《信息技术接受和使用研究 基于任务技术匹配视角》：
此外，还发现了使用绩效的预测因子，包括更多的每周使用、发现兴趣相关的信息、发现网络当前信息的能力、降低购买成本和旅行、寻找信息的难度和娱乐。DiAmbra&Wilson（2004a； 2004b）又开发了增加不确定降低（Uncertainty Reduction）变量到任务技术匹配模型中的2个用于网络使用的模型。DiAmbra&Wilson（2004b）开发了一组变量用来测量用户对非工作网络服务的使用绩效，通过实证检验识别了任务技术匹配变量的子维度如下：不确定降低、娱乐、调解、控制、信息资源和定位能力。此外，结果表明不确定降低、使用、信息资源和调解显著这5个变量影响用户感知的使用绩效，总共解释了46%的方差。这就说明任务技术匹配理论可以用来评价网络使用。在另一个研究中，D'Ambra& Wilson（2004a）在个人旅游背景下检验了包含不确定降低变量的任务技术匹配理论在非工作网络使用下的解释力。通过因子分析发现信息资源、娱乐、调解和使用控制这四个子维度构成任务技术匹配变量，并且网络使用、不确定降低、信息资源和调解显著影响用户的感知绩效，总共也解释了46%的方差。
从上面的文献综述中可以看出，已经有很多研究用不同的可操作化方法定义和测量任务技术匹配理论中的任务特征、技术特征、用户特征、任务技术匹配、使用行为和使用绩效变量，并在不同的研究对象和技术应用背景下用各种各样的研究方法实证检验了庞大TPC模型中的部分子模型或者扩展模型。这些研究深化了对任务技术匹配整体模型的理解，验证了模型所适用各种不同技术的有效性，表明模型具有良好的稳健性。任务技术匹配模型的一个很大的优点就是针对不同的应用背景，模型可以细化相应的任务特征、技术特征和任务技术匹配特征，给予实践以具体的指导。但这同时又是一个缺点，因为没有给出典型的任务特征和技术特征可以用来提升技术使用绩效。本书将探索典型的任务特征和技术特征对用户使用技术认知的影响，弥补这一理论缺口。
……
展开
