Investigation of the Effect of the Five-Factor Personality Model on the Technology Acceptance Model in Patients Using Structural Equation Modeling

Yıl 2024, Sayı: 23, 832 - 853, 31.08.2024

Nisa Hacılar , Tuba Düzcü

https://doi.org/10.38079/igusabder.1396593

Öz

Aim: This study aims to measure the impact of patients' personality traits in the five-factor personality model on their perception of digital health technology and to support healthcare managers in producing strategies in this field.
Method: The population of the research consists of individuals between the ages of 18 and 65 who reside in Bursa and have received health services in the last six months. The sample of the research consists of 340 people with these characteristics. A questionnaire was created using the Five Factor Personality Scale and the Technology Acceptance Model was used to collect the data. Data were collected by directing the questionnaire to the patients reached through snowball sampling on the online platform. The collected data were analyzed and interpreted using structural equation modeling with SPSS for Windows 25.00 and AMOS 24.0 programs.
Results: According to research findings; The effect of the Extraversion (D) sub-dimension, one of the Five Factor Personality Scale (FPS) sub-dimensions, on the Technology Acceptance Model (TAM) variable (β=.751; p<0.05) was found to be positive and significant. The effect of the Neuroticism (N) subscale on the Technology Acceptance Model scale (TAM) variable was found to be negative and significant (β=-.206; p<0.05). The effect of the Responsibility (S) sub-dimension on the Technology Acceptance Model scale (TAM) variable (β=-.246; p<0.05) was found to be negative and significant. The effect of the agreeableness (AD) sub-dimension on the Technology Acceptance Model scale (ACM) variable (β=-.567; p<0.05) was found to be negative and significant. The effect of the Openness to Experience (OE) sub-dimension on the Technology Acceptance Model scale (ACM) variable was found to be positive and significant (β=.393; p<0.05).
Conclusion: As a result of the research, It was determined that individuals who are extroverted and open to experience have a positive effect on the technology acceptance model scale; and individuals with high levels of neuroticism, conscientiousness and agreeableness had a negative effect on the technology acceptance model scale. It is thought that providing more information to patients about digital health technologies by health institutions and the Ministry of Health will be beneficial for their patients, as well as for the managers of health institutions and, in a broad sense, all health managers and health politicians.

Anahtar Kelimeler

Health technology, personality assessment, health services administration

Hastalarda Beş Faktör Kişilik Modelinin Teknoloji Kabul Modeline Etkisinin Yapısal Eşitlik Modellemesiyle İncelenmesi

Öz

Amaç: Bu çalışmada hastaların beş faktör kişilik modelinde yer alan kişilik özelliklerinin dijital sağlık teknolojisi algılarına olan etkisini ölçmek ve sağlık yöneticilerine bu alanda strateji üretmeleri konusunda destek olmak amaçlanmaktadır.
Yöntem: Araştırmanın evrenini Bursa ilinde ikamet eden, son altı ay içerisinde sağlık hizmeti almış 18-65 yaş arasındaki bireyler oluşturmaktadır. Araştırmanın örneklemini bu özellikleri taşıyan 340 kişi oluşturmaktadır. Verilerin toplanmasında Beş Faktör Kişilik Ölçeği ve Teknoloji Kabul Modeli kullanılarak oluşturulan soru formu kullanılmıştır. Veriler, soru formunun kartopu örnekleme yoluyla ulaşılan hastalara online platformda yöneltilmesiyle toplanmıştır. Toplanan veriler SPSS for Windows 25.00 ve AMOS 24.0 programı ile yapısal eşitlik modellemesi kullanılarak analiz edilmiş ve yorumlanmıştır.
Bulgular: Araştırma bulgularına göre; Beş Faktör Kişilik Ölçeği (BKO) alt boyutlarından Dışa dönüklük (D) alt boyutunun Teknoloji Kabul Modeli (TKM) değişkenine etkisi (β=,751; p<0,05) pozitif ve anlamlı bulunmuştur. Nevrotiklik (N) alt boyutunun Teknoloji Kabul Modeli ölçeği (TKM) değişkenine etkisi (β=-,206; p<0,05) negatif ve anlamlı bulunmuştur. Sorumluluk (S) alt boyutunun Teknoloji Kabul Modeli ölçeği (TKM) değişkenine etkisi (β=-,246; p<0,05) negatif ve anlamlı bulunmuştur. Yumuşak Başlılık (YB) alt boyutunun Kabul Modeli ölçeği (TKM) değişkenine etkisi (β=-,567; p<0,05) negatif ve anlamlı bulunmuştur. Deneyime Açıklık (DA) alt boyutunun Teknoloji Kabul Modeli ölçeği (TKM) değişkenine etkisi (β=,393; p<0,05) pozitif ve anlamlı bulunmuştur.
Sonuç: Araştırma sonucunda dışa dönük ve deneyime açık bireylerin teknoloji kabul modeli ölçeğine pozitif etkisi olduğu; nevrotiklik, sorumluluk ve yumuşak başlılık düzeyleri yüksek olan bireylerin teknoloji kabul modeli ölçeğine negatif etkisi olduğu saptanmıştır. Sağlık kurumları ve Sağlık Bakanlığı tarafından dijital sağlık teknolojileri konusunda hastalara daha fazla bilgi verilmesinin, hastalarının yanı sıra sağlık kurumları yöneticileri ve geniş kapsamda tüm sağlık yöneticileri ve sağlık politikacıları açısından faydalı olacağı düşünülmektedir.

Anahtar Kelimeler

Sağlık teknolojisi, Kişilik değerlendirmesi, Sağlık hizmetleri yönetimi

Etik Beyan

Çalışmanın etik kurul izni İstanbul Medipol Üniversitesi, Etik Kurulundan alınmış (Tarih:24/11/2022, Sayı:988) ve çalışma Helsinki Deklarasyonu prensiplerine uygun olarak yürütülmüştür.

Kaynakça

• 1. Dorn SD. Digital health: Hope, hype and amara’s law. Gastroenterology. 2015;149(3):516-520. doi: 10.1053/j.gastro.2015.07.024.
• 2. Haggerty E. Healthcare and digital transformation. Network Security. 2017;8:7-11. doi: 10.1016/S1353-4858(17)30081-8.
• 3. Şengül Y, Ulusinan E. Türkiye’de sağlık bilişimi altyapısının kamusal alandaki gelişimi ve E-sağlık hizmetleri. Sağlık ve Sosyal Refah Araştırmaları. 2019;1(2):14-20.
• 4. Kuo KM, Liu CF, Ma CC. An investigation of the effect of nurses’ technology readiness on the acceptance of mobile electronic medical record system. BMC Medical Informatics And Decision Making. 2013;13(1):1-14. doi: 10.1186/1472-6947-13-88.
• 5. Yener D, Taşçıoğlu M. Algılanan risk ve yenilikçiliğin tüketici direnci üzerindeki etkisi: Ebeveynlerin organik gıdalara karşı tutumu. Uluslararası Yönetim İktisat ve İşletme. 2020;16(2):429-439. doi: 10.17130/ijmeb.756949.
• 6. Çapacı M, Özkaya S. COVID-19 pandemi döneminde tele-tıp uygulamaları. Anadolu Kliniği Tıp Bilimleri. 2020;25(1):260-262. doi: 10.21673/anadoluklin.738672.
• 7. Özata M, Aslan Ş. Klinik karar destek sistemleri ve örnek uygulamalar. Kocatepe Tıp. 2004;11-7.
• 8. Kalaycıoğlu MB, Ateş Duru Ö. Tıbbi cihazların HBYS (hasta bilgi yönetim sistemi) entegrasyonunun sağlık ekonomisine katkıları. International Social Mentality and Researcher Thinkers Journal. 2020;8(64):1799-1808. doi: 10.29228/smryj.64588.
• 9. Limon S. Hastanelerdeki tıbbi dokümanların geleneksel ortamdan elektronik ortama dönüşümü. Uygulamalı Sosyal Bilimler ve Güzel Sanatlar. 2019;1(1):30-39.
• 10. Dick RS, Steen EB, Detmer DE, ed. The Computer-Based Patient Record: An Essential Technology For Health Care. Washington: National Academy Press; 1997.
• 11. Şekerci C. Sanal gerçeklik kavramının tarihçesi. Uluslararası Sosyal Araştırmalar. 2017;10(54):1126-1133. doi: 10.177719/jisr.20175434681.
• 12. İçten T. Artırılmış gerçeklik üzerine son gelişmelerin ve uygulamaların incelenmesi. Fen Bilimleri. 2017;5(2):111-136.
• 13. Öztürk K, Şahin ME. Yapay sinir ağları ve yapay zekaya genel bir bakış. Takvim-i Vekayi. 2018;6(2):25-36.
• 14. Çakır FS, Aytekin A, Tüminçin F. Nesnelerin interneti ve giyilebilir teknolojiler. Sosyal Araştırmalar ve Davranış Bilimleri. 2018;4(5):84-95.
• 15. Gündüz MZ, Daş R. Nesnelerin interneti: Gelişimi, bileşenleri ve uygulama alanları. Pamukkale Üniversitesi Mühendislik Bilimleri. 2018;24(2):327-335.
• 16. Dülger Ü. Stratejik Büyük Veri Yönetiminin Yatırımlar Üzerindeki Etkileri. [Yüksek Lisans Tezi]. İstanbul, Türkiye: Mühendislik Bilimleri, Fen Bilimleri Enstitüsü; 2015.
• 17. Terzi Ö, Küçüksille EU, Ergin G, İlker A. Veri madenciliği süreci kullanarak güneş ışınımı tahmini. SDU International Technologic Science. 2011;3(2):30-32.
• 18. McCrae RR, Costa PTJ. Reinterpreting the Myers-Briggs type indicator from the perspective of the five-factor model of personality. Journal of Personality. 1989;57:17-40. doi: 10.1111/j.1467-6494.1989.tb00759.x.
• 19. Somer O, Korkmaz M, Tatar A. Beş faktör kişilik envanterinin geliştirilmesi-1: Ölçek ve alt ölçeklerin oluşturulması. Türk Psikolojisi. 2002;17(49):21-33.
• 20. Rok KL, John OP. The four faces of Eve: A typological analysis of women's personality at midlife. Journal of Personality and Social Psychology. 1992;63(3):494-508. doi: 10.1037//0022-3514.63.3494.
• 21. Benet-Martinez V, John Op. Los Cinco grandes across cultures and ethnic groups: Multitrait multimethod analysis of the big five in Spanish and English. Journal of Personality and Social Psychology. 1998;75(3):729-750. doi: 10.1037//0022-3514-75.3.729.
• 22. Taştemur B. Beş Faktör Kişilik Özelliklerinin Algılanan İş Performansı Üzerindeki Etkisinde Psikolojik Sermayenin Aracı Rolü: Özel Sektör Çalışanları Üzerine Bir Araştırma. [Yüksek Lisans Tezi]. İstanbul, Türkiye: İşletme, Sosyal Bilimler Enstitüsü; 2018.
• 23. Develioğlu K, Tekin ÖA. Beş faktör kişilik özellikleri ve yabancılaşma arasındaki ilişki: Beş yıldızlı otel çalışanları üzerine bir uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi. 2013;18(2):15-30.
• 24. Costa PT, McCrae RR. Domains and facets: Hierarchical personality assessment using the revised Neo Personality Inventory. Journal of Personality Assessment. 1995;64(1):21-50.
• 25. Somer O, Korkmaz M, Tatar A. Kurumdan Uygulamaya Beş Faktör Kişilik Modeli ve Beş Faktör Kişilik Envanteri (5FKE). İzmir: Ege Üniversitesi Basımevi; 2011.
• 26. Costa PT, McCare RR. Four ways five factors are basic. Personality and Individual Differences. 1992;13(6):653-665. doi: 10.1016/0191-8869(92)90236-l.
• 27. Davis FD. Perceived usefulness, perceived ease of use and user acceptance of ınformation technology. MIS Quarterly. 1989;13(3):319-340. doi: 10.2307/249008.
• 28. Moon JW, Kim YG. Extending the TAM for a world-wide-web context. Information & Management. 2001;38(4):217-230. doi: 10.1016/S0378-7206(00)00061-6.
• 29. Çivici T, Kale S, Mimari tasarım bürolarında bilişim teknolojilerinin kullanımını etkileyen faktörler: Bir yapısal denklem modeli. İçinde: Kongre Sempozyum Bildiriler Kitabı, 4.İnşaat Yönetimi Kongresi Bildiriler Kitabı. Balıkesir: Maya Basın Yayın; 2007:119-128.
• 30. Kalton G. Sage Publication Inc, Introduction to Survey Sampling. 5th edition, Beverly Hills, 1987.
• 31. Zülfikar H. Örnekleme Yaklaşımlarının Piyasa Araştırmaları Kapsamında İrdelenmesi. [Doktora Tezi]. İstanbul, Türkiye: Ekonometri, Sosyal Bilimleri Enstitüsü; 1997.
• 32. Niemelä-Nyrhinen J, Leskinen E. Multicollinearity in marketing models: Notes on the application of ridge trace estimation in structural equation modelling. The Electronic Journal of Business Research Methods. 2014;12(1):3-15.
• 33. Donnelan MB, Oswald FL, Baird BM, Lucas RE. The mini-IPIP scales: Tiny-yet-effective measures of the big five factors of personality. Psychological Assessment. 2006;18(2):92-203. doi: 10.1037/1040-3590.18.2.192.
• 34. Goodman CS. Introduction to Health Technology Assessment. US: Publisher Not İdentified;2004.
• 35. Rubenzer SJ, Faschingbauer TR. Personality, Character & Leadership in The White House: Psychologist Assess The Presidents, Washington: Potomac Books; 2004:158-267.
• 36. Watson D, Clark LA, Harkness AR. Structures of personality and their relavance to psychopathology. Journal of Abnormal Psychology. 1994;103:18-31.
• 37. McCrae RR, John Op. An introduction to the five-factor model and its applications, Journal of Personality. 1992;60(2):175-215. doi:10.1111/j.1467-6494.1992.tb00970.x.
• 38. Goldberg LR, An alternative “description of personality”: the big-five factor structure. Journal of Personality and Social Psychology. 1990;59(6):1216-1229. doi: 10.1037/0022-3514.59.6.1216.
• 39. Gunthert KC, Cohen LH, Armelli S. The role of neuroticism in daily stress and coping. Journal of Personality and Social Psychology. 1999;77:1087-1100.
• 40. McKnight CG, Huebner Es, Suldo S. Relationships among stressful life events, temperament, problem behavior and global life satisfaction in adolescents. Psychology in the Schools. 2002;39(6):677-687. doi: 10.1002/pits.10062.
• 41. Arthur W, Graziano WG. The fice-factor model, conscientiousness and driving accident involvement. Journal of Personality. 1996;64:593-618. doi: 10.1111/j.1467-6494.1996.tb00523.x.
• 42. Digman JM. Personality structure: emengence of the five-factor model. Annual Review of Psychology. 1990;41:417-440. doi: 10.1146/annurev.ps.41.020190.002221.
• 43. John OP, Naumann LP, Soto CJ, ed. Paradigm shift to ıntegrative big five trait taxonomoy: History, Measurement and Conceptual Issues. In: John OP, Robins RW, Pervin LA, eds. Handbook of Personality: Theory and Research. New York: Guilford Press; 2008: Chapter 4.
• 44. John OP, Srivastava S. The Big Five Trait Taconomy: History, Measurement and Theoretical Perceptives. In: Pervin LA, John OP eds. Handbook of Personality: Theory and Research. New York; Guilford Press, 1999:102-138.