ระดับของคุณภาพและปัจจัยที่มีอิทธิพลต่อความตั้งใจและความพึงพอใจ ในการใช้งานระบบ “หมอพร้อม” กรณีศึกษาในเขตกรุงเทพมหานคร
Article Sidebar
Main Article Content
บทคัดย่อ
แอปพลิเคชัน “หมอพร้อม” เป็นระบบที่กระทรวงสาธารณสุขประเทศไทยพัฒนาขึ้นเพื่อสื่อสารข้อมูลเกี่ยวกับโรคติดเชื้อไวรัสโคโรนา 2019 (COVID-19) ในประเทศไทยและเพื่อเป็นช่องทางบริหารจัดการวัคซีน COVID-19 แก่ประชาชน ระบบหมอพร้อมจึงครอบคลุมงานบริการตั้งแต่การจองคิวเข้ารับบริการฉีดวัคซีน ตลอดจนการรายงานอาการข้างเคียงหลังฉีดวัคซีนและการขอใบรับรองการฉีดวัคซีน งานวิจัยนี้จึงมีวัตถุประสงค์ในการศึกษา ดังนี้ 1. เพื่อศึกษาระดับของคุณภาพที่มีอิทธิพลต่อความตั้งใจและความพึงพอใจในการใช้งานระบบ “หมอพร้อม” กรณีศึกษาในเขตกรุงเทพมหานคร 2. เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อความตั้งใจและความพึงพอใจในการใช้งานระบบ “หมอพร้อม” กรณีศึกษาในเขตกรุงเทพมหานคร และ 3. เพื่อรวบรวมข้อเสนอแนะในการพัฒนาคุณภาพของระบบ “หมอพร้อม”
การศึกษาครั้งนี้เป็นการวิจัยเชิงปริมาณ ประชากรคือผู้ใช้งานระบบหมอพร้อม จำนวน 6.5 ล้านคน ในเขตกรุงเทพมหานคร กลุ่มตัวอย่างคำนวณจากสูตรของ Yamane (1973) ได้จำนวน 400 ตัวอย่าง ด้วยวิธีการสุ่มตัวอย่างแบบหลายขั้นตอน (Multi-Stage Sampling) สถิติที่ใช้ในการวิเคราะห์ข้อมูลได้แก่ ร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน สัมประสิทธิ์อิทธิพล () และ ค่าสัมประสิทธิ์การพยากรณ์ (Squared Multiple Correlation: R2) โดยใช้โมเดลสมการโครงสร้าง (Structural Equation Modeling: SEM) ตามสมมติฐานกรอบแนวคิดการวิจัย ที่มีนัยสำคัญทางสถิติที่ระดับ .05
ผลการวิจัยพบว่าระดับของคุณภาพมีอิทธิพลต่อความตั้งใจและความพึงพอใจในการใช้งานระบบ “หมอพร้อม” กรณีศึกษาในเขตกรุงเทพมหานคร ค่าเฉลี่ยรวมอยู่ในระดับมาก เท่ากับ 3.75
เมื่อพิจารณาค่าเฉลี่ยเป็นรายด้าน พบว่า ด้านคุณภาพสารสนเทศ (IQ) มีค่าเท่ากับ 3.90 ด้านคุณภาพข้อมูล (DQ) มีค่าเท่ากับ 3.86 ด้านคุณภาพระบบ (SQ) มีค่าเท่ากับ 3.78 ด้านประโยชน์สูงสุดของการใช้งาน (NET) มีค่าเท่ากับ 3.77 ด้านความปลอดภัยของระบบ (PSP) มีค่าเท่ากับ 3.67 ด้านความพึงพอใจในการใช้ระบบ (SAT) มีค่าเท่ากับ 3.66 และด้านความตั้งใจในการใช้งาน (USE) มีค่าต่ำสุด คือ 3.62 อย่างไรก็ตามเมื่อพิจารณาปัจจัยที่มีอิทธิพลต่อความตั้งใจและความพึงพอใจในการใช้งานระบบ “หมอพร้อม” กรณีศึกษาในเขตกรุงเทพมหานคร โดยใช้สมการโครงสร้าง (Structural Equation Modeling: SEM) พบว่า มีเพียง 8 ปัจจัยจาก 10 ปัจจัยที่มีสัมประสิทธิ์อิทธิพลมีนัยสำคัญทางสถิติที่ระดับ .05 () กล่าวคือ ปัจจัยด้านความปลอดภัยของระบบ (PSP) ปัจจัยด้านคุณภาพสารสนเทศ (IQ) และปัจจัยด้านคุณภาพข้อมูล (DQ) ที่มีอิทธิพลของคุณภาพส่งผลกระทบต่อความตั้งใจในการใช้งานระบบ (USE) โดยมีสัมประสิทธิ์อิทธิพล (
) เท่ากับ 0.42 0.37 และ 0.19 ตามลำดับ ซึ่งมีค่า R2 เท่ากับ 0.59 และปัจจัยด้านคุณภาพสารสนเทศ (IQ) ปัจจัยด้านความปลอดภัยของระบบ (PSP) และด้านคุณภาพข้อมูล (DQ) ที่มีอิทธิพลของคุณภาพส่งผลกระทบต่อความพึงพอใจในการใช้งานระบบ (SAT) โดยมีสัมประสิทธิ์อิทธิพล (
) เท่ากับ 0.42 0.41 และ 0.17 ตามลำดับ ซึ่งมีค่า R2 เท่ากับ 0.64 และปัจจัยด้านความตั้งใจในการใช้งาน (USE) และปัจจัยด้านความพึงพอใจในการใช้ระบบ (SAT) มีอิทธิพลของคุณภาพส่งผลต่อประโยชน์สูงสุดของการใช้งาน (NET) โดยมีสัมประสิทธิ์อิทธิพล (
) เท่ากับ 0.29 และ 0.91 ตามลำดับ ซึ่งมีค่า R2 เท่ากับ 0.66 ส่วน 2 ปัจจัยที่ไม่มีสัมประสิทธิ์อิทธิพลนัยสำคัญทางสถิติที่ระดับ .05 (
) คือ ปัจจัยด้านคุณภาพระบบ (SQ) ไม่มีอิทธิพลของคุณภาพส่งผลความตั้งใจในการใช้งาน (USE) ที่สัมประสิทธิ์อิทธิพล (
) เท่ากับ 0.09 (P = 0.178) และปัจจัยด้านคุณภาพระบบ (SQ) ไม่มีอิทธิพลของคุณภาพส่งผลกระทบต่อความพึงพอใจในการใช้ระบบ (SAT) ที่สัมประสิทธิ์อิทธิพล (
) เท่ากับ 0.11 (P = 0.077)
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทุกบทความที่ตีพิมพ์ในวารสารมนุษยศาสตร์และสังคมศาสตร์ร่มพฤกษ์เป็นทัศนะและข้อคิดเห็นของผู้เขียนมิใช่ทัศนะของมหาวิทยาลัยเกริกหรือกองบรรณาธิการ การนำบทความส่วนใดส่วนหนึ่งหรือทั้งหมดไปพิมพ์เผยแพร่ต้องอ้างอิงที่มาให้ชัดเจน
เอกสารอ้างอิง
กรรณิการ์ คงทอง. (2561). ความตั้งใจเชิงพฤติกรรมในการใช้เทคโนโลยีของกลุ่ม เจเนอเรชั่นเบบี้บูมเมอร์ และเจเนอเรชั่นเอ็กซ์ (วิทยานิพนธ์หลักสูตรบริหารธุรกิจมหาบัณฑิต ไม่ได้ตีพิมพ์). มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ.
จิรภัทร มิขันหมาก. (2564). ปัจจัยที่ส่งผลต่อการยอมรับการใช้แอปพลิเคชั่นเป๋าตัง. การนำเสนอผลงานวิจัยระดับชาติ ด้านวิทยาศาสตร์และเทคโนโลยี ครั้งที่ 4 วันที่ 17 ธันวาคม 2565 ณ มหาวิทยาลัยราชภัฏจันทรเกษม กรุงเทพฯ, 103-108.
พิมพ์ปวีณ์ มะณีวงค์. (2563). ปัจจัยที่มีผลต่อความตั้งใจในการใช้โปรแกรมระบบ EXPRESS ของนักบัญชีในระดับอุดมศึกษา. วารสารสมาคมนักวิจัย, 25(1), 447-464.
โสภณ เมฆธน. (2565, 30 มกราคม). ข้อมูลคนไทยใช้งาน "หมอพร้อม" เดือน ม.ค.65 กรุงเทพฯมากสุดผ่านแอปฯ 56.67% ผ่านไลน์ 27%. Hfocus. https://www.hfocus.org/content/2022/01/24340.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. Management Information Systems Quarterly, 13(3), 319-340.
DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of management information systems, 19(4), 9-30.
Freeze, R. D., Alshare, K. A., Lane, P. L., & Wen, H. J. (2010). IS success model in e-learning context based on students' perceptions, Journal of Information Systems Education, 21(2), 173-184.
Mao, Z., Zou, Q., Yao, H., & Wu, J. (2021). The application framework of big data technology in the COVID-19 epidemic emergency management in local government—a case study of Hainan Province, China. BMC Public Health, 21(1),1-19. https://doi.org/10.1186/s12889-021-12065-0.
Marketing Evolution. (2022, July 20). What is data quality? Definition & dimensions. https://www.marketingevolution.com/marketing-essentials/data-quality.
Petter, S., & DeLone, W. (2008). An expanded view of information systems success: The IS-impact model. Journal of the Association for Information Systems, 9(7), 3.
Petter, S., DeLone, W., & McLean, E. (2008). Measuring information systems success: models, dimensions, measures, and interrelationships. European Journal of Information Systems, 17(3), 236-263.
Singh, H. J. L., Couch, D., & Yap, K. (2020). Mobile health apps that help with COVID-19 management: Scoping review, JMIR Nursing, 3(1),1-16. https://doi.org/10.2196/20596
Tella, A. (2014). Predicting users’ continuance intention toward e-payment system: An extension of the technology acceptance model. International Journal of Information Systems and Social Change, 5(1), 47-64. https://doi.org/10.4018/ijissc.2014010104.
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. https://doi.org/10.1287/isre.11.4.342.11872.
Yakubu, M. N. & Dasuki, S. I. (2018). Factors affecting the adoption of e-learning technologies among higher education students in Nigeria: A structural equation modeling approach, Information Development, 35(1), 492-502.
Yamane, T. (1973). Statistics an introductory analysis. Harper & Row.
