template en multiple authors - amfiteatru economic
Post on 03-Nov-2021
4 Views
Preview:
TRANSCRIPT
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 277
FACTORI CARE INFLUENȚEAZA ADOPTAREA INTERNETULUI OBIECTELOR
ÎN TURISM DE CĂTRE CONSUMATORII ROMÂNI
Vasile Dinu1, Sorin Paul Lazăr2* și Iustin Atanasiu Pop3 1)Academia de Studii Economice din București, România;
Academiei Oamenilor de Știință din România 2)3) Universitatea Babeș-Bolyai din Cluj Napoca, România
Vă rugăm să citați acest articol astfel:
Dinu, V., Lazăr, S.P. and Pop, I.A., 2021. Factors That
Influence the Adoption of the Internet of Things in
Tourism by Romanian Consumers. Amfiteatru
Economic, 23(57), pp.360-375.
DOI: 10.24818/EA/2021/57/360
Istoricul articolului
Primit: 17 decembrie 2020
Revizuit: 13 februarie 2021
Acceptat: 31 martie 2021
Rezumat Studiul examinează relația de cauzalitate dintre gradul de adoptare a Internetului
obiectelor (IoT) în serviciile turistice și încrederea în aceste sisteme, pe de o parte, și
comportamentele individuale ale consumatorilor interni, pe de altă parte. Factorii de
influență sunt grupați în șase categorii: conștientizare, confidențialitate și siguranță, cost,
comoditate, influență socială și obiceiuri. Fiecare categorie este descrisă de mai mulți itemi,
iar corectitudinea agregării lor este testată cu coeficientul Cronbach alpha. Variabila
dependentă este definită pe o scală ordinală, pentru a putea evalua progresiv gradul de
adoptare a IoT. Metodologia de cercetare utilizează modelul logit ordonat, aplicat unei baze
de date de 431 de turiști din România. Principalele rezultate arată influența semnificativă a
variabilelor comportamentale legate de conștientizare, comoditate, obiceiuri și cost. Dintre
factorii socio - demografici s-a pus în evidență rolul vârstei și al educației. Concluziile
studiului fac recomandări de politici necesare pentru dezvoltarea sistemelor IoT în industria
turistică.
Cuvinte-cheie: Internetul obiectelor (IoT), turism, modelul logit ordonat, modelul
Technology Acceptance Model (TAM)
Clasificare JEL: Z32, Z33, C25
* Autor de contact, Sorin Paul Lazăr – e-mail: paul.lazar@ubbcluj.ro
ORCID autori:
Vasile Dinu: orcid.org/0000-0003-3606-2548
Sorin Paul Lazăr: orcid.org/0000-0003-0775-9231
Iustin Atanasiu Pop: orcid.org/0000-0002-6687-3109
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
278 Amfiteatru Economic
Introducere
În sens larg, Internetul obiectelor (IoT) este un sistem de tehnologii inteligente,
conectate între ele, care sunt capabile să comunice și să transfere date într-o rețea, pe baza
unor algoritmi definiți, fără a mai fi necesară intervenția unei entități umane.
Exemple de astfel de sisteme există în diferite domenii. În sectorul medical sunt
persoane dotate cu cipuri inteligente sau un monitor pentru activitatea inimii care comunică
direct cu o clinică de cardiologie. Centrele medicale utilizează și ele sisteme inteligente
interconectate pentru a organiza mai bine gestiunea medicamentelor și a aparaturii
medicale. În industria automobilelor există mașini dotate cu senzori care pot comunica
informații șoferului sau direct unui service auto. Unele societăți de asigurare dotează
mașinile asigurate cu aparate de telemetrie care calculează și comunică traseul parcurs,
viteza de deplasare, încălcări ale reglementărilor rutiere. În funcție de aceste date se pot
stabili în mod mai corect și eficient primele de asigurare, evitând problemele legate de
autoselectivitate și de selecție adversă. Chiar și în agricultură, unele animale domestice
mari sunt dotate cu cipuri care transmit date privind poziția, starea de sănătate sau alte
informații utile spre computere aflate în gestiunea proprietarului, a veterinarului sau a
autorităților publice. În cultura plantelor, sistemele de gestiune bazate pe IoT sunt folosite
la reglarea condițiilor de creștere și dezvoltare a plantelor, utilizând senzori în aer sau sol
care transmit date utile pentru sistemele de irigații automate. Sistemele IoT sunt utilizate și
în siguranța publică, prin sisteme automate de dirijare a traficului sau identificarea rutelor
optime din punct de vedere al timpului, costului sau distanței. În domeniul locativ (Bodea,
Purnuș, 2018), există case inteligente, iar echipamentele variază de la unele simple cum
este termostatul pentru centrala termică pană la aparate mai sofisticate care gestionează
iluminarea și încălzirea de la distanță prin telefoane inteligente.
Utilizarea sistemelor IoT se dezvoltă în mod continuu în diverse sectoare
economice pentru ca firmele să poată funcționa mai eficient, pentru a cunoaște mai bine
clienții și a se adapta nevoilor lor, pentru a lua decizii mai corecte și în consecință pentru a
rentabiliza mai bine activitatea din punct de vedere economic.
IoT este un sistem de aparate dotate cu inteligență artificială, conectate într-o rețea
proprie sau publică (Nekit, Kolodin, Fedorov, 2020). Dispozitivele utilizate sunt foarte
diverse: cipuri, senzori, computere, procesoare, echipamente de comunicații, etc. Ele
preiau, procesează, sintetizează, partajează și transmit date din mediile în care acționează.
Procesarea unor date are loc la nivel local, acolo unde au fost culese, iar procesarea altora
are loc într-un spațiu comun (cloud). Majoritatea proceselor au loc direct între dispozitive,
fără intervenție umană. Modul de culegere a datelor, comunicarea și analiza sunt automate,
dar prestabilite pe baza unor protocoale și algoritmi.
Utilizarea sistemelor IoT poate aduce multiple beneficii companiilor, unele fiind
specifice unui sector de activitate, altele în schimb fiind universale. Sistemele inteligente
interconectate pot monitoriza procesele de producție, transport, relații cu clienții și relațiile
de muncă dintre angajați. Modelele de afaceri stabilite de managementul corporației pot fi
mai ușor implementate și adaptate. Pot exista în schimb și dezavantaje ale sistemelor IoT.
Odată cu creșterea cantității de informații acumulate într-un sistem crește probabilitatea ca
un hacker să fie tentat de informații confidențiale. De asemenea, cantitatea de date devine
disponibilă și ridică provocări mari privind stocarea și prelucrarea, fiind necesară o gestiune
mai profesională din punct de vedere al metodelor de analiză a datelor și de programare a
componentelor dotate cu inteligență artificială.
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 279
Industria turistică beneficiază recent din ce în ce mai mult de sistemele IoT.
Aplicațiile sunt foarte variate. În unele țări dezvoltate circulă trenuri inteligente dotate cu
sisteme de inteligență artificială care îndeplinesc mai multe funcții: informații privind
pasagerii, control al trenului prin sisteme autonome sau prin rețele WiFi, mentenanța
predictivă, semnalare și monitorizare a traficului, eficientizarea consumului (Verma și
Shukla, 2019). În industria hotelieră facilitățile IoT sunt utilizate pentru camere
personalizate, repararea și întreținerea predictivă a facilităților camerei de hotel sau carduri
electronice trimise pe telefonul inteligent pentru a se evita pierderea timpului la recepția
hotelului. (Martijn, 2018). Starea de sănătate a clientului poate fi monitorizată prin
intermediul senzorilor și poate fi comunicată în caz de necesitate unei clinici (Diachuk,
2018). În viitorul apropiat camerele hotelurilor Marriot vor fi dotate cu oglinzi cu funcții de
ecran inteligent, se vor regla luminile și temperatura prin comanda de pe smartphone, dușul
va regla temperatura apei conform cerințelor oaspeților, iar eventuale disfuncționalități vor
fi raportate personalului, se va implementa parcarea inteligentă și telecomanda pentru
piscină (McMullen, 2017). Atracțiile turistice beneficiază de asemenea de implantarea
recentă a sistemelor IoT care pot permite monitorizarea atracțiilor din interiorul muzeelor și
reacțiile vizitatorilor prin analiza datelor și senzorilor. Web-site-urile de rezervări turistice
au de asemenea algoritmi inteligenți care permit personalizarea preferințelor clientului.
Folosind adresa IP a utilizatorului și alte echipamente asociate cu aceasta sunt trimise oferte
personalizate. Algoritmii de prelucrare a datelor urmăresc profilul clientului potențial prin
monitorizarea căutărilor pe internet legate de turism și ținand cont de profilul rezervărilor
anterioare. Conform lui Angelova (2017) utilizarea IoT în turism are avantaje și
dezavantaje. Principalele avantaje sunt: controlul comunicării, automatizarea, îmbunătățirea
experienței, venituri mai mari prin reducerea costurilor. Dezavantajele sunt pericolele
legate de riscul datelor (securitate, protecție, calitate, acuratețea analizei și compatibilitate)
și de problemele de confidențialitate (lipsa standardelor, protocoale informatice,
interoperabilitate și probleme legale).
Numeroase studii academice explorează diferite aspecte legate de sistemele IoT.
Acestea se concentrează în principal pe problemele de design ale sistemelor, protocoale și
securitate, confidențialitate, riscul datelor, metode de analiză a datelor și efecte economice.
Literatura privind efectele sistemele IoT asupra comportamentului consumatorilor este încă
foarte săracă. Obiectivul principal al studiului nostru este de a umple o parte din acest gol,
investigând factorii de influență comportamentali și socio-demografici ai adoptării de către
consumatori a rezultatelor utilizarilor IoT în sistemele de rezervări ale unităților de cazare.
Articolul este organizat după cum urmează. În secțiunea Recenzia literaturii de specialitate
sunt trecute în revistă studii academice privind IoT, pornind de la aspecte generale și
convergând spre aspecte specifice legate de agrearea și utilizarea de către consumatori a
unor astfel de sisteme. Secțiunea Metodologia de cercetare descrie baza de date de
consumatori, variabilele și itemii utilizați și modul de utilizare a modelului logit
multinomial în regresiile care modelează relațiile de cauzalitate. Rezultatele și discuțiile se
concentrează asupra principalelor tendințe degajate din analiza regresională și asupra
comparației cu rezultate similare obținute în alte domenii. Concluziile rezumă studiul și se
concentrează asupra recomandărilor care se pot face ca urmare a rezultatelor degajate.
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
280 Amfiteatru Economic
1. Recenzia literaturii de specialitate
Sistemele IoT devin din ce în ce mai răspandite în diferite aspecte ale activităților
umane. Tendința a fost preluată și de către literatura academică, care se preocupă tot mai
mult de acest topic. Majoritatea articolelor se referă însă la aspecte tehnice ale acestor
sisteme: algoritmii de programare, fiabilitatea tehnică, protocoalele de comunicare,
proiectarea, dezvoltarea, implementarea și întreținerea sistemelor IoT de înaltă calitate.
Sunt cercetate problematici tehnice foarte precise ca: impactul tehnologiei 5G asupra
inteligenței artificiale interconectate (Li, Da Xu și Zhao, 2018), securitatea și criminalitatea
cibernetică (Conti et al., 2018), modele de middleware (da Cruz et al., 2018), algoritmi
adaptativi de tip machine learning pentru prelucrarea datelor (Mahdavinejad et al., 2018)
sau metodologii de prelucrare specifice pentru big data (Ahmed et al., 2017).
Încep să apară însă foarte recent și studii care explorează efectele asupra
societății umane, atat asupra celor care manipulează aceste sisteme, cât și asupra
modificării comportamentului consumatorilor. Ca urmare unui sondaj printre experții care
lucrează în acest domeniu, Reggio et al. (2020) arată că cele mai relevante atribute de
calitate pentru sistemele IoT sunt fiabilitatea, disponibilitatea, performanța, scalabilitatea și
securitatea. Cercetătorii analizează de asemenea avantajele și dezavantajele schimbărilor
radicale în societatea modernă ca urmare a dezvoltării IoT. Principalul dezavantaj care
produce îngrijorare asupra echilibrului pieții este pierderea unui număr mare de locuri de
muncă. Un studiu comparativ prin dovezi empirice al avantajelor și dezavantajelor asupra
societăților japoneze, germane și australiene este realizat de Shenkoya (2020). Rezultatele
arată că IoT îmbunătățește finanțarea cercetării și eficiența proceselor de afaceri, crescând
în același timp crearea de locuri de muncă. Impactul asupra societății umane este analizat și
de Nižetić et al (2020). Patru domenii principale de actualitate sunt discutate: energie și
mediul durabil, E-sănătate - sisteme de viață asistate de inteligența artificială, tehnologii în
transport și produse cu emisii reduse de carbon. Sunt discutate implicațiile de mediu legate
de aplicarea crescută a produselor IoT.
Cercetările privind implementările sistemelor inteligente interconectate în
domeniul afacerilor suscită de asemenea un interes crescut. O perspectivă globală a
implementării IoT într-o afacere este redată de Lee (2019) care prezintă un ecosistem IoT,
arhitectură IoT și modelul de afaceri al serviciilor IoT esențiale pentru selecția și
implementarea serviciilor IoT în diferite setări ale întreprinderii. Este exemplificat și modul
în care serviciile IoT pot fi dezvoltate pentru a inova camerele de hotel. Nitti et al. (2017)
definesc o structură arhitecturală pentru o aplicație de turism sustenabil într-un oraș
inteligent. Ideea dezvoltării destinațiilor turistice inteligente prin IoT este abordată de Wise
și Heidari (2019). Ei arată că tehnologia inteligentă care exploatează datele IoT oferă noi
oportunități pentru industria turistică, permițand accesul ușor și interacțiunea cu o mare
diversitate de informații pentru activități de transport, atracții, tururi, cumpărături și
hoteluri. Turismul inteligent este abordat de Kaur și Kaur (2016) care oferă o perspectivă
asupra acestui concept și a modului în care acesta poate fi realizat prin tehnologia modernă
a IoT. Aceasta impune colaborarea participanților la industria turistică printr-o platformă
comună de tehnologie și oferă un algoritm de funcționare cooperativă prin schimbul,
prelucrarea și analiza informațiilor.
Așa cum putem observa, literatura științifică acoperă aspecte variate legate de
sistemele IoT: aspecte tehnice legate de design tehnic, protocoale, securitate, algoritmi de
prelucrare a datelor, dar și efecte asupra societății, economei și afacerilor. Mult mai săracă
este însă literatura în privința investigării factorilor de influență ai adoptării de către
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 281
consumatori a sistemelor IoT. Teoriile care provin din comportamentul consumatorului
stipulează că există două condiții esențiale pentru acceptarea unei tehnologii: utilitatea ei și
ușurința utilizării, așa cum precizează (Davis, 1989; de Boer, van Deursen și van Rompay,
2019) cu privire la Technology Acceptance Model (TAM). Modelul TAM a fost utilizat
ulterior în aplicații diverse, cum ar fi factorii care afectează intenția de utilizare a unei
comunități de învățare online (Liu et al., 2010), sisteme de informare clinică în rândul
personalului medical din spital (Melas et al., 2011) sau aplicațiile de banking mobil
(Munoz-Leiva, Climent-Climent și Liébana-Cabanillas, 2017; Almugari et al., 2019). Alți
factori care influențează adoptarea IoT sunt comoditatea, influența socială, obiceiurile,
intimitatea, siguranța, conștientizarea și costurile (Almugari et al., 2019). Comodidatea ca
factor de influență este întalnită în special în marketing, în general cu sensul de economisire
a timpului (Cho și Sagynov, 2015). Studiile anterioare au confirmat ulterior că ușurința
utilizării determină în mod semnificativ intenția comportamentului spre adoptarea de noi
tehnologii (Del Giudice et al., 2016). Un factor la fel de important în acceptarea noilor
sisteme inteligente este influența socială (Aldossari și Sidorova, 2020). Influența familiei,
prietenilor, colegilor și mass-media poate avea impact asupra intenției consumatorilor de a
adopta produse și servicii IoT ale băncilor (Almugari et al., 2019). Obiceiurile au fost
identificate de asemenea ca factor semnificativ al adoptarii tehnologiilor digitale (Alalwan
et al., 2015). Abushakra și Nikbin (2019) au găsit și ei o corelație importantă și anume
relația puternică între obiceiuri și adoptarea IoT. Determinanții enuntați sunt regăsiți în
multe studii de marketing orientate spre analiza comportamentului consumatorului. Ei apar
sub diferite forme în studii de piață și sub forma de întrebări în chestionare privind
intențiile de cumpărare pentru toate tipurile de produse. Există în schimb și factori specifici,
legați de adoptarea tehnologiilor în general și a IoT în special cum sunt confidențialitatea și
siguranța. Specificitatea lor constă în faptul că sistemele de inteligență artificială operează
cu date pe care consumatorii nu doresc să le facă publice. Acești determinanți au fost puși
în evidență ca fiind semnificativi în studii empirice (Axelrod, 2015; Atlam and Wills,
2020). Consumatorii pot fi ingrijorați de posibilitatea că furnizorii de servicii prin sisteme
digitale pot utiliza informațiile cu caracter personal în beneficiul companiei sau pot colecta
date personale fără permisiunea lor. Pot exista în consecință efecte negative asupra cererii
de servicii prin IoT. O altă componentă a modelului TAM este conștientizarea, respectiv
înțelegerea modului de utilizare a noii tehnologii. Internetul obiectelor este un fenomen nou
pentru o mare parte din consumatorii produselor de turism, ca urmare furnizorii de servicii
sunt interesați să îi conștientizeze spre noile tehnologii. Conștientizarea, ca factor al
adoptării tehnologiilor, a fost explorat pentru sisteme IoT în general (Guo et al., 2013; Gite
și Agrawal, 2016), dar există și unele studii care se preocupă de sectoare specifice, cum este
cel bancar (Almugari et al., 2019). Costul este un alt factor cu acoperire mai generală, nu
neaparat specific modelului TAM. El se regăsește ca determinant în majoritatea studiilor
empirice privind cererea dintr-un anumit produs sau serviciu. Uneori este privit în sens
restrâns, referindu-se la prețul de furnizare a produsului sau serviciului (Tehranipoor et al.,
2018; McPherson și Irvine, 2020). Alteori este considerat în sens mai larg, incluzând și
costurile colaterale (ex. timpul pierdut - Almugari et al., 2019). Pe lângă componentele
modelului TAM, pot fi identificate corelații interesante cu unele variabile socio-
demografice ca vârsta, sexul, venitul, nivelul de studii sau statusul marital. Există însă
puține studii (ex. Gunasekara și Fernando, 2017) care pun adoptarea IoT în legatură cu
astfel de indicatori.
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
282 Amfiteatru Economic
2. Metodologia de cercetare
Pentru a evalua importanța determinanților adoptării serviciilor turistice furnizate cu
ajutorul sistemelor IoT, utilizăm un model econometric cu regresii discrete. Nivelul adoptării
de către consumator al serviciilor oferite este măsurat în studiul nostru prin variabila ordinală
ADOPTION (a se vedea paragraful referitor la variabilele din regresie și tabelul 1 pentru
definirea completă a variabilei). Scalarea ordinală permite identificarea variabilelor care
determină creșterea probabilității de situare la nivele superioare a adoptării tehnologiei IoT.
Pentru estimațiile statistice utilizăm Ordered Logit Model cu urmatoarea structură:
)()(),,|(Prob 1 bxcFbxcFcbxjy ijiji (1)
)exp(1
)exp(
)exp(1
)exp(),,|(Prob
1
1
bxc
bxc-
bxc
bxccbxjy
ij
ij
ij
ij
i
(2)
Ni ,1 indexează consumatorii din eșantion
3,1j indexează cele trei alternative de alegere ale variabilei endogene (ADOPTION)
ix este vectorul variabilelor explicative (CONV, SOC_INLF, HABITS, PRIV_SAFE,
AWAR, COST, GENDER, MARRIED, AGE, EDUC, RESID)
b este vectorul coeficienților de regresie
jc , 3,2,1,0j sunt puncte de ruptură a distribuției (coeficienți tehnici ai modelului).
0c , 3c
1c and 2c sunt estimați prin metoda verosimilității maxime.
Modelul este controlat și pentru heteroscedasticitate conform testului lui Davidson
and MacKinnon (1984), bazat pe principiul multiplicatorului Lagrange (LM). Coeficienții
raportați în regresie sunt sub forma robustă, corectați pentru heteroscedasticitate.
Robustețea previziunii este verificată prin curba Receiver Operating Characteristics
dezvoltată pentru modele multinomiale (Dragos, 2010).
În urma studiului literaturii, utilizând datele și metodologia descrisă mai sus,
formulăm următoarea ipoteză de cercetare: nivelul de adoptare de către consumatorii
români a tehnologiilor IoT în turism este influențat de componentele modelului TAM:
comoditate, influență socială, obiceiuri, confidențialitate și siguranță, conștientizare și
costuri.
Date
Datele sunt culese prin eșantionare în perioada August-Septembrie 2020 prin metoda
CATI (Computer-Assisted Telephonic Interview). Pentru a evita cât mai mult posibilele
deplasări ale valorilor variabilelor, s-a folosit ca element de identificare codul numeric
personal, care permite realizarea unui sondaj stratificat și proporțional în raport cu zona
geografică, sexul și vârsta. Sondajul este echilibrat la nivel național, există între 8 și
15 respondenți din fiecare județ, proporțional cu numărul de locuitori. Sondajul este realizat
la nivel național, cuprinzand în final 431 de respondenți care au furnizat date complete cu
privire la întrebările din chestionar. O parte din populația României, în special persoane în
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 283
vârsta din zona rurală nu merg în vacanțe și ca urmare nu au putut răspunde întrebărilor,
deci au fost excluși din eșantion. Această eliminare a provocat unele deplasări ale valorilor
medii ale factorilor socio-demografici în raport cu valorile naționale (vezi Tabelul nr. 1).
Variabile
Variabila endogenă ADOPTION (Y în modelul teoretic) este un proxy care măsoară
pe o scală ordinală de la 1 la 3 nivelul de utilizare a serviciilor furnizate prin sisteme IoT în
turism. Sunt avute în vedere în special oferte personalizate propuse de web-site-urile de
rezervări online de cazare. Acestea culeg informații despre potențialul consumator urmărind
specificul căutărilor acestuia pe internet privind tipul de destinație (mare, munte, oraș,
stațiune balneară), profilul unităților de cazare urmărite (hotel, pensiune, casă de vacanță),
etc. Ca urmare a rulării unor algoritmi de inteligență artificială sunt propuse destinații
turistice sau unități de cazare prin sisteme de alertare pe telefonul inteligent, tabletă sau
computer. Variabila ADOPTION urmărește pe o scală ordinală cât de frecvent utilizează
turiștii destinațiile și cazările propuse prin sistemele IoT. Variabila ia valoarea 1 dacă
individul nu utilizează niciodată servicii furnizate prin IoT în turism; valoarea 2 dacă
utilizează rar astfel de servicii și valoarea 3 dacă utilizează în mod regulat. Explicațiile
privind astfel de mecanisme de ofertare prin sistemele IoT în turism sunt explicate
persoanelor din eșantion în timpul interviului. Rezultatele privind răspunsurile sunt
sintetizate în tabelul nr. 1.
Tabel nr. 1. Variabilele utilizate în analiză și statistici descriptive: media, deviația
standard, valoarea minimă și maximă
Variabila Explicații Media Dev.
std. Min Max
ADOPTION Adoptarea serviciilor furnizate prin sisteme
IoT în turism. Măsurată ordinal, pe o scală de
la 1 la 3 în ordine crescătoare a gradului de
adoptare.
0,93 0,74 1 3
CONV Comoditatea. Măsurată cantitativ, ca medie a
3 itemi ordinali: SAVING_TIME,
AVOID_MOV and ELAST_TIME
(descrierea completă a itemilor în Anexa 1).
3,55 0,92 1 5
SOC_INFL Influența socială. Măsurată cantitativ, ca
medie a 3 itemi ordinali: FRQ_ENTOUR,
REC_ENTOUR and PUB_AUTH (descrierea
completă a itemilor în Anexa 2).
2,80 0,82 1 4.67
HABITS Obiceiuri privind utilizarea IoT și a altor
sisteme digitale. Măsurată cantitativ, ca
medie a 3 itemi ordinali: FRQ_PROF,
FREE_TIME and DIGITAL (descrierea
completă a itemilor în Anexa 3).
3,05 0,99 1 5
PRIV_SAFE Confidențialitate și siguranța. Măsurată
cantitativ, ca medie a 3 itemi ordinali:
RISK_PRODUCT, PRIV_DATA and
RISK_UNSUCC (descrierea completă a
itemilor în Anexa 4).
2,74 0,85 1 4.67
AWAR Conștientizarea. Măsurată cantitativ, ca medie
a 3 itemi ordinali: ADV_IOT, DISADV_IOT
and OTHER_EXP (descrierea completă a
itemilor în Anexa 5).
2,87 1,08 1 5
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
284 Amfiteatru Economic
Variabila Explicații Media Dev.
std. Min Max
COST Costuri - importanța celui mai bun preț și
încrederea că acesta este identificat prin
sistemele IoT. Măsurată cantitativ, ca medie a
2 itemi ordinali: IMP_PRICE and
IDENT_PRICE (descrierea completă a
itemilor în Anexa 6).
3,52 0,95 1 5
GENDER Genul. (1 dacă masculin, 0 dacă feminin). 0,51 0,50 0 1
MARRIED Statutul marital (1 dacă este căsătorit sau într-
o releție de lungă durată, 0 dacă este
necăsătorit, singur).
0,74 0,44 0 1
AGE Vârsta turistului (ani). 45,3 12,0 18 66
EDUC Nivelul instituției de învățământ absolvite (1
dacă turistul are absolvită doar școala primară
sau secunadară, 2 dacă are liceul sau școala
profesională sau vocațională, 3 dacă are studii
universitare sau post-universitare).
2,27 0,71 1 3
RESID Aria de rezidență (1 if urban, 0 if rural) 0,64 0,48 0 1
Notă: Dev. std. = deviația standard (abaterea medie pătratică)
Pentru a măsura mai bine cât mai multe aspecte ale determinanților care provin din
modelul TAM, fiecare variabilă explicativă este definită pe baza câtorva itemi componenți.
Itemii nu sunt incluși în regresii, deoarece în cadrul fiecărei categorii (comoditate, influența
socială, etc) sunt puternic autocorelați și ar fi pus probleme de multicoliniaritate. În plus,
considerarea fiecăruia dintre ei ca variabilă explicativă ar fi făcut modelul econometric mai
puțin reprezentativ prin micșorarea considerabilă a raportului dintre numărul de observații
și numărul de variabile explicative. Totuși, informația conținută în itemi se regăsește în
regresii prin agregarea lor pentru a forma variabile, câte una pentru fiecare componentă a
modelului TAM (CONV, SOC_INLF, HABITS, PRIV_SAFE, AWAR, COST).
Tabelul nr. 2 prezintă doar succint itemii care compun variabilele, pentru a fi
identificați ușor în prezentarea rezultatelor studiului. Descrierea lor mai completă, așa cum
provin din întrebările chestionarului este redată în Anexele nr. 1, 2, 3, 4, 5 si 6.
Tabel nr. 2. Informații succinte privind itemii care compun variabilele explicative
Variabila Codarea itemului Semnificația itemului.
Toți itemii sunt scalați de la 1 la 5 Mediana
Dev.
std.
CONV SAVING_TIME Economisirea timpului 3,69 2,32
AVOID_MOV Evitarea deplasării 3,43 2,32
ELAST_TIME Elasticitatea timpului 3,93 2,38
SOCIAL FRQ_ENTOUR Frecvența anturajului 3,04 2,51
REC_ENTOUR Recomandări ale anturajului 3,33 2,40
PUB_AUTH Autorități publice 2,71 2,48
HABITS FRQ_PROF Frecvența IoT profesional 2,94 2,35
FREE_TIME IoT în timpul liber 3,23 2,32
DIGITAL Utilizarea tehnologiilor digitale 3,53 2,29
PRIV_SAFE RISK_PRODUCT Riscul produsului 3,28 2,43
PRIV_DATA Confidențialitatea datelor 2,62 2,49
RISK_UNSUCC Risc vacanță nereușită 2,96 2,38
AWARENE ADV_IOT Conștientizare avantaje IoT 3,09 2,31
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 285
Variabila Codarea itemului Semnificația itemului.
Toți itemii sunt scalați de la 1 la 5 Mediana
Dev.
std.
SS DISADV_IOT Conștientizare dezavavantaje IoT 2,76 2,38
OTHER_EXP Cunoașterea experiențelor altora 3,42 2,29
COST IMP_PRICE Importanța celui mai bun preț 4,27 2,56
IDENT_PRICE Identificare preț optim prin IoT 3,39 2,32
Notă: Dev. std. = deviația standard (abaterea medie pătratică)
3. Rezultate și discuții
În numeroase cazuri în care datele provin din întrebările unui chestionar se poate
pune problema variabilității valorilor unor itemi. Dacă nu s-a utilizat o pretestare a
chesionarului, pentru anumite întrebări pot exista răspunsuri în mare majoritate doar
negative sau doar pozitive. De exemplu pe o scală Likert de la 1 la 5 putem avea proporții
exagerat de mari de răspunsuri 1 sau 5. Efectele asupra regresiei pot fi în aceste cazuri
foarte grave, prin încercarea identificării unor corelații între o variabilă endogenă și o
constantă. În asfel de situații, chiar dacă fenomenul există, el fiind prost măsurat, se ajunge
la degradarea rezultatelor. În studiul nostru, ca urmare a pretestării eșantionului au fost
recalibrate unele întrebări. În consecință, există o bună variabilitate a răspunsurilor pentru
toți itemii utilizați, chiar dacă unele distribuții sunt asimetrice (Figura nr. 1).
SAVING_TIME
0.1
.2.3
De
nsity
0 1 2 3 4 5SAVING_TIME
AVOID_MOV
0.1
.2.3
De
nsity
0 1 2 3 4 5AVOID_MOV
ELAST_TIME
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5ELAST_TIME
FRQ_ENTOUR
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5FRQ_ENTOUR
REC_ENTOUR
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5RECOM_ENTOUR
PUB_AUTH
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5PUB_AUTH
FRQ_PROF
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5FRQ_PROF
FREE_TIME
0.1
.2.3
De
nsity
0 1 2 3 4 5FREE_TIME
DIGITAL
0.1
.2.3
De
nsity
0 1 2 3 4 5DIGITAL
RISK_PRODUCT
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5RISK_PRODUCT
PRIV_DATA
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5PRIV_DATA
RISC_UNSUCC
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5RISK_UNSUCC
ADV_IOT
0.1
.2.3
De
nsity
0 1 2 3 4 5ADV_IOT
DISADV_IOT
0.1
.2.3
De
nsity
0 1 2 3 4 5DISADV_IOT
OTHER_EXP
0.1
.2.3
De
nsity
0 1 2 3 4 5OTHER_EXP
IMP_PRICE
0.1
.2.3
.4
De
nsity
0 1 2 3 4 5IMP_PRICE
IDENT_PRICE
0.1
.2.3
De
nsity
0 1 2 3 4 5IDENT_PRICE
Figura nr. 1. Distribuția răspunsurilor pentru itemi
Pentru a măsura fiabilitatea agregării variabilelor și a verifica în ce masură toți
itemii care compun o variabilă măsoară același concept, calculăm coeficientul alfa al lui
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
286 Amfiteatru Economic
Cronbach (Cronbach, 1951). Coeficienții alfa calculați pentru itemii din baza noastră de
date sunt cuprinși între 0,776 și 0,871 (Tabelul nr. 3), ceea ce indică un rezultat robust
(McNeish, 2018).
Tabel nr. 3. Fiabilitatea agregării itemilor - Cronbach’s alpha
Variabila CONV SOC_INFL HABITS PRIV_SAFE AWAR COST
Covarianta
medie dintre
itemi 0,754 0,644 0,890 0,658 0,723 0,692
Coeficient de
fiabilitate (α) 0,850 0,847 0,861 0,833 0,871 0,776
Rezultatele regresiei logistice ordinale (Tabelul nr. 4) sunt obținute după corecția
pentru heteroscedasticitate (Davidson și MacKinnon, 1984), deci cu estimator robust pentru
eroarea standard și ca urmare și pentru probabilitatea de respingere a semnificativității
coeficienților de regresie.
Tabel nr. 4. Efectele factorilor de influență asupra adoptării IoT în turism; estimații
robuste ale modelului logit ordonat; variabila endogenă ADOPTION
Coeficient
de regresie
Eroare standard,
estimare robustă Valoarea p Semnificativitate
CONV 0,291 0,106 0,006 ***
SOCIAL 0,192 0,125 0,123
HABITS 0,199 0,098 0,043 **
PRIV_SAFE -0,054 0,111 0,627
AWARENESS 0,179 0,093 0,055 *
COST 0,374 0,098 0,000 ***
GENDER 0,171 0,193 0,376
MARRIED -0,248 0,213 0,246
AGE -0,018 0,008 0,027 **
EDUC 0,282 0,136 0,037 **
RESID 0,035 0,197 0,859
Notă: ***,**, * : semnificativ la nivel de 1% ,5% și 10%
Observăm în primul rând că variabila CONV are o influență pozitivă semnificativă
statistic (p = 0,006) asupra adoptării serviciilor furnizate prin IoT. Comoditatea oferită de
lipsa necesității de a te mișca spre / la o agenție de turism pentru a afla oferte adecvate pare
să fie concludentă. De asemenea, intră în componenta acestei variabile și elasticitatea
timpului, posibilitatea consultării ofertelor în regim 24/7 este foarte atractivă. Influența
socială este în schimb nesemnificativă (p = 0,123).
Rezultatul poate fi explicat prin faptul că influența anturajului riscă să fie mai
puțin decisivă decat în alte activități. În turism în general și în alegerea destinațiilor în
special preferințele sunt foarte eterogene și faptul că persoane din jurul nostru ne
recomandă ceva s-ar putea dovedi inadecvat pentru preferințele noastre. În plus, nici
autoritățile publice nu încurajează foarte mult în România utilizarea sistemelor digitale în
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 287
relația cu autoritățile statului, ca urmare nu există un stimul social suficient de important
pentru utilizarea sistemelor IoT. Obiceiurile (variabila HABITS) sunt semnificative statistic
(p = 0,043). Persoanele care utilizează mai frecvent IoT în viața profesională, dar și în
activitățile aferente timpului liber (ex. căutarea unui loc de parcare disponibil prin sisteme
online) sunt mai predispuse să adopte mai frevente servicii turistice oferite prin inteligența
artificială interconectată. Un rol benefic al obiceiurilor îl are probabil și obișnuința de a
utiliza în activitățile cotidiene tehnologie digitală de orice natură (ex. aplicații diverse
pentru telefoane inteligente).
Elementele de confidențialitate și siguranță (variabila PRIV_SAFE) nu reies ca
fiind semnificative (p = 0,627). Rezultatul este în contradicție cu studiul lui Munoz-Leiva,
Climent-Climent și Liébana-Cabanillas (2017) privind adoptarea serviciilor bancare IoT de
către consumatori. Se pare că clienții din turism nu au îngrijorări majore privind securitatea
datelor personale și confidențialitatea informațiilor vehiculate prin astfel de sisteme. Într-
adevar, față de sectorul bancar, unde datele conțin salarii și plăți, eventualul furt de
informații privind căutările pe internet cu privire la anumite destinații nu este în general
îngrijorător. Nici riscul insuccesului unei vacanțe, sau al unui alt serviciu neconform cu
așteptarile nu pare a avea un impact major. Într-adevăr, odată cu dezvoltarea sistemelor IoT
există un element esențial de control al acestor riscuri prin numărul mare de recenzii și
recomandări online din partea altor consumatori.
O influență pozitivă cu semnificativitate mai redusă (p = 0,055) o are
conștientizarea (variabila AWARENESS). Aceasta se explică parțial prin cunoașterea într-o
mai mică măsură de către populație a avantajelor și în special a dezavantajelor utilizării IoT
în turism (valoarea medie a itemului DISADV_IOT este egală cu 2,76). În schimb,
consumatorii cunosc mai bine experiențele altor persoane (valoarea medie a itemului
OTHER_EXP este egală cu 3,42), ceea ce este un fapt încurajator, dovedind că populația
încearcă să se informeze și oferă o perspectivă favorabilă pentru dezvoltarea sistemelor IoT
în viitor. Consumatorii români de servicii turistice par să fie cei mai sensibili (p < 0,001) la
costuri (variabila COST). Acest rezultat este de asemenea în contradicție cu studiile de pe
piața serviciilor bancare (Almugari et al., 2019), unde costul este nesemnificativ, cele mai
decisive pentru adoptarea serviciilor fiind comoditatea și conștientizarea.
De altfel, dintre toți itemii proveniți din chestionar, importanța prețului (itemul
IMP_PRICE) a avut cea mai mare valoare medie, de 4,27. Dintre variabilele socio-
demografice sunt semnificative vârsta (variabila AGE, p = 0,027) și educația (variabila
EDUC, p = 0,037). Semnele coeficienților sunt cele așteptate, persoanele mai tinere și mai
educate având o probabilitate mai mare de utilizare frecventă a sistemelor IoT în turism.
Genul persoanei și statusul marital nu au impact semnificativ. Nici variabila RESID nu este
deloc semnificativă (p = 0,089), efectul ei fiind preluat probabil de educație, în mediul rural
regăsindu-se un procentaj mult mai mic de persoane cu studii superioare decât în zonele
urbane.
Concluzii
Problematica sistemelor IoT este relativ recentă în literatura de specialitate, dar
constituie în momentul actual un topic important. Majoritatea studiilor se referă la aspecte
tehnice: algoritmii de programare, fiabilitatea tehnică, protocoalele de comunicare,
proiectarea, dezvoltarea, implementarea și întreținerea sistemelor IoT de înaltă calitate.
S-au dezvoltat treptat și preocupări privind efectele asupra societății umane, discutând
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
288 Amfiteatru Economic
avantajele și dezavantajele schimbarilor radicale în societatea modernă ca urmare a
dezvoltarii sistemelor de inteligență artificială interconectate. Domeniile de studiu sunt
diverse: energie și mediu durabil, orașe inteligente, E-sănătate - sisteme de viață asistate de
tehnologii digitale, tehnologii în transport, produse cu emisii reduse de carbon, etc.
Mult mai puțin s-au explorat însă efectele asupra consumatorilor. Specialiștii s-au
îndreptat mai degrabă spre efectul aplicațiilor din sistemul bancar. Studiul nostru dorește să
umple un gol din literatură, punând în evidență determinanți specifici ai adoptării IoT în
turism în general și în sistemele de rezervări în special. Estimațiile econometrice indică
influență semnificativă a variabilelor comportamentale legate de conștientizare, comoditate,
obiceiuri și cost. Există diferențe notabile față de sistemul bancar, unde influența socială,
confidențialitatea și siguranța tranzacțiilor sunt decisive. Dintre factorii socio-demografici
s-a pus în evidență rolul vârstei și al educației, persoanele mai tinere și mai educate având
probabilitați mai mari de utilizare frecventă a serviciilor turistice propuse prin sisteme IoT.
Mecanismele puse în evidență prin acest studiu pot fi utilizate pentru o mai bună
adecvare a cererii cu oferta. Din observarea frecvenței utilizării și a tipului de serviciu ales
sau nu de către consumatori, programatorii sistemelor IoT pot adapta algoritmii de selectare
a informațiilor relevante cu privire la comportamentul consumatorilor în raport cu tipologia
ofertelor turistice. Astfel, ofertele care sunt rar achiziționate de turiști, provin din algoritmi
defectuoși, care trebuie corectați. Autoritățile publice pot constata că un impediment
important al creșterii frecvenței de utilizare a IoT este slaba dezvoltare a acestor sisteme în
relațiile dintre instituțiile statului și cetățeni. Deoarece nu există corelație între frecvența
utilizării IoT și problemele de confidențialitate și siguranță a datelor semnifică faptul că
consumatorii nu sunt serios ingrijorați de aceste aspecte în turism. Se pot colecta în
consecință astfel de date necesare configurării optime a ofertelor, desigur cu respectarea
cadrului legislativ.
Bibliografie
Abushakra, A. and Nikbin, D., 2019. Extending the UTAUT2 model to understand the
entrepreneur acceptance and adopting Internet of Things (IoT). In: L. Uden, I.-H. Ting
and J.M. Corchado, eds. 2019. Knowledge Management in Organizations. Cham:
Springer, pp. 339-347. DOI: 10.1007/978-3-030-21451-7_29
Ahmed, E., Yaqoob, I., Hashem, I. A. T., Khan, I., Ahmed, A. I. A., Imran, M. and
Vasilakos, A. V., 2017. The role of big data analytics in Internet of Things. Computer
Networks, 129, pp. 459-471. DOI: 10.1016/j.comnet.2017.06.013
Alalwan, A. A., Dwivedi, Y. K., Rana, N. P., Lal, B. and Williams, M. D. (2015).
Consumer adoption of Internet banking în Jordan: Examining the role of hedonic
motivation, habit, self-efficacy and trust. Journal of Financial Services Marketing,
20(2), pp. 145-157. DOI: 10.1057/fsm.2015.5
Aldossari, M. Q. and Sidorova, A., 2020. Consumer acceptance of Internet of Things (IoT):
Smart home context. Journal of Computer Information Systems, 60(6), pp. 1-11. DOI:
10.1080/08874417.2018.1543000
Almugari, F., Bajaj, P., Tabash, M. I., Khan, A. and Ali, M. A., 2020. An examination of
consumers’ adoption of internet of things (IoT) in Indian banks. Cogent Business &
Management, 7(1), DOI: 10.1080/23311975.2020.1809071
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 289
Angelova, N., Kiryakova, G. and Yordanova, L., 2017. The great impact of internet of
things on business. Trakia Journal of Sciences, 15(1), pp. 406-412. DOI:
10.15547/tjs.2017.s.01.068
Atlam, H. F. and Wills, G. B., 2020. IoT security, privacy, safety and ethics. In: M. Farsi,
A. Daneshkhah, A. Hosseinian-Far and H. Jahankhani, eds. 2020. Digital Twin
Technologies and Smart Cities. Cham: Springer, pp. 123-149.
Axelrod, C. W., 2015. Enforcing security, safety and privacy for the Internet of Things. In:
s.n., 2015 Long Island Systems, Applications and Technology. Farmingdale, NY, USA,
1 May 2015. S.l: IEEE, pp. 1-6. DOI: 10.1109/LISAT.2015.7160214.
Bodea, C.-N., Purnuș, A., 2018. Legal implications of adopting Building Information
Modeling (BIM). Juridical Tribune – Tribuna Juridica, 8(1), pp. 63-72.
Cho, Y. C. and Sagynov, E., 2015. Exploring factors that affect usefulness, ease of use,
trust, and purchase intention in the online environment. International Journal of
Management & Information Systems (IJMIS), 19(1), pp. 21-36. DOI:10.19030/
ijmis.v19i1.9086
Conti, M., Dehghantanha, A., Franke, K. and Watson, S., 2018. Internet of Things security
and forensics: Challenges and opportunities. S.l.: Elsevier. DOI: 10.1016/
j.future.2017.07.060
Cronbach, L. J., 1951. Coefficient alpha and the internal structure of tests. Psychometrika,
16(3), pp. 297-334. DOI: 10.1007/BF02310555
da Cruz, M. A., Rodrigues, J. J. P., Al-Muhtadi, J., Korotaev, V. V. and de Albuquerque, V.
H. C., 2018. A reference model for internet of things middleware. IEEE Internet of
Things Journal, 5(2), pp. 871-883. DOI: 10.1109/JIOT.2018.2796561
de Boer, P. S., van Deursen, A. J. and Van Rompay, T. J., 2019. Accepting the Internet-of-
Things in our homes: The role of user skills. Telematics and informatics, 36(1),
pp. 147-156. DOI: 10.1016/j.tele.2018.12.004
Davidson, R. and MacKinnon, J. G., 1984. Convenient specification tests for logit and
probit models. Journal of Econometrics, 25(3), pp. 241-262. DOI: 10.1016/0304-
4076(84)90001-0
Davis, F. D., 1989. Perceived usefulness, perceived ease of use, and user acceptance of
information technology. MIS quarterly, 13(3), pp. 319-340. DOI: 10.2307/249008
Del Giudice, M., Campanella, F., Dezi, L. and Al-Mashari, M., 2016. The bank of things:
An empirical investigation on the profitability of the financial services of the future.
Business Process Management Journal, 22(2), pp. 324-340. DOI: 10.1108/BPMJ-10-
2015-0139
Diachuk, M., 2018. Benefits of Using IoT in Healthcare - DZone IoT. [online] Available at:
<https://dzone.com/articles/benefits-of-using-iot-in-healthcare> Accessed 11 November
2020].
Dragos, C., 2010. ROC curve for discrete choice models an application to the Romanian car
market. Applied Economics Letters, 17(1), pp. 75-79. DOI: 10.1080/13504850701719793
Gite, S. and Agrawal, H., 2016. On context awareness for multisensor data fusion in IoT.
In: S. C. Satapathy, K. S. Raju, J. K. Mandal and V. Bhateja, eds. 2016. Proceedings of
the Second International Conference on Computer and Communication Technologies.
New Delhi: Springer, pp. 85-93.
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
290 Amfiteatru Economic
Gunasekara, M. A. N. P. and Fernando, M., 2017. Eradicating health communication
inequalities in the internet of things era. In: s.n, 2017 International Conference on IoT
and Application (ICIOT). Nagapattinam, India, 19-20 May 2017. S.l: IEEE, pp. 1-3.
DOI: 10.1109/ICIOTA.2017.8073620
Guo, B., Zhang, D., Wang, Z., Yu, Z. and Zhou, X., 2013. Opportunistic IoT: Exploring the
harmonious interaction between human and the internet of things. Journal of Network
and Computer Applications, 36(6), pp. 1531-1539. DOI: 10.1016/j.jnca.2012.12.028
Kaur, K. and Kaur, R., 2016). Internet of things to promote tourism: An insight into smart
tourism. International Journal of recent trends in engineering & research, 2(4), pp. 357-361.
Lee, I., 2019. The Internet of Things for enterprises: An ecosystem, architecture, and IoT
service business model. Internet of Things, 7: 100078. DOI: 10.1016/j.iot.2019.100078
Li, S., Da Xu, L. and Zhao, S., 2018. 5G Internet of Things: A survey. Journal of Industrial
Information Integration, 10(1), pp. 1-9. DOI: 10.1016/j.jii.2018.01.005
Liu, I. F., Chen, M. C., Sun, Y. S., Wible, D. and Kuo, C. H., 2010. Extending the TAM
model to explore the factors that affect Intention to Use an Online Learning Community.
Computers & education, 54(2), pp. 600-610. DOI: 10.1016/ j.compedu.2009.09.009
Mahdavinejad, M. S., Rezvan, M., Barekatain, M., Adibi, P., Barnaghi, P. and Sheth, A. P.,
2018. Machine learning for Internet of Things data analysis: A survey. Digital
Communications and Networks, 4(3), pp. 161-175. DOI: 10.1016/j.dcan.2017.10.002
Martijn, N., 2018. How the Internet of Things (IoT) can Benefit the Hospitality Industry.
[online] Available at: <https://www.revfine.com/internet-of-things-hospitality-
industry/> [Accessed 11 November 2020].
Melas, C. D., Zampetakis, L. A., Dimopoulou, A. and Moustakis, V., 2011. Modeling the
acceptance of clinical information systems among hospital medical staff: an extended
TAM model. Journal of biomedical informatics, 44(4), pp. 553-564. DOI: 10.1016/
j.jbi.2011.01.009
McNeish, D., 2018. Thanks coefficient alpha, we’ll take it from here. Psychological
Methods, 23(3), pp. 412-427 DOI: 10.1037/met0000144
McPherson, R. and Irvine, J., 2020. Using smartphones to enable low-cost secure consumer
IoT devices. IEEE Access, 8, pp. 28607-28613. DOI: 10.1109/ACCESS.2020.2968627
Munoz-Leiva, F., Climent-Climent, S. and Liébana-Cabanillas, F., 2017. Determinants of
intention to use the mobile banking apps: An extension of the classic TAM model.
Spanish Journal of Marketing-ESIC, 21(1), pp. 25-38. DOI: 10.1016/j.sjme.2016.12.001
Nekit, K., Kolodin, D., Fedorov, V., 2020. Personal data protection and liability for damage in
the field of the internet of things. Juridical Tribune – Tribuna Juridica, 10(1), pp. 80-93.
Nižetić, S., Šolić, P., González-de, D. L. D. I. and Patrono, L., 2020. Internet of Things
(IoT): Opportunities, issues and challenges towards a smart and sustainable future. Journal
of Cleaner Production, 274, 122877. DOI: 10.1016/j.jclepro.2020.122877
Nitti, M., Pilloni, V., Giusto, D. and Popescu, V., 2017. IoT Architecture for a sustainable
tourism application in a smart city environment. Mobile Inf. Systems, 4(1), pp. 1-9. DOI:
10.1155/2017/9201640
Reggio, G., Leotta, M., Cerioli, M., Spalazzese, R. and Alkhabbas, F., 2020. What Are IoT
Systems for Real? An Experts’ Survey on Software Engineering Aspects. Internet of
Things, in press DOI: 10.1016/j.iot.2020.100313
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 291
Shenkoya, T., 2020. Social change: A comparative analysis of the impact of the IoT in
Japan, Germany and Australia. Internet of Things, 11, 100250. DOI: 10.1016/
j.iot.2020.100250
Tehranipoor, F., Karimian, N., Wortman, P. A. and Chandy, J. A., 2018. Low-cost
authentication paradigm for consumer electronics within the internet of wearable fitness
tracking applications. In: s.n., 2018 IEEE International Conference on Consumer
Electronics (ICCE). Las Vegas, NV, USA, 12-14 January 2018. S.l: IEEE, pp. 1-6.
DOI: 10.1109/ICCE.2018.8326233
Verma, A. and Shukla, V., 2019. Analyzing the influence of IoT in Tourism Industry. In:
Amity University Rajasthan, International Conference on Sustainable Computing in
Science, Technology and Management (SUSCOM). Jaipur, India, 26-28 February 2019.
S.l:s.n.
Wise, N. and Heidari, H., 2019. Developing smart tourism destinations with the internet of
things. In: M. Sigala, R. Rahimi and M. Thelwall, eds. 2019. Big Data and Innovation
in Tourism, Travel, and Hospitality. Singapore: Springer, pp. 21-29. DOI: 10.1007/978-
981-13-6339-9_2
Anexe
Anexa nr. 1. Itemii care compun variabila CONV și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
SAVING_TIME Economisirea timpului. Importanța
economisirii timpului prin utilizarea IoT (de
la deloc important la foarte important). 2,3 18,8 26,2 32,0 20,6
AVOID_MOV Evitarea deplasării. Importanța evitării
inconvenientelor deplasării la o agenție de
turism: aglomerație, timpi de așteptare,
posibilitatea întâlnirii unor persoane mai puțin
agreabile (de la deloc important la foarte
important). 5,6 20,9 31,3 28,5 13,7
ELAST_TIME Elasticitatea timpului. Importanța elasticității
date de posibilitatea accesării serviciilor IoT
24 de ore pe zi și 7 zile pe săptămână (de la
deloc important la foarte important). 2,1 10,4 25,5 34,6 27,4
Anexa nr. 2. Itemii care compun variabila SOC_INFL și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
FRQ_ENTOUR Frecvența anturajului. Cât de ridicată este
frecvența utilizării IoT de către persoanele din
anturajul dumneavoastră (prieteni, colegi,
rude)? (de la frecvența foarte slabă la
frecvența foarte ridicată). 7,4 28,3 40,1 20,9 3,2
REC_ENTOUR Recomandări ale anturajului. Cât de mare este
efectul recomandărilor anturajului dumneavoastră
de a utiliza IoT în turism ? (de la foarte redus la
foarte ridicat). 5,3 22,3 34,3 29,5 8,6
AE Factori care influențeaza adoptarea internetului obiectelor în turism de către consumatorii români
292 Amfiteatru Economic
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
PUB_AUTH Autorități publice. Cât de încurajat considerați
că sunteți în utilizarea IoT de către autoritățile
publice (servicii de uz comunitar, relația cu
instituțiile publice, etc) ? (de la deloc încurajat
la încurajare totală) 18,8 29,5 36,4 13,0 2,3
Anexa nr. 3. Itemii care compun variabila HABITS și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
FRQ_PROF Frecvența IoT profesional. Cât de frecvent
considerați că utilizați IoT în activitățile
dumneavoastră profesionale (sarcini de
servici)? (de la frecvența foarte slabă la
frecvența foarte ridicată). 17,4 23,2 32,7 21,1 5,6
FREE_TIME IoT în timpul liber. Cât de frecvent
considerați că utilizați IoT în alte domenii ale
activităților dumneavoastră, în timpul liber
(activități financiar - bancare, cumpărături
online, etc) ? (de la frecvența foarte slabă la
frecvența foarte ridicată). 10,0 23,0 30,6 26,2 10,2
DIGITAL Utilizarea tehnologiilor digitale. Cât de
obișnuit sunteți să utilizați tehnologiile
digitale în activitățile dumneavoastră
generale, raportat la media națională ? (de la
frecvența foarte slabă la frecvența foarte
ridicată). 6,5 19,0 27,4 28,8 18,3
Anexa nr. 4. Itemii care compun variabila PRIV_SAFE și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
RISK_PRODUCT Riscul produsului. Cât de ridicat considerați
că este riscul de a nu beneficia de un produs
sau serviciu conform descrierii ? (de la
foarte redus la foarte ridicat). 5,3 23,2 36,0 28,8 6,7
PRIV_DATA Confidențialitatea datelor. Cât de ridicat
considerați că este riscul ca datele
dumneavoastră personale și cele privind
produsul ales să depășească sfera
confidențialității ? (de la foarte redus la
foarte ridicat). 20,6 31,6 34,3 11,8 1,6
RISK_UNSUCC Risc vacanță nereușită. Cât de îngrijorat
sunteți de posibilitatea ratării unei vacanțe
datorită alegerii unui produs turistic de
slabă calitate ca urmare a utilizării
sistemelor IoT ? (de la deloc îngrijorat la
foarte îngrijorat). 13,2 27,8 33,2 20,6 5,1
Provocări ale tehnologiilor IoT pentru întreprinderi și consumatori AE
Vol. 23 • Nr. 57• Mai 2021 293
Anexa nr. 5. Itemii care compun variabila AWARENESS și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
ADV_IOT Conștientizare avantaje IoT. Cât de bine
Conștientizați avantajele comparative oferite
de sistemele IoT în raport cu metodele clasice
de alegere a produsului sau serviciului turistic
? (de la cunoaștere foarte scazută la
cunoaștere foarte ridicata). 13,2 25,5 29,9 21,6 9,7
DISADV_IOT Conștientizare dezavavantaje IoT. Cât de bine
Conștientizați dezavantajele comparative
oferite de sistemele IoT în raport cu metodele
clasice de alegere a produsului sau serviciului
turistic ? (de la Cunoaștere foarte scăzută la
Cunoaștere foarte ridicată). 19,5 30,9 28,3 16,7 4,6
OTHER_EXP Cunoașterea experiențelor altora. Cât de bine
cunoașteți experiențele plăcute sau neplăcute
ale altor turiști în relația lor cu sistemele IoT ?
(de la cunoaștere foarte scazută la cunoaștere
foarte ridicată). 6,7 22,3 30,2 23,7 17,2
Anexa nr. 6. Itemii care compun variabila COST și distribuția răspunsurilor
Item Explicații privind itemul. Toți itemii sunt
scalați de la 1 la 5
Procentajul variantelor de răspuns
1 2 3 4 5
IMP_PRICE Importanța celui mai bun preț. Cât de
important este pentru dumneavoastră
identificarea celui mai bun preț pentru
produsul sau serviciul turistic ? (de la deloc
important la foarte important). 0,7 5,3 22,0 28,5 43,4
IDENT_PRICE Identificare preț optim prin IoT. Cât de
convins sunteți că sistemele IoT vă permit
identificarea celui mai bun preț pentru
produsul sau serviciul turistic căutat ? 7,2 20,9 29,0 30,6 12,3
top related