ปัจจัยที่ส่งผลต่อการใช้เทคโนโลยีจดจำใบหน้าในการทำธุรกรรมชำระเงินของผู้บริโภคในจังหวัดกรุงเทพมหานคร
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อศึกษาระดับความคิดเห็นต่อการใช้เทคโนโลยีจดจำใบหน้าในการทำธุรกรรมชำระเงินของผู้บริโภค และปัจจัยที่ส่งผลต่อการใช้เทคโนโลยีจดจำใบหน้าในการทำธุรกรรมชำระเงินของผู้บริโภค ในจังหวัดกรุงเทพมหานคร การวิจัยครั้งนี้เป็นการวิจัยเชิงปริมาณ โดยใช้การวิจัยเชิงสำรวจ เก็บรวบรวมข้อมูลในจังหวัดกรุงเทพมหานคร กลุ่มผู้ตอบแบบสำรวจ คือ ผู้บริโภคที่อายุตั้งแต่ 15 ปี ในกรุงเทพมหานคร จำนวน 385 ราย ใช้วิธีการสุ่มตัวอย่างกำหนดรูปแบบการสุ่มตัวอย่างโดยไม่ใช้ความน่าจะเป็นด้วยการเลือกกลุ่มตัวอย่างแบบบังเอิญ เนื่องจากไม่ทราบจำนวนประชากรที่แน่นอน รวบรวมข้อมูลโดยใช้แบบสอบถาม สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ 1) การวิเคราะห์ด้วยสถิติเชิงพรรณนา เพื่ออธิบายคุณลักษณะทั่วไปของกลุ่มตัวอย่าง ได้แก่ เพศ อายุ และอาชีพ 2) การวิเคราะห์หลายตัวแปรเพื่อหาปัจจัยที่มีผลต่อการใช้เทคโนโลยีจดจำใบหน้าในการทำธุรกรรมชำระเงินของผู้บริโภคด้วยการวิเคราะห์สมการถดถอยเชิงเส้น ผลการวิจัยพบว่า ผู้ตอบแบบสอบถามส่วนใหญ่เห็นด้วยกับการใช้เทคโนโลยีจดจำใบหน้าในระดับมาก (150 คะแนนขึ้นไป) คิดเป็นร้อยละ 64.16 ปัจจัยที่ส่งผลเชิงบวกต่อการใช้เทคโนโลยีจดจำใบหน้าในการทำธุรกรรมชำระเงินของผู้บริโภค ได้แก่ ปัจจัยด้านความปลอดภัย ปัจจัยด้านการยอมรับต่อเทคโนโลยี ปัจจัยด้านภาพลักษณ์ทางสังคม และปัจจัยด้านการรับรู้ประโยชน์ อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 โดยตัวแปรดังกล่าวสามารถร่วมกันอธิบาย การใช้เทคโนโลยีจดจำใบหน้าในการชำระเงินได้มากถึงร้อยละ 85.5 (R-square) ดังนั้น การพัฒนาเทคโนโลยีให้มีความเหมาะสมต่อความต้องการของผู้บริโภค ต้องพิจารณาปัจจัยเหล่านี้ร่วมด้วย รวมถึงหน่วยงานที่เกี่ยวข้องควรให้ความรู้แก่ประชาชนเกี่ยวกับเทคโนโลยีจดจำใบหน้า เพื่อสร้างความเข้าใจและลดความกังวลเกี่ยวกับการใช้งานเทคโนโลยีนี้
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและความคิดเห็นที่ปรากฏในบทความในวารสารศิลปการจัดการ ถือเป็นความรับผิดชอบของผู้เขียนบทความนั้น และไม่ถือเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ ยินยอมว่าบทความเป็นลิขสิทธิ์ของวารสารศิลปการจัดการ
เอกสารอ้างอิง
Bentham, J. (2000). An Introduction to the Principles of Morals and Legislation. Batoche Books.
Chang, C., & Hwang, G. (2019). Trends in Digital Game-Based Learning in the Mobile Era: A Systematic Review of Journal Publications from 2007 to 2016. International Journal of Mobile Learning and Organization, 13(1), 68-90.
Chaweesuk, S., & Wongjaturaphat, S. (2012). Theory of acceptance of information technology. KMITL Information Technology Journal, 1(1), 1-21.
Cheng, X., Qiao, L., Yang, B., & Zhang, X. (2022). Investigation on users’ resistance intention to facial recognition payment: a perspective of privacy. Electronic Commerce Research. https://doi.org/10.1007/s10660-022-09588-y
Cochran, W. G. (1954). The combination of estimates from different experiments. Biometrics, 10(1), 101-129.
Dabkaew, C., & Jarintho, K. (2018). Success and satisfaction in Mobile Banking among Thai, Singaporean and Malaysian banks. Humanities and Social Sciences Research Promotion Network Journal, 1(3), 25-37.
Davis, F. (1985). A technology acceptance model for empirically testing new end-user information systems: theory and results[Doctoral Dissertation, MIT Sloan School of Management Cambridge MA.].
Jaradat, M.R.M., & Faqih, K.M.S. (2014). Investigating the moderating effects of gender and self-efficacy in the context of mobile payment adoption: a developing country perspective. International Journal of Business and Management, 9(11), 147-169.
Leelathanakiri, C., & Suwanna, T. (2018). Factors Affecting the Acceptance of Banking Transaction
on Smartphones in Bangkok and Vicinity. EAU Heritage Journal Social Sciences and Humanities Edition, 8(3), 100-111.
Leepipatpaiboon, P., & Lertmethapat, N. (2019). Artificial intelligence in Thailand: Case study in financial services. Bank of Thailand.
Li, C., & Li, H. (2023). Disentangling facial recognition payment service usage behavior: A trust perspective. Telematics and Informatics, 7, 1-15. https://doi.org/10.1016/j.tele.2023.101939
Luaddinan, K. (2014). Technology acceptance and online consumer behavior affecting e-books' purchase decisions of customers in Bangkok[Master’s thesis, Bangkok University].
Kaewmane, K. (2020). Factors affecting customers use Pao Tang Application on M.33 Rao Rak Kan. Journal of Academic for Public and Private Management, 2(3), 134-142.
Ketikidis, P. (2011). Acceptance of health information technology in health professionals: An application of the revised technology acceptance model. Proceedings of the 15th International Symposium on Health Information Management Research – ISHIMR 2011.
Nan, D., Kim, Y., Huang, J., & Sun Jung, H. (2022). Factors affecting intention of consumers in using face recognition payment in offline markets: an acceptance model for future payment service. Frontiers in Psychology, 13, 1-11. DOI: 10.3389/fpsyg.2022.830152
Saengprasert, N., Sasithanakornkaew, S., & Apisupachoke, W. (2022). Factors influencing acceptance and behavior to use of Paotang Application. Mahachula Nakornrat Journal, 9(4), 245-259.
Sombat, P. (2021). Factors influencing the intention to use the service innovation of “Mor Prom” Application in Bangkok. Journal of Accountancy and Management Mahasarakham University, 14(1), 142-160.
Sukamart, M. (2019). The criminal liability of artificial intelligence. Ubon Ratchathani Rajabhat Law Journal, 7(2), 37-49.
Prasitratsin, S. (2007). Research and methodology in social science. Samlada.
Robinson, C., & Barlow, W. (1959). Image public relations. Public Relations Journal, 15, 10-13.
Schepers, J., & Wetzels, M. (2007). A meta-analysis of the technology acceptance model: Investigating subjective norm and moderation effects. Information & Management, 44(1), 90–103.
Stevens, W. (1996). Letters of wallace stevens. University of California Press.
Thongmala, P. (2015). The users Electronic Government Procurement (e-GP) of Rajmangala University of Technology[Master’s thesis, Prince of Songkla University].
Vanichbancha, K. (2006). Statistics for research. Sam Lod Limited Partnership.
Vroom, H. V. (1964). Work and motivation. Wiley and Sons.
Udomthanawong, S. (2019). Brand image and technology acceptance affecting hotel booking intention via applications. Kasem Bundit Journal, 20(2), 56-67.
Wongyara, W. (2020). Factors affecting actual usage of e-wallet through Super Apps: Case study Rabbit Line Pay and Grab Pay. Journal of Information Systems in Business (JISB), 6(3), 11-28.
Wu, B., & Chen, X. (2017). Continuance intention to use MOOCs: Integrating the technology acceptance model (TAM) and task technology fit (TTF) model. Computers in Human Behavior, 67, 221-232.
Zhang, W., & Kang, M. (2019). Factors affecting the use of facial-recognition payment: An example of Chinese consumers. IEEE Access, 9, 154360-74.
