Acceptans av CRS i affärssystem : En studie av affärssystems användares beteende och acceptans för implementationen av Conversational Recommender Systems [CRS]

Acceptans av CRS i affärssystem

Författare: Linus Edenholm (970131) och Filip Mood (970325)

Hösttermin 2020

Informatik, kandidatkurs 30hp Ämne: Informatik

Handelshögskolan vid Örebro Universitet Handledare: Ann-Sofie Hellberg

Förord

Inledningsvis vill vi rikta ett stort tack till vår handledare Ann-Sofie Hellberg som har bidragit med kloka resonemang och varit vår hjälpande hand längs hela vägen. Ett stort tack riktas också till vår kontaktperson på företaget vi samarbetat med, din hjälp har varit

ovärderlig för oss. Vidare vill vi rikta ett tack till våra medstudenter som har bidragit med bra och givande konstruktiv feedback. Till sist vill vi uttrycka vår tacksamhets till studiens respondenter som ställde upp på våra intervjuer. Era berättelser och resonemang har varit värdefulla och bidragit med givande insikter för studien och oss själva. Stort tack till er alla.

Örebro Januari, 2021

____________________ ____________________

Abstract

Title: CRS in business system - A study of business systems users’ behavior and acceptance for implementation of Conversational Recommender Systems [CRS]

Background: CRS in business-to-business is aimed to generate interactive dialogues when users are experiencing an overload of information which results in recommendations based on users’ preferences and behavior. Previous research indicates that there is a lack of studies in the relation between users’ behavior, behavioral intention and their interaction with CRS. An explanation for this is that previous research has assumed that user’s preferences are predefined and already existed, but it doesn’t. Recent research indicates a need to

approximate users’ behavioral intention and appreciation towards CRS. This study is aimed at understanding users’ acceptance and attitude towards implementation of CRS in business systems.

Purpose: To increase the comprehension about business system users’ acceptance and attitude to implementation of CRS in business systems. Through investigation of users’ behavioral intention and acceptance will the study present insights to consider when CRS implements in business systems. The contribution is aimed to increase the comprehension about acceptance and attitude towards implementation of CRS who will improve the interaction in business systems.

Method: A qualitative research method based on five semi-structured interviews with users of the business system. The analysis method is grounded in thematic analysis which is complemented by the unified theory of acceptance and use of technology, which aims to describe users’ use behavior and acceptance of business systems.

Conclusion: There are differences between users’ acceptance and attitude towards

implementation of CRS in business systems. The results indicate differences in behavioral intention and acceptance that are related to users’ age and their experience of CRS. In some cases, users between 34-44 years tend to have a lower acceptance as opposed to users between 45-55 years. In summary users of business systems have a relatively good acceptance and attitude towards implementation of CRS but have a lack of awareness and experience which affect their degree of acceptance.

Keywords: Recommender systems, CRS, UTAUT, Behavioral intention, Acceptance, Business systems, User

Centrala begrepp

Rekommendationssystem - Ett samlingsbegrepp för flertalet funktionaliteter i onlinebaserade applikationer och informationssystem som genererar rekommendationer (t.ex. tjänster, produkter eller funktionalitet) till användaren med utgångspunkt i användarens intressen och behov.

Conversational recommender systems (CRS) - En specifik variant av

rekommendationssystem som genererar rekommendationer till användaren utifrån en konversation och interaktion med användaren, t.ex. likt en chattfunktionalitet.

Unified Theory of Acceptance and Use of Technology (UTAUT) - Ett teoretiskt ramverk som är en sammanslagning av flertalet teorier inom allt från datavetenskap till mänskligt beteende. Syftar till att identifiera användares acceptans och beteende vid implementering och

användning av ett informationssystem.

Beteendemässig avsikt - Förutsägande av användarens förväntade beteende. Ett delresultat från UTAUT som ger förståelse och förklarar varför användaren väljer att använda en applikation, funktionalitet eller informationssystem.

Acceptans - Användarens grad av vilja och godkännande till att godta samt använda ett informationssystem eller en funktionalitet.

Affärssystem - Informationssystem/applikation som nyttjas av verksamheter och organisationer.

Innehållsförteckning

2.1CONVERSATIONAL RECOMMENDER SYSTEMS 5

2.1.1 Vad är CRS? 5

2.1.2 Tillämpning 6

2.3UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY 7

2.3.1 Bakgrund 7 2.3.2 Performance Expectancy 9 2.3.3 Effort Expectancy 9 2.3.4 Social Influence 10 2.3.5 Facilitating Conditions 10 2.3.6 Behavioral Intention 11 2.3.7 Use Behavior 11 2.4TEORETISKT TILLÄMPNING 11 3. METOD 14 3.1METODANSATS 14 3.2UNDERSÖKNINGSDESIGN 14

3.3FÖRETAG OCH AFFÄRSSYSTEM 14

3.4INTERVJU 14

3.5INTERVJUGUIDE 15

3.6URVALSPROCESS 16

3.6.1 Primär- och sekundärdata 16

3.6.2 Urvalsprocess av litteratur 16

3.6.3 Urval av affärssystem 16

3.6.4 Urval av respondenter 17

3.7ANALYSMETOD 18

3.8KRITISKT REFLEKTION 19

4. ANALYS & RESULTAT 21

4.1PERFORMANCE EXPECTANCY 21

4.2EFFORT EXPECTANCY 22

4.3SOCIAL INFLUENCE 23

4.4FACILITATING CONDITIONS 24

4.5BEHAVIOR INTENTION 26

4.5.1 Performance expectancy + Behavior Intention 26

4.5.2 Effort expectancy + Behavior Intention 26

4.5.3 Social influence + Behavior Intention 27

4.6USE BEHAVIOUR 28

5. FÖRHÅLLANDET MELLAN ANVÄNDARE & CRS 30

6. SLUTSATS 32

7. REFLEKTION 34

KÄLLFÖRTECKNING 35

1. Inledning

___________________________________________________________________________ Inledande kapitel behandlar bakgrund om forskningsområdet genom att presentera tidigare forskningsresultat och slutsatser. Efter bakgrunden går studien vidare till problematisering

där tidigare forskning diskuteras. Problematiseringen mynnar ut i studiens syfte, frågeställning och avgränsningar.

___________________________________________________________________________

1.1 Bakgrund

Rekommendationssystems ursprung härleds till mitten av 1990-talet och skapades med utgångspunkten att, “people provide recommendations as inputs, which the system then aggregates and directs to appropriate recipients” (Ricci & Werthner, 2006; s. 5). Enligt Ricci och Werthner (2006) har intresset för rekommendationssystem gradvis accelererat sedan introduktionen på 1990-talet. Rekommendationssystem kan generellt illustreras utifrån att användaren interagerar med en webbplats, t.ex. en webbplats för e-handel, i syfte för att göra diverse val. Detta kan till exempel vara att handla en produkt i en webbshop eller att

användaren väljer att lyssna på viss musik i streamtjänster. Rekommendationssystem

analyserar användarens beteendemönster och syftar till att förstå användarens efterfrågan och behov utifrån deras tidigare val. Således genererar rekommendationssystem förslag och rekommendationer på till exempel liknande musik eller produkter som användaren tidigare intresserat sig för. Rekommendationen kan samtidigt baseras på information från hur andra användare har interagerat med webbplatsen eller applikationen. En typ av rekommendation kan vara t.ex. “Andra som lyssnar på artisten lyssnar också på denna artist”.

Enligt Wang et al. (2015) har dessa typer av rekommendationer fokuserat på att kontinuerligt förbättra precisionen av rekommendationer genom att utveckla och effektivisera algoritmer som genererar rekommendationen. Samtidigt har utvecklingen och den ökande efterfrågan av rekommendationssystem enligt Ricci och Werthner (2006) medfört fördjupade tekniker, förhållningssätt och variationer av rekommendationssystem. En variant av

rekommendationssystem som enligt Jannach et al. (2020) har utvecklats på senare tid är Conversational Recommender Systems (CRS). En generell definition för CRS enligt Jannach et al. (2020; s. 2) är “CRS is a software system that supports its user in achieving

recommendations-related goals through a multi-turn dialouge”. I linje med detta menar Ricci och Werthner (2006) att CRS syftar till att vägleda användarens beslutsfattande när

användaren saknar erfarenheter för att göra ett val vid överbelastning av alternativ och information. Rekommendationer som genereras av CRS baseras således på liknande algoritmer likt generella rekommendationssystem samtidigt som CRS genererar rekommendationer utifrån en konversation med användaren. Till exempel kan

rekommendationer från CRS illustreras utifrån scenariot att användaren efterfrågar ett boende för den kommande semestern. Användaren navigerar sig runt på webbplatsen och använder sökfunktionaliteten utan framgång. Användaren väljer att använda webbplatsens

implementerade CRS analyserar textfrasen och ställer en följdfråga, t.ex. “Hur många ska boendet vara för?”. Utifrån mer information från användaren kan således rekommendationen specificeras och avgränsas i syfte för att tillgodose användarens behov. Dialogen fortlöper och användaren svarar med att boendet skall vara för fyra personer. CRS analyserar återigen den sammanlagda informationen från användaren tillsammans med användarens tidigare interaktion och beteende på webbplatsen - återigen ställs en följdfråga, “Ska boendet vara anpassat för en familj?”. Konversationen fortlöper i denna karaktär fram tills att användaren upplever att behovet är tillgodosett. En konversation mellan användaren och CRS kan samtidigt genomföras utifrån annan implementerad funktionalitet och inte enbart genom en chattfunktion.

Utvecklingen av CRS är en följd av att tidigare tillvägagångssätt för att generera rekommendationer enbart är baserade på maskininlärningstekniker, algoritmer och

fördefinierade dialogvägar istället för att förstå användaren (Jannach et al., 2020; Wang et al., 2015). Utvecklingen kan också enligt Jugovac och Jannach (2017) hänföras till insikter om rekommendationers betydelse för en förbättrad användarupplevelse. Samtidigt som det finns ett ökande intresse inom e-handel och e-service visar tidigare studier på att implementationen av CRS på senare år har ökat inom banksektorn, hälso- och sjukvården,

underhållningsbranschen och gradvis i flertalet andra industrier (Lu et al., 2015; Pinxteren et al., 2020). Enligt Lu et al. (2015) tenderar CRS att fokusera på rekommendationer riktade till enskilda konsumenter och användare, business-to-consumer (B2C). I generella drag är CRS och rekommendationssystem frekvent återkommande i musiktjänster, streamtjänster,

bokningssystem, e-handel samt inom andra tjänster och produkter (Ricci & Werthner, 2006). Samtidigt ökar populariteten för CRS inom business-to-business (B2B) och avser inte endast B2C. Enligt Lu et al. (2015) syftar B2B inom CRS till att generera interaktiva dialoger och rekommendationer om diverse tjänster samt produkter riktade till användare av affärssystem. Syftet med CRS utifrån B2B-perspektiv är således att förse användare med anpassade

rekommendationer för att minska överbelastning av information, minska bristen på kunskap inom ett specifikt system samt för att förbättra verksamhetens kundrelationer (Lu et al., 2015; Mahmood & Ricci, 2009).

Utvecklingen av nya tekniker och tillvägagångssätt för rekommendationssystem har enligt Sun och Zhang (2018) medfört att det finns behov av ytterligare studier på

rekommendationssystem, speciellt på CRS. Samtidigt menar Pinxteren et al. (2020) att det finns forskningsbehov av att studera CRS med användaren i fokus med anledning av att tidigare studier är spridda inom flera ämnesområden, t.ex. psykologi, datavetenskap och kommunikationsvetenskap. Forskningsbehovet underbyggs också av Jugovac och Jannach (2017) som menar att tidigare studier baseras på antagandet att förhållandet mellan

användarens beteende och CRS är fördefinierat, ett antagande som sällan är korrekt. Enligt Jannach et al. (2020; s.1) grundas detta i att tidigare forskning tillämpar ett “one-shot

interaction paradigm” vilket tenderar att mynna ut i generaliserade resultat samtidigt som det frångår den specifika användaren. Ett senare paradigm för rekommendationssystem enligt Nardiccu et al. (2020) tar hänsyn till den specifika användaren utifrån att CRS syftar till att vägleda användaren genom en interaktiv dialog till skillnad från fördefinierade dialogvägar.

Enligt Jannach et al. (2020) bidrar således det senare paradigmet till en bredare och rikare förståelse om användaren och dess förhållande till rekommendationssystem. Samtidigt syftar det senare paradigmet enligt Nardiccu et al. (2020) till att bidra med förbättrad precision i rekommendationer samt att interaktionen effektiviseras vilket slutligen förbättrar

användarupplevelsen.

Sammanfattningsvis menar Jannach et al. (2020) att fortsatta studier rekommenderas att studera användares beteende och interaktion med CRS. Detta understryker Pinxteren et al. (2020) som antyder att fortsatta studier skall närma sig användarens interaktion och CRS utifrån att förstå användares beteende, uppfattning och egenskaper.

1.2 Problematisering

Perspektiv på rekommendationssystem har på senare år resulterat i ett paradigmskifte för rekommendationssystem med fokus på användaren (Nardiccu et al., 2020). Samtidigt visar tidigare forskning på en brist av studier om användarens beteende, uppfattning och

interaktion med CRS. Utifrån denna utgångspunkt i relation till ett växande intresse i näringslivet och en påtalad rekommendation från tidigare forskning skall studien närma sig förhållandet mellan användares beteende och CRS. Enligt Jugovac och Jannach (2017) behöver utgångspunkten för studier om CRS vara utifrån användarupplevelsen samtidigt som Pinxteren et al. (2020) menar att detta behöver studeras utifrån användares beteende och upplevelse. En förklaring till detta kan grundas i tidigare studiers antagande om att

användares preferenser är fördefinierade och existerande (Jugovac & Jannach, 2017). Utifrån behovet av att studera användarens beteende och upplevelse menar Wang et al. (2015; s.770) att “[...] there is a pressing need to understand factors beyond objective prediction accuracy that influence the user experience (i.e. users’ subjective evaluation toward using

recommender systems) and the effectiveness of recommender system use”.

Wang et al. (2015) menar att användarens avsikt och uppfattning av rekommendationssystem inledningsvis behöver beaktas. Enligt Wang et al. (2015) finns det skillnader i användarens beteende och avsikt beroende på vilken variant av rekommendationssystem som skall användas. Parallellt menar samtidigt Pinxteren et al. (2020) att studier om CRS skall inrikta sig på användarens beteende och interaktion. Wang et al. (2015) menar att detta behov kan tillgodoses utifrån att studera användares beteende och acceptans genom att applicera UTAUT. Tidigare studiers resultat av Wang et al. (2015; s.792-793) visade att, “The results of this study support the relevance of the UTAUT model in understanding consumers’ behavioral intention to use online recommender systems”.

Utifrån denna bakgrund och problematik skall studien fortsättningsvis studera förhållandet mellan CRS och användares beteende och acceptans med avgränsning till B2B, d.v.s användare av affärssystem. Enligt Ricci och Werthner (2006) är CRS mer förekommande inom B2C samtidigt som Pinxteren et al. (2020) argumenterar för ett växande intresse inom B2B. Följaktligen skall studien bidra med ökad förståelse för förhållandet mellan användares beteendemässiga avsikt, dess acceptans och CRS i affärssystem.

1.3 Syfte

Studien syftar till att berika förståelsen om affärssystems användares förhållningssätt till implementering av CRS i affärssystem. Utifrån att förstå affärssystems användares beteendemässiga avsikt och acceptans skall studien främja insikter att ta hänsyn till vid implementeringen av CRS i affärssystem utifrån användaren. Studien ska bidra med

förståelse om affärssystems användares beteende och acceptans för implementation av CRS med intentionen att effektivisera användarens interaktion med affärssystem.

1.4 Frågeställning

Hur förhåller affärssystems användares beteendemässiga avsikt och acceptans sig till implementeringen av CRS? Hur skiljer sig affärssystems användares förhållningssätt sinsemellan?

1.5 Avgränsningar

Studien avgränsas till att studera användares beteendemässiga avsikt och dess acceptans för CRS. Den teoretiska avgränsningen tar utgångspunkt i UTAUT-modellens fyra faktorer med tillhörande modererande variabler. Studien kommer att avgränsas till att fokusera på

användare av ett specifikt affärssystem inom B2B med inriktning på HR-branschen (Human Relations [HR]).

2. Teoretisk utgångspunkt

___________________________________________________________________________ Följande kapitel behandlar studiens teoretiska utgångspunkt. Den teoretiska utgångspunkten

kartlägger och sammanfattar studiens teoretiska referensram som inkluderar CRS och UTAUT. Redogörelsen och den teoretiska framställningen mynnar ut i studiens teoretiska

tillämpning och analysmodell.

___________________________________________________________________________

2.1 Conversational recommender systems

2.1.1 Vad är CRS?

CRS i jämförelse med rekommendationssystem skiljer sig åt till stor del med anledning av det senare paradigmskiftet. Enligt Mahmood och Ricci (2009) ägnar rekommendationssystem sig till en enkel interaktion mellan användare och system utifrån att användaren inledningsvis anger en sökfråga med antagandet om att dennes preferenser redan är specificerade.

Rekommendationssystem är således i linje med det tidigare paradigmet där interaktionen med systemet ställde krav på att preferenser angavs i början av interaktionen (Mahmood & Ricci, 2009). Den betydande åtskillnaden mellan det tidigare och senare paradigmet är antagandet om att användare enligt Ricci och Mahmood (2009) inte har en tydlig uppfattning om sina preferenser och krav. Användaren får möjlighet att ompröva och begära en ny

rekommendation fram tills preferenser klarlagts och tills att rekommendationen anses tillfredsställa behovet. Enligt Jannach et al. (2020) kan introduktionen av

rekommendationssystem beskrivas vara i likhet med en sökfunktionalitet vilket inte har sin utgångspunkt i att förstå användaren. Utifrån detta resonemang menar Ricci och Mahmood (2009) att den tidigare varianten av rekommendationssystem innefattade begränsningar som ledde fram till CRS.

Enligt Iovine et al. (2020) är målet med CRS att utveckla och förbättra interaktionen med användaren i syfte för att skapa en positiv upplevelse av systemet. Nyckelfunktionen är att CRS kontinuerligt anpassar rekommendationer som anpassas efter användarens beteende och på användarens begäran (Ivone et al., 2020). Å andra sidan menar Lu et al. (2015) att syftet med CRS är att reducera överbelastning av information genom att erbjuda personliga rekommendationer. Nyckelfunktionen med CRS enligt Lu et al. (2015) är förmågan att “gissa” användares preferenser genom att analysera tidigare beteenden. Sammantaget visar respektive mål- och syfteformulering på att nyckelfunktionen med CRS är att anpassa

personliga rekommendationer vid överbelastning av information baserat på tidigare beteende. Enligt Burke (2002) genereras rekommendationen genom att användaren påpekar behovet av en rekommendation som i kombination med tidigare bakgrundsinformation om användaren resulterar i en personlig rekommendation. I linje med Iovine et al. (2020) genereras således rekommendationen på användarens begäran samtidigt som algoritmer inom CRS kombinerar användares tidigare beteende och information från den aktuella begäran. Följaktligen kan definitionen av CRS från tidigare studier beskrivas vara i linje med Ricci och Werther (2006)

som menar att CRS syftar till att stödja dialog. Således finns det en överensstämmande syn på definitionen av CRS som redovisas enligt figur 1.

Figur 1. Modell på CRS.

För att särskilja på rekommendationssystem och CRS sammanfattar Jannach et al. (2020; s.9) det som, “CRS are dialogue systems designed to serve very specific purposes in the context of information filtering and decision making”.

2.1.2 Tillämpning

Implementeringen av CRS återfinns inom flera tekniska sammanhang som robotik och applikationer. Enligt Theosaksomo och Widyantoro (2019) ökar implementeringen av CRS speciellt i form av chattrobotar samtidig som dom återfinns i det vardagliga livet. I syfte för att bilda en fördjupad förståelse för CRS menar Lu et al. (2015) att rekommendationssystem kan analyseras utifrån varierande tillvägagångssätt och tekniker. Samtidigt främjas analys och förståelse för rekommendationssystems tillämpning enligt Lu et al. (2015) genom att

kategorisera dess syften utifrån, e-business, e-learning, e-commerce, e-goverment m.fl. Enligt Lu et al. (2015) syftar CRS inom e-business till att främja hanteringen av kundrelationer utifrån att verksamheter kan forma rekommendationer till enskilda kunder som baseras på deras egenskaper. Vidare menar Lu et al. (2015) att CRS för applikationer inom B2B grundas i tillvägagångssätten knowledge-based (KB) samt collaborative filtering-based

recommendations (CF). Argumentationen för dessa tillvägagångssätt motiveras utifrån att CRS inom B2B kräver ett stort behov av domänkunskap i syfte för att precisera

rekommendationerna (Lu et al., 2015).

Enligt Burke (2002) implementeras det CF-baserade tillvägagångssättet vanligen inom flertalet rekommendationssystem med anledning av dess oberoende av maskinteknik. Samtidigt motiveras det CF-baserade tillvägagångssättet utifrån dess förmåga att generera rekommendationer med utgångspunkt i komplexa och varierande preferenser (Burke, 2002). Rekommendationer som ges till användaren baseras således på jämförelser mellan åsikter, beteenden och intressen som liknande användare har föredragit (Lu et al., 2015; Burke, 2002). Enligt Wang et al. (2015) kan det CF-baserade tillvägagångssättet liknas med att människor tenderar att vända sig till vänner och sin omgivning för att få en rekommendation. Wang et al. (2015) menar således att det CF-baserade tillvägagångssättet och CRS liknar den

vardagliga dialogen och den sociala processen som återfinns mellan människor. En person söker efter ett förslag eller en rekommendation hos andra personer som sedan utvärderas med stöd av andra människors åsikter (Wang et al., 2015). Samtidigt menar Wang et al. (2015) att desto mer en användares preferenser och åsikter kan liknas med andra användares preferenser och åsikter tenderar det CF-baserade tillvägagångssättet att med högre sannolikhet kunna precisera rekommendationen.

Det CF-baserade tillvägagångssättet kombineras vanligtvis enligt Lu et al. (2015) med det KB-baserade tillvägagångssättet, speciellt för CRS inom B2B. Det CF-baserade

tillvägagångssättet är enligt Wang et al. (2015) förankrat i användares preferenser och inkluderar inte en funktionalitets egenskaper vilket det KB-baserade tillvägagångssättet tillgodoser. Enligt Burke (2002) genereras KB-baserade rekommendationer utan användarens begäran. KB-rekommendationer grundas istället i att CRS innehar kunskap om

applikationens element och objekt samt dess funktionalitet. Således genereras rekommendationer utifrån att CRS identifierar användarens behov av en eventuell

rekommendation samt ger förslag på funktionalitet i systemet som kan möta användarens implicita behov. (Burke, 2002). Sammantaget innehar det KB-baserade tillvägagångsättet en funktionell kunskapsbank om domänen samt innehar viss kunskap om användaren (Lu et al., 2015).

I syfte att precisera rekommendationerna samt för att sträva efter en förbättrad

användarupplevelse menar Lu et al. (2015) att CF- och KB-baserade rekommendationer kan kombineras till tillvägagångssättet, hybrid recommendation. Samtidigt tenderar det hybrida tillvägagångssättet enligt Lu et al. (2015) att eliminera nackdelar med de självständiga och traditionella tillvägagångssätten för rekommendationssystem. Utifrån resonemanget om CRS tillämpning inom B2B menar Jannach et al. (2020) att detta inte endast avser förbättrad användarupplevelse utan också främjar tjänsteleverantörens framgång och utveckling.

Samtidigt bidrar förståelsen om användares beteende och acceptans till att tjänsteleverantören får möjlighet att förbättra funktionalitetens tillgänglighet och användarupplevelse (Jannach et al., 2020).

2.3 Unified Theory of Acceptance and Use of Technology

2.3.1 Bakgrund

Till följd av att allt fler verksamheter digitaliseras har det medfört nya utmaningar till skillnad från tidigare. En av dessa utmaningar enligt Khechine et al. (2016) är relaterade till

individens interaktion med tekniken. För att identifiera en användares acceptans av ny teknik och informationsteknologi utvecklades teorin Unified Theory of Acceptance and Use of Technology (UTAUT) (Khechine et al., 2016; Rehman et al., 2017; Williams et al., 2015). Williams et al. (2015) menar att tidigare forskning med utgångspunkt i UTAUT

huvudsakligen varit inom e-förvaltning, e-bank, e-learning och e-handeln.

Användningsområdet förhåller sig således i linje med Pinxteren et al. (2020) som menar att CRS växer inom t.ex. banksektorn, underhållningsbranschen och flertalet industrier.

UTAUT:s grundare Venkatesh et al. (2003) menar att användare och dess syn på teknik är ett av de mest utvecklande forskningsområdena inom informationssystem. Teorin är en

sammanslagning av teorier inom allt från mänskligt beteende och datavetenskap (Venkatesh et al., 2003). Enligt Williams et al. (2015) identifierade Venkatesh et al. att UTAUT

presterade bättre än vad de individuella teorierna gjorde. Samtidigt skriver Bagozzi (2007) att det finns svårigheter med UTAUT. Dessa svårigheter menar Bagozzi (2007) grundas i den mängd olika variabler och faktorer som sammanslagningen innehar från alla dess teorier. Sammanslagningen av den mängd variabler och faktorer menar Bagozzi (2007) bidra till komplexitet och en sämre överskådlighet. Samtidigt menar Khechine et al. (2016) att det teoretiska ramverket syftar till en mer fördjupad förståelse för användarens beteende till skillnad från de individuella teorierna. Det var denna fördel enligt Khechine et al. (2016) som medförde att UTAUT är det bäst anpassade ramverket för att förklara användares beteende och acceptans för användandet av informationsteknologi inom organisationer.

Enligt Williams et al. (2015) har UTAUT frekvent använts sedan dess introduktion inom forskning om användares beteende och acceptans. Enligt Chang (2012) inkluderar UTAUT-modellen fyra modererande variabler - kön, ålder, erfarenhet, acceptans - som påverkar avsikt och användning av informationsteknik, se figur 2. Venkatesh et al. (2003) menar att teorin ska vara ett verktyg för att identifiera hur sannolikt det är att användare kommer att acceptera ett nytt system tillsammans med dess tekniska framgång. Utifrån studiens kontext bidrar UTAUT till att identifiera beteende och acceptans för implementationen av CRS i ett affärssystem.

2.3.2 Performance Expectancy

Enligt Venkatesh et al. (2003; s. 447) definieras faktorn performance expectancy som “an individual believes that using the system will help him or her attain gains in job

performance”. Wang et al. (2015) menar att faktorn hjälper användaren att effektivisera arbetet genom att CRS kan vara till hjälp vid situationer där det blir överflödig information. Castro et al. (2019; s.139) förklarar faktorn som “how the innovation can improve an

individual’s performance”. Samtidigt menar flertalet studier på att performance expectancy är den mest påverkande faktorn på behavioural intention av performance expectancy, effort expectancy och social influence (Khechine et al., 2016; Rahman et al., 2017; Venkatesh et al., 2003). Performance expectancy enligt Venkatesh et al. (2003) modereras av variablerna ålder och kön.

Vidare menar Venkatesh et al. (2003) att tidigare forskning visar på skillnader mellan män och kvinnor gällande performance expectancy utifrån att män tenderar att vara mer

uppgiftsorienterad till skillnad från kvinnor. Därav menar Venkatesh et al. (2003) att

variabeln performance expectancy tenderar att vara med påvisade hos män. Venkatesh et al. (2003) menar även på att ålder är en modererande variabel på samma sätt som kön är. Detta motiverar Venkatesh et al. (2003) genom att relatera till forskning inom området som förklarar att yngre medarbetare ser yttre belöningar som viktiga faktorer. Utifrån detta framhäver Venkatesh et al. (2003) att det finns skillnader vid ålder och kön som har en påverkande roll när det kommer till införande av ny teknik. Med denna utgångspunkt fastslår Venkatesh et al. (2003) att ålder och kön kommer att ha ett inflytande på faktorn performance expectancy.

2.3.3 Effort Expectancy

Venkatesh et al. (2003; s. 450) definierar faktorn som “the degree of ease associated with the use of the system”, i studiens fall CRS. Faktorn effort expectancy förklarar Venkatesh et al. (2003) är ett samlingsbegrepp utifrån användarvänlighet, upplevd användarvänlighet och komplexitet. Castro et al. (2019; s. 139) bekräftar detta genom att förklara faktorn som “how easy it is for the individual to operate the technology”. Även Wang et al. (2015) bekräftar det genom att förklara faktorn utifrån CRS, det vill säga att det ska vara enkelt att använda de genererade rekommendationerna. Effort expectancy och behavioral intention innehar enligt Khechine et al. (2016) den näst starkaste relationen i modellen. Enligt tidigare forskning framkommer det enligt Venkatesh et al. (2003) att faktorn är betydelsefull inom användande. Dock bara under den första tidsperioden och efter det blir faktorn betydelselös på grund av användarens ökade erfarenhet.

Enligt Venkatesh et al. (2003) är faktorn mer framträdande hos kvinnor än vad den är hos män, vilket motiveras utifrån att kvinnor och män kan ha olika tankemönster. Den

modererande variabeln ålder menar Venkatesh et al. (2003) har visat på svårigheter när det kommer till användandet av affärssystem. Detta på grund av att individens uppmärksamhet dras till information relaterat till arbetet och komplexa påverkande incitament, vilket

Venkatesh et al. (2003) menar är nödvändigt när man ska använda ett affärssystem. Tidigare forskning enligt Venkatesh et al. (2003) stödjer deras tanke om att faktorns relevans är

starkare hos kvinnor och äldre medarbetare. Utifrån detta menar Venkatesh et al. (2003) att de modererande variablerna ålder, kön och erfarenhet fungerar tillsammans. Därmed antyder Venkatesh et al. (2003) att faktorn kommer att vara mest framträdande hos äldre kvinnor med lite erfarenhet av affärssystem.

2.3.4 Social Influence

“The degree to which an individual perceives that important others believe he or she should use the new system” definierar Venkatesh et al. (2003; s. 451) faktorn social influence som. Samtidigt menar Wang et al. (2015) att faktorn utifrån CRS kan relateras till hur användaren influeras av sin omgivning till att använda CRS. Castro et al. (2019) menar att faktorn social influence handlar om individens upplevelse och hur omgivningen influeras av individens användande av ny teknik. Samtidigt menar Venkatesh et al. (2003) att social influence spelar en större roll i de tidigare stadierna av den individuella erfarenheten för att sedan växa under en längre tid och tillslut bli obetydlig vid användandet av systemet. Samtidigt menar

Venkatesh et al. (2003) att social influences roll om teknikacceptans är komplext. Enligt Khechine et al. (2016) är det tydligt att det finns en koppling mellan social influence och teknikacceptans men att det grundas i vad det är för system det är som implementeras. Social influence menar Venkatesh et al. (2003) påverkar det individuella beteendet genom tre mekanismer. Dessa mekanismer menar Venkatesh et al. (2003) är identifiering,

internalisering och överensstämmelse. Tidigare forskning menar Venkatesh et al. (2003) samtidigt peka på att det är mer troligt att en individ uppfyller andras önskemål och

förväntningar när de besitter förmågan att belöna beteendet. Vidare menar Venkatesh et al. (2003) att det är extra viktigt i början av sin erfarenhet, när individens erfarenhet och åsikter är i ett tidigt stadie. Tillslut utvecklas erfarenheten mer och mer, vilket Venkatesh et al. (2003) menar skapar en instrumentell basis till skillnad från sociala influenser vid

användningen av ett system. Utifrån teorin menar Venkatesh et al. (2003) att kvinnor tenderar att vara mer känsliga till andra individers åsikter till skillnad från män. Därav är social

influence en framträdande faktor vid anpassning av ny teknik tillsammans med en avtagande effekt utifrån att individen får mer erfarenhet (Venkatesh et al., 2003). Även den

modererande variabeln ålder menar Venkatesh et al. (2003) har betydelse där äldre

medarbetare har visat på större vikt av social influence. Även här antyder Venkatesh et al. (2003) att social influence är kopplat till modererande variabeln ålder och att faktorn avtar i och med att individen får mer erfarenhet.

2.3.5 Facilitating Conditions

Faktorn facilitating conditions definierar Venkatesh et al. (2003; s. 453) som “the degree to which an individual believes that an organizational and technical infrastructure exists to support use of the system”. Likt denna definition menar Castro et al. (2019) att faktorn handlar om tillgängligheten av support vid det individuella användandet av systemet. Definitionen förklarar Venkatesh et al. (2003) fångar in tre olika begrepp: underlättande av förhållanden, kompatibilitet och upplevd beteendekontroll. Dessa tre begrepp är utvecklade på ett sätt som ska inkludera både teknisk och organisatorisk miljö för att motverka och ta bort barriärer vid användning (Venkatesh et al., 2003). Upplevd beteendekontroll innebär

enligt Venkatesh et al. (2003) uppfattningen av interna och externa begränsningar vid

individers beteende. Begreppet kompatibilitet innebär i sammanhanget enligt Venkatesh et al. (2003) till vilken nivå en innovation upplevs stämma överens med befintliga värderingar och dess erfarenhet. Tredje begreppet som Venkatesh et al. (2003) nämner, underlättande av förhållanden innebär att man har identifierat objektiva faktorer i närmiljön som underlättar. Dessa tre begrepp menar Venkatesh et al. (2003) är operationaliserade och designade för att underlätta användandet. Enligt Venkatesh et al. (2003) växer effekterna av facilitating

conditions allt eftersom att användarens erfarenhet ökar. Tillsammans med detta framkommer det enligt Venkatesh et al. (2003) att äldre medarbetare tenderar att be om mer hjälp samtidigt som de hjälper sina kollegor mer till skillnad från de yngre medarbetarna. Samtidigt kan det relateras till affärssystemets komplexitet och till hur ökade psykiska och kognitiva

begränsningar är kopplade till den modererande variabeln ålder (Venkatesh et al., 2003). Sammantaget menar Venkatesh et al. (2003) att erfarenheten och ålder har en påverkan på användarbeteende.

2.3.6 Behavioral Intention

Castro et al. (2019; s. 139) definierar faktorn behavioral intention som “individual’s

willingness to adopt new technology”. Faktorn har enligt Venkatesh et al. (2003) en positiv och influerande roll på användandet av informationsteknologi. Enligt Wang et al. (2015) innebär faktorn hur redo användaren är att använda CRS. Samtidigt menar även Khechine et al. (2016) att faktorn behavioral intention har en positiv effekt på faktorn use behavior. Rahman et al. (2017) menar på att faktorn behavioral intention går i linje med begreppet acceptans. Enligt Rahman et al. (2017) blir faktorn behavioral intention påverkad av alla tidigare nämnda faktorer, men att faktorn performance expectancy är den som främst påverkar behavioral intention.

2.3.7 Use Behavior

Faktorn use behavior kommer att behandla respektive tidigare nämnda faktorer och

modererande variabler. Faktorn inkluderar utfallet från behavioral intention som kombineras med facilitating conditions och de modererande variablerna ålder och erfarenhet.

Sammantaget beskriver faktorn användarens beteende och acceptans vid antagandet av ny informationsteknologi och teknik.

2.4 Teoretiskt tillämpning

Studiens teoretiska tillämpning tar utgångspunkt i UTAUT och CRS. Kombinationen grundas i tidigare studiers identifierade behov av ökad förståelse för användarens beteende och

acceptans relaterat till CRS. Det hybrida tillvägagångssättet för rekommendationer ställer krav på att identifiera användarens acceptans samt dess beteende för att möjliggöra rekommendationer. Enligt Burke (2002) baseras det CF-baserade tillvägagångssättet på komplexa och varierande preferenser. I likhet med UTAUT kan detta relateras till de modererande variablerna. Relationen mellan de modererande variablerna och det CB-baserade tillvägagångssättet kan således visa på rekommendationer anpassade inom olika segment baserade från de modererande variablerna. Bortsett från de modererande variablerna grundas det CB-baserade tillvägagångssättet enligt Burke (2002) också i användares liknande

beteenden. Det KB-baserade tillvägagångssättet enligt Burke (2002) syftar till skillnad från det CF-baserade tillvägagångssättet att förstå behovet av rekommendationer utan

användarens begäran. Således ställer det KB-baserade tillvägagångssättet krav på förståelse för användarens beteende samt skall förstå när användarens beteende indikerar på behovet av rekommendationer. Enligt Lu et al. (2015) bidrar det hybrida tillvägagångssättet till

preciserade rekommendationer som förhöjer användarupplevelsen. Samtidigt ställer det hybrida tillvägagångssättet krav på förståelse om användarens beteende och egenskaper vilket UTAUT i denna kontext tillgodoser utifrån dom modererande variablerna.

I linje med det hybrida tillvägagångssättets krav på förståelse om användarens beteende och egenskaper menar Venkatesh et al. (2003) att UTAUT:s syfte är att förstå detta samt

användares beteende och acceptans. Samtidigt menar Venkatesh et al. (2003) att UTAUT förklarar användarens beteendemässiga avsikt och acceptans med att använda systemet vilket Khechine et al. (2016) menar påverkar användarens effektivitet i interaktionen med systemet. Enligt Jannach et al. (2020) bidrar CRS till effektiviserad interaktion och förbättrad

användarupplevelse samtidigt som tjänsteleverantörens organisation effektiviseras. Det finns således samband mellan användarens avsikter, acceptans och utfallet av CRS.

Figur 3. Teoretisk tillämpning av CRS och UTAUT. Utifrån att UTAUT resulterar i en förståelse för användarens beteende tar den teoretiska tillämpningen sin startpunkt i UTAUT:s fyra faktorer. Performance Expectancy inkluderar begreppen effektivitet, produktivitet och precision. Begreppen produktivitet och effektivitet relateras till tidigare diskussion om att CRS nyckelfunktion är att kontinuerligt anpassa rekommendationer utifrån användarens tidigare beteende och dialog. Begreppen grundas vidare i resonemangen av Wang et al. (2015) som menar att CRS bidrar till att effektivisera arbetet i informationssystem vilket Venkatesh et al. (2003) samtidigt definierar faktorn performance expectancy som. Begreppet precision tar sin utgångspunkt utifrån tidigare

diskussion om det hybrida tillvägagångssättet samtidigt som rekommendationens precision är avgörande för effektiviteten och produktiviteten.

Effort Expectancy inkluderar begreppen tillgänglighet, tillämplighet och enkelhet. Enligt Ricci och Mahmood (2009) har användare ingen tydlig uppfattning om sina preferenser och krav vilket relateras till analysbegreppet tillämplighet och enkelhet. Samtidigt menar Wang et al (2015) att CRS och dess genererade rekommendationer skall vara enkla att använda. Sammantaget visar tidigare resonemang på att begreppen enkelhet och tillämplighet

förutsätter begreppet tillgänglighet utifrån att CRS skall finnas lätt tillgängligt och tillämpas vid rätt situationer. Begreppen återfinns i faktorn effort expectancy utifrån tidigare definition att faktorn syftar till minskad komplexitet och ökad användarvänlighet.

Social Influence inkluderar begreppen åsiktsutbyte, upplevelse och inflytande. Begreppet åsiktsutbyte relateras till Jannachs et al. (2020) resonemang om att CRS syftar till att skapa en dialog mellan användaren och CRS. Samtidigt menar Wang et al. (2015) att en användare tenderar att vända sig till omgivningen för åsiktsutbyte. Begreppen upplevelse och inflytande relateras till tidigare resonemang om att faktorn social influence fokuserar på användarens upplevelse av ny teknik och hur omgivningen influeras av individens användande av ny teknik (Casto et al., 2019).

Facilitating Conditions inkluderar begreppen medvetenhet och kompatibilitet. Begreppen relateras till Venkatesh et al. (2003) tidigare resonemang om faktorn facilitating conditions som syftar till att användaren innehar överensstämmande värderingar och erfarenheter med den nya tekniken, vilket omsätts till begreppet kompatibilitet. Medvetenheten förklaras utifrån att användaren innehar underlättande förhållanden i omgivningen som skapar

förutsättningar för användandet av ny teknik (Venkatesh et al., 2003). I studiens kontext berör detta till exempel medvetenheten om rekommendationssystem och CRS inom liknande

3. Metod

___________________________________________________________________________ Kapitlet redogör för studiens metodansats och vald datainsamlingsmetod. Fortsättningsvis

redogörs utformning och genomförande av empiriinsamling. Vidare presenteras studiens urvalsprocess för litteratur och respondenter. Avslutningsvis redovisas studiens analysmetod. ___________________________________________________________________________

3.1 Metodansats

Studiens metodansats utgår från en kvalitativ metod som grundas i semistrukturerade intervjuer. Den kvalitativa metodansatsen motiveras utifrån det identifierade behovet av en ökad förståelse för användarens beteende och acceptans av CRS. Enligt Bryman och Bell (2017) bidrar den kvalitativa metodansatsen till en detaljerad och fördjupad förståelse. I syfte för att förstå användarens uppfattning och beteende med implementationen av CRS

kombineras semistrukturerade intervjuer och uppgiftsorienterade frågor. De uppgiftsorienterade frågorna genomförs i ett affärssystem som befinner sig i

implementationsfasen av CRS. Sammanfattningsvis förväntas metodansatsen att bidra med detaljerad och fördjupad empiri i syfte att öka förståelsen för förhållandet mellan användares beteende och acceptans av CRS.

3.2 Undersökningsdesign

Studiens undersökningsdesign är utifrån semistrukturerade intervjuer vilket syftar till att ge en fördjupad och mer detaljerad förståelse. Undersökningsdesignen berikar således studiens förståelseinriktade syfte och frågeställning. Studiens undersökningsdesign och de

semistrukturerade intervjuerna är därav väsentliga utifrån att studien syftar till att ge en fördjupad förståelse för implementation av CRS samt förhållandet mellan affärssystems användares beteende, acceptans och CRS.

3.3 Företag och affärssystem

Studien är utifrån ett specifikt företag som har specialiserat sig för HR och lönerelaterade frågor. Verksamheten erbjuder ett affärssystem som syftar till att underlätta diverse

löneprocesser. Affärssystemet innehåller flera moduler med varierande funktionaliteter t.ex. verktyg som lönekartläggning, vilket enligt Diskrimineringsombudsmannen (2020) skall genomföras varje år av organisationer med fler än 10 anställda. För närvarande arbetar företaget med att implementera CRS i affärssystemet. Val av företag och affärssystem motiveras nedan, med hänvisning till 3.6.3 Val av företag.

3.4 Intervju

Den semistrukturerade intervjuformen enligt Bryman och Bell (2017) innebär att förbereda frågor inför intervjun samt att dessa inte behöver vara i samma följd vid respektive

intervjusession. Detta utifrån att nya frågor kan uppstå under intervjuerna, både från granskare och från respondent. Denna intervjuform i kombination med att respondenterna

presenteras anonymt bidrar till en högre grad av transparens. Utifrån att respondenterna presenteras anonymt i studien gavs respondenterna också möjligheten att uttrycka sig fritt under intervjusessionen. Respektive respondent har även inför intervjun fått information om vad intervjun kommer att behandla under intervjutillfället. Detta genomfördes för att

säkerställa att den insamlade empirin var aktuell för studien samt för att säkerställa att respondenten var bekväm inför intervjun.

Intervjun semistrukturerade frågor inkluderade öppna frågor, slutna frågor och

uppgiftsorienterade frågor. De uppgiftsorienterade frågorna utfördes i valt affärssystem med erhållen exempeldata från leverantören i syfte för att inte exponera respondenternas

organisatoriska och dess eventuella känsliga information. Intervjuns uppgiftsorienterade frågor genomfördes i affärssystemet med inriktning på lön och HR relaterade funktionaliteter. Uppgifter var avgränsade till en av affärssystemets tio moduler med inriktning på

lönekartläggning. Affärssystemet har vid respektive intervjutillfälle inte implementerat CRS utan endast innehar viss funktionalitet som genererar rekommendationer. De

uppgiftsorienterade frågorna berörde enbart CRS och syftade inte till att beröra den generella funktionaliteten i affärssystemet.

Samtliga intervjuer i studien genomfördes digitalt på grund av rådande situation med Covid-19. Med anledning av detta genomfördes digitala intervjuer som samtidigt det underlättade respondenternas deltagande. För att säkerställa att empirin skulle vara av hög kvalitet var ett krav att respektive respondent skulle ha kamera och möjlighet att dela sin skärm vid de uppgiftsorienterade frågorna. Detta för att säkerställa att respondenten var den person som denne uppgav sig att vara samt för att säkerställa att respondenten inte blev påverkad av en utomstående person. Intervjuerna genomfördes mellan 45 och 60 minuter beroende på hur utförliga svar respondenterna gav och hur många följdfrågor som ställdes. Intervjuerna spelades även in för att ha möjligheten att gå tillbaka ifall tveksamheter vid bearbetning av empirin framstod. Inspelningen skapar möjligheten att återgå till intervjun efter att intervjun genomförts för att säkerställa att studien har tolkat respondenten rätt (Bryman & Bell, 2017). Det genomfördes sammanlagt fem intervjuer.

3.5 Intervjuguide

Vardera intervju har följt studiens utformade intervjuguide som är baserad på öppna frågor, slutna frågor och uppgiftsorienterade frågor. Intervjuguiden medförde att frågor redan innan intervjun var kategoriserade och riktade på ett specifikt tema inför den kommande empiriska framställningen och analys. De inledande frågorna syftade till att samla in information om respondenten som tillgodoser empiri för de modererande variablerna. Sedan övergår

intervjuguiden till öppna frågor och avslutningsvis ställs direkta samt slutna frågor. Samtliga frågor i intervjuguiden är kategoriserade utifrån studiens teoretiska ramverk som inkluderar UTAUT och CRS, se bilaga 1.

För att skapa en ökad förståelse om implementationen av CRS samt användares beteende till CRS kompletterades de semistrukturerade intervjuerna med uppgiftsbaserade delar med öppna och direkta frågor kopplade till uppgiften. Intervjuguiden innefattar tre uppgifter för

respondenten att genomföra med följdfrågor till vardera uppgift samtidigt som respondenten uppmuntrades till “think-aloud”. Enligt Bryman och Bell (2017) syftar “think-aloud” till att respondenten beskriver sin tankegång högt för åhöraren vilket utifrån studiens kontext bidrar med förståelse för användarens tankar vid interaktionen. Uppgifterna var konstruerade enligt följande - Uppgift 1) att det inte fanns något CRS i affärssystemet; uppgift 2) att åhöraren agerar som CRS vid andra uppgiften; uppgift 3) att affärssystemet innehar CRS. Vid vardera uppgift ställdes frågor om uppgiften, hur användaren tyckte att rekommendationen var och om något saknades samt vad användaren istället önskade sig.

3.6 Urvalsprocess

3.6.1 Primär- och sekundärdata

Studien har använt sig av primärdata genom att samla in studiespecifik data med hjälp av semistrukturerade intervjuer och uppgifter. Studiens sekundärdata är insamlad från olika databaser med samlingar av vetenskapliga artiklar inom huvudämnet informatik samt andra närliggande ämnen som har berikat studien. Enligt Williams et al. (2015) är användandet av det teoretiska ramverket UTAUT väldigt diversifierat, vilket de menar bidrar till att det inte finns en självklar samling av studier vid användandet av UTAUT. Därmed kommer det vara ett antal olika tidskrifter som används i studien.

3.6.2 Urvalsprocess av litteratur

Valda vetenskapliga artiklar är vetenskapligt granskade och därmed peer-review

klassificerade. De vetenskapliga artiklarna är till stor del hämtade från databaserna IEEE Xplore, Emerald Insight samt ACM Digital Library. Samlingsdatabasen Primo, som är tillgänglig från Örebro universitet, har även använts när artiklar inte har identifierats inom de tidigare nämnda databaserna. Sökord som användes för att hitta vetenskapliga artiklar inom CRS och den teoretiska utgångspunkten UTAUT var följande:

CRS; Conversational Recommender Systems; UTAUT; Unified Theory of Acceptance and Use of Technology; CRS UTAUT; CRS Unified Theory of Acceptance and Use of

Technology; Conversational Recommender Systems UTAUT.

Urvalsprocessen av vetenskapliga artiklar grundades i att sökresultaten sorterades utifrån år 2010 och dess relevans utifrån respektive genomförd sökning. Inledningsvis valdes artiklar med tilltalande titlar i relation till studiens syfte för vidare granskning. Därefter granskades abstract i vardera artikel för att skapa en förståelse utifrån artikelns relevans i studiens sammanhang. Artiklar som inte visade på en relevans exkluderas medan artiklar som visade på en relevans till studiens ändamål inkluderades. Ytterligare vetenskapliga artiklar som har använts i studien är hämtade från andra vetenskapliga artiklars referenser, likt dess

sekundärdata.

3.6.3 Urval av affärssystem

Valet av företag och affärssystem baseras på tidigare upprättade kontakter inom det personliga nätverket. Utifrån studiens utgångspunkt och syfte upprättades kontakt med ett företag som erbjuder ett affärssystem till organisationer med fler är 10 anställda. Följaktligen

identifierades det utifrån diskussion med företaget att de befann sig i ett inledande stadie för att påbörja implementering av CRS och funktionella rekommendationer. Företaget erbjuder ett affärssystem med flertalet funktionaliteter och moduler till deras kunder i syfte att förbättra löneprocesser. Den mest centrala modulen med högst antal användare enligt verksamheten är lönekartläggning. Således avgränsar studien sig endast till att studera affärssystemets användare i modulen lönekartläggning. Med anledning av den höga andelen användare i modulen lönekartläggning i kombination med företaget pågående implementation av CRS ansågs denna modul vara av hög relevans att studera.

Affärssystemet har cirka 12 000 aktiva användare enligt företaget. Affärssystemets huvudsakliga syfte riktar sig till personal som är verksamma inom HR-branschen. Användarna av affärssystemet är verksamma inom privat respektive offentlig sektor med varierade storlekar på deras verksamheter. Affärssystemets erbjuds som en webbapplikation samt anpassade för mindre enheter. Valet av företag och affärssystem är således i linje med studiens identifierade bakgrund och forskningsbehov.

3.6.4 Urval av respondenter

Urvalet av respondenter avgränsas till användare i studiens valda affärssystem. Kriterier för urvalet av användare var - använt affärssystemet minst 40 gånger de 3 senaste månaderna och innehar administratörsbehörighet. Anledningen till kriteriet att användaren ska använt

affärssystemet minst 40 gånger de 3 senaste månaderna grundas i att affärssystemets syfte och funktionalitet endast används ett tillfälle per år. Samtidigt syftar kravet på

administratörsbehörighet till att identifiera användare som hade en grundläggande erfarenhet av systemet. Detta i syfte för att skifta fokus från affärssystemets huvudsakliga funktionalitet och för att möjliggöra reflektioner om implementationen av CRS. Således innehar användare grundläggande erfarenheter om affärssystemets syfte och ändamål.

Respondenterna innehar alla administratörsbehörighet och är frekventa användare av

affärssystemet. Respondenternas befattningar är - Group compensation and group specialist; Lönehandläggare; HR-specialist; Compensation and benefits specialist.

Respondent A - Respondenten identifierar sig som kvinna och befinner sig i åldersintervallet 34-44 år. Respondenten har varit verksam inom organisationen i 11 månader. Intervjun genomfördes med personlig kommunikation den 30 november 2020.

Respondent B - Respondenten befinner sig i åldersintervallet 45-55 år och identifierar sig som kvinna. Respondenten har varit verksam inom organisationen i tre månader. Intervjun genomfördes med personlig kommunikation den 30 november 2020.

Respondent C - Respondenten är i åldersintervallet 45-55 år och identifierar sig som kvinna. Respondenten har varit verksam i fyra och ett halvt år inom organisationen. Intervjun

Respondent D - Respondenten är i åldersintervallet 45-55 år och identifierar sig som kvinna. Respondenten har arbetat med detta i organisationen sedan 2002. Intervjun genomfördes med personlig kommunikation den 7 december 2020.

Respondent E - Respondenten är i åldersintervallet 34-44 år och identifierar sig som kvinna. Respondenten har varit verksam inom organisationen i ett och ett halvt år. Intervjun

genomfördes med personlig kommunikation den 8 december 2020.

3.7 Analysmetod

Studiens analysmodell är strukturerad utifrån en teoristyrd tematisk analys med utgångspunkt i studiens teoretiska ramverk. UTAUT utgör den tematiska analysens övergripande teman och analysmodellens struktur. Enligt Bryman och Bell (2017) innehar den tematiska analysen inget tydligt tillvägagångssätt vilket möjliggör dess kombination av andra teoretiska inslag. Samtidigt menar Braun och Clarke (2006) att den tematiska analysen är en flexibel

analysmetod som möjliggör att den studiespecifika teoretiska utgångspunkten kan

kombineras med analysmetoden. Analysmodellen är således strukturerad utifrån UTAUT:s fyra faktorer - performance expectancy, effort expectancy, social influence och facilitating conditions. Respektive övergripande tema inkluderar analysbegrepp som kan relateras till det övergripande temats huvudsakliga syfte. Analysbegreppen kan samtidigt relateras till centrala begrepp inom teorin om CRS och UTAUT - resonemang som återfinns i studiens kapitel 2.4. Följaktligen kan respektive övergripande tema relateras till UTAUT:s modererande variabler i syfte att förstå användarens beteendemässiga avsikt och förhållande till CRS.

Enligt Bryman och Bell (2017) bidrar en tematisk analys till insikter om studiens nivå av empiriska mättnad. Detta utifrån att den insamlade empirin struktureras utifrån respektive tema vilket bidrar till en tydlig överskådlighet av respektive temas innehåll. Studiens analys grundas i att den insamlade empirin struktureras i en matris (se bilaga 2) utifrån respektive tema. Den insamlade empirin analyseras och relateras till ett tema där respondenternas resonemang visar på ett samband till det övergripande temat och dess analysbegrepp. Enligt Bryman och Bell (2017) tenderar samtidigt den tematiska analysen vara vanligt

förekommande vid bearbetning av kvalitativ empiri vilket är i linje med studiens metodansats.

Figur 3. Teoretisk tillämpning av CRS och UTAUT. Sammantaget bidrar studiens analysmetod till att förstå användarens beteendemässiga avsikt, uppfattning och dess förhållande till CRS. Use behavior är resultatet av insamlad empiri och genomförd analys. Vilket kommer att vara studiens resultat.

3.8 Kritiskt reflektion

Den valda kvalitativa metodansatsen har kritiserats utifrån att den inte är mätbar likt den kvantitativ metodansats (Bryman och Bell, 2017). Metodansatsen motiveras istället utifrån behovet att identifiera beteende och acceptans vilket kan vara problematiskt att kvantifiera i form av statistik. För att studien ska kunna bidra med god validitet, internt respektive externt har studien strävat efter att vara så grundläggande och förklarande som varit möjligt utifrån studien kontext. Utifrån studiens sammanhang framförs definitioner på begrepp, till exempel att diskutera definitionen av CRS och andra begrepp som frekvent återkommer inom det teoretiska ramverket och studien. Denna förankring av begrepp i kombination med

beskrivande processer för hur studien genomförts bidrar till en högre grad av överförbarhet vilket syftar till att stärka studiens validitet utifrån en kvalitativ aspekt.

Inom reliabilitet har Lincon och Guba (1985) utvecklat kriteriet pålitlighet. Kriteriet menar Lincon och Guba (1985) syftar på en grundlig och väl genomförd forskningsprocess. Den forskningsprocess som studien använt sig av motiveras utifrån de modeller som utvecklats successivt. Analysmetoden och modellen har successivt utvecklats och strukturerats utifrån studiens teoretiska utgångspunkt. Detta i kombination med löpande resonemang om studiens processer vid t.ex. empiriinsamling och andra urvalsprocessen. Sammantaget syftar löpande diskussioner om studiens utformning till att bidra med en högre pålitlighet.

Utifrån studiens utgångspunkt där fem intervjuer har tagit plats går det att diskutera ifall ett större urval med fler intervjuer hade varit till studiens fördel. Utifrån studiens omfång ansågs fem intervjuer som var mellan 45-60 minuter vara tillräckligt. Detta påvisades samtidigt utifrån sammanställningen av empiri utifrån den tematiska analysen där respektive tema innehöll väsentlig empiri. Dock är samtliga respondenter i studien kvinnor vilket kan medföra en problematik utifrån att det teoretiska ramverket tar hänsyn till kön vid förståelsen för användarens beteendemässiga avsikt och acceptans för CRS. Det kan ha varit till studiens fördel att genomföra intervjuer med respondenter som identifierade sig som man för att kunna diskutera och analysera användares beteendemässiga avsikt och acceptans vid implementationen av CRS. Däremot informerade en kontaktperson hos leverantören av affärssystemet att ca 60-70% av administratörerna i affärssystemet är kvinnor (Personlig kommunikation, 22 december 2020). Enligt Statistiska centralbyrån (2020) tenderar majoriteten av individer inom HR-branschen att identifiera sig som kvinnor.

4. Analys & resultat

___________________________________________________________________________ Kapitlet behandlar studiens insamlade empiri samtidigt som materialet kommer att analyseras utifrån studiens analysmetod. Dispositionen är enligt analysmetodens fyra faktorer och fortlöper därefter utifrån faktorerna i kombination med modererande variabler. ___________________________________________________________________________ Respondent A - Kvinna, åldersintervaller 34-44 år och verksam i organisationen i 3 månader samt arbetat i affärssystemet i 3 månader.

Respondent B - Kvinna, åldersintervallet 45-55 år och verksam i organisationen i 11 månader samt arbetat i affärssystemet i 1 månad.

Respondent C - Kvinna, åldersintervallet 45-55 år och verksam i organisationen i 4 år och 6 månader samt arbetat i affärssystemet i 4 år och 6 månader.

Respondent D - Kvinna, åldersintervallet 45-55 år och verksam i organisationen i 18 år samt arbetat i affärssystemet i 3 år.

Respondent E - Kvinna, åldersintervallet 34-44 år och verksam i organisationen i 1 år och 6 månader samt arbetat i affärssystemet i 4 månader.

4.1 Performance Expectancy

Faktorn performance expectancy i studiens kontext fokuserar på användarens upplevelse om hur CRS kan underlätta och effektivisera arbetsuppgifter i ett affärssystem. Performance expectancy i studiens analysmodell inkluderar

analysbegreppen effektivitet, produktivitet och precision. Inledningsvis upplever samtliga respondenter att CRS skulle

bidra till en ökad effektivitet i deras arbetsuppgifter i studiens valda affärssystem. Respondent D menar att hennes arbetsroll generellt tenderar att resultera i mycket administrativa uppgifter som är tidskrävande. Respondent D uttrycker sig att

“rekommendationer tror jag kan skapa effektivitet som kan få bort bovar som tar väldigt mycket tid i arbetet”. Å andra sidan är respondent C till viss del kritisk utifrån att “så vida det inte blir för mycket bubblor och popups” samtidigt som respondenten anser att det kan bidra till en ökad effektivitet om det inte genereras ett överflöd av rekommendationer. Enligt Wang et al. (2015) skall CRS effektivisera situationer där användaren upplever ett överflöd av information. Således kan resonemanget från respondent C tolkas vara i linje med Wang et al. (2015) utifrån att CRS inte ska bidra med ett överflöd av information i en ny skepnad.

Respondent A anser att affärssystemet generellt bidrar till en effektivitet för deras verksamhet samtidigt som respondenten anser att CRS därav kan bidra med ytterligare effektivitet i utförande av arbetsuppgifter i affärssystemet. Sammantaget visar samtliga respondenternas resonemang på att implementering av CRS kan bidra till en effektivitet i utförandet av deras arbetsuppgifter. Samtliga respondenter har samtidigt en positiv inställning till affärssystemet generellt vilket kan vara bidragande till implementeringen av CRS i det specifika

affärssystemet.

Med anledningen av att samtliga respondenter visar på resonemang som talar för att CRS kan bidra med ökad effektivitet i deras arbetsuppgifter påverkas således upplevelsen av hur CRS kan bidra med produktivitet. Respondent D uttrycker sig att “rekommendationer kan göra att man blir öppen för nya varianter, förslag som man inte hade upptäckt innan”. Respondentens resonemang fortlöper utifrån att hon menar att det finns en vilja av att använda

rekommendationerna utifrån att hon uppmuntras till “att tänka i nya banor”. Utifrån en annan aspekt lyfter resterande respondenter inga resonemang i denna karaktär utan endast anser att CRS kan bidra med produktivitet och tidsbesparing.

Berörande faktorn performance expectancy lägger samtliga respondenter tyngd i CRS precision av rekommendationer - “Systemet kan inte veta vad jag vill göra varje gång” (Respondent C). Å andra sidan menar respondent B att det finns ett förtroende till affärssystemet generellt samt att hon därav tror att CRS skulle generera korrekta och

genomtänkta förslag och rekommendationer. Utifrån mer kritisk aspekt upplever respondent D att det kan finnas svårigheter att precisera rekommendationer i ett affärssystem med en stor mängd varierande användare och verksamheter. Respondent D anser att CRS skall generera specifika rekommendationer för deras organisation och inte generellt. Samtidig kan

resonemanget visa på en mindre medvetenhet för vad CRS är utifrån att CRS syftar enligt Burke (2002) till att generera rekommendationer vid komplexa och varierande preferenser som samtidigt baseras på liknande användare och användarens givna input vid tillfället. Respondent E menar att rekommendationer skulle användas om de dök upp per automatik samtidigt som hon inte upplever det nödvändigt att begära en rekommendation. Samtidigt anser respondent E och resterande respondenter att CRS skulle bidra med effektivitet vid utförandet av arbetsuppgifter. Således är analysbegreppet precision mer avgörande vid antagandet av CRS till skillnad från analysbegreppen effektivitet och produktivt där samtliga respondenters resonemang är i enighet.

4.2 Effort Expectancy

Faktorn effort expectancy i studiens kontext fokuserar på användarens upplevelse av hur CRS tillämpas, dess användarvänlighet och framtida användande av CRS genererade rekommendationer. Effort expectancy i studiens analysmodell inkluderar analysbegreppen tillgänglighet, tillämplighet och enkelhet. Respondent A resonerar kring att

det bör finnas en enkel och tydlig tillgänglighet av CRS och rekommendationer. Vid en uppgiftsorienterad fråga (där en rekommendation var implementerad) valde respondent A att använda en rekommendation eftersom den “dök upp” samtidigt som hon menar att det var svårt att hitta och att den kunde varit tydligare. Samtidigt valde resterande respondenter att frångå lättillgänglig information som fanns i affärssystemet som syftade till att vägleda respondenten till utförandet av en uppgift. Respondent E menar att “jag läser inte sånt, brukar bara vara teknisk information” vilket är i linje med respondent D som frångick vägledande information och istället navigerade sig i affärssystemet utan någon framgång. Således

återfinns det en oenighet angående CRS tillgänglighet utifrån att respondent A efterfrågar lättillgänglighet samtidigt som respondent D och E frångår det lättillgängliga. Resonemangen är samtidigt inte i linje med Venkatesh et al. (2003) som menar att äldre kvinnor med lägre erfarenhet av affärssystem har ett större behov av användarvänlighet. Respondenternas resonemang kan däremot enligt Venkatesh et al. (2003) relateras till deras erfarenhet och således upplevs den vägledande informationen som mindre relevant.

I likhet med CRS förväntade precision visar respondenternas resonemang på att CRS tillämplighet är avgörande. Respondent A menar att rekommendationerna behöver vara sofistikerade vilket får medhåll från respondent E och D. Samtliga respondenter bortsett från respondent B resonerar om att CRS tillämplighet bör vara anpassad efter den egna

verksamheten samt att rekommendationer inte skall upplevas generaliserade. Enligt

respondent E finns det ett behov av “att kunna ändra begrepp och terminologi, anpassade det efter slutanvändaren” samtidigt som respondenten menar att det skulle underlätta

användandet av rekommendationer, CRS och affärssystemet generellt. Respondent B har ingen större åsikt angående CRS och rekommendationens tillämplighet utan anser att dessa endast ska vara godtagbara. Resonemanget kan relateras till Venkatesh et al. (2003) som menar att kvinnor tenderar uppleva ett större behov av tillämplighet och relevans vid användandet av informationsteknologi. Å andra sidan finner studien det problematiskt att generalisera respondenternas resonemang i relation till Venkatesh et al. utgångspunkt med anledning av antalet intervjuade respondenter.

Respondent C menar att “det finns ett behov av rekommendationer och jag tror det skulle bidra till en bättre användarvänlighet”, som också respondent A instämmer med, “om

rekommendationerna är lätta att förstå så tror jag det bidrar till en bättre användarvänlighet”. Resonemangen får samtidigt stöd från resterande respondenter som tror att

rekommendationerna skulle bidra till en bättre användbarhet. Sammantaget råder det

konsensus mellan samtliga respondenter att CRS och rekommendationer skall vara enkla och lätta att förstå samt använda. Således anser respondenterna att tillämpligheten i faktorn effort expectancy är av betydelse, likt precisionen i performance expectancy. Tillämpligheten enligt respondenterna tolkas påverka analysbegreppen tillgänglighet och enkelhet utifrån att CRS och rekommendationen således anpassas efter den specifika användaren och verksamheten.

4.3 Social Influence

Faktorn social influence i studiens kontext fokuserar på användarens upplevelse och andra personers inflytande vid antagandet av ny teknik samt användares åsiktsutbyte med andra personer vid genomförandet av en arbetsuppgift. Social influence i studiens analysmodell inkluderar

åsiktsutbyte, upplevelse och inflytande. Utifrån det CB-baserade tillvägagångssättet för CRS menar Wang et al. (2015) att det centrala är att identifiera användare som innehar liknande preferenser, värderingar och åsikter som den aktuella användaren. Samtidigt menar Wang et al. (2015) att desto mer användare liknar den aktuella användaren, desto mer godtagbar är användaren av en rekommendation. I liknelse med detta resonemang kan därav