Herd Behavior in the Use of Information Technology G. H. S. M. Moraes, Member, IEEE

Transcrição

1 Herd Behavior in the Use of Information Technology G. H. S. M. Moraes, Member, IEEE 1 Abstract The herd behavior in information technology is a phenomenon in which one follows the behavior of other people in relation to technology adoption and does not take into account your own information or knowledge. This research aimed to study the herd behavior in the use of information technology through a study in a dubbing application called dubsmash. A survey of 122 people who used the application was made. The study presented a robust model with high explanatory value. The results showed that Behavioral Control, Imitation and Hedonic Motivations positively influence the use of dubsmash application, demonstrating that the herd behavior occurred in this case with the positive influence of imitation. Keywords Information technology, herd behavior, dubsmash. A I. INTRODUÇÃO POSSIBILIDADE de conectividade permanente altera a forma de comunicação entre as empresas e seus stakeholders. As relações sociais e empresariais têm sofrido profundas alterações devido à utilização das tecnologias de informação e comunicação (TIC), transformando a noção de tempo e espaço [18]. As empresas têm a necessidade de se adaptar às questões que envolvem mobilidade, buscando se valer das tendências tecnológicas para atingir novos resultados em seus negócios. Desde a invenção dos smartphones, a tecnologia de telefonia móvel tem mudado rapidamente, e essa alternativa de interatividade entre as empresas pode ser explorada de formas diferentes em cada nova etapa [36]. Devido às suas funcionalidades e popularidade, a demanda pelos smartphones e tablets vem aumentando muito. As possibilidades dessas tecnologias são muitas: envio de mensagens instantâneas, download de aplicativos, conexão com programas de entretenimento, visualização de estacionamento, entre outros [35]. Porém, muitas vezes as pessoas não conseguem acompanhar e entender completamente as novas funcionalidades das tecnologias que surgem, e acabam imitando as escolhas de outras pessoas. Isso pode levar a um comportamento de rebanho (herd behavior). A literatura sobre comportamento de rebanho sugere que as pessoas tendem a descontar suas próprias crenças e imitar os outros quando tomam uma decisão de adoção. O comportamento de rebanho em tecnologia de informação é um fenômeno em que a pessoa segue o comportamento de outras pessoas em relação à adoção tecnológica mesmo que suas informações e conhecimento 1 G. H. S. M. Moraes, Professor Doutor I, Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, gustavo.salati@fca.unicamp.br sugiram seguir uma outra linha [42]. Nesse contexto, essa pesquisa tem como objetivo analisar o comportamento de rebanho em tecnologia de informação no Brasil, por meio de um estudo no aplicativo de dublagem Dubsmash. O objetivo geral do estudo pode ser traduzido pela questão da pesquisa: Quais são os fatores que levam o jovem brasileiro a utilizar o aplicativo de dublagem Dubsmash, compartilhando vídeos em suas redes sociais? A justificativa para realização da pesquisa está nas suas contribuições práticas e teóricas. Do ponto de vista prático, os resultados podem auxiliar os profissionais no entendimento do comportamento de rebanho em tecnologia de informação, fornecendo informações valiosas para tomada de decisões e escolhas tecnológicas, ampliando os conhecimentos científicos e tecnológicos. Do ponto de vista acadêmico, o estudo pretende apresentar um novo modelo, utilizando como base modelos reconhecidos na literatura internacional, para um contexto específico e ainda pouco explorado. II. REFERENCIAL TEÓRICO A. APLICATIVOS PARA SMARTPHONE Os telefones celulares, smartphones, tablets, redes sem fio entre outras tecnologias são exemplos de tecnologias de informação móveis e sem fio (TIMS) que atualmente são comuns no mercado [40]. Para as empresas, a introdução das tecnologias de informações móveis e sem fio possibilita melhoria nos processos, velocidade no acesso às informações, melhor planejamento e redução de erro. Para os consumidores, as TIMS apresentam ganhos provenientes da disponibilidade de um canal móvel de comunicação para atender às demandas de captação de pedidos no ambiente móvel e também como ferramenta de buscas de informações, gerando redução de tarefas administrativas e de logística e eficiência no trabalho de campo [40]. Para que um dispositivo de informação seja funcional, ele depende de um software, que é um conjunto de instruções operacionais utilizados para controlar o processamento das tecnologias [31]. A expressão aplicação móvel é usada para classificar o software utilizado em dispositivos móveis [13]. Presenciamos nas últimas décadas uma disseminação acelerada das TIMS [40]. Na rotina diária de um usuário de aplicativos móveis, que utilizam os smartphones para escutar

2 músicas, conversar via Skype e assistir filmes, podemos verificar a usabilidade e aderência dessas tecnologias [2]. O Gartner apresenta uma pesquisa na qual a quantidade de downloads de aplicativos em 2013 estava estimada em 102 bilhões, gerando uma receita de $ 26 bilhões, contra $ 18 bilhões em Para 2017, a previsão é que 268 bilhões de apps sejam baixados, com uma receita de $ 77 bilhões [26]. Esses números ressaltam a importância e o crescimento desse mercado. O presente estudo utilizou como instrumento de informação o estudo dos smartphones e tablets, juntamente com o uso do aplicativo de dublagem Dubsmash. O Dubsmash é um aplicativo de dublagem para Android e para ios. O serviço consiste em fazer um playback de alguma frase famosa, musical, de um filme, cómica ou outra qualquer que um utilizador escolha e suba ao canal. O aplicativo conta com áudios em vários idiomas, referentes à séries, programas de TV, frases famosas, entre outros. Além da utilização de sons já editados, existe a possibilidade de adicionar um áudio próprio do usuário para o app. Foi fundado por Jonas Drüppel, Roland Grenke e Daniel Taschi, e lançada oficialmente em 19 de Novembro de No dia 1 de Fevereiro de 2015 já havia sido transferido entre 10 e 15 milhões para dispositivos móveis. O seu êxito começou na Alemanha, e foi-se estendendo por toda a Europa, até transformar-se num êxito mundial. O Brasil já está entre os países que tem mais adeptos do aplicativo. A popularização do Dubsmash acompanhou a onde de celebridades nacionais que postaram vídeos de dublagem nas redes sociais, como: Xuxa (apresentadora), Cláudia Leite (cantora), Ivete Sangalo (cantora), Anitta (cantora) e Neymar (jogador de futebol). B. COMPORTAMENTO DE REBANHO O comportamento de rebanho tem sido observado em situações diversas por pesquisadores, como por exemplo na escolha de investimentos de aposentadoria [17], na abertura de novas agências bancárias [16], no desenvolvimento de programas de televisão [30], e no download de aplicativos de software [20; 46]. significa que uma pessoa que pastoreia observa outros e tomam as mesmas decisões ou escolhas que os outros fizeram [7; 8]. Dessa forma, duas condições primárias foram identificadas para a ocorrência do comportamento de rebanho: a incerteza sobre a decisão e a observação das ações dos outros. As pessoas são mais susceptíveis ao comportamento de rebanho quando não têm certeza sobre qual decisão tomar, pelo fato das informações privadas serem incompletas ou assimétricas [9; 24; 46]. Assim, observando que muitas pessoas tomaram a mesma decisão, aparece a condição necessária para o comportamento de rebanho ocorrer. A adoção de uma alternativa torna-se mais provável quanto mais os outros fizeram a mesma escolha [37]. A identidade dos antecessores também é importante, pois as pessoas podem seguir os membros do público em geral ou de um grupo específico em que acreditam que tenham as melhores informações e que são mais propensos a tomar a decisão certa [6], de reputação tecnológica favorável [1] e líderes da moda [8]. A primeira hipótese do estudo é relacionada a esse contexto: Hipótese 1: Imitação influencia positivamente a utilização do aplicativo de dublagem Dubsmash. C. UTILIZAÇÃO DE TECNOLOGIA DE INFORMAÇÃO A partir de duas teorias principais, diversos modelos de adoção de tecnologias foram desenvolvidos. Essas teorias são provenientes da área de psicologia: a Teoria da Ação Racional (Theory of Reasoned Action) TRA [23] e a Teoria do Comportamento Planejado (Theory of Planned Behaviour) TPB [3]. A Teoria da Ação Racional (TRA) sugere que o comportamento individual é determinado pela intenção da pessoa em desempenhar um comportamento, e que tal intenção é determinada pela Atitude frente ao comportamento e as Normas Subjetivas [23]. Para compreender os fatores que afetam o comportamento é necessário entender os determinantes dos componentes normativos e de atitude, que são as crenças individuais que as pessoas têm de si próprios e do contexto a que pertencem. A Teoria do Comportamento Planejado (Theory of Planned Behavior - TPB) considera, além das variáveis da TRA, a variável Controle Comportamental Percebido. Tal variável influencia tanto a Intenção quanto o Comportamento do consumidor. A importância relativa da atitude, da norma subjetiva e do controle comportamental percebido na predição da intenção deve variar de acordo com os diferentes comportamentos e situações a que a teoria seja aplicada [4]. Para o contexto do Dubsmash, entende-se que é coerente considerar o Controle Comportamental influenciando o Uso do aplicativo. Sendo essa e segunda hipótese do estudo. Hipótese 2: Imitação influencia positivamente a utilização do aplicativo de dublagem Dubsmash. Alguns pesquisadores do comportamento do consumidor e de sistemas de informação têm utilizado construtos relacionados com a motivação hedônica em seus estudos, e os resultados da variável são relevantes tanto no consumo quanto na utilização da TI [12; 29; 34; 43]. Essa hipótese tem relação direta com a escolha do aplicativo de dublagem, que está na categoria Entretenimento nas lojas de aplicativos (por exemplo: Apple Store e Google Play). Essa é a terceira hipótese do estudo: Hipótese 3: Motivações Hedônicas influenciam positivamente a utilização do aplicativo de dublagem Dubsmash. A literatura apresenta a Conveniência com um dos fatores que afetam fortemente o comportamento do consumidor [5]. A conveniência está relacionada às facilidades dos usuários e comodidade na utilização. Assim, os pesquisadores têm respondido por meio da incorporação da conveniência na construção de modelos conceituais e estudos empíricos de uma forma abrangente [41]. A definição de conveniência

3 como o tempo e o esforço gastos pelos consumidores quando utilizam determinado serviço é bem aceita pela literatura [11; 10]. Dessa forma, forma-se a quarta hipótese do estudo. Hipótese 4: Conveniência influencia positivamente o Controle Comportamental. As hipóteses 5a, 5b e 5c foram baseadas em estudos ligados à adoção de tecnologias de informação [44; 45] que consideram a possibilidade de determinadas características individuais influenciarem o relacionamento dos fatores antecedentes ao uso de tecnologias, tais como idade, gênero e outras variáveis. No caso do Dubsmash, como nossa população era em sua maioria jovens, buscou-se comparar a percepção dos homens com a percepção das mulheres. Hipótese 5a: O gênero modera a relação entre a Imitação e o Uso do aplicativo. Hipótese 5b: O gênero modera a relação entre o Controle Comportamental e o Uso do aplicativo. Hipótese 5c: O gênero modera a relação entre as Motivações Hedônicas e o Uso do aplicativo. Entende-se que outros fatores influenciam positivamente a utilização do aplicativo, porém, optou-se pelas hipóteses apresentadas por elas terem uma relação maior com o objeto de estudo escolhido aplicativo Dubsmash. III. METODOLOGIA A metodologia utilizada foi quantitativa, com a utilização de análise multivariada de dados. Como as teorias sobre comportamento de rebanho são pouco desenvolvidas e os objetivos são a predição e explicação dos construtos apresentados, optou-se pela utilização do Partial Least Squares Path Modeling (PLS-SEM) [28]. O modelo desenvolvido para pesquisa apresenta indicadores reflexivos e formativos, sendo esse mais um motivo para utilização do PLS-SEM [18; 28]. Para avaliar a validade de face do questionário, um préteste foi realizado com a colaboração de potenciais respondentes (pessoas que já utilizaram aplicativos como o Dubsmash). De forma complementar, o questionário passou pelo crivo de especialistas em pesquisas de adoção tecnológica e modelos de equações estruturais para avaliar a validade de conteúdo das assertivas [33]. As escalas foram adaptadas de estudos anteriores. Alguns questionários precisaram ser descartados, de forma que a amostra estudada contém 122 pessoas que utilizaram o Dubsmash. A coleta de dados durou aproximadamente 20 dias e foi realizada de forma presencial com o questionário tendo sido distribuído em uma Universidade pública do estado de São Paulo no mês de março de Para avaliar o tamanho da amostra e o poder estatístico das análises foi realizada uma análise com o software G*Power 3 [22] e por recomendações de diversos autores [15; 19; 28]. A maior quantidade de setas que chegam a uma variável latente é 3 (maior quantidade de preditores). Considerando-se 3 preditores, nível de significância de 5%, poder estatístico de 0,8 e tamanho do efeito médio (f² = 0,15, que equivale a r² = 13%), tem-se que o tamanho mínimo da amostra é 77. Como a amostra utilizada foi de 122 pessoas, é adequada para a estimação por Partial Least Squares Path Modeling (PLS-PM). As análises a posteriori (post hoc) para a amostra obtida indicam que: (a) qualquer r² superior a 8,46% seria detectado como significante, mantendo o poder de 0,8 e nível de significância a 5%; e (b) para o tamanho de efeito médio o poder é de 0,956, que é bem superior ao valor de 0,8, recomendado [15; 28]. As questões foram medidas utilizando uma escala Likert de sete pontos, assim como ocorreu em pesquisas que utilizaram modelos similares. O entrevistado respondia com variações entre os extremos Discordo Fortemente até Concordo Fortemente. As questões estavam em ordem aleatória no questionário. Para os cálculos e validações dos testes estatísticos, desenvolvidos por meio da técnica de análise multivariada de modelagem por equações estruturais, foram utilizados os softwares SmartPLS 3.0 [38] e IBM SPSS Statistics 21. IV. DESCRIÇÃO E ANÁLISE DOS RESULTADOS O modelo apresenta indicadores reflexivos (Conveniência, Controle Comportamental Percebido, Imitação, Motivação Hedônica e Controle comportamental) e um indicador formativo (Uso do App), assim, cada indicador será avaliado de acordo com os critérios adequados. A. AVALIAÇÃO DE MODELOS DE MENSURAÇÃO FORMATIVOS Os critérios para avaliação de modelos de mensuração formativos são: validade convergente, análise da multicolinearidade e significância e relevância [28]. A validade convergente foi realizada por meio da análise de redundância. Essa análise foi feita por meio da correlação das variáveis do construto formativo com uma medida global do indicador. O construto foi modelado como a variável independente e a medida global como variável dependente. Um coeficiente de caminho acima do limiar de 0,80 fornece suporte para a validade convergente do construto formativo [28]. No caso do construto Participação em movimentos feministas online, o valor foi de 0,837, fornecendo suporte para validade convergente. Para testar a colinearidade dos indicadores, foi utilizado o software IBM SPSS Statistics 21. O SmartPLS 3.0 [38] não fornece valores de tolerância e VIF (Variance Inflation Factor). Foi realizada uma regressão múltipla dos indicadores do construto formativo com outro indicador qualquer, e todos os resultados de tolerância e VIF estão dentro do estabelecido, os valores de tolerância estão acima de 0,20 e os valores de VIF são inferiores a 5. Para analisar a significância e relevância foi utilizada a técnica bootstrapping no SmartPls. De acordo com a estatística T dos pesos externos (outer weights), algumas variáveis não foram significantes. Porém, recomenda-se que se analise as cargas externas também (outer loadings) [28]. Na análise da estatística T das cargas externas, todas as variáveis

4 são significantes (p < 0,01). Nesse caso, a recomendação é que as variáveis sejam mantidas no modelo. B. AVALIAÇÃO DE MODELOS DE MENSURAÇÃO REFLEXIVOS Para os modelos de mensuração reflexivos, os critérios para avaliação são [28]: consistência interna (confiabilidade composta); confiabilidade do indicador; validade convergente (variância média extraída); validade discriminante. Inicialmente, todos os indicadores foram utilizados na mensuração dos construtos. A avaliação da validade convergente foi feita por meio da variância média extraída (AVE). Todas as variáveis latentes apresentaram AVE dentro do recomendado [39], que é 0,5. Em relação à confiabilidade composta (CR), todas as variáveis apresentaram valores superiores a 0,7, o que é considerado adequado [28]. A validade discriminante foi avaliada no nível dos indicadores e das variáveis latentes. Todos os indicadores apresentaram cargas fatoriais maiores em suas respectivas variáveis latentes do que em qualquer outra. Em relação ao nível das variáveis latentes, a raiz quadrada da variância média extraída, indicada na Tabela I (diagonal, em negrito), mostrou-se superior às correlações entre todas as variáveis latentes (tanto na vertical, quanto na horizontal) [39], reforçando assim, a validade discriminante [25; 39]. TABELA I SÍNTESE DA AVALIAÇÃO DOS MODELOS DE MENSURAÇÃO Conveniência Conveniência 0,760 Controle Comp. Imitação Motivações Hedônicas Controle Comp. 0,456 0,767 Imitação 0,217 0,049 0,826 Motivações Hedônicas 0,451 0,368 0,373 0,883 Uso 0,400 0,381 0,493 0,727 AVE 0,578 0,588 0,683 0,779 Confiabilidade Composta 0,803 0,81 0,866 0,914 Alpha de Cronbach 0,658 0,649 0,767 0,857 Uso acima de 0,2 e o VIF abaixo de 5 [28]. Para analisar as significâncias dos indicadores, foi utilizada a técnica bootstrapping [21]. A utilização da técnica bootstrapping para analisar a significância das cargas obtidas para as variáveis observáveis não se baseia só em uma estimação de modelo, mas calcula estimativas de parâmetros e seus intervalos de confiança com base em múltiplas estimações [27; 28]. De acordo com as recomendações, foi realizada uma reamostragem de amostras, com reposição de 122 casos (quantidade de respondentes da pesquisa) [28]. A estatística t de Student analisa a hipótese de que os coeficientes de correlação são iguais a zero. Caso os resultados deste teste indiquem valores superiores a 1,96, a hipótese é rejeitada e a correlação é significante [21; 28]. A Tabela II apresenta os valores dos coeficientes entre os construtos e as respectivas estatísticas t de Student. Os valores também foram estimados pela técnica de bootstrapping. Todos os valores dos relacionamentos apresentaram valores de t de Student superiores a 1,96 (nível de significância = 5%). TABELA II COEFICIENTES DO MODELO ESTRUTURAL Média Erro Padrão Valor T P-valor (bi-caudal) Conveniência -> Controle Comp. 0,474 0,057 7,935 0,000 Conveniência -> Uso 0,075 0,03 2,381 0,017 Controle Comp.-> Uso 0,158 0,062 2,561 0,011 Imitação -> Uso 0,272 0,074 3,691 0,000 Motivações Hed. -> Uso 0,574 0,064 8,921 0,000 Para avaliar o coeficiente de determinação (r²), utilizou-se os valores indicados por autores [19; 22], que determinam que os valores de f2 iguais a 0,02, 0,15 e 0,35 são considerados, respectivamente, como efeitos pequenos, médios e grandes. Esses valores de f2 representam valores de r2 iguais a 2%, 13% e 25%, respectivamente. De acordo com as respostas, o construto Uso apresentou um r² de 0,608, considerado alto. O modelo resultante da pesquisa é apresentado na Fig. 1. De acordo com os resultados, a validade convergente, a validade discriminante e a confiabilidade indicaram uma avaliação positiva do modelo de mensuração. Desse modo, é possível afirmar que as variáveis latentes foram adequadamente mensuradas. C. AVALIAÇÃO DO MODELO ESTRUTURAL Antes de avaliar o modelo estrutural, é necessário avaliar a colinearidade do modelo estrutural. Para avaliar a colinearidade, foram analisados os valores de tolerância e VIF para cada subparte do modelo estrutural. Os valores identificados estão dentro do estabelecido, sendo a tolerância Figura 1. Modelo resultante da pesquisa. Além de avaliar a magnitude dos valores de r² como um critério de precisão preditiva, é necessário avaliar o valor Q²,

5 que é um indicador de relevância preditiva do modelo. A medida Q² aplica uma técnica de reutilização de exemplo que omite parte da matriz de dados e usa as estimativas do modelo para prever a parte omitida. Especificamente, quando um modelo PLS-SEM apresenta relevância preditiva, prediz com precisão os pontos de dados dos indicadores em modelos de mensuração reflexivos. O valor de Q² foi de 0,160 para Controle Comportamental e 0,355 para Uso. Para os modelos de SEM, valores de Q² maiores que zero para uma variável latente endógena reflexiva específica indicam a relevância preditiva do modelo de caminho. Para se ter uma dimensão mais precisa influências exercidas pelos construtos Controle Comportamental, Imitação e Motivações Hedônicas no construto Uso, foi elaborado o Mapa de Performance e Importância (Importante- Performance Map Analysis - IPMA), apresentado na Fig. 2. o sexo masculino. A Fig. 3 apresenta a síntese dos testes de hipóteses do estudo. Hipóteses Descrição Resultado H1 Controle Comportamental influencia positivamente o Uso do aplicativo Dubsmash H2 Imitação influencia positivamente o Uso do aplicativo Dubsmash. H3 Motivações Hedônicas influenciam positivamente o Uso do aplicativo Dubsmash H4 Conveniência influencia positivamente o Controle Comportamental H5a O gênero modera a relação entre o Controle Comportamental e o Uso do aplicativo. H5b O gênero modera a relação entre a Imitação e o Uso do aplicativo. H5c O gênero modera a relação entre as Motivações Hedônicas e o Uso do aplicativo. Figura 3. Síntese dos testes de hipóteses do estudo. Não Não Figura 2. Mapa de Performance e Importância construto Uso. Para testar as Hipóteses 5a, 5b, 5c e 5d do estudo, em relação a diferenças entre os relacionamentos dos antecedentes do Uso do aplicativo entre o home e a mulher, foi realizada uma análise multigrupos. Na pesquisa, 64 respondentes eram homens e 58 eram mulheres. A Tabela III apresenta os resultados da análise dos relacionamentos dos construtos entre grupos de respondentes masculinos e femininos. TABELA III ANÁLISE DE RELACIONAMENTOS DO MODELO DE PESQUISA POR DIFERENCIAÇÃO DE JOVEM E ADULTA Path Coefficientsdiferença (Masculino - Feminino) p-valor (Masculino vs Feminino) Conveniência -> Controle Comp 0,124 0,847 Controle Comp -> Uso 0,319 0,987 Imitação -> Uso 0,1 0,232 Motivações Hedônicas -> Uso 0,129 0,194 Pelos resultados da Tabela 2 observa-se que existem diferenças significantes apenas no relacionamento entre o construto Controle Comportamental com Uso do aplicativo. O resultado indica que o efeito é maior para mulher do que para o homem. Isso provavelmente ocorre pelo fato do homem, no geral, ter mais facilidade com tecnologias, fazendo com que a facilidade ou dificuldade na utilização influenciar pouco para V. CONCLUSÕES O valor do coeficiente de determinação do construto Utilização do Dubsmash igual a 60,80% manifesta uma explicação razoável pela seleção dos construtos analisados. Os resultados do estudo evidenciam que a utilização do aplicativo Dubsmash é explicado pelos construtos Controle Comportamental, Imitação e Motivações Hedônicas. O alto valor explicativo do construto Motivações Hedônicas mostra que as pessoas acham divertido e agradável utilizar o aplicativo, sendo assim o principal fator influenciador do uso. Boa parte da explicação do Uso diz respeito à Imitação, ou seja, as pessoas utilizam o aplicativo para imitar as outras pessoas, sejam artistas, personalidades ou conhecidos, que também utilizaram o aplicativo de dublagem. Esse resultado demonstra o comportamento de rebanho no caso do aplicativo Dubsmash, pois as pessoas observaram outras pessoas utilizando, não consideraram sua própria informação por não terem utilizado ainda o aplicativo, e tomaram a decisão de utilizar também. Os resultados corroboram com outros estudos [20; 46] que apresentaram modelos para o download de aplicativos de software. Outro fator de menor impacto no uso do aplicativo foi Controle Comportamental. Dessa forma, entende-se que o fato da utilização do aplicativo ser fácil para o público respondente, faz com que seja mais utilizado. Do ponto de vista prático, os resultados auxiliam os profissionais no entendimento do comportamento de rebanho em tecnologia de informação, fornecendo informações para tomada de decisões e escolhas tecnológicas, ampliando os conhecimentos científicos e tecnológicos. Entendendo que a Imitação é um dos fatores de influência positiva na adoção de tecnologias, é possível, por exemplo, criar estratégias para que pessoas que influenciam esse comportamento utilizem a tecnologia desejada, divulgando tal utilização. Do ponto de vista acadêmico, o estudo apresenta um modelo de adoção tecnológica que contém um fator de comportamento de rebanho (Imitação) em um contexto ainda pouco explorado (Brasil). O estudo apresentou também duas

6 novidades, validando a influência da Conveniência no Controle Comportamental e a moderação do gênero na relação de Controle Comportamental e Uso. O modelo apresentado contribui para os estudiosos, com percepções sobre o comportamento do indivíduo frente a novas tecnologias. Como sugestões de pesquisas futuras, recomendasse: acrescentar novos construtos ao modelo apresentado; testar o modelo apresentado em novas tecnologias e aplicativos; testar moderadores como idade, sexo e renda e realizar estudos com metodologias qualitativas. AGRADECIMENTOS Essa pesquisa teve o apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). REFERÊNCIAS [1] Abrahamson, E. (1991). Managerial Fads and Fashions: The Diffusion and Rejection of Innovations. The Academy of Management Review, v. 16, n. 3, pp [2] Anderson, C., & Wolff, M. (2010). The Web is Dead. Long Live the Internet Magazine, August. 17. [3] Ajzen, I. (1985). From intentions to actions: A theory of planned behavior. In J. Kuhl & J. Beckman (Eds.), Action-control: From cognition to behavior (pp ). Heidelberg: Springer. [4] Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behavior. Englewood Cliffs, NJ: Prentice-Hall. [5] Arbore, A., & Busacca, B. (2009). Customer satisfaction and dissatisfaction in retail banking: Exploring the asymmetric impact of attribute performances. Journal of Retailing and Consumer Services, v. 16, p [6] Bandura, A. (1986). Social Foundations of Thought and Action. Englewood Cliffs, NJ: Prentice Hall. [7] Banerjee, A. V. (1992). A Simple Model of Herd Behavior. Quarterly Journal of Economics, v. 107, n.3, pp [8] Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, v. 100, n.5, pp [9] Bikhchandani, S. & Sharma, S. (2000). Herd Behavior in Financial Markets. IMF Staff Papers, v. 47, n. 3, pp [10] Brito, E. P. Z, Vieira, V. A., & Espartel, L. B. (2011). A pesquisa na área do varejo: reflexões e provocações. RAE, v. 51, n. 6, p [11] Brown, L. G. (1990). Convenience in services marketing. Journal of Service Marketing, v. 4, n. 1, p , [12] Brown, S. A., & Venkatesh, V. (2005). Model of Adoption of Technology in the Household: A Baseline Model Test and Extension Incorporating Household Life Cycle. MIS Quarterly, (29:4), pp [13] Cenzi, D., Teixeira, I., Costa, J. G., Dobgenski, J. (2008). Tecnologia de aplicações para dispositivos móveis integrada a banco de dados remoto utilizando software livre. Anuário da Produção Científica dos Cursos de Pós- Graduação, v. 3, n. 3, p , [14] Chang, A., Chaudhuri, S., & Jayaratne, J. (1997). Rational Herding and the Spatial Clustering of Bank Branches: An Empirical Analysis. Federal Reserve Bank, New York. [15] Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A Partial Least Squares Latent Variable Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/Adoption Study. Information Systems Research, 14(2), [16] Chin, W. W., & Newsted, P. R. (1999). Structural equation modeling analysis with small samples using PLS. In R. H. Hoyle (Ed.), Statistical strategies for small sample research ( ). Thousand Oaks, CA: Sage. [17] Choi, J. J., Laibson, D., Madrian, B. C., & Metrick, A. (2003). Optimal Defaults. American Economic Review Papers and Proc. v. 93, pp [18] Colombo, M. C., & Cortezia, L, S. D. (2014). Adoção de Aplicativos Para Dispositivos Móveis: Uma Análise Sob a Perspectiva da Utilidade dos Aplicativos em Empresas do Setor Imobiliário. EnAnpad, RJ, [19] Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Erlbaum. [20] Duan, W., Gu, B., & Whinston, A. B. (2009). Informational Cascades and Software Adoption on the Internet: An Empirical Investigation. MIS Quarterly, v. 33, n. 1, pp [21] Efron, B., & Tibshirani, R. J. (1998). An introduction to the bootstrap. Chapman & Hall / CRC Press. [22] Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, v. 41, pp [23] Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Reading, MA: Addison-Wesley, [24] Fiol, M. & O Connor, E. (2003). Waking Up! Mindfulness in the Face of Bandwagons. Academy of Management Review, v. 28, n.1, pp [25] Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, v.18, pp [26] Gartner Group. (2013). Gartner says mobile app stores will see annual downloads reach 102 billion in Set [27] Hair, JR. J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2005) Análise multivariada de dados. 5. ed. Porto Alegre: Bookman. [28] Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2014). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks: SAGE Publications. [29] Holbrook, M. B., & Hirschman, E. C. (1982). The Experiential Aspects of Consumption: Consumer Fantasies, Feelings, and Fun. Journal of Consumer Research, (9:2), pp [30] Kennedy, R. E. (2002). Strategy Fads and Competitive Convergence: An Empirical Test for Herd Behavior in Prime-Time Television Programming. Journal of Industrial Economics, v. 50, pp [31] Laudon, J. P., Laudon, K. C. (2004). Sistemas de informação gerenciais: administrando a empresa na era digital. 5. ed. São Paulo: Pearson. [32] Lieberman, M. B. & Asaba, S. (2006). Why Do Firms Imitate Each Other? Academy of Management Review, v. 31, n. 2, pp [33] Netemeyer, R. G., Bearden, W. O., & Sharma, S. (2003). Scaling procedures: issues and applications. Thousand Oaks, CA: Sage Publications. [34] Nysveen, H., Pedersen, P. E., & Thorbjornsen, H. (2005). Intentions to Use Mobile Services: Antecedents and Cross-Service Comparisons. Journal of the Academy of Marketing Science, (33:3), pp [35] Park, Y., & Chen, J. V. (2007). Acceptance and adoption of the innovative use of smartphone. Industrial Management & Data Systems, vol. 107, n.9, pp [36] Paterson, L., & Low, B. (2011). Student attitudes towards mobile library services for smartphones. Library Hi Tech, Vol. 29 Iss: 3, pp [37] Rao, H., Greve, H. R., & Davis, G. F. (2001). Fool s Gold: Social Proof in the Initiation and Abandonment of Coverage by Wall Street Analysts. Administrative Science Quarterly, v. 46, n. 3, pp [38] Ringle, Christian M., Wende, Sven, & Becker, Jan-Michael. (2015). SmartPLS 3. Bönningstedt: SmartPLS. Retrieved from [39] Ringle, C. M., Sarstedt, M., & Straub, D. W. (2012). A critical look at the use of PLS-SEM in MIS Quarterly. MIS Quarterly, 36(1), iii-xiv. [40] Saccol, A. Z., Manica, A., Calderwood, S. E. (2011). Innovation and adoption of mobile technology in public organizations: the IBGE case. Revista de Administração de empresas - RAE, São Paulo, v. 51, n. 1, p [41] Seiders, K., Voss, G. B., Godfrey, A. L., & Grewal, D. (2007). SERVCON: development and validation of a multidimensional service convenience scale. Journal of the Acad. of Marketing Science 35 (1), [42] Sun, H. (2013). A Longitudinal Study of Herd Behavior in the Adoption and Continued Use of Technology. MIS Quarterly, v. 37, n. 4, pp [43] van der Heijden, H. (2004). User Acceptance of Hedonic Information Systems. [Article]. MIS Quarterly, 28(4), [44] Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. [Article]. MIS Quarterly, 27(3), [45] Venkatesh, V., Thong, J. Y. L., & Xu, X (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), [46] Walden, E. A. & Browne, G. J. (2009). Sequential Adoption Theory: A Theory for Understanding Herding Behavior in Early Adoption of Novel Technologies. Journal of the Association for Inf. Systems, v.10, n.1, p Gustavo Hermínio Salati Marcondes de Moraes é Doutor (2013) e Mestre (2010) em Administração pela FGV-EAESP, com cursos de aperfeiçoamento em Empreendedorismo pela Renmin University of China (2013) e Inovação Social pela University of Cape Town - África do Sul (2015). Atualmente

7 é professor da UNICAMP. Acumula experiência como consultor em grandes empresas nacionais e internacionais nas áreas de inovação, tecnologia e desenvolvimento organizacional. Atuou como colaborador e orientador em projetos de empreendedorismo social em diversas ONGs do Estado de São Paulo. Interesses e atuação em grupos de pesquisa têm como foco: Governo Eletrônico, Gestão e Governança de TI, Comércio Eletrônico, Adoção de TI, Qualidade de Serviços, Métodos Quantitativos e Modelagem em Equações Estruturais.