vertrouwen in AI-technologie geen significant effect op de acceptatie van de technologie. Buiten model 2 – waarin niet alle onafhankelijke variabelen zijn opgenomen – in tabel 8 vinden we geen significant effect. Voor deze studie vinden we dus geen bewijs voor hypothese 2, die stelt dat wanneer men vertrouwen in AI-technologie heeft dit een positief invloed zou hebben op het accepteren van de technologie. Een mogelijke verklaring hiervoor zou kunnen zijn dat mensen slimme camera’s niet associëren met AI-technologie. 

De lage coëfficiënten van de onafhankelijke variabele vertrouwen in de overheid die terug te vinden zijn in model 3, 4 en 5 van tabel 8 en model 2, 3, 4 en 5 van tabel 9, duiden op een verwaarloosbaar en niet significant effect van deze onafhankelijke variabele op de acceptatie van de technologie. Het effect is overigens wel sterk statistisch significant in model 2 (p < 0.01). Verschillen in de afhankelijke variabele acceptatie van de technologie kunnen dus deels verklaard worden door het vertrouwen dat men heeft in de overheid. Hieruit kunnen we ook concluderen dat de onafhankelijke variabelen vertrouwen in slimme camera’s en attitude t.o.v. de technologie sterk bepalend zijn voor de aanwezigheid van een statistisch significant en positief verband. Daar ons model beide onafhankelijke variabelen wel opnemen, dienen we te stellen dat er voor deze studie geen bewijs bestaat voor hypothese 3. 

Voor de onafhankelijke variabele vertrouwen in de wetenschap vinden we een constant statistisch significant en positief effect (p < 0.01). Verschillen in acceptatie van de technologie kunnen dus deels verklaard worden door het vertrouwen dat men heeft in de wetenschap. Tevens kan hypothese 4 aanvaard worden waarin wordt verondersteld dat vertrouwen in de wetenschap een positief effect heeft op de acceptatie van de technologie. 

De variabelen attitude t.a.v. technologie en vertrouwen in slimme camera’s blijken ook sterke voorspellers te zijn van de acceptatie van de technologie, daar ze in elk van de modellen statistisch significant zijn en een positief effect hebben (p < 0.01). We kunnen dan ook hypothese 5 aanvaarden en stellen dat de attitude ten aanzien van de technologie een positief effect heeft op de acceptatie van de technologie. Dit sluit aan bij de bevindingen van bestaand onderzoek waarbij het positief verband tussen de attitude en de intentie van het al dan niet accepteren van de technologie werd aangetoond (Huijts et al., 2012). 

Tenslotte kunnen we stellen dat perceptie van eigen kennis een significante voorspeller is van de acceptatie van de technologie en dit een negatief effect heeft op de acceptatie. Wanneer we kijken naar zowel Tabel 8 als Tabel 9 zien we dat in elk model waar perceptie van eigen kennis in is opgenomen, dit statistisch significant (p<0,01) is en een negatief effect heeft op accept 1 en accept 2. Naarmate iemand meer denkt te weten over slimme camera’s die controleren op gsm-gebruik achter het stuur is deze minder geneigd om het gebruik hiervan te accepteren. Eenzelfde logica geldt voor het accepteren van een boete. Dit betekent dat we onze zesde hypothese, die stelt dat de perceptie van eigen kennis een positief effect heeft op de acceptatie van technologie, moeten verwerpen. Een mogelijke verklaring kan zijn dat een hogere kennis over een technologie en het effect hiervan op de acceptatie van een technologie afhangt van de soort technologie. Bij technologieën die vooral voordelen hebben zal er misschien een positieve samenhang zijn en bij technologieën waar veel nadelen aan verbonden zijn zal er misschien eerder een negatieve samenhang zijn.

7.4.3 Verklarende kracht

Om na te gaan in welke mate de verschillende modellen in tabel 8 en 9 in staat zijn om de variantie in de acceptatie van de technologie te verklaren, kijken we naar de meervoudige determinatiecoëfficient, of ook wel de ‘adjusted’ R2genaamd. 

Het eerste model in tabel 8 en 9 betreft een de meervoudige regressie van accept 1 en accept 2 in functie van de controlevariabelen. Zo kunnen de variabelen vrouw, leeftijd, opleiding, technologische vaardigheid, gebruik auto, inwonend kind, publieke opinie en algemeen vertrouwen 18,5% (‘adjusted’ R2 ‘= 0,185) van de variantie van accept 1 verklaren en 11,4% van de variantie van accept 2 verklaren (‘adjusted’ R2 = 0,114). 

Na toevoeging van de onafhankelijke variabelen vertrouwen in AI-technologie, evaluatie kosten-baten, perceptie eigen kennis, vertrouwen in de wetenschap, vertrouwen in de overheid en vertrouwen in AI-technologie in model 2 van tabel 8, bedraagt de ‘adjusted’ R2 0,550. Hieruit kunnen we afleiden dat deze variabelen een sterk bruto-effect hebben op de afhankelijke variabele accept 1. Zo wordt er een bijkomende variantie van 36,5% verklaard in het al dan niet accepteren van slimme camera‘s wanneer dit zou worden ingevoerd door de overheid door de variabelen in model 2.

Dezelfde onafhankelijke variabelen werden ook toegevoegd aan model 2 van tabel 9. Na toevoeging van deze variabelen in model 2, wordt 46% van de variantie in accept 2 verklaard (‘adjusted’ R= 0,460). De variabelen vertrouwen in AI-technologie, evaluatie kosten-baten, perceptie eigen kennis, vertrouwen in de wetenschap, vertrouwen in de overheid en vertrouwen in AI-technologie verklaren dus bijkomend 35,4% van de variantie in het al dan niet aanvaarden van een boete door gsm-gebruik in het verkeer. 

Voor beide tabellen levert model 2 dus telkens een significante meerwaarde op ten opzichte van het eerste model waarin enkel de controlevariabelen werden opgenomen. 

In model 3 van tabel 8 en 9 werd de variabele vertrouwen in slimme camera toegevoegd aan de modelspecificatie. Het aandeel van de verklaarde variantie stijgt verder, waarbij 64,8% van de verschillen in de afhankelijke variabele accept 1 verklaard kunnen worden door de onafhankelijke variabelen in model 3 (‘adjusted’ R = 0,648). Tevens kunnen we stellen dat 9,8% van de variantie in het al dan niet accepteren van een slimme camera's die controleren op gsm-gebruik achter het stuur wanneer dit wordt ingevoerd door de overheid, bijkomend verklaard wordt door het vertrouwen dat men al dan niet heeft in slimme camera’s. 

Dezelfde variabele werd ook toegevoegd aan model 3 in tabel 9. Wederom ligt de proportie verklaarde variantie lager bij accept 2 dan bij accept 1. Zo wordt 51,8% van de variantie in accept 2 verklaard door de onafhankelijke variabelen in model 3 (‘adjusted’ R = 0,518). Overigens kunnen we in de vergelijking van model 2 met model 3 afleiden dat vertrouwen in slimme camera’s bijkomend 5,8% van de verschillen verklaard in het al dan niet accepteren van een boete indien een slimme camera tegen gsm-gebruik achter het stuur dit zou vaststellen.

In Model 4 wordt vervolgens de onafhankelijke variabele vertrouwen in slimme camera’s niet opgenomen en de onafhankelijke variabele attitude t.o.v. de technologie wel opgenomen. Wanneer we de ‘adjusted’ R2 bekijken van dit model in Tabel 8, zien we dat dit model 78,6% van de variantie van accept 1 verklaard. Dit is 60,1% meer dan het basismodel met enkel controlevariabelen en 13,8% meer dan in model 3, waar de variabele vertrouwen in slimme camera’s is toegevoegd. Wanneer we de ‘adjusted’ R2 bekijken van model 4 in Tabel 9, zien we dat dit model voor 54,3% de variantie van accept 2 verklaard. Dit is 42,9% meer dan in het basismodel met enkel controlevariabelen en 2,5% meer dan in model 3, waar de variabele vertrouwen in slimme camera’s is toegevoegd. Model 4 heeft dus een sterkere verklaringskracht voor zowel accept 1 als accept 2 dan voorgaande besproken modellen.

In model 5 worden ten slotte alle onafhankelijke variabelen opgenomen, dus in dit model zijn zowel de variabele vertrouwen in slimme camera’s als de variabele attitude t.o.v. de technologie opgenomen. Wanneer we de ‘adjusted’ R2 bekijken van dit model in Tabel 8, zien we dat dit model voor 79,0% de variantie van accept 1 verklaard. Dit is 60,5% meer dan het basismodel met enkel controlevariabelen en 0,4% meer dan model 4, die de variabele vertrouwen in slimme camera’s niet opnam. Wanneer we de ‘adjusted’ R2 bekijken van model 5 in Tabel 9, zien we dat dit model voor 55,3% de variantie van accept 2 verklaard. Dit is 43,9% meer dan het basismodel met enkel controlevariabelen en 1,0% meer dan model 4, die de variabele vertrouwen in slimme camera’s niet opnam. Van alle modellen heeft het model dat alle onafhankelijke variabelen opneemt dus de sterkste verklaringskracht. Het verschil tussen model 4 en model 5 is echter wel klein, het opnemen van de variabele vertrouwen in slimme camera’s in een model waar attitude t.o.v. de technologie ook wordt in opgenomen heeft weinig effect. Een mogelijke verklaring is dat de concepten attitude t.o.v. de technologie en acceptatie van de technologie zeer dicht bij elkaar liggen. Het vormt echter ook bewijs voor de grote verklaringskracht van de variabele attitude t.o.v. de technologie in de gepresenteerde modellen. 

7.5 Conclusie van het kwantitatieve onderzoek

In het kwantitatieve luik van deze studie is er op basis van een steekproef van 469 respondenten een regressieanalyse uitgevoerd om te onderzoeken welke variabelen uit het conceptueel-theoretisch kader, gebaseerd op de literatuur, de acceptatie van complexe technologieën door burgers beïnvloeden. In onze studie dienen slimme camera’s in het verkeer die controleren op gsm-gebruik achter het stuur als complexe technologieën. Hierbij is zowel een algemene als persoonlijke benadering toegepast op de afhankelijke variabele. De gebruikte steekproef is na weging een afspiegeling van de populatie en biedt daarmee inzichten over welke effecten mogelijks ook in de populatie aanwezig zijn. In de onderstaande Tabel 10 vatten we de resultaten. We bespreken vervolgens het al dan niet gevonden bewijs voor de hypotheses, verdere belangrijke bevindingen en trekken hieruit enkele conclusies.  Als laatst benoemen we de beperkingen van de uitgevoerde analyse. 

Tabel 10: Resultaten inzake hypothesen: mate van steun vanuit kwantitatief onderzoek

Hypothese 1: Een positieve evaluatie van de kosten en baten heeft een positief effect op de acceptatie van de technologie.

Aanvaarden

Hypothese 2: Vertrouwen in AI-technologie heeft een positief effect op de acceptatie van de technologie.

Geen bewijs voor effect

Hypothese 3: Vertrouwen in de overheid heeft een positief effect op de acceptatie van de technologie. 

Geen bewijs voor effect

Hypothese 4: Vertrouwen in de wetenschap heeft een positief effect op de acceptatie van de technologie. 

Aanvaarden

Hypothese 5: Een positieve attitude ten aanzien van de technologie heeft een positief effect op de acceptatie van technologie. 

Aanvaarden

Hypothese 6: Een hoge perceptie van eigen kennis heeft een positief effect op de acceptatie van technologie.

Verwerpen: negatief effect

Ten eerste, de evaluatie kosten-baten heeft volgens onze studie een positief effect op de acceptatie van complexe technologieën. We vinden voor zowel de algemene benadering als ook de persoonlijke benadering een positief effect. Deze bevinding is conform onze verwachtingen en bijgevolg is hypothese 1 aanvaard. Ten tweede, aanvankelijk verwachtte dit onderzoek een positieve relatie tussen vertrouwen in AI-technologie en de acceptatie van slimme camera’s (zie hypothese 2). Echter, deze studie vindt geen significant effect van deze variabele in zowel de algemene als persoonlijke benadering. Er is dus geen afdoende bewijs voor deze relatie. Bijgevolg kunnen wij niet stellen dat dit effect bestaat. Ten derde, vertrouwen in de overheid blijkt in onze regressie geen significant effect te hebben op de afhankelijke variabele. De verwachting van dit onderzoek was dat er wel een dergelijk positief effect bestond, echter vindt deze studie hiervoor geen bewijs. Het significante effect lijkt te worden overheerst door de variabelen attitude en vertrouwen in slimme camera’s. Ten vierde, conform onze verwachting beschreven in hypothese 4, blijkt uit onze analyse dat vertrouwen in de wetenschap een positief effect heeft op de acceptatie van slimme camera’s in het verkeer. In beide benaderingen is dit effect aanwezig en bijgevolg aanvaarden wij deze hypothese. Ten vijfde, onze studie vindt een sterk positief effect van attitude tegenover de technologie op de acceptatie van technologie. De analyse laat zien dat attitude de sterkst verklarende factor is. Dit geldt vooral in de algemene benadering. Daarenboven neemt de verklaringskracht van de modellen aanzienlijk toe wanneer attitude opgenomen is, wat zijn belang onderstreept. Bijgevolg aanvaarden wij hypothese 5 die stelt dat er een positief verband is tussen attitude en de afhankelijke variabele. Ten zesde, toont deze studie een constant en significant bewijs tegen de verwachting dat perceptie van eigen kennis een positief effect heeft op de acceptatie van slimme camera’s. Wij vinden dat des te meer men denkt te weten over slimme camera’s, des te meer men geneigd is om de technologie niet te accepteren. Dit tegengestelde effect leidt ons ertoe hypothese 6 te verwerpen. 

Uit de uitgevoerde analyse blijkt ook dat de perceptie van de publieke opinie een significant positief effect heeft wanneer men acceptatie van technologie op een algemene manier benaderd. Mensen zijn meer geneigd een technologie te accepteren wanneer zij denken dat de publieke opinie deze accepteert. Deze bevinding suggereert dat individuen elkaars attitude ten aanzien van de aanvaarding van technologie kopiëren. Een volgende opgenomen controlevariabele is gebruik auto. Voor deze variabele kunnen we stellen dat er een negatief effect bestaat van het rijden met de auto op het aanvaarden van een boete wanneer een slimme camera zou vaststellen dat er een gsm werd gebruikt achter het stuur (accept 2). Voor accept 1 is dit anders. Hier blijkt dat wanneer men aangeeft met een auto te rijden, men eerder geneigd zal zijn slimme camera's die controleren op gsm-gebruik achter het stuur te steunen, wanneer de overheid dit zou invoeren. De analyse toont verder dat de controlevariabele inwonend kind een positief effect heeft op de variabele accept 2 of beter gezegd het aanvaarden van een boete die is vastgesteld door slimme camera's die controleren op gsm-gebruik achter het stuur. Voor accept 1 geldt dit verband niet en blijkt dus dat het hebben van een inwonend kind niet verklaart of men de invoering van slimme camera’s tegen gsm-gebruik door de overheid steunt. Ten slotte toont de controlevariabele technologische vaardigheid aan dat wanneer men programmeertalen kan gebruiken en/of AI-systemen kan uitwerken, dit positief geassocieerd is aan het accepteren van de technologie. 

De hierboven beschreven en uitgevoerde analyse is wel onderhevig aan enkele beperkingen die in acht gehouden dienen te worden aangaande de generalisatie van onze resultaten. Ten eerste, de respondenten die deelnamen aan deze studie zijn afkomstig uit het burgerpanel van M2P. De steekproef bleek geen afspiegeling van de populatie en toonde onder meer een oververtegenwoordiging van ouderen en hoogopgeleiden. Door middel van een weging hebben wij gepoogd onze data meer op de populatie te doen gelijken. Daarenboven is het zo dat het geen aselecte steekproef betreft en selectiebias opgetreden kan zijn. Bijgevolg kan men niet stellen dat onze bevindingen toepasbaar zijn op de gehele populatie. Ten tweede, het conceptueel-theoretisch kader van deze studie neemt de variabele gepercipieerde complexiteit van de technologie op, echter, ons meetinstrument bleek niet in staat te zijn deze variabele te meten. Logischerwijs is deze ook niet in de regressieanalyse opgenomen. De exclusie van de variabele belet ons ons conceptueel-theoretisch kader te testen. Mogelijkerwijs zou het gemis van complexiteit ook gevolgen kunnen hebben op de effecten van andere variabelen. Mocht complexiteit wel meetbaar en opgenomen zijn, hadden andere variabelen wellicht verschillende effecten dan welke we in de huidige analyse gevonden hebben. Ten derde, de regressieanalyse neemt de variabelen gepercipieerde kosten, baten en risico’s niet als zodanig op maar vervangt deze door evaluatie kosten-baten. Het bleek niet haalbaar de drie variabelen uit het conceptueel-theoretisch kader te meten in de survey. De vervanging door evaluatie kosten-baten laat toch toe een conclusie te trekken over de rol van kosten en baten die burgers ervaren van een technologie. Risico’s worden niet behandeld en daarover kan het kwantitatieve deel van deze studie geen uitspraken doen. Ten vierde, het conceptueel-theoretisch kader van deze studie verondersteld relaties tussen verschillende onafhankelijke variabelen. Het bleek om praktische redenen niet mogelijk om deze verbanden te testen, enkel het effect van onafhankelijke variabelen op de afhankelijke variabelen is getoetst. Wederom verschilt de uitgevoerde analyse van het vooraf ontworpen conceptueel-theoretisch kader. Onderlinge relaties tussen onafhankelijke variabelen zouden, bijvoorbeeld, wellicht inzicht kunnen bieden om welke reden de variabele vertrouwen in de overheid insignificant blijkt. Ten vijfde, het kwantitatief onderdeel van deze studie onderzoekt slechts één complexe technologie. Daar complexe technologieën divers zijn van toepassing en ontwerp, is het aannemelijk dat verschillende complexe technologieën op verschillende manieren en in verschillende mate worden aanvaard door burgers. Dit onderzoek realiseert zich deze beperking en onderstreept dat de resultaten inzicht bieden maar niet kunnen fungeren als een algemene verklaring van de acceptatie van complexe technologieën door burgers. Toekomstige studies zouden onderzoek moeten doen naar verschillende cases van complexe technologieën om een volledig beeld te krijgen van verklaringsfactoren en hun invloed. 

In het volgende en laatste hoofdstuk sluiten we dit onderzoek af met een discussie en conclusie. Hier blikken we terug op de uitgevoerde studie en proberen we de onderzoeksvraag te antwoorden. De resultaten van de kwalitatieve en kwantitatieve onderdelen van het onderzoek worden samengevoegd om toe te werken naar een algemene conclusie. Hierbij wordt teruggegrepen op het conceptueel model waar per variabele de invloed besproken wordt op de acceptatie van complexe technologieën door burgers. De bevinding uit dit onderzoek worden vergeleken met trends bekend uit de literatuur. Afsluitend worden beperkingen van dit onderzoek benoemd en pistes voor verder onderzoek voorgesteld.