L`intention de réservation en ligne d`un produit - URAM

Transcription

Proceedings of the Marketing Spring Colloquy (MSC)
Unit of Research & Applications in Marketing (URAM)
Special Volume: May, 2016. Vol. (4), pp: 31-44
E-ISSN: 2490-4376
Conference Paper
L’intention de réservation en ligne d’un produit touristique : Une
comparaison entre deux modèles : TAM (Technology Acceptance Model)
versus TPB (Theory of Planned Behaviour)
Alia Besbes Sahli ¹, Patrick Legohérel ²
¹ Doctorante à l’Université d’Angers - Assistante à l’ENIM.
² Granem - UFR ITBS - Université d’Angers.
L’intention de réservation en ligne d’un produit touristique : Une comparaison entre deux
modèles : TAM (Technology Acceptance Model) versus TPB (Theory of Planned Behaviour)
Résumé:
Cette étude se focalise sur la détermination du meilleur modèle permettant l’explication de
l’intention de réservation en ligne des produits touristiques, en comparant deux modèles, à savoir le
modèle TAM (Technology Acceptance Model) et le modèle TPB (Theory of Planned Behaviour). Les
données ont été collectées auprès de 158 personnes puis analysées à travers la régression linéaire
multiple. Les résultats de cette recherche confirment que les deux modèles expliquent l’intention de
réservation en ligne, mais à différents degrés. Nous concluons cette recherche par les limites et
proposons des voies futures de recherche.
Mots-clés : intention de réservation en ligne, e-tourisme, TAM, TPB, régression linéaire mul-tiple
Intention to book online a tourism product: A comparison between two models: TAM
versus TPB
Abstract:
This study focuses on determining the best model for explaining the intention of online booking of
tourist products, comparing two models, namely the model TAM and TPB model. Data were collected
from 158 individuals and analyzed through multiple linear regressions. The results of this research
confirm that both models explain the intention of booking on line but to different degrees. We
conclude this research by the limitations and propose future avenues of research.
Keywords: intention to book online, e-tourism, TAM, TPB, multiple linear regressions
*Paper presented at the 4th Conference of URAM. Hammamet, Tunisia. 10-11 May, 2013
Proceedings of the Marketing Spring Colloquy, Vol. (4). May, 2016.
31
Alia Besbes Sahli, Patrick Legohérel
L’intention de réservation en ligne d’un produit touristique : Une
comparaison entre deux modèles : TAM (Technology Acceptance Model)
versus TPB (Theory of Planned Behaviour)
Introduction
Récemment, les technologies de
l’information et de la communication-TIC- ont
bouleversé les habitudes et les mœurs des
individus. En effet, depuis les années 1980, les
TIC se sont développées d’une manière
exponentielle, engendrant des modifications
profondes aux diverses structures de
l’industrie dans le monde (Buhalis, Ma et
Song, 2003). La prolifération de l’outil internet
ainsi que le développement des technologies
de l’information et de la communication ont
engendré de nombreux changements dans les
divers secteurs économiques.
L’adoption
des
TIC
et
plus
particulièrement de l’internet dans l’industrie
touristique s’est fait progressivement. En
1970,
les
systèmes
de
réservation
informatisés-SIR- sont apparus. Par la suite,
dans les années 1980, les Global Distribution
Systems ont été développés afin de faciliter la
circulation de l’information entre les
professionnels (information produit et
tarifaire,
disponibilité,
distribution
et
réservation).
Enfin, à partir des années 1990, l’outil
internet commence à être utilisé par les
acteurs de l’industrie du tourisme (Buhalis,
1998). L’adoption de l’internet dans le
domaine touristique a fait émerger la notion
de tourisme en ligne ou encore e-tourisme,
qui se réfère selon Petr (2009) : « à toutes les
activités menées sur le web ou sur les mobiles
par les consommateurs en relation avec les
décisions touristiques ». Ainsi, il devient
primordial de tirer avantage de l’avancée
technologique dans le secteur touristique avec
l’utilisation et l’application des nouvelles
technologies qui ont bouleversé le
comportement du consommateur en ligne.
L’objectif de notre recherche est
d’étudier le comportement du consommateur
et plus particulièrement son intention de
réserver en ligne un produit touristique en
identifiant les déterminants les plus saillants
de l’intention à travers une comparaison de
deux modèles d’explication et de prédiction
du
comportement
d’acceptation
des
technologies d’information, à savoir le modèle
d’acceptation de la technologie –TAM,
Technology Acceptance Model- élaboré par
Davis en 1989 et le modèle de comportement
planifié-TPB, Theory of Planned Behaviour-.
L’intérêt de ce papier est donc double : nous
allons enrichir le domaine de recherche, par
l’identification d’un modèle d’explication du
comportement en ligne dans un contexte
particulier l’e-tourisme (qui diffère des autres
secteurs entre autres par la nature intangible
des produits). Par ailleurs, notre présente
recherche permettra d’apporter des éléments
de réponses aux professionnels dans le but
d’améliorer leur site web touristique. Selon
Matheison (1991) il existe trois divergences
entre ces deux modèles : la première est la
différence entre ces deux modèles par rapport
au degré de généralité. La seconde différence
réside dans le fait que le modèle TAM ne
prend pas en considération les variables
sociales pour expliquer et prédire l’intention
comportementale. Enfin, ces deux modèles
traitent le contrôle du comportement d’une
manière différente. Cette différence et
supériorité du TAM par rapport au modèle
TPB a aussi été relevé par Huh, Kim et Law
(2009) qui ont souligné le fait que peu de
recherches empiriques se sont focalisées sur
l’étude de l’intention comportementale dans
un contexte touristique. Nous allons par
ailleurs, vérifier si cette différence de
supériorité du modèle TAM par rapport au
modèle TPB est aussi observable dans cette
étude.
32
1. le Modèle d’acceptation de la technologieTAM
Le TAM a été développé pour la
première fois par Davis en 1989 (Davis, 1989 ;
Davis, Bagozzi et Warshaw, 1989 ; Shih, 2004
b). L’objectif du TAM est d’identifier les
déterminants de l’adoption des systèmes
d’information dans le but d’expliquer le
comportement d’utilisation quel que soit la
nature de la technologie utilisée en se basant
sur l’aspect cognitif (Bruner II & al.,
2007). C’est l’un des modèles les plus utilisés
pour sa simplicité et son intelligibilité (He et
King, 2006). « Le TAM constitue un instrument
qui prédit la probabilité qu’une nouvelle
technologie sera adoptée au sein du groupe
ou d’une organisation » (Brereton & al., 2010,
p 464).
Davis (1989) a introduit une adaptation de la
théorie de l’action raisonnée-TRA, Theory of
Reasoned Action, pour développer le modèle
TAM (figure 1) qui sert à expliquer le
comportement
des
utilisateurs
de
l’ordinateur. Le TAM utilise la TRA comme une
base théorique pour expliquer les relations de
causalités entre deux postulats : l’utilité et la
facilité d’utilisation perçue d’un côté et
l’attitude et l’intention des utilisateurs ainsi
que le comportement d’adoption de l’outil
informatique, de l’autre côté. Bien que le TAM
soit moins généraliste que la TRA, il demeure
le modèle le plus approprié pour illustrer
l’acceptation des ordinateurs du fait qu’il est
la résultante de recherches sur plus d’une
décennie. La différence entre TAM et TRA, est
que le modèle TAM n’inclut pas les normes
subjectives comme déterminant de l’intention
comportementale (Davis, Bagozzi et Warshaw,
1989).
Figure 1: Le modèle TAM (Davis, 1989, In
Davis, Bagozzi et Warshaw 1989)
Pour déterminer le comportement
d’utilisation des systèmes, Davis a identifié
deux construits qualifiés de croyances
cognitives : l’utilité perçue et la facilité
d’utilisation perçue. Ces construits s’avèrent
être les déterminants fondamentaux de
l’acceptation de l’utilisation pour une large
variété de technologies d’information- TI (Kim
et Moon, 2001). En d’autres termes, ces
construits expliquent le comportement
d’adoption des systèmes d’information ou des
technologies d’information. Ils sont définis
comme suit :
- L’utilité perçue est définie comme
étant «la mesure par laquelle une
personne croit que l'utilisation d'un
système particulier pourrait améliorer
sa performance au travail » (Davis,
1989, p320). La perception de l'utilité
est la mesure par laquelle une
personne croit que l'utilisation d'une
technologie permettra d'améliorer sa
productivité (Venkastesh, 1999).
- La facilité d’utilisation est « la mesure
par laquelle une personne croit que
l'utilisation d'un système particulier
serait libre d'effort » (Davis, 1989,
p320). La facilité d’utilisation perçue
est définie en termes d'effort, ce qui
conduit à la percevoir comme une
espérance de processus (Venkatesh,
1999).
Le TAM postule que l’utilisation de
l’outil informatique est la résultante de
l’intention comportementale d’usage qui n’est
autre que l’association de l’attitude envers
l’utilisation du système et les croyances
cognitives (Davis, Bagozzi et Warshaw, 1989 ;
Matheison, 1991 ; Kim et Moon, 2001 ; Shih,
2004 b ; Lin, 2007 ; Bruner II & al., 2007 ; Lu,
Wang et Zhou, 2009 ; Hwang ; Lin et Wang,
2010). Ceci étant, le comportement
d’utilisation est une fonction directe des
intentions d’utilisation qui est à son tour
fonction de l’attitude à l’égard de l’utilisation
qui peut être soit favorable, soit non favorable
envers l’utilisation des technologies. D’après,
Lee (2009) : « l’intention comportementale est
une mesure de la force de la volonté d'exercer
un effort dans l'exercice de certains
comportements » (Lee, 2009, p 132). Selon,
Davis, Bagozzi et Warshaw (1989) l’utilité
perçue et la facilité d’utilisation perçuevariables prédominantes du TAM-, influencent
l’intention comportementale d’utilisation des
technologies à des degrés différents.
33
Subramania (1994) soutient que l’étude de
l’utilité perçue et de la facilité d’utilisation
perçue comme prédiction d’un futur usage
permet non seulement de mesurer les
intentions d’utilisations des technologies mais
aussi de prédire les intentions futures
d’utilisation des technologies. Ainsi, le TAM
constitue le modèle le plus robuste et le plus
utilisé pour l’explication et la prédiction du
comportement du consommateur et de
l’utilisateur des technologies de l’information.
menée par Lu, Wang et Zhou (2009) a mis en
évidence le fait que l’utilisation de cette
technologie est reliée positivement à l’attitude
à l’égard des messageries instantanées et à
l’intention d’utilisation. Lee (2009) confirme le
double effet de l’utilité sur l’intention dans le
cadre de l’utilisation des sites bancaires ; soit
directement soit indirectement via l’attitude.
Ainsi, nous pouvons émettre les hypothèses
suivantes sur la base de ce qui a été
développé ci-dessus :
Pour développer nos hypothèses de
recherches, nous nous basons sur la littérature
puisque plusieurs recherches empiriques
supportent les résultats du modèle TAM
(Divett et Henderson, 2003 ; Karjaluoto & al.,
2004 ; Chen, Shang et Shen, 2005 ; Ermy & al.,
2009).
H1 : l’utilité perçue influence positivement
l’attitude à l’égard des sites touristiques de
réservation en ligne
La recherche menée par Davis, Bagozzi
et Warshaw (1989) a démontré que l’utilité
perçue est un déterminant important de
l’intention d’usage. Ce résultat a été confirmé
à travers plusieurs études (Subramanian,
1994 ; Davis et Venkatesh, 2000 ; Cheng, Lou,
Sheen et 2006 ; Lin, 2007). Dans l’essai
d’explication de l’adoption des sites web
d’une compagnie aérienne, Kim, Kim et Shin
(2009) ont conclu que l’utilité perçue de ce
type de sites web affecte positivement
l’attitude envers leur utilisation ainsi que
l’intention de les réutiliser. Toutefois, cette
dernière relation est indirecte et se produit à
travers l’attitude. En adoptant le modèle TAM
à un contexte d’Internet, Kim et Moon (2001)
ont pu identifier le rôle de l’utilité sur les
différents construits de ce dit modèle. Il s’est
avéré que l’utilité perçue est positivement
corrélée à l’attitude et à l’intention
comportementale d’utiliser Internet, en usant
du TAM original. Klopping et Mc Kinney (2004)
ont trouvé que l’utilité perçue a un impact
direct sur l’intention d’achat en ligne et que
cet effet sur l’adoption est plus important que
celui du deuxième construit du TAM. ChaunChaun et Lu (2000) ont étudié les motifs
d’acceptation ou de rejet des sites web. Ils ont
conclu que l’utilité perçue a une influence
positive sur l’intention d’utiliser les sites web.
De même, l’étude de l’adoption par les
consommateurs des messageries instantanées
D’après le TAM, plus la technologie est
perçue comme étant facile d’utilisation et plus
elle est utile. La perception de l'utilité devrait
être influencée par la facilité d'utilisation
perçue parce que plus une technologie est
facile d'utilisation, plus elle peut être utile
(Venkatesh, 1999). En effet, plus le système
est facile à utiliser plus il devient utile (Davis et
Venkatesh, 2000). Tel est le cas des résultats
affichés par Lu, Wang et Zhou (2009) qui ont
constaté que plus les messageries instantanés
sont faciles à utiliser plus les individus les
utilisent.
H2 : l’utilité perçue influence positivement
l’intention d’utiliser les sites touristiques pour
réserver.
H3 : La facilité d’utilisation des sites
touristiques
de
réservation
influence
positivement la perception de l’utilité de ces
sites.
Selon le modèle TAM, l’attitude est la
résultante des croyances : utilité perçue et
facilité d’utilisation perçue (Davis, 1989 ;
Davis, Bagozzi et Warshaw, 1989). Toutefois,
l’attitude a un effet direct sur l’intention
comportementale (Matheison, 1991). Elle a
aussi un effet de médiateur entre l’utilité et
l’intention d’utiliser les systèmes (Davis,
Bagozzi et Warshaw, 1989). Selon, Bagozzi et
Yi (1989) : l’attitude a un effet significatif sur
l’intention comportementale. Une étude
menée par Koufaris (2002) a démontré que
l’attitude envers l’achat en ligne détermine
fortement la volonté d’utiliser Internet pour
34
effectuer l’achat de produits physiques ou
numériques ou même pour acquérir des
services en ligne, requérir un service après
vente ou de livraison, et procéder au
paiement. Cette conclusion est aussi
approuvée par Vijayasarathy (2004) qui a
aussi mis en évidence que l’attitude a une
influence sur l’intention d’utiliser Internet.
H 4 : l’attitude à l’égard des sites touristiques
a un effet positif sur l’intention de réserver en
ligne
La facilité d’utilisation a un impact
significatif sur l’attitude et sur l’intention
comportementale, dans un contexte WWW.
Cet impact significatif sur l’attitude est plus
important que celui de l’utilité perçue (Kim et
Moon, 2001). D’après Shih, (2004 b), la facilité
d’utilisation a l’effet positif le plus élevé sur
l’attitude envers l’utilisation de l’outil internet
dans un contexte de travail.
H 5 : la facilité d’utilisation des sites
touristiques de réservation en ligne a un
impact direct ou indirect sur l’attitude du type
de site (H 5 a) et une influence indirecte sur
l’intention d’utiliser ce site (H 5 b)
2. La théorie du comportement planifié- TPB
« La théorie du comportement planifié
constitue une extension de la théorie de
l'action raisonnée (Fishbein & Ajzen, 1975)
permettant de prédire les comportements sur
lesquels les gens n'ont pas le plein contrôle
volontaire. La théorie du comportement
planifié (figure 2) atteint cet objectif en
incluant un indice de prédiction de l'intention
comportementale et le comportement
désigné par le contrôle comportemental
perçu » (Notani, 1998, p 248). La théorie du
comportement planifié d’Ajzen (1991)
considère que le comportement de l’individu
est guidé à la fois par ses intentions
comportementales et par la perception du
contrôle
comportementale.
L’intention
comportementale, quant à elle, est
déterminée à partir de l’attitude, des normes
subjectives et de la perception du contrôle
comportementale (Chen, Liao et Yen 2007).
Figure2 : La théorie du
planifié -TPB- (Notani, 1998)
comportement
Ainsi, La TPB met en avant l’influence
des caractéristiques personnelles et des
normes subjectives. Elle a pour origine la
théorie de l’action raisonnée -TRA. Rappelons
que d’après la TRA, le comportement réel
d’une personne est directement conduit par
son intention comportementale qui est
déterminée conjointement par l’attitude et
par les normes subjectives (Chen, Liao et Yen,
2007). Par conséquent, la différence entre la
TPB et la TRA réside dans le fait que la variable
perception du contrôle comportementale ne
fait pas partie de la TRA. Autrement dit, le
modèle TPB met en avant les variables
exogènes qui influencent directement
l’acceptation à travers la variable : perception
du contrôle comportementale. « La TPB
assume que le comportement est une
fonction
indirecte
de
l’intention
comportementale et de la perception du
contrôle comportementale qui reflète les
croyances concernant l'accès aux ressources
et aux opportunités nécessaires pour
effectuer un comportement à des facteurs
internes et externes qui peuvent entraver
l'exécution
et
que
l’intention
comportementale est une fonction de
l’attitude, des normes subjectives et de la
perception du contrôle comportemental »
(Kim, Kim et Ma, 2006, pp. 470471). Autrement dit, la TPB postule que
l'intention comportementale à utiliser les SI
ou les TI est déterminée conjointement par
trois facteurs : l'attitude envers l'utilisation,
les normes subjectives et le contrôle
comportemental perçu. Chaque antécédent
est à son tour, généré par un certain nombre
de croyances et d’évaluations. D’après le TPB,
plus l’individu évalue favorablement un
comportement donné, plus il aura l’intention
de l’adopter (Huh, Kim et Law, 2009).
A la lumière de ce qui a été présenté,
nous pouvons émettre les hypothèses
suivantes :
35
H 6 : l’attitude influence positivement
l’intention de réserver en ligne des produits
touristiques
H 7 : les normes subjectives sont supposées
avoir un impact significatif sur l’intention de
réservation en ligne dans un contexte etourisme
H
8:
la
perception
comportementale influe sur
réservation en ligne
du
contrôle
l’intention de
3. Méthodologie de la recherche
Pour identifier les déterminants les
plus pertinents permettant d’expliquer et
prédire l’intention de réserver en ligne un
produit touristique, et donc montrer quel est
le meilleur modèle de prédiction de l’intention
de réservation en ligne dans un contexte d’etourisme, nous allons comparer deux modèles
à savoir le TAM (figure1) ainsi que le TPB
(figure 2). L’intérêt de comparer ces deux
modèles réside dans le fait qu’il existe selon
Matheison (1991) trois différences principales
entre ces deux modèles : la première est la
différence entre ces deux modèles par rapport
au degré de généralité. La seconde différence
réside dans le fait que le modèle TAM ne
prend pas en considération les variables
sociales pour expliquer et prédire l’intention
comportementale. Enfin, ces deux modèles
traitent le contrôle du comportement d’une
manière différente.
Figure1 : Modèle 1 : le modèle TAM (M1)
Figure2 : Modèle 2 : le modèle TPB (M 2)
(voir annexe)
3.1. Collecte des données
Le questionnaire a été administré
auprès de 158 personnes ayant ou non eu
recours à internet pour réserver en ligne un
produit touristique en Tunisie. L’enquête a été
effectuée en ligne durant le mois de décembre
2012 sur le site : www.sondageonline.com.
Nous avons collecté 184 questionnaires.
Toutefois, uniquement 158 ont été retenus
(nous avons enlevé les questionnaires
incomplets ou inachevés) soit un taux de
complétude de 85. 7%. Le tableau suivant
décrit notre échantillon. Nous constatons que
l’échantillon est constitué essentiellement
d’homme soit 55.1 %. La grande majorité (101
répondants) des répondants ont un âge
compris entre 26 et 35 ans. Ces répondants
utilisent tous les jours internet et occupent le
poste de cadre ou profession intellectuelle
supérieure (48.1 %).
Tableau 1 : Description de l’échantillon (voir
annexe)
3.2. Echelles de mesure
Pour mesurer les construits de chaque
modèles, nous avons eu recours aux échelles
suivantes. Pour les échelles relatives aux deux
construits : utilité perçue ainsi que la facilité
d’utilisation perçue, nous avons utilisé celles
adaptées par Alda´s-Manzano, Ruiz-Mafé et
Sanz-Blas (2009) comprenant pour chacune 4
items. L’échelle proposé par Kim et Moon
(2001) a été utilisée pour mesurer le construit
attitude. Nous avons retenu l’échelle de Taylor
et Todd (1995) pour mesurer la perception du
contrôle comportemental. L’échelle à deux
items de Lin (2007) est retenue pour mesurer
les normes subjectives. Et enfin, le construit
intention comportementale sera mesuré à
travers l’échelle établie par Kim et Moon
(2001).
Ces échelles de mesure ont été pré
testées pour améliorer la compréhension du
questionnaire. Par ailleurs, nous avons
apporté quelques modifications mineures de
vocabulaire. Le résultat du pré test effectué
auprès de 34 individus confirme les bonnes
qualités psychométriques de nos échelles
quant à la fiabilité et la validité.
Tableau 2 : les échelles de mesure (voir
annexe)
3.3 Analyse des données: test des hypothèses
et comparaison des deux modèles
36
Après
avoir
conduit
l’analyse
factorielle en composante principale pour
vérifier les qualités psychométriques de nos
échelles et construits, nous avons entamé
l’analyse de régression multiple dans le but de
tester nos hypothèses de recherche donc
tester la relation entre les variables
indépendantes et la variable dépendante
(dans cette recherche, il s’agit de l’intention
de réservation en ligne). En effet, ce type
d’analyse nous permet de déterminer le poids
de chaque variable dans l’explication de la
variable dépendante Enfin, nous allons
comparer les deux modèles retenus dans cette
recherche, à savoir le TAM et le TPB.
3.3.1. L’explication de l’intention
réservation en ligne selon le modèle TAM
de
Pour expliquer l’intention de réserver
en ligne un produit touristique, nous allons
étudier l’impact des variables du modèle TAM
sur cette variable dépendante, au moyen
d’une analyse de régression linéaire multiple.
Cette analyse a bien démontré l’impact des
variables : utilité perçue, facilité d’utilisation
perçue ainsi que l’attitude sur l’intention
comportementale. Nous constatons que
l’impact de l’utilité perçue sur l’intention est
considérable par rapport à celui de l’attitude
ou encore de la facilité d’utilisation perçue sur
la variable dépendante. Le tableau suivant
illustre la relation entre les construits du
modèle TAM. Toutes les relations entre les
variables ont été validées. Ceci confirme le
résultat du modèle TAM de Davis (1989). En
effet, l’utilité ainsi que la facilité d’utilisation
perçue influencent conjointement l’attitude à
l’égard de la réservation en ligne qui influe
significativement sur l’intention de réservation
sur les sites web touristiques.
Tableau 3 : Validation des hypothèses
relatives au modèle M 1 : TAM (voir annexe)
3.3.2. L’explication de l’intention
réservation en ligne selon le modèle TPB
de
Pour illustrer la relation des variables
du modèle M 2, à savoir le TPB sur l’intention
de réservation en ligne, nous avons conduit
une analyse de régression multiple. Les
résultats de cette analyse confirment la
validité des trois hypothèses H6, H7 et H 8,
démontrant ainsi l’impact significatif au seuil
de 0.000 des variables: perception du
comportement planifié et normes subjectives
sur l’intention de réservation en ligne.
Toutefois, nous remarquons que les normes
subjectives ont un poids important dans
l’explication de l’intention de réservation en
ligne, suivies de la variable perception du
comportement planifié. L’attitude admet aussi
un impact significatif sur l’intention de
réserver en ligne dans un contexte etourisme, d’où H 6 est confirmée au seuil de
0.05.
Tableau 4 : Validation des hypothèses
relatives au modèle TPB (voir annexe)
3.3.3. Comparaison des deux modèles TAM
versus TPB
La comparaison des deux modèles
TAM /TPB permet de se prononcer sur les
variables les plus pertinentes pour expliquer
et prédire l’intention de réservation en ligne
dans le contexte e-tourisme. En effet, il
s’avère que le modèle TPB est meilleur que le
modèle TAM dans l’explication de l’intention
comportementale
Tableau 5 : Comparaison des deux modèles
TAM versus TPB (voir annexe)
4. Discussion
Cette recherche contribue à déterminer quel
modèle explique mieux l’intention de
réservation en ligne dans le contexte d’etourisme. Les travaux antérieurs comparant
des modèles (Matheison, 1991 ; Lin, 2007 ;
Bhattacherjee et Premkumar, 2008 ; Huh, Kim
et Law, 2009) ont démontré la supériorité
d’un modèle par rapport à l’autre dans
l’explication et la prédiction de l’intention
comportementale.
Bien que le modèle TPB soit plus
difficile à appliquer dans certains contextes
d’étude (Matheison, 1991) que le modèle
37
TAM, il a affiché dans notre contexte d’étude
(e-tourisme) de meilleurs résultats que le TAM
quant à l’explication de l’intention
comportementale. Toutefois, les résultats
confirment l’impact des variables du TAM sur
l’intention : en effet, la facilité d’utilisation
influence positivement l’utilité. Ces variables
exercent conjointement une influence positive
sur l’attitude qui entraine favorablement
l’intention de réservation en ligne. Ceci a été
confirmé aussi par Davis (1989), Davis, Bagozzi
et Warshaw (1989) et Lin (2007). Ainsi le
modèle TAM demeure un modèle de base.
Cependant, ce modèle n’inclut pas la variable
sociale, normes subjectives, qui s’est avérée
un facteur de prédiction de l’intention de
réservation en ligne le plus significatif dans le
modèle TPB. Aussi la variable : perception du
comportement planifié présente un impact
plus significatif sur l’intention que les variables
du modèle TAM (voir tableau 4). Nos résultats
démontrent que l’intention de réservation en
ligne des produits touristiques par les
consommateurs tunisiens n’est guère
influencée par des facteurs élémentaires tels
que ceux élaboré par Davis (1989), à savoir
l’utilité perçue, la facilité d’utilisation perçue
et l’attitude envers la réservation en ligne. Ces
facteurs sont dépassés et nous devons tenir
compte d’autres facteurs plus déterminants
dans
l’explication
de
l’intention
comportementale
et
qui
permettent
d’expliquer une proportion élevée de la
variance de l’intention.
Par ailleurs, d’avantage d’effort de la
part des professionnels du tourisme doit être
fait par rapport à l’influence des autres
personnes (normes subjectives) sur le
comportement et l’intention de réservation en
ligne du consommateur, en intégrant des
espace
d’échange
de
commentaires,
d’expériences et de recommandations, en
offrant la possibilité de publier des photos,
des vidéos. Egalement, les individus qui jugent
qu’ils ont la capacité financière, les moyens
ainsi que les ressources nécessaires pour
s’engager dans l’acte de réservation en ligne
affichent une intention de réservation
conséquente, d’où l’importance de la variable
perception du contrôle comportementale
dans l’explication de l’intention dans un
contexte d’e-tourisme.
5. limites et voies futures de recherche
En termes de limites, cette recherche
présente un problème de généralisation des
résultats d’une part sur d’autres champs
d’étude et d’autre part sur d’autres
populations : cette généralisation est sujette
au biais culturel envers le comportement du
consommateur d’achat en ligne. Ajoutons
aussi, le fait que presque tous les répondants
(93%) utilisent quotidiennement l’outil
internet. Il sera opportun de refaire la
recherche en sélectionnant un nouveau
échantillon composé de non utilisateur
d’internet.
Aux voies futures de recherche qui
découlent de ces limites, viennent s’ajouter de
nouvelles perspectives : ainsi, plusieurs
chercheurs ont démontré l’apport significatif
et supérieur du modèle TPB décomposé
(TPBD) dans l’explication de l’intention
comportementale (Lin, 2007 ; Huh, Lin et Law,
2009). L’étude de l’apport de ce modèle au
contexte d’e-tourisme pourrait être envisagée.
Par ailleurs, il faudrait aussi penser à intégrer
une composante aussi importante qui est
l’enjouement perçue issue de la théorie des
flux pour approfondir l’explication l’intention
comportementale et augmenter la variance
expliquée de cette dernière. (Koufaris, 2002 ;
Lu, Wang et Zhou, 2009).
Bibliographie :
Ajzen I. et Fishbein M. (1975), Belief, Attitude,
Intention and Behavior: An Introduction to
Theory and Research, Reading, MA:
Addison-Wesley.
Ajzen, I. et Fishbein, M. (1980), Understanding
Attitude and Predicting Social Behavior,
Prentice-Hall, New Jersey
Ajzen I. (1991), The Theory of Planned Behavior,
Organizational behavior and human
decision processes, 50, 179-211
Aldás-Manzano J., Ruiz-Mafé C. et Sanz-Blas S.
(2009), Drivers and barriers to online airline
38
ticket purchasing, Journal of Air Transport
Management, 15, 294-298
Bagozzi R.P. et Yi Y. (1989), The Degree of Intention
Formation as a Moderator of the AttitudeBehavior Relationship, Social Psychology
Quarterly, 52, 4, 266-279
Brenner W., Keil M. et Straub D. (1997), Testing the
technology acceptance model across
cultures: A three country study, Information
& Management, 33, 1-11
Brereton P., Budgen D., Charters S., Kitchenham B.
et Turner M. (2010), Does the technology
acceptance model predict actual use? A
systematic literature review, Information
and Software Technology, 52, 5, 463-479
Buhalis D. (1998), Strategic use of information
technologies in the tourism industry,
Tourism Management, 19, 5, 409-421
Buhalis D., Ma J.X. et Song H. (2003), ICTs and
Internet adoption in China’s tourism
industry,
International
Journal
of
Information Management, 23, 451-467
Chuan-Chuan Lin J., Lu H. (2000), Towards an
understanding of the behavioural intention
to use a web site, International Journal of
Information Management, 20, 197-208
Chen J-L., Liao C. et Yen D.C. (2007), Theory of
planning behavior (TPB) and customer
satisfaction in the continued use of eservice: An integrated model, Computers in
Human Behavior, 23, 2804-2822
Chen Y-C., Shang R-A. et Shen L. (2005), Extrinsic
versus intrinsic motivations for consumers
to
shop
on-line,
Information
&
Management, 42, 401–413
Cheng J.M-S., Lou G-C. et Sheen G-J. (2006),
Consumer acceptance of the internet as a
channel of distribution in Taiwan- a channel
function perspective, Technovation, 26,
856-864
Davis F.D., (1989), « Perceived usefulness,
perceived ease of use, and user acceptance
of information technology », MIS Quarterly,
319- 340
Davis F.D., Bagozzi R.P., Warshaw P.R, (1989),
« User acceptance of computer technology:
A comparison of two theoretical models »,
Management science, n° 8, Vol. 35, 9821003
Davis F.D. et Venkatesh V. (2000), A Theoretical
Extension of the Technology Acceptance
Model: Four Longitudinal Field Studies,
Management Science, 46, 2, 186-204
Divett M.J. et Henderson R. (2003), Perceived
usefulness, ease of use and electronic
supermarket use, International Journal of
Human-Computer Studies, 59, 383–395
Ermy S.P, Mohd Salehuddin M.Z., Robert E., Yusliza
M.Y. et Zikri M. (2009), Individual
Differences, Perceived Ease of Use, and
Perceived Usefulness in the E-Library Usage,
Computer and information science, 2, 1, 7683
He J. et King W.R. (2006), A meta-analysis of the
technology acceptance model, Information
Huh H.J., Kim T.T. et Law R. (2009), A comparison
of competing theoretical models for
understanding acceptance behavior of
information systems in upscale hotels,
International
Journal
of
Hospitality
Hwang K.P., Lin W-B et Wang M-K. (2010), The
combined model of influencing on-line
consumer behavior, Expert Systems with
Applications, 37, 3236–3247
Karjaluoto H., Pahnila S., Pikkarainen K. et
Pikkarainen T. (2004), Consumer acceptance
of online banking, Internet Research, 14, 3,
224–235
Kim D.J., Kim W.G. et Ma X. (2006), Determinants
of Chinese hotel customers’ e-satisfaction
and
purchase
intentions,
Tourism
Kim H.-B., Kim T. et Shin S.W. (2009), Modeling
roles of subjective norms and e Trust in
customers’ acceptance of airline B2C e
Commerce websites, Tourism Management,
30, 266–277
Kim Y-G. et Moon J-W. (2001), Extending the TAM
for a World-Wide-Web context, Information
Klopping I.M. et McKinney E. (2004), Extending the
Technology Acceptance Model and the
Task-Technology Fit Model to Consumer ECommerce,
Information
Technology,
Learning, and Performance Journal, 22, 1,
35- 48
Lee M-C. (2009), Factors influencing the adoption
of internet banking: An integration of TAM
and TPB with perceived risk and perceived
benefit, Electronic Commerce Research and
Applications, 8, 130–141
Lin H-F. (2007), Predicting consumer intentions to
shop online: An empirical test of competing
theories, Electronic Commerce Research and
Applications, 6, 433-442
Lu Y., Wang B. et Zhou T. (2009), Exploring Chinese
users’ acceptance of instant messaging
using the theory of planned behavior, the
technology acceptance model, and the flow
theory, Computers in Human Behavior, 25,
29–39
39
Mathieson K. (1991), Predicting User Intentions:
Comparing the Technology Acceptance
Model with the Theory of Planned Behavior,
Information Systems Research, 2, 3, 173-191
Notani A.S. (1998), Moderators of Perceived
Behavioral Control's Predictiveness in the
Theory of Planned Behavior: A MetaAnalysis, Journal of Consumer Psychology, 7,
3, 247-271
Petr C. (2009), E-tourist behavior: The influence of
IT on consumer behavior in a tourism
context, in Handbook of Tourist Behavior:
Theory & Practice, (eds.) Metin Kozak &
Alain Decrop, Edition: Routledge, 26 pages
Sheppard B.H., Hartwick J. et Warshaw P.R. (1988),
The Theory of Reasoned Action: A MetaAnalysis
of
Past
Research
with
Recommendations for Modifications and
Future Research, The Journal of Consumer
Research, 15, 3, 325-343
Shih H-P. (2004 b), Extended technology
acceptance model of Internet utilization
behavior, Information & Management,
41,719-729
Subramanian G.H. (1994), A replication of
perceived usefulness and perceived ease of
use measurement, Decision Sciences, 25,
5/6, 863-874
Taylor S. et Todd P. A. (1995), Understanding
information technology usage: A test of
competing models, Information System
Research, 6, 2, 144-176
Venkatesh V. (1999), Creation of Favorable User
Perceptions: Exploring the Role of Intrinsic
Motivation, MIS Quarterly, 23, 2, 239-260
Venkatesh V. (2000), Determinants of Perceived
Ease of Use: Integrating Control, Intrinsic
Motivation, and Emotion into the
Technology Acceptance Model, Information
Systems Research, 11, 4, 342–365
Vijayasarathy L.R. (2004), Predicting consumer
intentions to use on-line shopping: the case for
an augmented technology acceptance model,
Information & Management, 41, 747-762
40
Les Annexes:
Figure 1: Le modèle TAM (Davis, 1989, In Davis, Bagozzi et Warshaw 1989)
Figure2 : La théorie du comportement planifié -TPB- (Notani, 1998)
41
Tableau 1 : Description de l’échantillon
Caractéristiques
[18-25]
Age
Genre
Catégorie socio professionnelle
Effectif (%)
17 (10.8 %)
[26-35]
101 (63.9 %)
[36-45]
[45-60]
21 (13.3 %)
10 (6.3 %)
>60 ans
9 (5.7 %)
Homme
Femme
87 (55.1 %)
71 (44.9 %)
Cadre ou profession intellectuelle supérieure
76 (48.1 %)
Profession libérale
25 (15.8 %)
Employé
35 (22.2 %)
Retraité
10 (6.3 %)
Etudiant, lycéen
6 (3.8 %)
3 (1.9 %)
3 (1.9 %)
5 (3.2 %)
Homme/femme au foyer
Demandeur d'emploi
Une fois par semaine
Fréquence d’utilisation d’internet
Deux fois par semaine
-
Trois fois par semaine
6 (3.8 %)
Chaque jour
147 (93 %)
Tableau 2 : les échelles de mesure
Concepts/
variables
Auteur
Kim et Moon
(2001)
Attitude
Items
L’utilisation des sites web touristiques pour la
réservation d’un séjour est une idée (bonne /
mauvaise)
réservation d’un séjour est une idée (sage / folle)
réservation d’un séjour est une idée (agréable /
désagréable)
réservation d’un séjour est une idée (positive /
négative)
Alpha de
Cronbach
0.845
42
Utilité perçue
Facilité
d’utilisation
perçue
Alda´sManzano J.,
Ruiz-Mafé C.
et Sanz-Blas S.,
2009
Utiliser internet rend la réservation en ligne d’un
produit touristique facile
Utiliser internet rend la réservation d’un produit
touristique plus rapide
Utiliser internet serait utile pour la réservation
d’un produit touristique
Utiliser internet aide à réserver plus efficacement
un produit touristique
0.871
Alda´sManzano J.,
Ruiz-Mafé C.
et Sanz-Blas S.,
2009
C’est facile pour moi d’apprendre à utiliser internet
pour la réservation d’un produit touristique
Utiliser internet pour réserver serait facile à faire
Utiliser internet pour réserver un produit
touristique, n'exige pas beaucoup d'effort mental
utiliser internet pour réserver un produit
touristique, serait facile en suivant les instructions
sur le site en question
Je pense que je suis capable d’utiliser internet pour
réserver un produit touristique en ligne
Je pense que la réservation en ligne d’un produit
touristique est entièrement sous mon contrôle
Je pense avoir les ressources et la capacité de
réserver en ligne un produit touristique
0.876
Les gens qui ont une influence sur mon
comportement m'encouragent à réserver en ligne
des produits touristiques
Les gens qui sont importants pour moi
m'encouragent à utiliser internet pour réserver des
produits touristiques
Je vais régulièrement réserver en ligne des
produits touristiques, à l'avenir
Je vais souvent utiliser le site web touristique à
l’avenir pour la réservation en ligne
Je vais fortement recommander à d'autres de
réserver sur les sites web touristiques
0.842
Taylor et Todd
(1995)
Contrôle
comportemen
tal perçu
Lin (2007)
Normes
subjectives
Intention
comportemen
tale
Kim & Moon
(2001)
0.663
0.902
Tableau 3 : Validation des hypothèses relatives au modèle M 1 : TAM
Relation entre les
construits
Utilité = facilité
d’utilisation +ε
attitude = utilité +ε
Attitude = facilité
d’utilisation +ε
Intention = attitude +ε
Intention = utilité +ε
R²
Beta
0.423
tvalue
5.828
0.179
Sig.
0.000
H3 validée
0.002
0.024
0.041
0.154
0.516
1.947
0.607
0.053
H1 validée (p < 0.01)
H 5 a : validée (p < 0.05)
0.016
0.092
0.128
0.312
1.616
4.105
0.108
0.000
H 4 : validée (p < 0.01)
H2 : validée
Hypothèses
43
Intention = facilité
d’utilisation +ε
0.063
0.251
3.245
0.001
H 5 b : validée (p <0.001)
Tableau 4 : Validation des hypothèses relatives au modèle TPB
Relation entre les
R²
Beta
tSig.
construits
value
Intention = attitude + ε
0.016
0.128
1.616
0.108
Intention = perception du
0.113
0.336
4.456
0.000
contrôle comportementale
+ε
Intention = normes
0.271
0.52
7.609
0.000
subjectives + ε
Tableau 5 : Comparaison des deux modèles TAM versus TPB
Modèle
R²
R²
ajusté
TAM Intention = utilité + facilité d’utilisation +
0.124
0.107
attitude
Utilité
Facilité d’utilisation
attitude
TPB Intention = attitude + perception du
0.329
0.316
contrôle comportementale + normes
subjectives
Attitude
Normes subjectives
Perception du contrôle
comportementale
Hypothèses
H 6 : validée (p < 0.05)
H 8 : validée
H 7 : validée
Beta
Seβ
tvalue
0.254
0.129
0.098
0.083
0.084
0.076
3.046
1.534
1.283
0.161
0.461
0.204
0.066
0.07
0.07
2.426
6.617
2.925
44

L`intention de réservation en ligne d`un produit - URAM

Transcription

Documents pareils

Détail de l`offre : CDD Analyste/ Dataminer Titre de l`offre CDD

Les bijoux suisses de Britney Spears l`actu

NOUVELLE LINGERIE MAURICIENNE LTEE STAND 6X24

télécharger

page jaune

demande de reservation structure gonflable toboggan geant

Conditions de réservation

C S P - FO

Bienvenue sur la consultation des réservations de la TAM https

Inscription fete