Warning: in_array() expects parameter 2 to be array, null given in include() (line 295 of /var/www/vhosts/mmi.fem.sumdu.edu.ua/httpdocs/sites/all/themes/mmi/node-article.tpl.php).

Ефективна комунікаційна стратегія: ключовий елемент відстеження COVID-19

Автори:
Абдельхак Айт Туїл1, Сіхам Джабрауї1
1. Університет Хасана 2 (Марокко)
Сторінки:
128 - 140
Мова оригіналу:
Англійська
Цитувати як:
Touil Ait, A., & Jabraoui, S. (2022). An Effective Communication Strategy Based on Trust: the Key Element to Adopting a Covid-19 Contact Tracking Application. Marketing and Management of Innovations, 2, 128-140. https://doi.org/10.21272/mmi.2022.2-12
Отримано:
13.05.2022
Прийнято:
03.06.2022
Опубліковано:
30.06.2022


Анотація

Одним із заходів обмеження поширення пандемії COVID-19 є впровадження обов’язкового використання додатків з відстеження місця перебування захворілих. У статті проаналізовано вплив довіри на застосування додатків для відстеження місця перебування. Опитування проведено в Марокко щодо використання державного додатку «Wiqaytna». Для перевірки гіпотез дослідження використано рівняння структурного моделювання. Результати дослідження засвідчили, що побудована модель пояснює 53% дисперсії «наміру використовувати» і 40,8% «фактичного використання» додатку. Дослідження засноване на моделі прийняття технології UTAUT та моделі прийняття послуг електронного урядування GAM. Емпіричні результати засвідчили, що довіра до технологій та державних органів влади мали статистично значущий вплив на намір використовувати додаток. Запропонована модель також показує, що сприйнята обізнаність є важливим антецедентом конструктів довіри. Вплив «усвідомленої обізнаності» на довірчі конструкції (технології та уряд) сильніший, ніж соціальний вплив на останні. Більше того, сформована модель дослідження показує, що «сприйнята обізнаність» має більш значний вплив на «довіру до технологій», ніж на «довіру уряду». Через відсутність інтересу (пошук інформації) та уваги (комунікації щодо програми) серед громадян, їм бракує інформації про корисність програми та безпеку даних користувачів. Навіть ті, хто мав контакт з інформацією, яку вони шукають, часто не можуть перевірити її достовірність. Тому когнітивні та індивідуальні фактори поступаються місцем соціальному впливу. Визначено, що на рівень довіри до державних послуг влади впливає декілька факторів. Авторами визначено доцільність просвітницьких заходів щодо підвищення рівня обізнаності громадян про важливість боротьби з пандемією навіть після початку кампанії вакцинації та застосування заходів соціального дистанціювання. Необхідним є розроблення ефективної комунікаційної стратегії, щоб пояснити громадянам важливу роль додатку «Wiqaytna». Це тим самим сприятиме зменшенню побоювань щодо втрати конфіденційних даних. Крім цього до рекламних кампаній доцльно залучати лідерів думок та впливових осіб для формування громадської думки.


Ключові слова
додаток для відстеження контактів, довіра до технологій, державна довіра, соціальний вплив, сприйняте усвідомлення.


Посилання
  1. Ahmed, N., Michelin, R. A., Xue, W., Ruj, S., Malaney, R., Kanhere, S. S., ... & Jha, S. K. (2020). A survey of COVID-19 contact tracing apps. IEEE access8, 134577-134601. [Google Scholar] [CrossRef]
  2. Almaiah, M. A., Al-Khasawneh, A., Althunibat, A., & Khawatreh, S. (2020). Mobile Government Adoption Model Based on Combining GAM and UTAUT to Explain Factors According to Adoption of Mobile Government Services. International Journal of Interactive Mobile Technologies, (3). [Google Scholar] [CrossRef]
  3. Almarashdeh, I., & Alsmadi, M. K. (2017). How to make them use it? Citizens acceptance of M-government. Applied Computing and Informatics13(2), 194-199. [Google Scholar] [CrossRef]
  4. Alsajjan, B., & Dennis, C. (2010). Internet banking acceptance model: Cross-market examination. Journal of business research63(9-10), 957-963. [Google Scholar] [CrossRef]
  5. Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological bulletin103(3), 411. [Google Scholar]
  6. Cohen, I. G., Gostin, L. O., & Weitzner, D. J. (2020). Digital smartphone tracking for COVID-19: public health and civil liberties in tension. Jama323(23), 2371-2372. [Google Scholar] [CrossRef]
  7. Davis, F. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science35, 982-1003. [Google Scholar] [CrossRef]
  8. Downe, J., Cowell, R., Chen, A., & Morgan, K. (2013). The determinants of public trust in English local government: how important is the ethical behaviour of elected councillors?. Revue Internationale des Sciences Administratives79(4), 643-664. [Google Scholar] [CrossRef]
  9. Durrheim, D. N., Andrus, J. K., Tabassum, S., Bashour, H., Githanga, D., & Pfaff, G. (2021). A dangerous measles future looms beyond the COVID-19 pandemic. Nature Medicine27(3), 360-361. [Google Scholar] [CrossRef]
  10. Reynaud, F. (2020). Emmanuel Macron acte l’échec de l’application StopCovid et annonce une nouvelle version: «Tous anti-Covid ». Retrieved from [Link]
  11. Ferretti, L., Wymant, C., Kendall, M., Zhao, L., Nurtay, A., Abeler-Dörner, L., ... & Fraser, C. (2020). Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing. Science368(6491), eabb6936. [Google Scholar] [CrossRef]
  12. Ajzen, I., & Fishbein, M. (1977). Attitude-behavior relations: A theoretical analysis and review of empirical research. Psychological bulletin84(5), 888. [Google Scholar] [CrossRef]
  13. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research18(1), 39-50. [Google Scholar] [CrossRef]
  14. Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM). Sage publications. [Google Scholar]
  15. Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. 20, 277-319. [Google Scholar] [CrossRef]
  16. Horvath, L., Banducci, S., & James, O. (2022). Citizens’ attitudes to contact tracing apps. Journal of Experimental Political Science9(1), 118-130. [Google Scholar] [CrossRef]
  17. Johnson-George, C., & Swap, W. C. (1982). Measurement of specific interpersonal trust: Construction and validation of a scale to assess trust in a specific other. Journal of personality and social psychology43(6), 1306. [Google Scholar] [CrossRef]
  18. Kee, H. W., & Knox, R. E. (1970). Conceptual and methodological considerations in the study of trust and suspicion. Journal of conflict resolution14(3), 357-366. [Google Scholar] [CrossRef]
  19. Kh, R. (2020). Big Data Making Massive Strides On COVID-19 Battle. SmartData Collective. Retrieved from [Link]
  20. Khechine, H., Lakhal, S., & Ndjambou, P. (2016). A meta‐analysis of the UTAUT model: Eleven years later. Canadian Journal of Administrative Sciences/Revue Canadienne des Sciences de l'Administration33(2), 138-152. [Google Scholar] [CrossRef]
  21. Marler, J. H., Liang, X., & Dulebohn, J. H. (2006). Training and effective employee information technology use. Journal of Management32(5), 721-743. [Google Scholar] [CrossRef]
  22. Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organisational trust. Academy of management review20(3), 709-734. [google Scholar] [CrossRef]
  23. Mustaf, A., Ibrahim, O., & Mohammed, F. (2020). E-government adoption: A systematic review in the context of developing nations. International Journal of Innovation: IJI Journal8(1), 59-76. [Google Scholar] [CrossRef]
  24. Oliver, N., Lepri, B., Sterly, H., Lambiotte, R., Deletaille, S., De Nadai, M., ... & Vinck, P. (2020). Mobile phone data for informing public health actions across the COVID-19 pandemic life cycle. Science advances6(23), eabc0764. [Google Scholar] [CrossRef]
  25. Rogers, E. M. (1995). Lessons for guidelines from the diffusion of innovations. The Joint Commission Journal on Quality Improvement21(7), 324-328. [Google Scholar] [CrossRef]
  26. Rousseau, D. M., Sitkin, S. B., Burt, R. S., & Camerer, C. (1998). Not so different after all: A cross-discipline view of trust. Academy of management review23(3), 393-404. [Google Scholar] [CrossRef]
  27. Shareef, M. A., Kumar, V., Kumar, U., & Dwivedi, Y. K. (2011). e-Government Adoption Model (GAM): Differing service maturity levels. Government information quarterly28(1), 17-35. [Google Scholar] [CrossRef]
  28. Shen, N., Strauss, J., Silver, M., Carter-Langford, A., & Wiljer, D. (2019). The eHealth Trust Model: A Patient Privacy Research Framework. Studies in Health Technology and Informatics257, 382-387. [Google Scholar]
  29. Taylor, S., & Todd, P. A. (1995). Understanding information technology usage: A test of competing models. Information systems research6(2), 144-176. [Google Scholar] [CrossRef]
  30. Tenenhaus, M., Vinzi, V. E., Chatelin, Y. M., & Lauro, C. (2005). PLS path modeling. Computational statistics & data analysis48(1), 159-205. [Google Scholar] [CrossRef]
  31. van Velsen, L., van der Geest, T., van de Wijngaert, L., van Den Berg, S., & Steehouder, M. (2015). Personalisation has a Price, Controllability is the Currency: Predictors for the intention to use Personalised eGovernment Websites. Journal of Organizational Computing and Electronic Commerce25(1), 76-97. [Google Scholar] [CrossRef]
  32. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 425-478. [Google Scholar] [CrossRef]
  33. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science46(2), 186-204. [Google Scholar] [CrossRef]
  34. Venkatesh, V., Thong, J. Y., & Xu, X. (2016). Unified theory of acceptance and use of technology: A synthesis and the road ahead. Journal of the association for Information Systems17(5), 328-376. [Google Scholar] [CrossRef]
  35. Warkentin, M., Gefen, D., Pavlou, P. A., & Rose, G. M. (2002). Encouraging citizen adoption of e-government by building trust. Electronic markets12(3), 157-162. [Google Scholar] [CrossRef]
  36. Wetzels, M., Odekerken-Schröder, G., & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS quarterly, 177-195. [Google Scholar] [CrossRef]
  37. Yuan, S. (2020). How China is using AI and big data to fight the coronavirus. Retrieved from [CrossRef]
  38. Zhang, T., Tao, D., Qu, X., Zhang, X., Zeng, J., Zhu, H., & Zhu, H. (2020). Automated vehicle acceptance in China: Social influence and initial trust are key determinants. Transportation research part C: emerging technologies112, 220-233. [Google Scholar] [CrossRef]
  39. Zhao, D., & Hu, W. (2017). Determinants of public trust in government: Empirical evidence from urban China. Revue Internationale des Sciences Administratives83(2), 365-384. [Google Scholar]
  40. Alomari, M. K., Sandhu, K., & Woods, P. (2009, November). E-government adoption in the Hashemite Kingdom of Jordan: factors from social perspectives. In 2009 International Conference for Internet Technology and Secured Transactions,(ICITST) (pp. 1-7). IEEE. Google Scholar[] [CrossRef]
  41. Akkaya, C., Obermeier, M., Wolf, P., & Krcmar, H. (2011, August). Components of trust influencing e-government adoption in Germany. In International Conference on Electronic Government (pp. 88-99). Springer, Berlin, Heidelberg. [Google Scholar] [CrossRef]