Vpliv izkušenj na sprejemanje sistema za upravljanje avtomatiziranih vozil v logistiki : master's thesis

Anžur, Zoja (author), Sladky, Ronald (mentor), Fröhlich, Peter (comentor)

Sprejemanje tehnologije (ST) je uveljavljeno področje v organizacijski psihologiji in preučevanju (uporabniške) izkušnje. V zadnjih letih smo priča naraščajočemu številu tehnoloških rešitev, ki postajajo del našega življenja. Veliko s tem povezanih sprememb se dogaja tudi v kontekstu dela (Marangunić in Granić, 2015), kjer je uvajanje nove tehnologije pogosto drag in zahteven proces (Venkatesh idr., 2003). ST je konstrukt, ki se v literaturi omenja že dolgo. Davis (1985; 1989) je izdelal enega prvih modelov za napovedovanje ST, ki je služil kot temelj za nadaljnje delo na tem področju. Imenoval ga je Model sprejemanja tehnologije (angl. Technology Accpetance Model), v katerem sta bila v ospredju faktorja uporabnost in enostavnost uporabe. V naslednjih desetletjih je nastalo veliko teoretičnih okvirjev za napovedovanje in pojasnjevanje ST (npr. Venkatesh in Davis, 2000; Venkatesh in Bala, 2008). Venkatesh je s sodelavci (2003) izdelal model, ki naj bi obstoječe modele na področju ST povezoval v splošni model, ki bi bil lahko apliciran tudi v prakso. Eden izmed najnovejših modelov na tem področju je ARTLAM – angl. Automated Road Transport Logistics Acceptance Model. Razvil ga je Fröhlich in sodelavci (2021) na podlagi razširjenega pregleda literature in empiričnih podatkov. Model je uporaben predvsem na področju raziskovanja ST v kontekstu logistične industrije. Za potrebe naše magistrske naloge smo ga nekoliko prilagodili in za napovedovanje ST predlagamo naslednje faktorje: - Uporabnost: učinkovitost, spremenjeni delovni pogoji itd. v povezavi z implementacijo avtomatiziranih transportnih sistemov v logistiki (ATSL). - Enostavnost uporabe: zahtevnost procesov, kompleksnost uporabniških vmesnikov in kakovost oddaljene komunikacije z ATLS-i. - Podporne okoliščine: morebitne spremembe na delovnih mestih, spremembe v zakonodaji in podporna infrastruktura za omogočanje delovanja ATLS-ov. - Varnost: potencialno zmanjšanje tveganja za nesreče, razreševanje težav in groženj ter varnost ogroženih skupin v prometu. - Zaščita: grožnja kibernetskih napadov in potencialna tehnološka nedovršenost ATLS-ov. - Zanesljivost: število okvar na vozilih in potreba po posredovanju človeka v kritičnih situacijah. - Javna podpora: različni vidiki javnega mnenja o uporabi ATLS-ov, npr. nezaupanje zaradi pomanjkanja informacij. Ker ARTLAM še ni bil uporabljen za preiskovanje izkušenj uporabnikov, ki so bili v interakciji z določenim tehnološkim izdelkom, bo to eden izmed prispevkov naše magistrske naloge. V logistični industriji v zadnjih letih prihaja do pospešene implementacije avtomatiziranih tehnoloških rešitev, saj to omogočajo nekatere značilnosti logističnih okolij (npr. visoka stopnja nadzora, nizka hitrost vozil, nizko število ranljivih udeležencev v prometu) (Fröhlich idr., 2021). Nekateri avtorji (npr. Cimini idr., 2020; Hofmann in Rüsch, 2017) omenjajo tako imenovano četrto industrijsko revolucijo, ki se nanaša na široko uvajanje avtomatizirane tehnologije v logistiko in na spremembe v številnih ustaljenih procesih. Avtorji na področu preučevanja interakcij med človekom in strojem (npr. Cimini idr., 2020; Baldauf idr., 2021; Gafert idr., 2021) opozarjajo na mnoge izzive, ki se bodo v naslednjih letih pojavili v logistični industriji. Med drugim navajajo težave z definiranjem vloge človeka, zmanjšanjem števila zaposlenih, težave pri sodelovanju z avtomatizirano tehnologijo itd. Za reševanje bo pomembno upoštevanje človekovega vidika in grajenje vmesnikov, ki bodo uporabniku omogočali čim lažjo interakcijo s tehnologijo (Gafert idr., 2021). Za spopadanje s težavami je pomembno tudi preučevanje ST in grajenje okvirja, ki bo omogočil dobro komunikacijo med različnimi ravnmi industrije. Problem, s katerim smo se ukvarjali v magistrski nalogi, smo skušali umestiti v paradigmo prediktivnega procesiranja. To je paradigma, po kateri naši možgani izdelujejo model sveta, ki nas obdaja in na ta način skušajo predhodno konstruirati senzorne signale (Nave idr., 2020). Nagnjeni smo k temu, da ves čas primerjamo signale iz okolja in naše napovedi o njih. Kadar so te napovedi napačne, se izračuna napaka, ki se uporabi za prilagajanje modela (Clark, 2013). Magistrska naloga je del širšega evropskega projekta, ki se imenuje AWARD in se osredotoča na preučevanje avtomatizacije v logistiki. Cilji in hipoteze Tema naše magistrske naloge je preučevanje ST v kontekstu avtomatiziranih vozil v logistiki. Želeli smo preučevati faktorsko strukturo ST, kot jo opisuje že omenjeni prirejeni model ARTLAM. Zanimala nas je uporaba modela na sistemu za upravljanje z avtomatiziranimi vozili (SUA). SUA je sistem, ki uporabniku (operatorju) omogoča pregled nalog, tovora, lokacije in stanja avtomatiziranih vozil. V raziskavo smo vključili dve skupini udeležencev, in sicer: - Skupina 1: Sestavljali so jo zaposleni v logistiki, ki se še niso srečali s SUA. - Skupina 2: Sestavljali so jo zaposleni v logistiki, ki so se že srečali s SUA. Zanimalo nas je, ali se izkušnje udeležencev različnih skupin med sabo razlikujejo. S tem namenom smo oblikovali 3 hipoteze: H1: ARTLAM se dobro prilega podatkom, zbranim v skupini udeležencev, ki jim je bil predstavljen sistem SUA. H2: Udeleženci, ki jim je bil predstavljen sistem SUA, bodo imeli v povprečju višje dosežke na faktorju enostavnost uporabe kot udeleženci, ki jim sistem ni bil predstavljen. H3: Udeleženci, ki jim je bil predstavljen sistem SUA, bodo imeli v povprečju nižje dosežke na faktorju podporne okoliščine kot udeleženci, ki jim sistem ni bil predstavljen. Metoda V prvi skupini smo analizirali podatke N = 86 udeležencev, v drugi pa N = 27. Za pridobivanje podatkov smo v prvi skupini uporabljali vprašalnik za merjenje sedmih predpostavljenih faktorjev ST, v drugi skupini pa poleg tega še tri video posnetke in intervju. Video posnetki so prikazovali tipično uporabo sistema SUA. V prvi skupini udeležencev smo podatke zbirali preko spletnega vprašalnika brez prisotnosti testatorja. V drugi skupini udeležencev je podatke zbiral testator z vsakim udeležencem posebej preko videoklica. Najprej je udeležencu pokazal tri video posnetke, nato pa je uporabil vprašalnik in spraševal vprašanja, ki so bila del intervjuja. V intervjuju so bila na začetku zastavljena tri vprašanja, zastavljena takoj po prikazu video posnetkov, ki so se nanašala na prikazan SUA. Nato sta bili po vsakem delu vprašalnika udeležencem zastavljeni dve vprašanji, vezani na posamezni faktor ST. Na koncu vprašalnika je bilo zastavljeno še zadnje, splošno vprašanje. Rezultati V prvem delu analize smo podatke razdelili v dva nabora, in sicer ločeno glede na skupino udeležencev. Najprej smo preverili manjkajoče vrednosti in nekatere opisne statistike obeh naborov. Rezultate na skupinah postavk, ki so merile isti faktor, smo združili v skupne dosežke na faktorjih. To smo naredili tako, da smo iz vseh postavk, ki so merile isti faktor, izračunali povprečni dosežek. Podrobneje smo preučili opisne statistike posameznih postavk v drugem naboru podatkov. Nato smo uporabili Shapiro-Wilkov test za preverjanje normalnosti, ki je pokazal, da odgovori večinoma niso porazdeljeni normalno, kar smo upoštevali v nadaljevanju analize in v diskusiji. Nadaljevali smo z analizo korelacij, pri čemer smo zaradi kršenja predpostavke o normalnosti porazdelitve izračunali Spearmanov koeficient korelacije. Zmerne in visoke korelacije med postavkami, ki ne merijo istega faktorja, nakazujejo na morebitno odvisnost faktorjev. Prav tako na to kažejo visoke korelacije med dosežki na različnih faktorjih. Izračunali smo še korelacije med skupnimi dosežki na faktorjih in postavko za merjenje splošnega ST. Korelacije so bile relo različne, kar nam ne da jasnih predstav o povezanosti faktorjev in splošnega ST. Na podlagi rezultatov opisnih statistik in analize korelacij smo zaključili, da se sedemfaktorski model ne prilega dobro podatkom v drugem naboru, torej smo ovrgli prvo hipotezo. Nato smo izvedli enostranski test Mann-Whitney za neodvisne vzorce. Zanimalo nas je, ali se rezultati na faktorjih enostavnost uporabe in podporne okoliščine razlikujejo. Ugotovili smo, da se ne, in tako ovrgli drugo in tretjo hipotezo. Zadnji korak v analizi podatkov je predstavljala kvalitativna analiza odgovorov, ki smo jih zbrali preko intervjujev. Podatke z intervjujev smo zbrali za N = 18 udeležencev, analizirali pa smo jih po principih vsebinske analize. Po pregledu kod, tem in vzorcev ter povezav med njimi smo preko kvalitativne analize dobili podobne rezultate kot pri kvantitativni analizi. Kode in teme, ki so se pojavljale pri različnih faktorjih, so bile zelo raznolike in pogosto prepletene. Pri delu, ki se je nanašal na varnost, so bile teme najbolj konsistentne in povezane. Diskusija in zaključek V okviru diskusije smo skušali premisliti o naših raziskovalnih ciljih, postavljenih hipotezah in omejitvah našega pristopa. Prvo hipotezo smo zaradi rezultatov opisne analize in analize korelacij ovrgli. Rezultati so namreč nakazovali na nejasno in nepredvideno povezanost postavk znotraj faktorjev (negativne korelacije med odgovori) in visoko povezanost med faktorji, ki naj bi merili različne vidike ST. Drugo in tretjo hipotezo smo ovrgli zaradi rezultatov enostraskega testa Mann-Whitney za neodvisne vzorce. To nam je dalo vplogled v dejstvo, da je preučevan konstrukt ST precej kompleksen. Hkrati pa je potrebnih več raziskav na tem področju, predvsem na področju uporabe modelov v praksi. Zaradi nejasnih zaključkov smo imeli težave z umestitvijo rezultatov v paradigmo prediktivnega procesiranja. V diskusiji smo oblikovali nekaj priporočil, kako bi se bilo raziskovanja ST smiselno lotiti v prihodnosti. V naši raziskavi smo imeli nekatere omejitve. Prva je bila nizko število udeležencev v drugi skupini (N = 27). Poleg tega smo imeli nekatere omejitve kar se tiče uporabljenih instrumentov – postavke vprašalnika in vprašanja intervjuja so bila včasih nejasna in kompleksna. Težava pa je bila tudi dolgotrajnost procesa pridobivanja podatkov, kar bi lahko vplivalo na rezultate preko utrujenosti udeležencev.

• Language: English
• Keywords: Interakcija med človekom in računalnikom, Poslovna logistika, sprejemanje tehnologij, avtomatizirana vozila, prediktivno procesiranje, intervju, vprašalnik, ocenjevalne lestvice
• Work type: Master's thesis/paper
• Typology: 2.09 - Master's Thesis
• Organization: PEF - Faculty of Education
• Place of publishing: Ljubljana
• Publisher: Z. Anžur
• Year: 2024
• Number of pages: VIII, 40 str.
• PID: 20.500.12556/RUL-162768
• UDC: 004.5:005.51(043.2)
• COBISS.SI-ID: 209984259
• Publication date in RUL: 27.09.2024

Secondary language

• Language: Slovenian
• Title: Effect of experience in acceptance of a system for management of logistics fleets : magistrsko delo

Abstract

Technology acceptance is a field with a long research tradition. One of the first models in this field was constructed by Davis (1985) and it emphasizes usefulness and ease of use as determinants of technology acceptance. A lot of models were developed in the following years (e.g., Venkatesh & Davis, 2000; Venkratesh & Bala, 2008) - one of the most recent ones is ARTLAM - Automated Road Transport Logistics Acceptance Model. It was constructed by Fröhlich et al. (2021) and is mostly applicable in the logistics industry. We slightly modified this model for the purpose of researching user experience as part of our thesis. Modified, this model proposes usefulness, ease of operation, supporting conditions, safety, security, and public acceptance as determinants of technology acceptance. Due to an increase in the use of automated technology in the logistics industry (Fröhlich et al., 2021), a lot of challenges emerged, especially those related to the change in role of humans, collaboration with the automated technology, interfaces for human-computer interaction, etc. (e.g., Cimini et al., 2020; Baldauf et al., 2021; Gafert et al., 2021). A possibility to confront these challenges is why researching technology acceptance is important and beneficial. The aim of our thesis was to investigate technology acceptance as proposed by the modified ARTLAM in the context of the logistics industry. Furthermore, we investigated possible differences between a group of participants who were introduced to a new and automated technological solution (a fleet management system – FMS) and a group of participants who were not. Furthermore, our aim was to embed the results into the predictive processing framework – a leading paradigm in cognitive science with the main notion that our brain constantly generates predictions of the world and tries to minimize the differences between the predicted and actual information (Clark, 2013). We investigated three hypotheses, namely: ARTLAM fits good to the data gathered in the group of participants who were presented with the FMS; Participants who were presented with the FMS will on average have higher scores on factor ease of operation than participants who were not; Participants who were presented with the FMS will on average have lower scores on factor supporting conditions than participants who were not. In two groups of participants, N1 = 86 and N2 = 27, we gathered data via a questionnaire for measuring the proposed seven factors. Additionally, we conducted interviews with 18 participants from the second group, which were exposed to the FMS via watching three videos of a test facilitator interacting with the system. We analysed the gathered data via conducting a descriptive analysis, analysis of correlations, Mann-Whitney U Test, and qualitative analysis. Descriptive analysis and analysis of correlations indicated that factors have a weak structure, and they might not be good indicators of overall TA. They are also highly connected to each other. Mann-Whitney U Test revealed that there were no expected differences in scores on factors ease of operation and supporting conditions between the two groups. Qualitative analysis pointed to a similar conclusion as the qualitative – factors are highly connected with one another. In conclusion, we rejected all three of our hypotheses. Several limitations affected this outcome, namely a low number of participants in the second group, complex and/or confusing questionnaire items and interview questions.

• Keywords: Technology acceptance, Human-Computer interactions, automated vehicles, predictive processing, interview, questionnaire, measurement scales