El efecto condicional indirecto de la expectativa de rendimiento en el uso de Facebook, Google+, Instagram y Twitter por jóvenes

  1. Carlos Arcila Calderón 1
  2. Marcela López 2
  3. Jennie Peña 3
  1. 1 Universidad de Salamanca (España)
  2. 2 Universidad de la Costa (Colombia)
  3. 3 Universidad del Norte (Colombia)
Mostrar afiliaciones +
Revista:
Revista Latina de Comunicación Social

ISSN: 1138-5820

Año de publicación: 2017

Número: 72

Páginas: 590-607

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista Latina de Comunicación Social

Resumen

Introducción: Estudios anteriores han encontrado una relación entre el grado en que las personas perciben que una tecnología ayudará a mejorar su desempeño (expectativa de rendimiento) y el uso de dicha tecnología, pero existe poca investigación que compruebe los mecanismos y condiciones por los que este efecto opera en la adopción de medios sociales. Metodología: Se encuestaron 502 estudiantes de Colombia y se realizó un análisis de mediación moderada. Resultados y conclusiones: Se encuentran altas tasas de adopción (68%) de los medios sociales populares (Facebook, Google+, Instagram, Twitter). Consistente con la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT), el efecto condicional indirecto de la expectativa de rendimiento sobre el uso de los medios sociales resultó un predictor relevante con pesos de hasta 0,53. Este efecto estuvo mediado por la intención de uso y en algunos casos moderado por la edad y sexo.

Referencias bibliográficas

  • Agarwal, R. y Karahanna, E. (2000). Time flies when you’re having fun: Cognitive absorption and beliefs about information technology usage. MIS Quarterly, 24(4), 665–694.
  • Akbulut, Y. y Günüç, S. (2012). Perceived Social Support and Facebook Use among Adolescents. International Journal of Cyber Behavior, Psychology and Learning, 2 (1), 30-41.
  • Akram, M.S; Albalawi, Wi. (2016). Youths' Social Media Adoption: Theoretical Model and Empirical Evidence. International Journal of Business and Management. 11(2), 22-30
  • Arcila, C., Calderín, M. y Aguaded, I. 2015. Adoption of ICTs by Communication Researchers for Scientific Diffusion and Data Analysis. El Profesional de la Información, 24 (5).
  • Aydn, B. y Volkan Sar, S. (2011). Internet addiction among adolescents: the role of self-esteem. Procedia Social and Behavioral Sciences, 15, 3500–3505.
  • Ben, M. (2016). Futuro Digital Colombia 2016. Trabajo presentado en IAB Day Colombia. Agosto 28, 2016
  • Bringué, X. y Sádaba, C. (2008). Generación Interactiva en Iberoamérica. Niños y adolescentes frente a las pantallas. Retos educativos y sociales. Barcelona: Ariel, Colección Fundación Telefónica.
  • Bringué, X. y Sádaba, C. 2011. Menores y redes sociales. Madrid: Foro generaciones interactivas.
  • Cázares, A. (2010). Proficiency and attitudes toward information technologies' use in psychology undergraduates. Computers in Human Behavior, 26(5), 1004-1008.
  • Cheung CM, Chiu P-Y y Lee MK. (2011). Online social networks: Why do students use Facebook? Computers in Human Behavior, 27, 1337–1343
  • Cheung CM, Lee MK. (2010). A theoretical model of intentional social action in online social networks. Decision Support Systems, 49, 24–30
  • Claggett, J. L y Goodhue, D. L. (2011). Have IS researchers lost bandura's self-efficacy concept? A discussion of the definition and measurement of computer self-efficacy. Trabajo presentado en 44th Hawaii International Conference on System Sciences (HICSS).
  • Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ: Erlbaum.
  • Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334.
  • Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-339.
  • Davis, F. D., Bagozzi, R. P. y Warshaw, P. R. (1992). Extrinsic and Intrinsic Motivation to Use Computers in the Workplace. Journal of Applied Social Psychology, 22(14), 1111- 1132.
  • Duggan, M. (2015). Mobile Messaging and Social Media – 2015. Recuperado de http://www.pewinternet.org/2015/08/19/mobile-messaging-and-social-media-2015/
  • Faul, F., Erdfelder, E., Buchner, A. y Lang, A. (2009). Statistical power analysis using G*Power 3.1: Tests for correlation and regression analysis. Behavior Research Methods, 41(4), 1149-1160 doi: http://dx.doi.org/10.3758/BRM.41.4.1149
  • Faul, F.; Erdfelder, E.; Lang, A. & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175-191, doi: http://dx.doi.org/10.3758/BF03193146
  • Hall, D. y Mansfield, R. (1995). Relationships of Age and Seniority with Career Variables of Engineers and Scientists. Journal of Applied Psychology, 60(2), 201-210.
  • Hayes, A. (2005). Statistical Methods for Communication Science. Mahwah, NJ: Lawrence Erlbaum Associates. ISBN: 978-0805854879
  • Hayes, A. (2013). Introduction to mediation, moderation, and conditional process analysis: A regression based approach. New York: Guilford Press.
  • Igartua, J.J. (2006). Métodos Cuantitativos de Investigación en Comunicación. Madrid: Editorial Bosch.
  • Jackson, C. M., Chow, S., y Leitch, R. A. (1997). Toward an understanding of the behavioral intention to use an information system. Decision Sciences, 28(2), 357-389.
  • Kemp, S. (2017). Digital, Social and Mobile in 2017. We are social, January 2017 Recuperado de https://wearesocial.com/blog/2017/01/digital-in-2017-global-overview
  • Lin K-Y y Lu H-P. (2011). Why people use social networking sites: An empirical study integrating network externalities and motivation theory. Computers in Human Behavior, 27, 1152–1161
  • Mac Callum, K. y Jeffrey, L. (2013). The influence of students' ICT skills and their adoption of mobile learning. Australasian Journal of Educational Technology, 29(3), 303-314.
  • Macía-Sepúlveda, F. (2010). Validez de los tests y el análisis factorial: nociones generales, Ciencia y Trabajo, 12(35), 276-280.
  • Mander, J. (2016). GWI Social Summary. Recuperado de https://www.globalwebindex.net/hubfs/Reports/GWI_Social_-_Q1_2016_Summary.pdf
  • Minton, H. L., y Schneider, F. W. (1980). Differential Psychology. Waveland Press, Prospect Heights, IL.
  • Notley, T. (2009). Young People, Online Networks, and Social Inclusion. Journal of Computer-Mediated Communication, 14: 1208-1227.
  • Pérez-Gil, J., Chacón, S. y Moreno, R. (2000). Validez de constructo: El uso de análisis factorial exploratorio-confirmatorio para obtener evidencias de validez. Psicothema, 12(2), 442-446.
  • Porter, L. (1963). Job Attitudes in Management: Perceived Importance of Needs as a Function of Job Level. Journal of Applied Psychology, 47(2), 141-148
  • Quinlan, S., Gummer, T., Roßmann, J., & Wolf, C. (2017). ‘Show me the money and the party!’–variation in Facebook and Twitter adoption by politicians. Information, Communication & Society, 1-19. Subrahmanyam, K. y Lin, G. (2007). Adolescents on the net: internet use and wellbeing. Adolescence, 42(168), 659-677
  • Valkenburg, P.M. y Peter, J. (2007). Preadolescents and Adolescents Online Communication and their Closeness to Friends. Developmental Psychology, 43, 267-277.
  • Venkatesh, V., Morris, M. G., Davis, G. B. y Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.
  • Venkatesh, V., Thong, J.y Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157-178
  • Wang, N. y Yongqiang, S. (2015). Social influence or personal preference? Examining the determinants of usage intention across social media with different sociability. Information Development (2015): 0266666915603224.
  • Yuki, T. y Marchant, I. (2014). El Estado de Social Media en América Latina. [Presentación de PowerPoint]. Recuperado de https://www.comscore.com/esl/Insights/Presentations-and-Whitepapers/2014/The-State-of-Social-Media-in-Latin-America-and-the-Metrics-that-Really-Matter
  • Zhang, P., Aikman, S.N. y Sun, H. (2008). Two Types of Attitudes in ICT Acceptance and Use. Journal of Human Computer Interaction, 24(7), 628–648.
  • Zheng, R. y Cheok, A. (2011). Singaporean Adolescents’ Perceptions of On-line Social Communication: An Exploratory Factor Analysis. Journal of Educational Computing, 45(2), 203-221.
Fuente de los datos: Dialnet