1403/02/08

ارزهای دیجیتال؛ علل پذیرش و روابط متقابل آن ها

فابانیوز، شناخت علل پذیرش فناوری ارزهای دیجیتال از سوی کاربران، می ­تواند بر آینده این فناوری تأثیرگذار باشد؛ با این وصف تحقیقات محدودی در این باره صورت گرفته و این پژوهش در پی ارائه مدلی برای شناسایی عوامل تأثیرگذار بر پذیرش این فناوری است.

مقاله با عنوان «ارائه مدلی جهت پذیرش فناوری ارزهای دیجیتال»، خلاصه پایان ‏نامه دکتری مهدی یادگاری؛ دانش‏ آموخته دکترای مهندسی فناوری اطلاعات- گرایش تجارت الکترونیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی است. ◇ این پایان‏ نامه همراه با 32 رساله دیگر در کمیته علمی نخستین جشنواره رساله دکتری سال پذیرفته شد. ◇ این پژوهش با هدف شناسایی عوامل تأثیرگذار بر پذیرش فناوری ارزهای دیجیتال، درک روابط متقابل آن ها و در نهایت توسعه یک مدل جامع به انجام رسید تا بتواند با رویکردی نظام‌مند، مدلی شناختی از سازه‌های ارزهای دیجیتال ایجاد کند. ◇ این جشنواره هم‏زمان با نهمین رویداد بزرگ تراکنش برای تقدیر از تلاش علمی نخبگان، پل ارتباط صنعت و دانشگاه و شناسایی جوانان مستعد به همت مرکز فابا و انجمن علمی تجارت الکترونیکی ایران و با حمایت شرکت ملی انفورماتیک برگزار شد. ◇ این مقاله به زودی در کتاب نخبگان علمی ایران نیز همراه با گزارشی از جشنواره و دیگر مقاله‏ های راه یافته به جشنواره منتشر خواهد شد.

خلاصه آنچه خواهید خواند :

ماهیت غیرمتمرکز ارزهای دیجیتال این امکان را فراهم می‌آورد که در زمان کم و بدون نیاز به نهادهای واسط مانند بانک‌ها، وسیله‌ای برای پرداخت باشند یا به‌عنوان دارایی دیجیتال ارزشمند، در سطح بین‌المللی پذیرفته شوند. شناخت علل پذیرش فناوری ارزهای دیجیتال از سوی کاربران، می ­تواند بر آینده این فناوری تأثیرگذار باشد؛ با این حال تحقیقات محدودی در مورد پذیرش ارزهای دیجیتال انجام شده است که اکثر آن ها از یک مدل پذیرش؛ پذیرش فناوری عمومی با رویکرد اثبات‌گرایی استفاده می‌کنند.

مشکل اصلی مطالعات قبلی این است که آن ها به ساختار مدل‌های پذیرش عمومی محدود شده‌اند و به دلیل پیچیدگی فزاینده مدل، تنها چند سازه را مورد بررسی قرار می‌دهند. از سوی دیگر، با توجه به ماهیت منحصربه‌فرد ارزهای دیجیتال و پیشرفت‌ سریع جنبه‌های اجتماعی و فناورانه آن، ایجاد مدل‌های جامع که ابعاد مختلف پذیرش را شامل می‌شود، ضروری به نظر می‌رسد.

این پژوهش با هدف شناسایی عوامل تأثیرگذار بر پذیرش فناوری ارزهای دیجیتال، درک روابط متقابل آن ها و در نهایت توسعه یک مدل جامع به انجام رسید و برای به انجام رساندن آن از مهم‌ترین تحقیقات دهه گذشته در زمینه پذیرش ارزهای دیجیتال بهره برده تا بتواند با رویکردی نظام‌مند، مدلی شناختی از سازه‌های ارزهای دیجیتال ایجاد کند.

نقطه کانونی رویکرد این تحقیق ساخت‌گرایی(سازه‌انگاری)، ضمن در نظر گرفتن تأثیر سازه‌ها بر یکدیگر، استفاده از نقشه‌های شناختی فازی است که پیش از این در تحقیقات پذیرش ارزهای دیجیتال به کار گرفته نشده است. نتایج مدل پیشنهادی نشان می‌دهد که سودمندی درک شده، نگرش، ارزش مالی و سهولت استفاده درک‌ شده مهم‌ترین سازه‌هایی هستند که بر ایجاد قصد مثبت نسبت به استفاده و پذیرش ارزهای دیجیتال تأثیر می‌گذارند. ارزیابی مدل پیشنهادی نیز بیانگر استحکام ساختاری و تحلیلی آن و حساسیت به تغییر شرایط است که می‌تواند در سناریو‌های متفاوت مورد استفاده قرار گیرد.

آنچه آمد در مقاله ‏ای با عنوان «ارائه مدلی جهت پذیرش فناوری ارزهای دیجیتال» بسط داده شده است. این مقاله درواقع خلاصه پایان ‏نامه دکتری مهدی یادگاری؛ دانش‏ آموخته دکترای مهندسی فناوری اطلاعات- گرایش تجارت الکترونیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی است.

این پایان ‏نامه همراه با 32 پایان‏ نامه دیگر در نخستین جشنواره رساله دکتری سال پذیرفته شد (لینک اعضای شورای سیاستگذاری جشنواره) و پایان نامه ها توسط هیئت داوران مورد بررسی قرار گرفت (لینک معرفی هیات داوران جشنواره). این جشنواره، هم‏زمان با برپایی نهمین نمایشگاه تراکنش ایران برای تقدیر از تلاش علمی نخبگان و ایجاد فرصت بهره ‏مندی از پایان ‏نامه ‏های مرتبط به اکوسیستم صنایع مالی، بانکی، پرداخت و فناوری به همت مرکز فابا و انجمن علمی تجارت الکترونیکی ایران و با حمایت شرکت ملی انفورماتیک برگزار شد.این مقاله به زودی در کتاب نخبگان علمی ایران نیز همراه با گزارشی از جشنواره و دیگر مقاله‏ های راه یافته به جشنواره منتشر خواهد شد. متن مقاله را در ادامه می‏ خوانید:

ارائه مدلی جهت پذیرش فناوری ارزهای دیجیتال

پژوهشگر: مهدی یادگاری؛ دکترای مهندسی فناوری اطلاعات- گرایش تجارت الکترونیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی

استاد راهنما: دکتر شهریار محمدی

چکیده

ارزهای دیجیتال با ماهیت غیرمتمرکز خود، بدون نیاز به نهادهای واسط مانند بانک‌ها، به‌سرعت به‌عنوان وسیله‌ای برای پرداخت یا به‌عنوان دارایی دیجیتال ارزشمند، در حال پذیرش بین‌المللی هستند. شناخت علل پذیرش فناوری ارزهای دیجیتال از سوی کاربران، می ­تواند بر آینده این فناوری تأثیرگذار باشد؛ با این حال تحقیقات محدودی در مورد پذیرش ارزهای دیجیتال انجام شده است که اکثر آن ها از یک مدل پذیرش؛ پذیرش فناوری عمومی با رویکرد اثبات‌گرایی استفاده می‌کنند. مشکل اصلی مطالعات قبلی این است که آنها به ساختار مدل‌های پذیرش عمومی محدود شده‌اند و به دلیل پیچیدگی فزاینده مدل، تنها چند سازه را مورد بررسی قرار می‌دهند.

از سوی دیگر، با توجه به ماهیت منحصربه‌فرد ارزهای دیجیتال و پیشرفت‌ سریع جنبه‌های اجتماعی و فناورانه آن، ایجاد مدل‌های جامع که ابعاد مختلف پذیرش را شامل می‌شود، ضروری به نظر می‌رسد.

هدف این مقاله شناسایی عوامل تأثیرگذار بر پذیرش فناوری ارزهای دیجیتال، درک روابط متقابل آن ها و در نهایت توسعه یک مدل جامع است. این پژوهش از مهم‌ترین تحقیقات دهه گذشته در زمینه پذیرش ارزهای دیجیتال استفاده کرده و با رویکردی نظام‌مند، مدلی شناختی از سازه‌های آن ها ایجاد می‌کند.

نقطه کانونی رویکرد این تحقیق ساخت‌گرایی(سازه‌انگاری)، ضمن در نظر گرفتن تأثیر سازه‌ها بر یکدیگر با استفاده از نقشه‌های شناختی فازی است که پیش از این در تحقیقات پذیرش ارزهای دیجیتال انجام نشده است. نتایج مدل پیشنهادی نشان می‌دهد که سودمندی درک شده، نگرش، ارزش مالی و سهولت استفاده درک‌شده مهم‌ترین سازه‌هایی هستند که بر ایجاد قصد مثبت نسبت به استفاده و پذیرش ارزهای دیجیتال تأثیر می‌گذارند. ارزیابی مدل پیشنهادی نیز بیانگر استحکام ساختاری و تحلیلی آن و حساسیت به تغییر شرایط است که می‌تواند در سناریو‌های متفاوت مورد استفاده قرار گیرد.

کلمات کلیدی: بلاک چین، ارزهای دیجیتال، پذیرش فناوری، نگاشت شناختی فازی

  1. مقدمه و ضرورت

پیش‌بینی می‌شود بلاک چین و ارزهای دیجیتال تا سال 2030 تولید ناخالص داخلی جهانی را به میزان 1.76 تریلیون دلار افزایش دهند و انتظار می‌رود کشورهای آسیایی این فناوری بیشترین سود را خواهند برد. از نظر بسیاری از محققان فناوری بلاک‌چین و رمز ارزها یک نوآوری ریشه ­ای یا مخرب است؛ به این معنا که پتانسیل نابودی فناوری قبلی و جایگزینی آن را داراست.

هرچند برخی آن را مکمل فناوری­ های حاضر­ می­دانند نه جایگزین آن­ ها اما این نوآوری با وجود توانایی بالا هنوز هم در ابتدای مراحل توسعه بوده و به آرامی به سمت پذیرش عمومی حرکت می‌کند. در حال حاضر محبوبیت ارزهای دیجیتال در حال افزایش است و تحقیقات در مورد علل محبوبیت و شناخت علل پذیرش این فناوری از سوی کاربران می ­تواند بر آینده این فناوری تأثیرگذار باشد؛ لذا نیاز به تحقیقات کیفی و مفهومی برای فناوری‌هایی که در ابتدای راه پذیرش هستند ضروری بوده و حتی به نظر می­رسد این امر برای فناوری رمز ارزها ]که مدل­های موجود به طور کامل قادر به پوشش ویژگی­ های آن نمی ­باشد[ اولویت بالاتری نسبت به سایر فناوری‌های نوظهور دارد؛ بنابراین این رساله درصدد رسیدن به یک مدل جامع ­تر برای پذیرش فناوری ارزهای دیجیتال گام خواهد برداشت؛ مدلی که محققان این حوزه نیز وجود آن را ضروری دانسته ­اند. با توجه به نمودار انتشار نوآوری و منحنی s شکل پذیرش فناوری، ارزهای دیجیتال در ابتدای دوره پذیرش خود در بیشتر نقاط دنیا قرار دارد. از آنجا که پیشتازان و پذیرندگان اولیه یک نوآوری تأثیر به‌سزایی در موفقیت، رشد، شناخت و حتی شکست آن فناوری دارند؛ مطالعه و بررسی ویژگی ­هایی که باعث پذیرش اولیه در این کاربران شده است اهمیت به‌سزایی دارد.

شکل شماره 1. نمودار انتشار نوآوری و منحنی s شکل پذیرش ارزهای دیجیتال

  1. تبیین شکاف و روش پیشنهادی

محدود شدن به ساختار مدل‌های پذیرش فناوری خطر از دست دادن اطلاعات را در پی خواهد داشت. با توجه به این‌که شناخت تمام دلایل اصلی استفاده از تکنولوژی اغلب دشوار است (شائو، 2018) معمولاً سازه‌های مدل‌های پذیرش محدود بوده و به مهم‌ترین عوامل بسنده می‌کنند. از سویی در نظر گرفتن سازه‌های بیشتر به دلیل ساختار مدل‌های پذیرش باعث افزایش پیچیدگی مدل شده (رحیمی، 2018) و محققان را ناگریز از افزایش حداقلی سازه‌ها به مدل پایه می‌کند.

تا جایی که برخی محققان حتی برای کاهش پیچیدگی برخی ساز‌ه های مدل‌های پایه را نیز حذف کرده اند. برای مثال القطرانی و همکاران(2007)  و سان و همکارن(2009) سازه‌های تعدیل‌گر را برای مقابله با پیچیدگی (ونکتاش و همکاران، 2016) از مدل UTAUT حذف کرده‌اند. اما در حقیقت مدل‌سازی پذیرش نیازمند در نظر گرفتن طیف وسیعی از سازه‌ها مرتبط با خصوصیات فردی (شائو، 2018) و خصوصیات فناوری (العمری، 2019) است. از نظر ساختاری نیز به نظر می‌رسد انتقادهایی به مدل‌ها و تئوری‌های پذیرش فناوری در ارزهای دیجیتال وارد است برای مثال اینکه در هیچ یک از پژوهش‌های انجام شده برای پذیرش فناوری ارزهای دیجیتال عدم قطعیت روابط و در نظر گرفتن روابط متقابل درونی بین سازه‌های مختلف پذیرش و سنجش تاثیرپذیری یا تاثیرگذاری سازه‌ها بر یکدیگر به چشم نمی‌خورد در حالی نیاز به یک نقشه از روابط متقابل و وابستگی بین سازه‌ها در مدل‌های پذیرش ضروری دانسته شده است (رحیمی، 2018) . همچنین مسلماً یک مدل پذیرش فناوری باید هم متغیرهای و ویژگی‌های انسانی و هم تکنولوژیکی را که ممکن است بر استفاده از تکنولوژی تاثیر بگذارد را به‌صورت هم‌زمان در نظر بگیرد (شائو، 2018) اگر چه این امر در مدل‌های جدید پذیرش مانند چارچوب چند سطحی پذیرش و استفاده از فناوری (ونکتاش و همکاران،2016) دیده شده است، اما در کاربرد برای فناوری ارزهای دیجیتال کم‌رنگ بوده است.

از سویی ساختار مدل‌های پذیرش فناوری موجود، به‌ندرت بر روی ویژگی‌هایی یک فناوری خاص تمرکز می‌کنند (شائو، 2018).  این امر برای ارزهای دیجیتال که دارای خصیصه‌های خاصی نسبت به سایر فناوری‌ها است (کاتالینی و توکر، 2017، سیلینسکیت، 2014) بیش از پیش اهمیت دارد و ساختار مدل طراحی شده باید بتواند ابعاد دیگری را نیز در نظر بگیرد. روش پیشنهادی برای فائق آمدن بر کاستی‌های مذکور استفاده از نگاشت‌های شناختی فازی به شیوه‌ای نوآورانه بر اساس ساختار حوزه مورد مطالعه است.

  1. نوآوری‌های رساله

این پژوهش برای اولین بار از روش نگاشت شناختی فازی برای مدل‌سازی پذیرش فناوری ارزهای دیجیتال به شیوه‌ای نظام‌مند بهره برده است که پیش از این در تحقیقات مورد توجه قرار نگرفته بود. استفاده از این شیوه مدل‌سازی و روش پیشنهادی این رساله جنبه‌های نوآورانه ذیل را در فضای پذیرش ارزهای دیجیتال به ارمغان آورده است:

  • توسعه مدلی نوین جهت پذیرش فناوری، منطبق بر فناوری ارزهای دیجیتال
  • در نظر گرفتن روابط علی متقابل بین سازه‌های پذیرش فناوی به صورت چندمرحله‌ای
  • افزایش توسعه پذیری مدل‌های پذیرش در ترکیب سازه‌های جدید
  • امکان ترکیب ‌مدل‌های پایه پذیرش فناوری با رویکرد سازه‌انگاری
  • ارائه روشی سیستماتیک و توسعه‌پذیر برای مدل‌سازی جامع از عوامل موثر بر پذیرش فناوری ارزهای دیجیتال که برای سایر فناوری‌های نوظهور نیز کاربرد داشته باشد.
  • کاهش پیچیدگی مدل‌سازی و تفسیر در پذیرش فناوری ارزهای دیجیتال

  1. مروری بر مهم‌ترین مدل‌ها و تئوری‌های پذیرش فناوری

منظور از پذیرش فناوری چگونگی پذیرش و مقبولیت یک فناوری برای استفاده است. اولین مدل­ های پذیرش فناوری در دهه 70 میلادی ظاهر شدند. این مدل ها درصدد پاسخ به این پرسش هستند که کاربران چگونه یک فناوری را پذیرفته و از آن استفاده می­ کنند.

در واقع مدل‌های پذیرش فناوری همچنین به پیش‌بینی نیازهای یک فناوری در حال توسعه در سناریوهای مختلف و پیچیده بازار کمک می­ کنند با بررسی و پالایش ادبیات موضوع 21 مدل و تئوری مختلف در این رساله استخراج گردید. شرط اصلی برای انتخاب مدل‌ها و تئوری‌ها عمومیت داشتن و استفاده از آن ها در فناوری‌های مختلف بوده است. شمای کلی مدل‌ها و ارتباطات آن ها در شکل شماره ‏4 مشخص شده‌ است. لازم به ذکر است فلش‌ها نمایانگر توسعه یافتن یک مدل از مدل قبلی می‌باشد.

هر یک از مدل‌ها و تئوری‌ها دارای ساختار مخصوص به خود بوده و شامل متغیرهای اصلی و تعدیل­گر متفاوتی می­ شود؛ در حقیقت این متغیرها یا سازه ­ها شکل‌دهنده رفتار پذیرش فناوری می ­باشند. شکل شماره 5 فراوانی استفاده از این متغیرها در مدل‌های مختلف را نشان می‌دهد.

باید توجه داشت استفاده از این مدل­ ها حتی برای یک فناوری مشخص در دو شرایط متفاوت می ­تواند بعضاً نتایجی معکوس داشته است. ازاین‌رو شناخت شرایط حیاتی تأثیرگذار بر مدل پذیرش و مشخص کردن آن­ ها به جای تفسیر سازه ­های یک مدل و منطبق کردن آن ها با شرایط می­تواند نتایج بهتری در پی داشته باشد.

  1. پژوهش‌ها در حوزه پذیرش ارزهای دیجیتال

به‌طور کلی تحقیقات آکادمیک که در حوزه ارزهای دیجیتال انجام گرفته‌اند را می‌توان به چهار دسته فنی، اقتصادی، تنظیم مقررات و علوم اجتماعی تقسیم کرد.

در این بین دسته علوم اجتماعی کمترین میزان تحقیقات را به خود اختصاص داده است. و دسته فنی نیز محبوب‌ترین حوزه تحقیقاتی در زمینه ارزهای دیجیتال می‌باشد. اکثر تحقیقات حوزه ارزهای دیجیتال بیت کوین را به عنوان نماینده این فناوری در نظر گرفته و تحقیقات خود را معطوف به آن کرده اند.

در زمینه پذیرش نیز این امر صادق است و پذیرش بیت­کوین به عنوان پذیرش تمام ارزهای دیجیتال در نظر گرفته شده است. به طور خاص پژوهش‌های انجام شده در حوزه پذیرش فناوری ارزهای دیجیتال را می‌توان در پنج گروه مانند جدول شماره 1 دسته‌بندی کرد. گروه پژوهش‌های صرفاً کیفی، به دلیل عدم ارتباط با این مقاله در بررسی‌های پیش ‌رو مورد توجه نبوده‌اند.

جدول شماره 1. دسته‌بندی پژوهش‌های حوزه پذیرش ارزهای دیجیتال

شماره دسته توضیح نمونه
1 استفاده از یک مدل پایه پژوهش‌هایی که از ساختار یکی از مدل‌ها یا تئوری‌های عمومی پذیرش استفاده کرده‌اند. فولکینشتاین و لنون  (2016) TBP
2 ترکیب مدل‌های پایه پژوهش‌هایی که از سازه‌های دو یا چند مدل‌ یا تئوری‌ پذیرش استفاده و آن ها را با هم ترکیب کرده‌اند. انسکه (2018)  UTAUT 2 و DOI
3 ترکیب ‌مدل‌های پایه و سازه‌های خارجی پژوهش‌هایی که با استفاده از یک یا چند مدل پایه، آنها را با سازه‌های جدیدی منطبق بر فناوری ارزهای دیجیتال توسعه داده‌اند. اولیوا و همکاران ( 2019) افزودن سازه‌های “سواد مالی” و “خطر درک‌شده” به  UTAUT
4 سایر روش‌های نظام‌مند پژوهش‌هایی که از روش‌های نظام‌مند با رویکرد سازه‌انگاری برای مدل‌سازی پذیرش ارزهای دیجتال استفاده می‌کنند. در مواردی ساختار این پژوهش‌ها از مدل‌های پایه نشئت می‌گیرند. سهیب و دیگران (2020) شبکه عصبی، PLS-SEM و TAM
5 صرفاً کیفی پژوهش‌هایی که از مدل‌های پذیرش استفاده نکرده‌ و غالباً بر پایه مصاحبه‌های باز یا نیمه ساختار یافته شکل گرفته‌اند. ساس و خیرالدین(2017)

6 .معرفی روش پیشنهادی و متدولوژیهدف اصلی این پایان‌نامه شناخت عوامل تأثیرگذار در پذیرش فناوری ارزهای دیجیتال برای کاربران نهایی است. مشخصه‌های پذیرش فناوری ارزهای دیجیتال بزرگ مقیاس و بسیار پیچیده‌اند. همچنین با توجه به موارد ذکر شده در بخش قبل نیاز داریم تا روابط علّی بین سازه‌ها را نیز بسنجیم.

روش پیشنهادی برای فائق آمدن بر کاستی‌های مذکور استفاده از نگاشت‌های شناختی فازی به شیوه‌ای نوآورانه بر اساس ساختار حوزه مورد مطالعه است. FCM با نمایش روابط علی و نمایش تأثیرگذاری و تأثیرپذیری عوامل از هم می‌تواند ابعاد مختلف پذیرش را تشریح کند.

از سویی به‌طور کلی حوزه پژوهشی حاضر در دسته پژوهش‌های علوم اجتماعی قرار می‌گیرد و در این دسته تحقیقات عموماً تعیین سازه‌های پذیرش به صورت کیفی انجام ‌می‌پذیرد که مدل کردن این سازه‌ها حتی با روابط ریاضی نیز با پیچیدگی زیاد همراه است.

زمانی که مدل‌های ریاضی به دلیل پیچیدگی سیستم قابل استفاده نیستند نقشه‌های شناختی با مدل‌سازی این سیستم پیچیده یک ابزار بسیار مناسب برای نشان دادن دیدگاه کیفی به شمار می‌روند.

نگاشت‌های شناختی فازی به‌طور کلی یک مدل‌سازی گرافیکی از یک سیستم است. جیتر و کوک (2014) بر اساس مطالعات زیاد در این حوزه موفق به ارائه یک متدولوژی استاندارد و کلی برای مدل‌سازی نگاشت‌های شناختی فازی در 6 مرحله شده‌اند. این شش  مرحله در شکل شماره 6 نمایش داده شده‌اند.

از آنجا که مدل‌سازی پذیرش ارزهای دیجیتال در این رساله نیز به روش FCM انجام خواهد شد، از این متدولوژی برای ساخت مدل‌ پایه بهره خواهیم برد. شکل شماره 7 نیز روند انجام کار در این پژوهش را مرحله به مرحله نشان می‌دهد.

 

  1. اجرای روش

برای ساخت نگاشت‌های شناختی فازی مطابق روش بیان شده می‌بایست از پژوهش‌های گذشته به‌عنوان خبره برای تشکیل هر FCM کمک گرفت. برای این کار مهم‌ترین پژوهش‌های حوزه پذیرش ارزهای دیجیتال مورد بررسی دقیق قرار گرفت و سازه‌ها و روابط آنها استخراج شد.

برای شناخت مهم‌ترین پژوهش‌ها از شاخص میانگین استناد در هر سال بر اساس پایگاه گوگل اسکولار استفاده می‌کنیم. این شاخص با تعدیل زمان ارائه مقاله بیانگر اهمیت نسبی آن پژوهش می‌باشد.

لازم به ذکر است داده‌های هر پژوهش در یک کشور/ منطقه بررسی شده است از این رو در صورتی که پژوهش مورد بررسی در یک کشور در رتبه بالاتر به‌عنوان خبره شناسایی شده باشد، پژوهش‌های مرتبط با آن کشور در رتبه پایین‌تر به‌عنوان خبره در مدل پیشنهادی دخیل نمی‌شوند تا پراکندگی مناسب داده‌های ورودی رعایت گردد.

همچنین شایان توجه است Fcm های خام تشکیل شده از هر پژوهش بر‌اساس نتایج فرضیات تائید شده آن مطالعه خواهد بود و تمام سازه‌های بیان شده در آن پژوهش را در بر نمی‌گیرد. همچنین در صورتی که وزن سازه‌ها در پژوهش مشخص شده باشند از همان وزن به عنوان وزن یال fcm استفاده می‌شود.

  1. استخراج سازه‌های مؤثر بر پذیرش فناوری ارزهای دیجیتال و ایجاد گره‌های شبکه شناختی

این رساله به شیوه سازه‌انگاری تحقیقات موجود را مورد بررسی قرار داده و سازه‌های آنها را مستقل از ساختار مدل‌های پذیرش و نظر شخصی مورد بررسی قرار می‌گیرند.

در حقیقت رویکرد در این مرحله سازه‌محور است تا مدل محور؛ لذا در ابتدا تمام سازه‌های مدل‌ها و تئوری پذیرش فناوری استخراج می‌شوند. هر یک از این سازه‌ها و مهم‌تر ارتباط بین دو سازه می‌تواند به‌صورت بالقوه یکی از گره‌ها یا ارتباط بین دو گره در نگاشت شناختی فازی باشد.

عوامل و معیارهای مختلف ذی‌نقش در یک FCM ممکن است مکمل، مستقل، مشابه و یا حتی متعارض با سایر معیارها باشند. برای اتخاذ یک تصمیم یا تقسیر مبتنی بر مدل باید تمام عوامل و معیارها باید در نظر گرفته شوند چرا که همه آنها در مقدار گره‌های نهایی تاثیرگذار هستند.

  1. یک نمونه ساخت FCM: سهیب و همکاران 2019

سهیب و همکاران  2019 با استفاده از یک رویکرد چند بخشی شامل ترکیب حداقل مربعات جزئی و مدل‌سازی معادلات ساختاری ((PLS-SEM  و تحلیل شبکه عصبی مصنوعی (ANN) سعی کردند رابطه بین بعد آمادگی فناوری (خوش‌بینی، نوآوری، ناراحتی، ناامنی) و پذیرش فناوری (سهولت درک شده و سودمندی درک شده) و قصد استفاده از ارزهای دیجیتال را اندازه‌گیری می‌کند.

جدول شماره 2. سازه‌های مؤثر بر پذیرش از منظر سهیب و همکاران 2019

نماد گره معادل انگلیسی وزن یال خروجی
A6 قصد استفاده Cryptocurrency use intention
C6-1 راحتی استفاده درک‌شده perceived ease of use 0.486 to A6, 0.321 to C6-2
C6-2 مزیت درک شده perceived usefulness 0.514
C6-3 عدم راحتی Discomfort -0.08 to C6-2; -0.1 to C6-1
C6-4 عدم امنیت Insecurity -0.16 to C6-2;  -0.21 to C6-1
C6-5 خوش‌بینی Optimism 0.242 to C6-2;  0.4 to C6-1
C6-6 میزان نوآور بودن فرد Innovativeness 0.191 to C6-2;  0.285 to C6-1

شکل شماره 10. نقشه شناختی ترسیم‌شده از پژوهش سهیب و همکاران 2019

این فرآیند برای تمام پژوهش‌های منتخب انجام شده و پس از تطبیق و یکسان‌سازی مفاهیم، تعین میزان ریزدانگی، تعیین درجه یال‌ها، مدل‌ها مورد تجمیع فازی و سپس نقشه‌ها ادغام می‌شوند. مقدار هر گره به‌صورت بازگشتی طبق رابطه (1) حساب می‌گردد. طبق این رابطه مقدار هر گره برابر است با جمع اثر تمام گره‌های تأثیرگذار بر روی گره و نیز مقدار قبلی خود گره(گلیکاس، 2010).

(1)

t: دور تکرار

: مقدار گره i در تکرار t ام

: میزان تأثیر گره j بر روی گره i

می‌توان رابطه (1) را به‌صورت برداری به شکل رابطه (2) نوشت.

      (2)

f نیز در رابطه (1) یک تابع فشرده‌ساز است که هنگامی که گره‌های مفهومی در بازه [0، 1] قرار دارند، معمولاً تابع فعال‌سازی سیگموئید (به تابع لجستیک نیز شناخته می‌شود) مانند رابطه (3) اتخاذ می‌شود؛ اما اگر گره‌های شبکه شناختی فازی در بازه [1، 1-] باشند، می‌توان از تابع مماس هذلولی (تانژانت هذلولی) مانند رابطه (4) استفاده کرد.

       (3)

(4)

در این روابط  تعیین‌کننده شیب تابع فشرده‌ساز وe  عدد نپر ( =2.73) می ­باشد.

  1. بررسی مدل

شمای کلی مدل نهایی و سازه‌هایی وابسته که بر پذیرش ارزهای دیجیتال تاثیر‌گذار هستند (متغییرهای وابسته) به‌صورت شکل شماره 11 قابل نمایش هستند. در این تصویر یال‌های آبی بیانگر تاثیر مثبت و یال‌های قرمز بیانگر تاثیر منفی یکی سازه بر سازه دیگر هستند. همچنین قطر هر یال بیانگر شدت تاثیر است. برای مثال تاثیر Performance usefulness بر Intention to use یک ثاثیر مستقیم بسیار زیاد است.

شکل شماره 11. تمام سازه‌های موثر بر پذیرش ارزهای دیجیتال

هر یک از متغیر‌های وابسته توسط مجموعه‌ای از متغییر های مشاهده پذیر (مستقل) برانگیخته می‌شوند. در حقیقت برای آنکه بتوان اندازه‌گیری متغیر پنهان را امکان‌پذیر کرد، به سنجه‌هایی در قالب گویه‌های قابل درک نیاز است. شکل شماره 12 نمایی از متغییرهای مشاهده پذیر Perceived ease of use را نمایش داده است. برای مثال درجه‌ای که یک فرد احساس می‌کند تبدیل شدن به یک متخصص در این حوزه ارزهای دیجیتال آسان است(متغییر مستقل) بر درک او از سهولت استفاده (متغییر وابسته) تاثیر گذار است و در نهایت می‌تواند به قصد رفتاری پذیرش ارزهای دیجیتال (گره نهایی) منجر شود.

در حقیقت مدل ارائه شده دارای سه سطح می‌باشد. در سطح صفر مدل بینش کلان و خلاصه دانش 10 ساله پذیرش ارزهای دیجیتال را برای سیاست‌گذاران ارائه می‌دهد؛ در سطح یک به پژوهشگران کمک می‌کند بهترین فرضیات را ایجاد کنند و در سطح دو به تعیین سوالات مبتنی بر هر فرضیه و آزمون آن ها می‌پردازد.

شکل شماره 13. نمایش مدل در سه سطح

جمع‌بندی و نتیجه‌گیری

این پژوهش برای اولین بار با استفاده از روش نگاشت شناختی فازی یک مدل‌سازی جامع از عوامل مؤثر بر پذیرش ارزهای دیجیتال بر اساس نتایج تحقیقات معتبر این زمینه در هشت سال اخیر کرده است.

این روش هر یک از پژوهش‌های معتبر مرتبط با پذیرش ارزهای دیجیتال را به عنوان یک خبره در نظر گرفته و از خروجی پژوهش‌ها به عنوان ورودی مدل استفاده کرده است؛ لذا از مزایای پراکندگی داده‌ها در سطح جهان به روشی سیستماتیک برای ساخت یک مدل جامع استفاده کرده است.

لازم به ذکر است اغلب تحقیقات انجام‌شده در پذیرش ارزهای دیجیتال، رویکرد اثباتی را بکار برده‌اند که در آن نویسندگان نظرسنجی را برای جمع‌آوری داده‌ها از پاسخ دهندگان انجام دادند و سپس آن ها را تحلیل کردند تا فرضیه خود را اثبات نمایند. اما این پژوهش تحقیقات موجود و سازه‌های آن ها را مستقل از ساختار مدل‌های پذیرش و نظر شخصی مورد بررسی و تحلیل قرار داده است.

در حقیقت رویکرد در این تحقیق سازه‌محور است تا مدل محور؛ لذا در تمام سازه‌های مدل‌ها و تئوری پذیرش فناوری که در ادبیات موضوع ارزهای دیجیتال یافت شدند کدگذاری و به مدل شناختی فازی  تبدیل شدند. برای سنجش سازه‌های با اهمیت و تأثیرات بیشتر بر گره‌ نهایی(پذیرش) نیز تمامی مدل‌‌ها ادغام و نقشه شناختی فازی نهایی جهت تفسیر ترسیم شد.

یافته‌های مدل ارائه‌شده نشان می‌دهد که سودمندی درک شده، نگرش، ارزش مالی و سهولت استفاده از فناوری ارزهای دیجیتال از مهم‌ترین عواملی هستند که باعث ایجاد نگرش مثبت نسبت به پذیرش این فناوری می‌شوند. با در نظر گرفتن شرایط هر جامعه، یافتن ابزارها و روش‌هایی که بتواند این عوامل را برآورده کند، می‌تواند تأثیر قابل توجهی بر پذیرش ارزهای دیجیتال در مقیاس بزرگ داشته باشد.

نهمین نمایشگاه تراکنش ایران به مدت ۳ روز، از ۱۸ تا ۲۰ دی‌ماه ۱۴۰۲ برگزار شد. این دوره با استقبال حدود ۱۲ هزار نفر از مدیران، متخصصان و فعالان فناوری های مالی، ۱۷ نشست تخصصی،۶۰ کارگاه معرفی محصول، دهها نشست‌ گفتگوی B2B، با حدود ۱۰۰ سخنرانی و با همراهی ۲۰۰ عضو کمیته علمی و داوری و ۳ جشنواره تخصصی و ..، میزبان اکوسیستم صنایع مالی، بانکی، پرداخت
فناوری بود.

گزارش تصویری از مراسم جشنواره رساله دکتری سال

فیلم جشنواره رساله دکتری سال در آیین افتتاحیه نهمین نمایشگاه تراکنش ایران

گزارش تصویری از تراکنش نهم ایران

کلیپ لوگو های حامیان و همراهان نهمین نمایشگاه تراکنش ایران

[avans-share-page title='لینک کوتاه و معرفی مطلب برای اشتراک گذاری ']

لینک کوتاه :

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

رویداد ها ...