運動教育干預后中老年人使用智能穿戴健康產品行為意圖的研究

蘇榮海　徐茂洲　謝仁瑋

摘 要：以計劃行為理論為研究架構，探討中老年人接受運動教育后，對使用智能穿戴健康產品的行為意圖，并進一步探討行為態度、主觀規范與知覺行為控制對行為意圖的影響。方法：選取高雄市14個行政區432名50歲以上的中老年人，運用自編智能型中老年人科技接受量表進行調查。結果：中老年人對智能穿戴健康產品的行為態度和知覺行為控制對使用行為意向的正效應顯著（路徑系數分別為0.91、0.11，P≤0.01）；主觀規范負向影響中老年人對智能穿戴健康產品的使用行為意圖（路徑系數為-0.17，P<0.01）；中老年人使用智能穿戴健康產品的行為態度在主觀規范與使用行為意圖之間起部分中介作用（總效果、間接效果和直接效果分別為0.24、0.41和-0.17，C.R.>1.96）。結論：中老年人的主觀規范能夠通過使用智能穿戴健康產品的態度影響使用行為意圖。

關鍵詞：中老年人；計劃行為理論；運動科技；運動教育；智能穿戴設備

中圖分類號：G 804.8 文章編號：1009-783X（2017）05-0463-05 文獻標識碼：A

Abstract： The purpose of this study was to explore the senior citizens' behavioral intention of using smart wearable devices after receiving sports education. The researcher used the Theory of Planned Behavior proposing as the major conceptual framework， and intended to understand the impacts that behavioral attitude， subjective norm and perceived behavioral control made on behavioral intention. We chose 432 people aged more than 50 years old from 14 administrative regions in Kaohsiung as participants and investigated them by Self-complied Intelligent Technology Acceptance Scale which applied to the old. The results of data analysis show that the behavioral attitude and perceived behavioral control of the research sample could influence behavioral intention positive and significant （path coefficients were 0.91 and 0.11 respectively； P≤0.01）， subjective norm could influence behavioral intention negative and significant （path coefficient was -0.17； P<0.01）， and behavioral attitude had part mediation effect between subjective norm and behavioral intention （total effect was 0.24； indirect effect was 0.41； direct effect was -0.17； C.R.>1.96）. To summarize， the senior citizens' subjective norm could influence behavioral intention by behavioral attitude.

Keywords： senior citizens； theory of planned behavior（TPB）； sports technology； sports education； smart wearable devices

全球老齡化現象讓人口結構出現巨大轉變，包括經濟、政治、教育與社會等層面都受到相當程度的影響。由于老年人口愈來愈多，老年人的體能與健康促進成為重要的課題，而在強化老年人體能與健康促進的策略中，運動教育被認為是十分有效的方式之一。

隨著科技發展，智能穿戴健康產品上市，人們的生活變得更加便利。智能穿戴健康產品多種多樣，近年來諸如Apple Watch、Google Glass等問世，使得智能穿戴健康產品被眾多消費者所了解。像智能手表、智能手環、智能眼鏡、心率監測設備等都是智能穿戴健康產品，因受限于應用領域與產品價格，目前只有智能手表與手環普及到人們的生活中。由于智能型手表與手環具備生理監測功能，它可以讓中老年人實時收集自己身體的基本生理數據，再結合完整的休閑運動計劃，能夠讓中老年人得到更快樂的運動體驗，從而促進老年人體能與健康；但是中老年人對新科技的接受度偏低，對于近年研發出來的智能穿戴健康產品更是如此，所以運用計劃行為理論（Theory of Planned Behavior，TPB）作為主要架構，并以運動教育課程為分水嶺，探討中老年人接受運動教育后對使用智能穿戴健康產品的行為意圖。希望可以藉此深入探討在新科技發展背景下，中老年人對于新興創新科技產業的認知，并試圖了解此人群接受運動教育后對新科技產品使用的行為意圖。

1 研究設計與數據收集

1.1 概念模型endprint

余泰魁等[1]、Mathieson[2]、Davis等[3]、Igbaria等[4]、Dishaw等[5]的研究指出：主觀規范對態度有直接效果，主觀規范對行為意圖有間接效果，態度為主觀規范與行為意圖的中介變量。在體育領域中，知覺行為控制對運動行為意圖有重要的直接影響效果[6]。經以上文獻探討，在計劃行為理論基礎上，擬定研究架構（如圖1所示），并設列假設，見表1。

1.2 研究對象

為確保測量工具問卷的信、效度，預試問卷選取我國臺灣地區50歲以上中老年人進行施測，共發放52份問卷，回收50份有效問卷，有效回收率為96.2%。

以施測地區2014年底的人口年齡數據為準，50歲以上為968萬7 155人。運用絕對精密度估算所需樣本數，于95%置信水平與±5%抽樣誤差下，至少需抽樣384人才具有代表性。據此，正式問卷共計施測432人，回收有效問卷413份，超過代表樣本數最低要求，樣本特征見表2。

1.3 研究工具

參考許嘉麟等[7]的量表，經過2次專家會議討論后，改編成《智能型中老年人科技接受量表》。量表以Ajzen[8]所提出的計劃行為理論為基礎，設計包括行為態度、主觀規范、知覺行為控制與行為意圖4個分量表。采用李克特7點計分，從完全不同意到完全同意，分值越高表示同意程度越高。

2 數據處理與結果分析

2.1 問卷的信度分析

由表3可知，題目與總分相關的值均大于0.3。各因子的克朗巴哈系數均大于0.7，屬良好信度系數，表示內部一致性較好。

2.2 問卷的效度分析

在維度之間的相關超過0.7的情況下，可利用Bootstrap的方式進行區分效度的分析[9]。運用Bootstrap置信區間法檢驗各維度的區分效度，若置信區間的上下限值區間未包括1，則稱維度具有區分效度[10]。估計結果見表4，維度的置信區間大致相同，且低于1，可見，各維度具有區分效度。

2.3 共同方法偏差分析

單因子驗證式因素分析結果如圖2所示，卡方值為1 312.793，自由度為90；多因子驗證式因素分析結果如圖3所示，卡方值為231.933，自由度為84；單因子驗證式因素分析與多因子驗證式因素分析模型的Δχ2=1 080.86，Δdf=6，差異顯著性P<0.01，顯示兩模型有顯著差異，說明研究不會因共同方法偏差而造成估計系數偏誤，增加了分析結果解釋的正確性。

2.4 整體模型擬合度分析

在結構方程模型中，當樣本數大于200以上時，模型的卡方值容易造成膨脹，導致模型擬合度不佳，數據未符合多元正態分布，故擬合度需經由Bollen-Stine P-value correction修正[11]。令虛無假設H0為最大概似法的卡方值（χ2）和經修正后的卡方值相等，P<0.05代表拒絕虛無假設，即最大概似法所得卡方值與Bollen-Stine P-value correction所估計的卡方值不同。本研究經Bollen-Stine bootstrap修正后所得P值為0.000 49，故可接受以Bollen Stine P-value correction進行模型卡方值修正。經Bollen-Stine Bootstrap修正后模型擬合度（見表5），各項擬合度指標均良好。

2.5 假設檢驗

2.5.1 H1～H4假設檢驗

根據路徑分析結果，H1、H3、H4 3項假設路徑值分別為0.91、0.11、0.45，P值小于0.05，即此3項假設成立；H2路徑值為-0.17，P值小于0.05，數據分析呈現負向顯著影響，換言之，中老年人接受運動教育后，使用智能穿戴健康產品的主觀規范負向顯著影響行為意圖，假設成立。假設模型路徑分析如圖4所示，研究假設實證結果見表6。

2.5.2 中介效應檢驗

中介效果檢驗中，從表7可知，主觀規范對行為意圖的總效果為0.24，標準誤為0.06，C.R.值為4.00，符合大于1.96標準。在95%置信水平下，Bias-corrected估計法所得的置信區間下限為0.12，上限為0.36；Percentile估計法所得的置信區間下限為0.11，上限為0.36；利用MacKinnon所提供的PRODCLIN2置信區間修正程序進行置信區間修正，在95%置信水平下，置信區間下限為0.37，上限為0.78，3種方式進行置信區間計算均未包含0，故總效果成立。同理，間接效果成立。直接效果部分，主觀規范對行為意圖的直接效果為-0.17，標準誤為0.07，C.R.值為2.43，C.R.值大于1.96，直接效果成立。可見，行為態度對主觀規范與行為意圖為部分中介效果，故假設H5成立。

2.6 交叉效度檢驗

結構方程模型一般使用協方差結構模型作為事后模型的估計，進行模型檢驗時，依據MacCallum等[12]的研究指出檢驗會出現4種不一致性，包括：因參數估計方式選用不同而產生總體樣本協方差矩陣與研究模型假設的實際參數估計間不一致，稱為近似不一致性；因為以抽樣樣本替代總體樣本，因而產生樣本協方差矩陣與樣本參數估計間不一致，稱為抽樣不一致性；因總體樣本參數估計值與樣本參數估計值間的差異而產生的估計不一致性；以及總體樣本協方差矩陣與抽樣樣本參數估計的協方差矩陣之間的整體不一致性。一般而言，為減少上述異質性情形，必須進行交叉效度驗證以證明研究結果具有跨樣本及跨情境的一致性。

本研究將樣本隨機分成2個不同群組，經2個群組進行模型間的交叉效度檢驗，以檢驗組間的顯著性，若ΔCFI≤0.01或ΔTLI≤0.05表示2群組無差異，證明此模型具有穩定性[13-14]。交叉效度分析結果見表8，結果顯示：在經隨機分成2群組后，2群組的Δ比較擬合指標（ΔCFI）與考慮模型復雜度后的增值擬合指標（ΔTLI）均符合檢驗標準，證明研究模型具有一致性與穩定性。endprint

3 討論

資料[15]顯示，2013年底，我國60歲以上的中老年人接近2億人，2020年將達到2億4300萬人，2025年將突破3億人。面對2億多老齡化人口的巨大壓力，加之“互聯網+健康養老”新技術產品特別是智能穿戴健康產品的快速普及，要實現健康老齡化的目標，促進中老年人這一人群自我健康管理及獨立生活的能力，讓老年人適應快速的技術創新變得勢在必行。由于老年人有其特殊的生理、心理和社會需求特點，可能會對新事物或新技術產生一定程度的抵觸情緒。用戶的抵觸情緒是新興技術順利推行的主要障礙之一；因此，在向中老年人推廣智能穿戴健康產品時，除了考慮技術因素，也要從中老年人的角度出發進行心理評估，探討其對于智能穿戴健康產品這一新興技術的接受度，從而促進中老年群體的使用意向或行為，將潛在需求轉變為有效需求。研究結果顯示：

1）以往研究表明，中老年用戶因對新科技的使用操作缺乏認知，會自認為他們不具備使用新科技需要的專業技能[16]；但當中老年用戶充分認知新科技可以帶來的好處時，他們會非常有動力去學習[17]。不少研究還發現中老年人很難專注在一件事情上，并且很容易感到厭煩，這種現象可能是由于他們對自身能力不自信而帶來的焦慮[18]。除去心理因素，收入和受教育程度也是導致新科技產品低使用率的重要原因[19]。這些研究佐證了中老年人對智能穿戴健康產品的行為態度和知覺行為控制能夠正向影響使用行為意向；因此，一方面需對智能穿戴健康產品的使用方式、功能及產品的價格、特性進行耐心講解，并提供實際體驗機會，提升中老年人對產品的態度，另一方面需通過運動教育對中老年人使用產品進行干預，獲得產品使用的技能，并提升產品的易用性，提高中老年人使用產品的知覺行為控制，以此提高產品使用率。

2）主觀規范負向影響中老年人對產品的使用行為意向，這一結果與以往的研究不一致。老年人不懂得如何操作智能產品時總喜歡問詢家人或者近親好友，并且愿意在家或者有近親好友的地方使用智能產品[20]。多項研究[21-22]表明，如果年輕人非常擅長使用健康智能產品，他們會鼓勵并引導中老年人使用，由此可見，中老年人對新科技健康智能產品的接受能力受家庭及周圍人的影響。該研究選取樣本的中老年人中“與家人同住”僅占28.1%，“夫妻同住”和“一人居住”的占70.9%，研究樣本大多數中老年人缺乏家庭對產品使用的幫助與支持，主觀規范效應較低，導致主觀規范負向影響中老年人的產品使用行為意向。這也提醒運動教育干預不能影響中老年人的主觀規范程度，因此社會、家庭方面應提供更多的支持，從而提升主觀規范程度，滿足他們的使用需求。

3）大量文獻顯示，隨著年齡增長，身體老化，人體的大部分基本功能會減弱[23-24]。這些變化給中老年人帶來很多限制，通常表現為他們在和技術產品交互時感到困惑[25]。與年齡相關的身體機能變化，在人體老化過程中非常普遍，卻影響巨大，主要表現在知覺（視覺與聽覺）、認知能力和身體活動能力的衰退[26]。中老年人面臨著心理、生理上的雙重困難，均會影響他們對新科技產品的接受能力；但心理因素似乎更為重要，因為生理上的難題可以通過運動教育干預或好的產品設計去進行一定程度的彌補[24]，而突破心理困難，重要他人（家庭、親朋好友等）或周遭環境對中老年人的認同感就顯得十分重要。根據結果得知，它會直接影響中老年人使用產品的態度，還會透過態度間接影響中老年人使用產品的行為意圖。

4 結論

1）中老年人對智能穿戴健康產品的行為態度和知覺行為控制能夠正向影響行為意向。

2）主觀規范對中老年人使用智能穿戴健康產品的行為意向有負向影響。

3）智能穿戴健康產品的行為態度對中老年人主觀規范與使用行為意圖具備部分中介效果。

5 未來研究方向

本研究針對中老年人在接受運動教育后對智能穿戴健康產品的行為意圖進行研究，在研究過程中，對穿戴式智能產品進行使用教學，而后立即進行運動課程干預，課程內容為適合中老年人的平衡防跌訓練健康操。運動課程干預后，先讓被試者利用智能穿戴健康產品判讀生理數據，再讓受試者進行問卷填答，以期了解在運動教育干預下，中老年人對使用智能穿戴健康產品的行為意圖。后續研究建議，以運動教育作為干擾變量，探討中老年人在接受運動教育前后使用智能穿戴健康產品的行為意圖。

參考文獻：

[1] 余泰魁，鄭時宜.虛擬社群在線聊天行為模式之研究[J].電子商務研究，2004，2（2）：117.

[2] MATHIESON K. Predicting user intentions：Comparing the technology acceptance model with the theory of planned behavior[J]. Information Systems Research，1991，2（3）：173.

[3] DAVIS F D，BAGOZZI R P，WARSHAW P R. Extrinsic and intrinsic motivation to use computers in the workplace[J]. Journal of Applied Social Psychology，1992，22（14）：1111.

[4] IGBARIA M，PARASURAMAN S，BAROUDI J J. A motivational model of microcomputer usage[J]. Journal of Management Information Systems，1996，13（1）：127.

[5] DISHAW M T，STRONG D M. Extending the technology acceptance model with task-technology fit constructs[J]. Information and Management，1999，36（1）：9.endprint

[6] COURNEYA K S，PLOTNIKOFF R C，HOTZ S B，et al. Social support and the theory of planned behavior in the exercise domain[J]. American Journal of Health Behavior，2000，24（4）：300.

[7] 許嘉麟，張韡瀚，黃美涓，等.智能型高齡者照護設備科技接受問卷之內容效度-以“交互式隨身照護手表”為例[J].中國臺灣職能治療研究與實務雜志，2008，4（2）：104.

[8] AJZEN I. From Intentions to Actions：A Theory of Planned Behavior[M]. Action Control：Springer Berlin Heidelberg，1985：23.

[9] PING R A. On assuring valid measures for theoretical models using survey data[J]. Journal of business research，2004，57（2）：125.

[10] TORKZADEH G，KOUFTEROS X，PFLUGHOEFT K. Confirmatory analysis of computer self-efficacy[J]. Structural Equation Modeling，2003，

10（2）：263.

[11] BOLLEN K A，STINE R A. Bootstrapping Goodness-of-Fit Measure in Structural Equation Models[J]. Sociological Methods and Research，19

92，21（2）：205.

[12] MACCALLUM R C，ROZNOWSKI M，MAR C，et al. Alternative Strategies for Cross-Validation of Covariance Structure Models[J]. Multivariate Behavioral Research，1994，29（1）：1.

[13] CUDECK R，BROWNE M W. Cross-Validation of Covariance Structure[J]. Multivariate Behavioral Research，1983，18（2）：147.

[14] LITTLE T D. Mean and Covariance Structures（MACS）Analysis of Cross-Cultural Data：Practical and Theoretical Issues[J]. Multivariate Behavioral Research，1997，32（1）：53.

[15] 吳玉韶.中國老齡事業發展報告[M].北京：社會科學文獻出版社，2013：2.

[16] HOLZINGER A，SEARLE G，NISCHELWITZER A. On Some Aspects of Improving Mobile Applications for the Elderly[C]//Springer-Verlag：roceedings of the 4th international conference on Universal access in human computer interaction：Coping with diversity ，2007：923.

[17] NEVES B B，AMARO F. Too old for technology？ How the elderly of Lisbon use and perceive ICT[J]. The Journal of Community Informatics，2012，8（1）：1.

[18] LINES L，HONE K S. Eliciting user requirements with older adults：Lessons from the design of an interactive domestic alarm system[J]. Universal Access in the Information Society，2004，3（2）：141.

[19] TACKEN M，MARCELLINI F，MOLLENKOPF H，et al. Use and acceptance of new technology by older people：findings of the international MOBILATE survey “Enhancing Mobility in Later Life”[J]. Gerontechnology，2005，3（3）：126.

[20] SELWYN N. The information aged：A qualitative study of older adults use of information and communications technology[J]. Journal of Aging Studies，2004，18（4）：369.

[21] DILLON A. User acceptance of information technology[J]. Karwowski & Waldemar Encyclopedia of Human Factors & Ergonomics，2001，31（1）：3.

[22] CZAJA S J，LEE C C. The impact of aging on access to technology[J]. Universal Access in the Information Society，2007，5（4）：341.

[23] CZAJA S J，CHARNESS N，FISK A D，et al. Factors predicting the use of technology：findings from the Center for Research and Education on Aging and Technology Enhancement （CREATE）[J]. Psychol Aging，2006，21（2）：333.

[24] HANSON V L. Age and web access：the next generation[C] //International Cross-Disciplinary Conference on Web Accessibililty ACM，2009：7.

[25] ROCKER C，WILKOWSKA W，ZIEFLE M，et al. Towards Adaptive Interfaces for Supporting Elderly Users in Technology-Enhanced Home Environments[C]//Biennial Conference of the International Communications Society：Culture，Communication and the Cutting Edge of Technology，2010：27.

[26] ABELES N，COOLEY S，DEITCH I M，et al. What practitioners should know about working with older adults[J]. Professional Psychology：Research and Practice，1998，29（5）：413.endprint