Publication
A predictive model for the acceptance of wearable ubiquitous activity monitoring devices
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Baras, Karolina | |
| dc.contributor.author | Jesus, Ricardo Nuno Araújo Sol de | |
| dc.date.accessioned | 2023-10-20T13:55:58Z | |
| dc.date.available | 2023-10-20T13:55:58Z | |
| dc.date.issued | 2023-09-15 | |
| dc.description.abstract | Acceptance of wearable ubiquitous activity monitoring devices that track activity has been a hot topic for the last decade. Several theories have been made, particularly how to think about the Technology Acceptance Model (TAM). These theories have been used in different situations to learn more about how people and organizations accept new technology. Even though the TAM is mature and works in different situations, there is not much published research that tries to expand its ability to predict how people will react to wearable ubiquitous activity monitoring devices. One reason for this gap could be that the TAM is based on the idea that people's acceptance behavior can only be predicted by two beliefs: Perceived Ease of Use (PEOU) and Perceived Usefulness (PU). Literature shows that PU and PEOU beliefs are not enough. This means that they may not be able to explain why people accept new things, like Activity Trackers (AT). Because of this, it is important to include any other factors that can help predict how likely people are to use activity trackers. As an extension of research on the TAM, this study created and tested two models of how people accept and use wearable ubiquitous activity monitoring devices, with two questionnaires with more than 200 respondents that shield light on the subject. The proposed models added key concepts from the research stream on how people accept information systems to the theoretical framework of the TAM and Health Information Technology Acceptance Model (HITAM). The resulting models were analyzed using a variety of statistical techniques including Structural Equation Analysis. The first model was reanalyzed via qualitative analysis with 20 interviews, and reanalyzed via another quantitative method of Artificial Neural Networks (ANN). The most significant contributions of this dissertation are: 1. The construction of two models that predict activity tracking adoption and usage. 2. Guidelines for designing activity trackers. These contributions can help promote activity trackers as an essential piece of equipment that helps monitor progress during workouts as well as other times, such as when the user is at rest or sleeping. We will see that by being continually reminded to walk about and avoid sitting for extended periods of time or doing nothing at all, this helps a person build healthy behaviors. Additionally, activity trackers should be designed to maintain a person's motivation to finish the daily activity routine, which is necessary for people to accomplish their health and fitness objectives. This thesis contributes with two quantitative models for the acceptance and use of activity trackers, and creates recommendations for different types of users. | pt_PT |
| dc.description.abstract | A aceitação de dispositivos ubíquos vestíveis de monitorização de atividade que rastreiam a atividade tem sido um tema cálido na última década. Várias teorias foram concebidas, principalmente como pensar o Modelo de Aceitação de Tecnologia (TAM). Essas teorias têm sido usadas em diferentes situações para aprender mais sobre como as pessoas e as organizações aceitam novas tecnologias. Conquanto o TAM seja maturo e funcione em diferentes situações, não há muitas investigações publicadas que tentem expandir a sua capacidade de prever como as pessoas reagirão a dispositivos ubíquos vestíveis de monitoramento de atividade. Uma razão para essa lacuna pode ser porque o TAM é baseado na ideia de que o comportamento de aceitação das pessoas só pode ser previsto por duas asseverações: Facilidade de Uso Percebida (PEOU) e Utilidade Percebida (PU). A literatura mostra que as asseverações nas PU e PEOU não são suficientes. Isso significa que essas duas asseverações podem não ser capazes de explicar o porquê de as pessoas aceitarem coisas novas, como monitores de atividade (AT). Por isso, é importante incluir quaisquer outros fatores que possam ajudar a prever a probabilidade de as pessoas usarem monitorizadores de atividade. Como extensão da pesquisa sobre o TAM, esta investigação criou e testou dois modelos de como as pessoas aceitam e usam dispositivos ubíquos vestíveis de monitorização de atividade, com dois questionários com mais de 200 repostas cada, que clarificam o assunto. Os modelos propostos agregaram conceitos-chave da pesquisa sobre como as pessoas aceitam os sistemas de informação ao referencial teórico do TAM e do Modelo de Aceitação de Tecnologia da Informação em Saúde (HITAM). Os modelos resultantes foram analisados usando uma variedade de técnicas estatísticas, incluindo Modelação de Equações Estruturais. O primeiro modelo foi reanalisado por meio de uma análise qualitativa com 20 entrevistas, e de novo reanalisado por meio de outro método quantitativo com Redes Neurais Artificiais (RNA). A construção de dois modelos que predizem a adoção e uso do monitorização da atividade é a contribuição mais significativa que pode ser retirada deste trabalho, juntamente com as diretrizes para o design de monitorizadores de atividade. Essas contribuições podem ajudar a promover os monitorizadores de atividade como um equipamento essencial que ajuda a monitorizar a evolução durante os treinos e em outros momentos, como quando o utilizador está em repouso ou dormindo. Ao ser continuamente lembrado para andar e evitar ficar sentado por longos períodos de tempo ou não fazer nada, isso ajuda o utilizador a construir comportamentos saudáveis. Além disso, os monitorizadores de atividade devem ser projetados para manter a motivação de uma pessoa em concluir a rotina diária de atividades, o que é necessário para que as pessoas atinjam seus objetivos de saúde e condição física. Esta tese contribui com modelos quantitativos para a aceitação e uso de monitorizadores de atividades e cria recomendações para diferentes tipos de utilizadores. | pt_PT |
| dc.identifier.tid | 101442416 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.13/5329 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Physical activity tracking | pt_PT |
| dc.subject | User acceptance | pt_PT |
| dc.subject | Ubiquitous systems | pt_PT |
| dc.subject | Personal informatics | pt_PT |
| dc.subject | Personal data tracking | pt_PT |
| dc.subject | Wearable computers | pt_PT |
| dc.subject | Sports/Exercise | pt_PT |
| dc.subject | Survey | pt_PT |
| dc.subject | Extreme users | pt_PT |
| dc.subject | User centered design (HCD) | pt_PT |
| dc.subject | Human computer interaction (HCI) | pt_PT |
| dc.subject | Technology acceptance model (TAM) | pt_PT |
| dc.subject | Health information technology acceptance model (HITAM) | pt_PT |
| dc.subject | Embodied interaction | pt_PT |
| dc.subject | Artificial neural networks | pt_PT |
| dc.subject | Monitorização de atividade física | pt_PT |
| dc.subject | Aceitação pelo utilizador | pt_PT |
| dc.subject | Sistemas ubíquos | pt_PT |
| dc.subject | Informática pessoal | pt_PT |
| dc.subject | Rastreio de dados pessoais | pt_PT |
| dc.subject | Computadores vestíveis | pt_PT |
| dc.subject | Desporto/Exercício | pt_PT |
| dc.subject | Questionários | pt_PT |
| dc.subject | Utilizadores extremos | pt_PT |
| dc.subject | Design centrado no humano (HCD) | pt_PT |
| dc.subject | Interação humano computador (HCI) | pt_PT |
| dc.subject | Modelo de aceitação da tecnologia (TAM) | pt_PT |
| dc.subject | Modelo de aceitação da tecnologia de informação em saúde (HITAM) | pt_PT |
| dc.subject | Interação incorporada | pt_PT |
| dc.subject | Redes neurais artificiais (RNA) | pt_PT |
| dc.subject | Informatics Engineering, specialization Human-Computer Interaction | pt_PT |
| dc.subject | . | pt_PT |
| dc.subject | Faculdade de Ciências Exatas e da Engenharia | pt_PT |
| dc.title | A predictive model for the acceptance of wearable ubiquitous activity monitoring devices | pt_PT |
| dc.type | doctoral thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | doctoralThesis | pt_PT |
| thesis.degree.name | Doctor degree in Informatics Engineering, specialization Human-Computer Interaction | pt_PT |