Συλλογές	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας / School of Informatics Τμήμα Πληροφορικής / Department of Informatics Μεταπτυχιακές Εργασίες / Postgraduate dissertations
Τίτλος	Εφαρμογή και υιοθέτηση ηλεκτρονικών υπηρεσιών: η περίπτωση των συστημάτων υπόδειξης
Δημιουργός	Γκίκα, Σοφία
Συντελεστής	Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Λεκάκος, Γεώργιος Μηλιώτης, Παναγιώτης
Τύπος	Text
Φυσική περιγραφή	102σ.
Γλώσσα	el
Περίληψη	The e-businesses today use systems to sites which seek to predict user preferences for one good / service or a social element (for example people or groups of people). The aforementioned systems are called Recommender Systems. Their practical application is to help customers identify the products / services they need or even to propose products / services that match their preferences. The main stream of Recommender Systems research emphasizes the algorithmic sector in developing methods that will lead to more precise recommendations to consumer preferences. The algorithms are not yet able to estimate all parameters yield a successful system. Factors such as trust for Recommender Systems and perceived ease of use can not be considered and reflected in code. However, the extant literature studying such factors is limited. Not exclude the possibility that there is a perception that the accuracy of the forecasts to be the sole factor influencing the intention to use a Recommender System. On the other hand, the scientific community and the market through their investigations underline the importance and need of further study (eg Celma and Lamere, 2007) but also through other means such as social networking. The reason I took this research is to examine factors affecting intention to use a Recommender System. The survey was based on the conceptual model of Martinez-Lopez et al (2010) but is complicated due to the large number of factors studies and has been investigated factors that affect intention to use directly and indirectly. More specifically, these factors are general trust, trust in a website, trust to the website's Recommender System, familiarity with the Recommender System, perceived ease of use. Also, the factors perceived usefulness of the system, subjective standard, person’s attitude to a Recommender System, perceived risk and intention to use a Recommender System. This model is enriched with other factors model of Shin (2010), which replaced the perceived risk factor with two factors that influence trust, perceived security and perceived privacy. Finally, the overall confidence factor is studied in two different dimensions, that of general trust to and general trust to companies. In order to study the above model, was conducted a research to students of University. The results showed that the factor of intention to use a Recommender System is directly influenced by the factors of Technology Acceptance Model. These factors are perceived ease of use, perceived usefulness and user’s attitude towards technology. It also proved that there are other factors that influence directly or indirectly. The factors that significantly affect intention to use the trust's website, the trust has the user’s trust to Recommender System, familiarity with Recommender System, and perceived security and perceived privacy. Another aspect considered is the practical application of these findings in the field of Recommender Systems. Also defined guidelines of how these findings may apply in order to be more efficient to use and therefore a Recommender System to attract more users. The most important conclusion drawn is that the industry promises Recommender System to have a bright future after the model was verified. Finally, an attempt was made to consider an additional factor, which considers the case affected intention to use a hint system. This is user’s lifestyle. This idea will be studied thoroughly in the future, however in the present study conducted a pilot survey of students at Athens University of Economics and showed that lifestyle does affect the adoption of a Recommender System. Οι ηλεκτρονικές επιχειρήσεις στις μέρες μας χρησιμοποιούν συστήματα στους ιστότοπους τα οποία επιδιώκουν να προβλέψουν τις προτιμήσεις ενός χρήστη για ένα/μια αγαθό/υπηρεσία ή ένα κοινωνικό στοιχείο (για παράδειγμα ανθρώπους ή σύνολα ανθρώπων). Τα προαναφερθέντα συστήματα ονομάζονται Συστήματα Υπόδειξης. Η πρακτική τους εφαρμογή είναι να βοηθήσουν τους πελάτες να εντοπίσουν τα/τις προϊόντα/υπηρεσίες που χρειάζονται ή ακόμα και να τους προταθούν προϊόντα/υπηρεσίες τα οποία ταιριάζουν τις προτιμήσεις τους. Ο κύριος κορμός της έρευνας των Συστημάτων Υπόδειξης δίνει έμφαση στον αλγοριθμικό τομέα και στην ανάπτυξη μεθόδων που θα οδηγούν σε ακριβέστερες προτάσεις, ως προς τις προτιμήσεις των καταναλωτών. Οι αλγόριθμοι όμως δεν είναι σε θέση να εκτιμήσουν όλες τις παραμέτρους για προκύψει ένα επιτυχημένο σύστημα. Παράγοντες όπως η εμπιστοσύνη που έχει ένα άτομο για το Σύστημα Υπόδειξης ή η αντιλαμβανόμενη ευκολία χρήσης του δεν μπορούν να εξεταστούν και να αποτυπωθούν σε κώδικα. Παρόλα αυτά η υπάρχουσα βιβλιογραφία που μελετάει τέτοιας φύσης παράγοντες είναι περιορισμένη. Δεν αποκλείεται το ενδεχόμενο να υφίστανται η αντίληψη ότι η ακρίβεια (accuracy) των προβλέψεων να είναι ο μοναδικός παράγοντας που επηρεάζει την πρόθεση χρήσης των Συστημάτων Υπόδειξης. Από την άλλη μεριά, μέλη της επιστημονικής κοινότητας και της αγοράς μέσα από τις έρευνες τους υπογραμμίζουν τη σπουδαιότητα της και την αναγκαιότητα περαιτέρω μελέτης της (π.χ. Celma και Lamere, 2007) αλλά και μέσω άλλων τρόπων όπως τα Κοινωνικά Δίκτυα. Ο λόγος που πραγματοποιήθηκε η παρούσα έρευνα είναι για να εξετάσει παράγοντες που επηρεάζουν την πρόθεση χρήσης ενός Συστήματος Υπόδειξης. Η έρευνα στηρίχτηκε στο εννοιολογικό μοντέλο των Martinez-Lopez et al (2010), το οποίο επειδή είναι πολύπλοκο λόγω του μεγάλου πλήθους παραγόντων που μελετά, ερευνήθηκε ως προς την πρόθεση χρήσης και τους παράγοντες που επιδρούν σε αυτό άμεσα και έμμεσα. Πιο συγκεκριμένα, οι παράγοντες αυτοί είναι η γενική εμπιστοσύνη που έχει ένα άτομο (general trust), η εμπιστοσύνη σε έναν ιστότοπο (trust to a website), η εμπιστοσύνη στο Σύστημα Υπόδειξης ενός ιστότοπου (trust to the website’s Recommender System), η εξοικείωση με το σύστημα (familiarity with the Recommender System), η αντιλαμβανόμενη ευκολία χρήσης του (perceived ease of use). Επίσης, η αντιλαμβανόμενη χρησιμότητα του συστήματος (perceived usefulness), το υποκειμενικό πρότυπο (subjective norm), η στάση του ατόμου απέναντι στο Σύστημα Υπόδειξης (attitude), το αντιλαμβανόμενο ρίσκο (perceived risk) και η πρόθεση χρήσης του (intention to use a Recommender System). Το συγκεκριμένο μοντέλο εμπλουτίστηκε και με άλλους παράγοντες από μοντέλο του Shin (2010), όπου αντικατέστησε τον παράγοντα αντιλαμβανόμενος κίνδυνος με δύο παράγοντες που επηρεάζουν και εκείνοι την εμπιστοσύνη και είναι η αντιλαμβανόμενη ασφάλεια (perceived security) και αντιλαμβανόμενης προστασίας προσωπικών δεδομένων (perceived privacy). Τέλος, ο παράγοντας γενική εμπιστοσύνη μελετάται σε δύο επιμέρους διαστάσεις, αυτόυς της εμπιστοσύνη στους ανθρώπους (general trust to people) και της εμπιστοσύνης στις επιχειρήσεις (general trust to companies). Προκειμένου να μελετηθεί το παραπάνω μοντέλο, πραγματοποιήθηκε έρευνα με ερωτηματολόγιο σε φοιτητές του Οικονομικού Πανεπιστημίου Αθηνών. Τα αποτελέσματα της μελέτης έδειξαν ότι ο παράγοντας πρόθεσης χρήσης ενός Συστήματος Υπόδειξης (intention to use a Recommender System) επηρεάζεται άμεσα από τους παράγοντες του Μοντέλου Αποδοχής Τεχνολογίας (Technology Acceptance Model). Οι συγκεκριμένοι παράγοντες είναι η αντιλαμβανόμενη ευκολία χρήσης (perceived ease of use), η αντιλαμβανόμενη χρησιμότητα (perceived usefulness) και η στάση (attitude) που έχει ένα άτομο στη συγκεκριμένη τεχνολογία. Επίσης, αποδείχτηκε ότι υπάρχουν και άλλοι παράγοντες που την επηρεάζουν έμμεσα ή άμεσα. Οι παράγοντες εκείνοι που επηρεάζουν σημαντικά την πρόθεση χρήσης είναι η εμπιστοσύνη στον ιστότοπο, η εμπιστοσύνη που έχει ο χρήστης στο Σύστημα Υπόδειξης (trust to Recommender System), η εξοικείωση με αυτό (familiarity with Recommender System), καθώς και η αντιλαμβανόμενη ασφάλεια (perceived security) και προστασία προσωπικών δεδομένων (perceived privacy). Μια άλλη διάσταση που εξετάστηκε είναι η πρακτική εφαρμογή των παραπάνω συμπερασμάτων στο χώρο των Συστημάτων Υπόδειξης. Επιδιώχτηκε να προσδιοριστούν κατευθυντήριες οδηγίες για το πώς τα συγκεκριμένα συμπεράσματα δύναται να εφαρμοστούν ώστε να είναι πιο αποδοτική η χρήση τους και κατά συνέπεια ένα Σύστημα Υπόδειξης να προσελκύσει περισσότερους χρήστες. Το πιο σημαντικό συμπέρασμα που προέκυψε είναι ότι προμηνύεται ο κλάδος των Συστημάτων Υπόδειξης να έχει λαμπρό μέλλον αφού το μοντέλο αποδοχής τους επαληθεύτηκε. Τέλος, έγινε μια προσπάθεια να μελετηθεί ένας επιπλέον παράγοντας, που εξετάζει την περίπτωση που επηρεάζεται η πρόθεση χρήσης ενός Συστήματος Υπόδειξης. Αυτός είναι ο τρόπος ζωής (life style) του εκάστοτε χρήστη. Η παρούσα ιδέα θα μελετηθεί στο μέλλον ενδελεχώς, παρά ταύτα στην παρούσα εργασία διεξήχθη μια πιλοτική έρευνα από φοιτητές του Οικονομικού Πανεπιστημίου Αθηνών και έδειξε ότι ο τρόπος ζωής όντως επηρεάζει την υιοθέτηση ενός Συστήματος Υπόδεiξης.
Λέξη κλειδί	Trust Ηλεκτρονικές επιχειρήσεις Συστήματα υπόδειξης Μοντέλο Αποδοχής Τεχνολογιών Εμπιστοσύνη E-business Recommender systems Technology acceptance model
Ημερομηνία	29-02-2012
Άδεια χρήσης	https://creativecommons.org/licenses/by/4.0/