پذیرش اینترنت اشیاء در خانه های ما : نقش مهارت های کاربر
محمدسینا صادقی شماره دانشجویی : 98211033206021
نام استاد : حمید علیزاده زبان تخصصی
ترجمه:
چکیده
مطالعه حاضر به بررسی مهارتهای مربوط به کار با اینترنت اشیاء (IoT) که به پذیرش استفاده از تکنولوژی IoT کمک می کنند، می پردازد و بررسی می کند که مهارتهای IoTتا چه اندازه تحت تاثیر مهارهای اینترنت است. ما در راستای توسعه مدل پذیرش (TAM) یک نظر سنجی آنلاین از 1356 پاسخگو، یک نمونه نماینده از جمعیت هلندی انجام دادیم. نتایج نشان میدهد که مهارتهای IoT مستقیما در استفاده از آن مشارکت دارد و گواه بر ارتباط TAM برای پیش بینی پذیرش و استفاده از IoT است. البته نگرش مردم به IoTبر روی پذیرش آن اثر گذار نیست، که نشان میدهد مردم هنوز از اینکه استفاده از IoT در حالت کلی چگونه بر کیفیت زندگیشان اثر می گذارد آگاه نیستند. هم چنین نتایج نشان می دهد که داشتن چندین مهارت اینترنت پش زمینه خوبی برای پذیرش IoT و استفاده از آن است. مهارتهای موبایل، هدایت اطلاعات، اجتماعی و خلاقیت اینترنت به طور مستقیم یا غیر مستقیم بر روی سطح مهارت IoT اثر گذار است. می توان تیجه گرفت که ارزیابی مردم از مهارتهای IoT خودشان و فرضهای عملی برای پذیرش آن مهم است و اینکه رسیدن به مهارت در استفاده از IoT مستلزم داشتن مهارت در اینترنت است.
کلید واژه ها: اینترنت اشیاء، مهارت های اینترنت، مهارت های IoT، پذیرش فناوری، تقسیم دیجیتالی، نابرابری دیجیتالی
1. معرفی
در طول سالها، با توسعه اینترنت از وب 1.0 تا وب 4.0 ماهیت استفاده از اینترنت پیچیده تر شده است. در وب 1.0، کاربران محدود به خواندن محتوا بودند، در حالی که با معرفی وب 2.0، با ایجاد، ذخیره و اشتراک گذاری محتوا قادر به مشارکت در وب شدند. وب 3.0 با معرفی زبان شناسی، آسان کردن برقراری ارتباط بهتر بین انسان ها و ماشین ها پا را فراتر گذاشت. وب 3.0 با استفاده از کلمات کلیدی و برچسب ها، از ارتباط بین داده و دانش به سمت یک ارتباط بر اساس زبان طبیعی و معانی حقیقی حرکت کرد. این پیشرفت در ابتدا با هدف بهبود جستجوی اطلاعات و اشتراک گذاری داده ها بنیان گذاری شد. با اینکه Web 3.0 هنوز در حال توسعه است، عصر Web 4.0 فرا رسیده است. وب 4.0 اتصال به وب در هر زمان و هر جا، شخصی سازی خدمات با دسترسی پیوسته به داده و اتصال مداوم با دیگر کاربران را در بر دارد. این ویژگی های وب 4.0 می تواند به ترتیب به عنوان حضور در همه جا در یک زمان[1]، هویت و اتصال عنوان شود. (نوح، 2015).
یکی از پیشرفت های تکنولوژیکی جدید که دلالت بر عینی سازی سه ویژگی وب 4.0 - یعنی حضور در همه جا در یک زمان، هویت و اتصال - دارد اینترنت اشیاء (IoT) است. اگر چه هیچ تعریف عموماً پذیرفته شدهای از IoT وجود ندارد (Whitmore و همکارا.، 2015)، اما بر اساس جوامع پژوهشی (به عنوان مثال، Atzori و همکاران، 2010؛ Gubbi و همکاران، 2013؛ Perera و همکاران، 2014)،( Van Deursen و Mossberger (2018، ص 4) )IoT را به عنوان سیستم هایی که (1) در بردارنده اشیاء "روزمره" موجود در همه جا که از طریق اینترنت قابل دسترسی هستند و مجهز به احساس کردن، ذخیره سازی و قابلیت های پردازشی هستند که به این شیء ها اجازه می دهد از محیط های سر در بیاورند؛ (2) دارای قابلیت های شناسایی و شبکه شدن باشند که به آنها اجازه می دهد اطلاعات مربوط به خودشان را منتقل کنند؛ (3) دارای ارتباط شیء به شی، شیء به شخص، و شخص به شخص باشند؛ و (4) دارای قدرت تصمیم گیری مستقل باشند. تعریف می کنند.
مشخصات IoT در کنار هم ماهیت استفاده از اینترنت را تغییر می دهد.پذیرش تکنولوژی اولین قدم برای استفاده سودمند از IoT است. وقتی این پذیرش صورت گرفت، IoT چندین منفعت از جمله توانایی تصمیم گیری فردی بهتر را فراهم می کند(Van Deursen و Mossberger، 2018). داده هایی که به صورت مستقل توسط دستگاه های IOT جمع آوری شده اند ، می توااینترنتد برای مثال، از تصمیم گیری آگاهانه در مورد مصرف انرژی در کاربردهای های سلامت پشتیبانی کنند. این تصمیم ها می تواند منجر به صرفه جویی در هزینه و افزایش راحتی زندگی شود. در رابطه با کاربرد مرتبط با انرژی این می تواند به معنی هزینه های کمتر انرژی باشد. برای نمونه یک صفحه گرمایش شخصی که دمای اتاق را تنظیم می کند. برای تمرینات سلامت، تصممیات مبتی بر وب 4.0 می تواند هزینه مراقبت سلامت کمتری را اعمال کند و بیمه های سلامت و مراقبت را شخصی سازی کند. یک مثال از چنین مراقبت شخصی سازی شده می تواند مانیتور شدن از دور بر روی اینترنت باشد که تعدا ویزیتهای دکتر را کمینه می کند.
البته معرفی وب 4.0 در قالب IoT بدون چالش نبوده است. در مقایسه با تکنولوژی های سابق اطلاعات و ارتباطات، IoTبسیار پیچیده تر و انتزاعی تر است. معرفی دستگاههای هوشمند به شبکه ها، منابع داده بیشتری را ایجاد کرده است و حجم داده ای که باید جمع آوری شود را بالا می برد. هم چنین توانایی ارتباط و واکنش بین خودشان نیز منجر به یک جا به جایی از حالت مسئول بودن کاربر به سمت یک ارتباط مشترک بین کاربر و تکنولوژی شده است. این جریان اطلاعات و ارتباطات در به وجود آمدن چالش های جدیدی برای کاربران مشارکت دارند: مواجه شدن با مقدار زیادی داده، خود مختاری کمتر به این دلیل که تصمیمات داده ای توسط تکنولوژی اتخاذ می شود؛ مشاهده پذیری کمتر و ابهام بیشتر به این دلیل که این تصمیمات برای کاربر اتخاذ شده است؛ و خطرات بزرگتر که امنیت و حریم خصوصی را تهدید می کند (Van Deursen و Mossberger، 2018).
از تحقیق تقسیم دیجیتالی - که تفاوتها در دسترسی به یک تکنولوژی را به طور سنتی مورد مطالعه قرار داده- می بینیم که مهمترین عامل تعیین کننده مهم در استفاده از تکنولوژی مهارتهای کاربران است. توسعه دهندگان وب از عملکردهای توانمندسازی مهارت و هدایت در یک محیط آنلاین به سمت تاکید بیشتر بر روی مهارتهایی شامل جست و جو و تفسیر اطلاعات و واکنش اجتماعی و تولید محتوا حرکت کردند. این مهارتها می توااینترنتد به ترتیب به وب 1.0 و وب 2.0 متصل شوند (Van Deursen و همکاران، 2017). اینکه دقیقا چه مهارتهایی برای کار کردن در یک محیط IoTنیاز است واضح نیست. اما به نظر می رسد همه مهارتهای اینترنت شرکای مهمی هستند چون شرایط نابرابری برای سرمایه گذاری در فرصتهای آنلاین، به دست آوردن خروجی های مثبت از این فرصتها و فرایند دسترسی و پردازش اطلاعات فراهم می کنند (Livingstone و Helsper، 2010؛ Van Deursen و Mossberger، 2018؛ Van Dijk و Van Deursen، 2014). بنابراین باید بررسی شود که تاثیر توسعه های جدید اینترنت بر مهارتهای اینترنت و پذیرش تکنولوژی چگونه است.
به دست آوردن منفعت از IoT و روبرو شدن با چالشهای آن تا حد زیادی بستگی به مهارتها و استفاده آگاهانه فرد دارد. به دلیل تغییر در تکنولوژی اینترنت واضح نیست که چه مهارتهایی به استفاده از IoT کمک خواهد کرد. در این مطالعه بررسی کرده ایم که مهارتهای اینترنت تا چه اندازه برای استفاده از IoT مهم است. به طور خاص بر روی نقش مهارتهای اینترنت بر پذیرش تکنولوژی IoT تمرکز کرده ایم. زیرا مهارتهای مرتبط با IoT برای پیش بینی پذیرش آن مورد نیاز است. این خیلی مهم است زیرا علیرغم ارتباط خوب با اینترنت، IoT هنوز به طور گسترده پذیرش نشده است. بنابراین سوالاتی که باید پاسخ داده شوند اینها هستند 1 ) مهارتهای اینترنت تا چه اندازه برای کار کردن با IoT نیاز هستند و 2 ) داشتن این مهارتهای IoT چطور در پذیرش تکنولوژی های بزرگتر و بنابراین استفاده از IoT مشارکت می کنند. ما می خواهیم از طریق یک نظر سنجی در نمونه نماینده از جمعیت هلندی این سوالات را پاسخ دهیم. این مطالعه با یک مدل مفهومی هدایت می شود که فرضیه ها چگونگی پیش بینی پذیرش تکنولوژی IoT از طریق مهارتهای اینترنت است.
2. پیش زمینه علمی
2.1 پذیرش اینترنت اشیاء
یک مدل معمولا برای این به کار می رود که پذیرش تکنولوژی را بررسی کند ، مدل پذیرش تکنولوژی ما TAM است (TAM، Davis، 1989)، که از نظریه اقدام منطقی مشتق شده است (TRA، Fishbein و Ajzen، 1975)، و یک مدل برجسته برای شرح پذیرش کاربر نست به فناوری اطلاعات است که به دلیل قدرتش شهرت دارد. (Lee و همکاران، 2003). ثابت شده است که این مدل در شرح پذیرش تکنولوژی های جدید، از جمله IoT موفق بوده است (مثلا Gao و Bai، 2014؛ Karahoca و همکاران، 2018؛ Lee و Lee، 2018؛ Lekjaroen و همکاران، 2016؛ Mital و همکاران، 2017؛ Park و همکاران، 2017؛ Patil، 2016). TAM می گوید که باورها در مورد درک سودمندی (PU) و درک سهولت استفاده (PEOU) ، روی دیدگاه فرد نسبت به یک تکنولوژی تأثیر می گذارند و در واقع بر روی استفاده واقعی از فناوری یا قصد استفاده از آن (در حالتی که تکنولوژی هنوز در دسترس نباشد) تاثیر می گذارد. علاوه بر اینکه PEoU به طور مستقیم با نگرش مرتبط است، بر PU نیز تأثیر می گذارد و PU می تواند مستقیما به استفاده از تکنولوژی یا قصد انجام این کار مرتبط باشد. در این مدل، PU را می توان به عنوان میزان اعتقاد یک فرد به اینکه تکنولوژی کارایی اش را افزایش میدهد توصیف کرد. PEoU اشاره دارد به میزان اعتقاد یک فرد به اینکه استفاده از تکنولوژی نیاز به تلاش ندارد (Davis, 1989).
مزایای بالقوه IoT در مقایسه با تکنولوژی های موجود می تواند با استفاده از یک مثال ترموستات هوشمند، نشان داده شود.این "شیء" امکان نظارت مصرف انرژی را فراهم می کند و می تواند در محل زندگی شما قرار گرفته و دمای اتاق را مدیریت کند، با کاهش دما در هنگام ترک اتاق و افزایش آن در هنگام بازگشت به خانه. این عملکردها می توانند در صورت استفاده صحیح به هر دو حوزه صرفه جویی انرژی و بهبود سطح رضایت زندگی وارد شده و منجر به PU بالا از نظرTAM شوند. به نظر می رسد کاراکتر مستقل تغییر دمای اتاق بر خلاف PU ، PEoU را وابسته می کند. البته اکثر دستگاههای IoT نیاز به تنظیمات اولیه دارند. شخصی سازی تظیمات ترموستات هوشمند – با در نظر داشتن حریم خصوصی علاوه بر محل زندگی- PEoU را به پذیرش IoT مرتبط می کند. در استفاده روزانه، اهمیت PEoU به عنوان مثال، در نظارت مداوم بر مصرف انرژی مشهود است. دستگاههای مستقل باید قادر به خواندن و درک جمع آوری پیوسته اطلاعات پیچیده و مبهم باشند. اغلب مشخص نیست که چه داده های خاصی جمع آوری شده (و برای چه هدف) و چه کسی به آن دسترسی دارد (Van Deursen و Mossberger، 2018). این تصویرسازی، همراه با کاربرد قبلی TAM درزمینه IoT، منجر به فرضیه های زیر شده است:
H1: نگرش نسبت به IoT به طور مثبت به استفاده از IoT مرتبط است.
:H2 PU به طور مثبت با (a) نگرش نسبت به IoT و (b) استفاده از IoT مرتبط است.
: H3 PEoU به طور مثبت با (a) نگرش نسبت به IoT و (b) PU مرتبط است.
2.2 مهارت های اینترنت اشیاء
بر خلاف تکنولوژی های سابق، دستگاه های عملیاتی IoT تعامل مداوم بین کاربران و دستگاه ها ندارند. در عوض به صورت مستقل از طریق سنسورها (به عنوان مثال، ترموستات هوشمند) با استفاده از ورودی محیط کار می کنند. بنابراین مردم باید خود را با حجم عظیمی از داده جمع آوری شده ( بدون رابط آنها) آشنا کنند. این علاوه بر تجسم، تفسیر و اشتراک گذاری داده، شامل مراقبت از تنظمات دستگاه نیز هست. یک تجسم واضح تفسیر را ساده می کند. اشتراک داده برای مثال برای مقایسه داده کاربران دیگر، درک دستورات و عقاید آنها و بحث درباره داده با یک فرد آفلاین یا آنلاین دیگر مورد نیاز است. این آشنایی امکان تصمیم گیری استراتژیک بر روی داده جمع آوری شده توسط IoT و نحوه بررسی آنها (انتخاب آنالیز، کاربرد و ارتباط) را فراهم می کند (Van Deursen و Mossberger، 2018).
در کنار افزایش مقدار داده ها، پیچیدگی داده ها نیز در حال افزایش است (Van Deursen و Mossberger، 2018). این را می توان به توانایی سیستم های IoT برای تصمیم گیری مبتنی بر داده بدون دخالت کاربر نسبت داد. این تصمیم گیری مستقل، در کنار اتصال بین کاربران و سایر دستگاه ها، می تواند منجر به مشکلات شناسایی صاحب داده ها و تعریف مرزهای سیستم شود(Popescul و Georgescu، 2013). بنابراین، درک مبادله اطلاعات در سیستم IoT که با افراد و دستگاه های واقع در محتواهای مختلف تعامل دارد، مشکل است. این عدم درک در ادمه منجر به مشکلاتی در مورد استدلال در باب تعاملات دستگاهها و اثراتشان می شود که در نهایت باعث توصیف ناقص و سوء تفاهم می شود. از دست دادن مهارت تفسیر، آنالیز و انتقال داده می تواند منجر به داشتن کاربرانی که داده های غیر مرتبط جمع آوری می کنند و شکست در به کار بردن داده یا نتیجه گیری غلط شود. برای مثال شرکت بیمه هلندی را در نظر بگیرید که در صورتی که به تعداد خاصی قدم (مرحله) برسید برای امتیاز در نظر می گیرد. اگر یک ثبت کننده فعالیت به خوبی کالیبره نشده باشد، اطلاات غلط فراهم می کند. این اطلاعات در شرکت بیمه – که به همان شبکه متصل است- منجر به لغو امتیازاتی که شما را به مرحله خاصی رسانده است می شود. ممکن است با اینکه به تعداد مراحل هدف رسیده باشید نتوانید از آن استفاده کنید، زیرا به بی دقتی ها و شکست ها در جمع آوری داده توجه نکرده اید و نتیجه آن این است که هزینه بیشتری بپردازید. با در نظر گرفتن این مسئله ما به مهارتهای IoT به صورت مهارت مواجهه با دستگاههای هوشمند که اشیاء نامیده می شوند و داده های جمع آوری شده توسط آنها نگاه می کنیم. این مهارتها شامل تغییر تنظیمات، تفسیر داده، اشتراک گذاری داده با دیگران و ایجاد تجسم های منطقی داده برای استفاه از تمام پتانسیلهای دستگاه می شود.
در رابطه با پذیرش IoT، ما انتظار داریم مهارت های IoT بر روی هر دوی PU و PEo تاثیر بگذارد، زیرا مهارت ها با تجربه توسعه پیدا می کنند (Agarwal و Prasad، 1999؛ Dishaw و Strong، 1999؛ Jackson و همکاران.، 1997؛ Venkatesh، 2000؛ Venkatesh و Morris، 2000). مهارتهای اینترنت ار طریق یادگیری بواسطه انجام دادن، سعی و خطا، اشترا گذاری مسأله و مقایسه با دیگران توسعه پیدا می کنند (Van Dijk و Van Deursen،2014). علاوه بر این، مهارت ها از طریق تجربه و توجه کردن به زمان رخداد مشکلات (Harmon و King، 1985؛ Jackson و همکاران، 1997) توسعه یافته است. برخی از مطالعات متمرکز بر پذیرش IoT شامل کنترل رفتار درک شده (PBC) (مثلا Gao و Bai، 2014؛ Park و همکارران.، 2017؛ Patil، 2016) یا به عبارت دیگر، ارزیابی مهارت ها و تواناییهای کاربران و منابع برای انجام موفقیت آمیز وظایف و رفتارهای مربوط به IoT (Park و همکاران، 2017) هستند.
ما نتظار داریم مهارتهای IoT علاوه بر تاثیر بر PU و PEoU با تمایل رفتاری برای استفاده از تکنولوژی جدید یا در حالت پذیرش زودهنگام پرسش درباره استفاده از تکنولوژی نیز مرتبط باشد. پژوهش های قبلی نشان داده اند که تجربیات به طور مثبت با تمایل رفتاری برای استفاده از سیستم اطلاعات مرتبط است (Jackson و همکاران، 1997) و PBC به طور مثبت با تمایل به استفاده از IoT ارتباط دارد (Gao و Bai, 2014; Patil, 2016). بنابراین فرض زیر را بیان می کنیم.
H4: مهارت های IoT به طور مثبت با (a) PU ، (b) PEoU ، و (c) استفاده از IoT مرتبط است.
3.2 مهارت های اینترنت
در مقابل مهارت IoT یک بخش قابل توجه از تحقیقات وجود دارد که به مهارتهای اینترنت توجه می کند. بر اساس ماهیت مهارتهای اینترنت که قابل انتقال به توسعه های جدید وب هستند (Van Deursen و Mossberger، 2018) انتظار داریم که مرتبط با IoT باقی بمانند. در حالی که در اصل بیشتر توجهات بر روی مهارتهای فنی است در سالهای گذشته چندین بعد از مهارت یا مفهوم سازی های چند منظوره مورد توجه قرار گرفته است. یک فریم ورک جدید با نام ISSمی گوید که ابعاد تنها شامل توانمندیهای تکنیکی نیستتند بلکه شامل انواع دیگر مهارتها که بر روی تعاملات مختلف یک نفر با اینترنت تمرکز می کند نیز هستند (Van Deursen و همکاران.، 2016). انواع مهارت هایی که توانایی فنی برای استفاده از اینترنت را پوشش می دهند، مهارت های عملکردی و مهارت های موبایل هستند. مهارت های هدایت اطلاعات شامل توانایی جستجو در اینترنت، از جمله پیدا کردن، انتخاب و ارزیابی منابع اطلاعات در اینترنت می باشد. مهارت های هدایت اطلاعات، موبایل و عملکردی در کنار هم می توانند به عنوان مهارت وب 1.0 لحاظ شوند؛ زیرا اینها اساس فعالیت های وب 1.0 را تشکیل می دهند. اگرچه این مهارت ها در حال حاضر به دستگاه های مویابل منتقل شده است. مهارت های موبایل،امکان بررسی توزیع مهارت ها در استفاده از دستگاه های تلفن همراه، مانند دانلود و نصب برنامه ها و نظارت بر هزینه های داده در استفاده آنلاین از موبایل را فراهم می کند.(Van Deursenو همکاران، 2016). به همین ترتیب مهارت های وب 1.0 برای مهارت های وب 2.0 لازم هستند: مهارت های اجتماعی و خلاقیت. مهارت های اجتماعی امکان استفاده از ارتباطات آنلاین و تعاملات برای درک و تبادل معنی ، شامل جستجو، انتخاب، ارزیابی و انجام عملیات بر روی مخاطبین آنلاین را ایجاد می کند. مهارت های خلاقیت مهارت هایی هستند که برای ایجاد محتوای مناسب نمایش آنلاین لازم هستند. این محتوا می تواند شامل متن، موسیقی و ویدئو، عکس یا تصویر، چند رسانه ای یا رسانه های ترکیبی باشد. علاوه بر این، مهارت های خلاقیت شامل اصول اولیه آپلود این محتوا نیزهستند (Van Deursen و همکاران.، 2016).
مهارت های پیشنهاد شده در بالا دارای یک ماهیت پیوسته و شرطی هستند: داشتن مهارت های عملکردی، تلفن همراه و هدایت اطلاعات مربوط به داشتن مهارت های اجتماعی و خلاقیت است (Van Deursen و همکاران.، 2017). ما انتظار داریم که مهارت های IoT بت.انند به شیوه ای مشابه به ابعاد مهارت افزوده شوند.
ما در نوآوری فعلی ابتدا بر روی مهارت های موبایل تمرکز می کنیم، زیرا این مهارتها مهم ترین زیر مجموعه مهارت های عملیاتی لازم برای کار کردن با سیستم IoT هستند. ما انتظار داریم مهارت های موبایل برای تنظیمات اولیه و پیکربندی تنظیمات لازم شود، اما نقش کمرنگی در تعامل پیوسته بین کاربران و تکنولوژی بازی خواهد کرد. در عوض انتظارداریم هدایت اطلاعات و به ویژه مهارت های اجتماعی به دلیل تاکید بر تجسم محتوا، تفسیر و به اشتراک گذاری برای تعامل در سیستم IoT بسیار مهمتر جلوه کنند. این انتظارات در کنار هم به فرضیه های زیر منجر می شود:
H5: مهارت های اینترنت موبایل به طور مثبت با (a) مهارت های هدایت اطلاعات اینترنت ، (b) مهارت های اجتماعی اینترنت و (c) مهارت های خلاقیت اینترنت ارتباط دارد.
H6: مهارت های هدایت اطلاعات اینترنت به طور مثبت با (a) مهارت های اجتماعی اینترنت و (b) مهارت های خلاقیت اینترنت ارتباط دارد.
H7: مهارت های اجتماعی اینترنت به طور مثبت با مهارت های خلاقیت اینترنت ارتباط دارد.
H8 : (a) مهارت های موبایل اینترنت ؛ (b) مهارت های هدایت اطلاعات اینترنت؛ (c) مهارت های اجتماعی اینترنت و (d) مهارت های خلاقیت اینترنت با مهارت های IoT ارتباط مثبت دارند.
4.2 مدل مفهومی
مدل مفهومی در شکل 1 ارائه شده است. این مدل روابط فرضیه ای بین مهارت های اینترنت - که در بلوک اول آمده- مهارت های IoT و TAM در میان کاربران و اشیاء غیر کاربر را نشان می دهد.
3. روش
3.1 نمونه
در مطالعه حاضر یک نماینده نمونه از جمعیت هلندی با استفاده از یک نظر سنجی آنلاین به کار گرفته شد. ما برای به دست آوردن این نمونه، از PanelClix، یک سازمان تحقیقات بازار حرفه ای در هلند که حاوی حدود 110،000 نفر است استفاده کردیم. این پنل به عنوان یک نماینده نمونه از جمعیت هلندی در نظر گرفته شده است. ما از 1698 نفر که دو هفته قبل در یک نظر سنجی اینترنت شرکت کرده بودند، در خواست کردیم در یک نظر سنجی متقاعب در باب IoT شرکت کنند. این کار فضای بیشتری برای سوالات مربوط به IoT ایجاد می کند، چون ویژگی های مهم پاسخگو و مهارت های اینترنت در بررسی قبلی پوشش داده شده بود. در طول جمع آوری داده های اصلی، اصلاحاتی انجام شد تا اطمینان حاصل شود که نمونه ، نماینده جمعیت هلندی است. هدف ما این است که در بررسی IoT 1200 نمونه جوابگو به دست آوریم. از 1698 جوابگوی مخاطب، 1356 نفر در نظر سنجی IoT شرکت کردند. از نظر جنس، سن و سطح تحصیلات، نمونه با آمار رسمی ملی بزرگسالان هلندی سازگار بود. جدول 1 خلاصه مشخصات جمعیت پاسخ دهندگان را نشان میدهد. میانگین سن پاسخ دهندگان54.18 سال (SD = 18.07)، بین 16 تا 96 سال بود.
نظرسنجی IoT توسط هشت کاربر اینترنت در دو دور انجام شد. تغییرات بر اساس فیدبک فراهم شده انجام شده است. در دور دوم، دستور عمده ای فراهم نشده است. زمان پاسخگویی به سوالات نظرسنجی به دلیل تعداد دستگاه های جوابگو IoT متفاوت بود. به طور متوسط پاسخ دهندگان 25 دقیقه برای تکمیل پرسشنامه وقت گذاشتند.
2.3 معیارها
برای سنجش میزان استفاده از IoT، با پرسیدن این سوال از کاربران (N = 563) و غیر کاربران (N = 793) که آیا از یک یا تعداد بیشتری از لیست 52 منبع گران قیمت دستگاههای IoT در دسترس در حوزه های سلامت، خانه و امنیت (M = 1.10، SD = 2.06) استفاده کرده اند یا خیر، بین کاربران و غیر کاربران تمایز قائل شده ایم. این حوزه ها بر اساس توسعه سریعی که از طریق تسهیل دسترسی وسیع برای مصرف کنندگان ایجاد کرده اند، انتخاب شده اند (Miorandi و همکاران.، 2012). وقتی پاسخ دهندگان دستگاه های IoT را در اختیار دارند، اما چنان که باید از آنها استفاده نمی کنند، مثلا ترموستات هوشمندی که به اینترنت متصل نیست، استفاده از IoT حساب نمی شود. ما برای سایر ساختارهای TAM یک نسخه سازگار از لوازم اصل را استفاده کردیم. ما یک تحلیل فاکتور اکتشافی با چرخش واریماکس[2] را برای PU، PEoU و نگرش به IoT انجام دادیم. بارگیری فاکتور در 0.40 و بالاتر اعمال شد. در مجموع 26 آیتم از 27 تا باقی ماند. یک آیتم اضافی برای حفظ سازگاری داخلی حذف شد. ما 10 ایتم برای PU، پنج تا برای PEoU و ده تا برای نگرش IoT نگه داشتیم. آیتم ها با استفاده از یک مقیاس لیکرت[3] 5 نقطه ای از (1) به معنای 'مخالفت'، تا (5) به معنی 'موافقت' پاسخ داده شدند.
جدول 1 - پروفایل از دیدگاه جمعیت شناسی (N = 1356.
α کرونباخ[4] برای PU 0.90، برای PEOU 0.7 و برای نگرش 0.88 بود. برای مرور کلی بر آیتم ها ، به پیوست A مراجعه کنید.
برای هدف این مطالعه مهارت های IoT بوسیله مجموعه ای از آیتم های ساخته شده اندازه گیری شد. این مجموعه ابتدا شامل 11 آیتم از جمله دانش شرکت کنندگان درباره نحوه کار با دشتگاههای هوشمند و اطلاعاتی که جمع می کنند بود. پس ازآنالیز عامل اکتشافی، دو آیتم دارای مقدار منفی (معکوس) حذف شدند. 9 آیتم باقی مانده بر روی یک عامل بارگذاری شدند، که در کنار هم قابلیت اطمینان کلی 0.96 را دارند. بنابراین، به عنوان اولین بررسی تجربی مهارت های IoT، این مهارتها را به عنوان یک متغیر واحد در نظر می گیریم که مجموعه وسیعتری از مهارت ها را پوشش می دهد. برای پاسخ دادن به آیتم ها، یک مقیاس 6 نقطه ای لیکرت استفاده شده است، که از یک «من کاملا درست نیست» تا پنج «برای من کاملا درست است» و «برای من نه درست است نه غلط» به عنوان پاسخ خنثی درجه بندی شده است(VanDeursen و همکاران، 2016). اگر پاسخ دهندگان یک آیتم را متوجه نمی شدند، می توانستند با صفر پاسخ دهند: "من این پرسش را درک نمی کنم." برای همه آیتم ها ضمیمه A را ببینید.
برای سنجش مهارت های اینترنت، از مقیاس مهارت های اینترنت (ISS) آیتمهای موبایل، هدایت اطلاعات، مهارتهای اجتماعی و مهارتهای خلاقیت استفاده کردیم (Van Deursen و همکاران.، 2016). با مهارتهای مورد نیاز برای کار با سیستم IoT نیز همان طور که با مهارتهای موبایل رفتار شده؛ برخورد شده است، مهارتهای عملکردی از مطالعه حاضر حذف شده است. در مجموع 18 ایتم از ISSاصلی استفاده شد: پنج آیتم برای مهارت های هدایت اطلاعات ، پنج آیتم برای مهارت های اجتماعی و پنج آیتم برای مهارت های خلاقیت. ما از سه آیتم ISS برای مهارت های موبایل استفاده کردیم و سه آیتم دیگر نیز اضافه کردیم. هم چنین همانند مهارت های IoT از مقیاس نوع لیکرت استفاده می کنیم. در ضمیمه A، می توان با آمار توصیفی یک دید کلی از 21 آیتم را پیدا کرد. امتیازات مربوط به انواع مهارت های مختلف، نشان دهنده سازگاری داخلی کافی هستند. α کرونباخ 0.77 برای مهارت های هدایت اطلاعات، 0.86 برای مهارت های اجتماعی، 0.85 برای مهارت های خلاقیت و 0.89 برای مهارت های موبایل بود.
3.3. تحلیل و بررسی
ما برای آزمون فرضیه مان که در مدل مفهومی شکل 1 آمده است، با استفاده از آموس 23.0 تحلیل آماری انجام دادیم. مقادیر از دست رفته با میانگین دنباله جایگزین شدند؛ زیرا حداکثر تعداد مقادیر از دست رفته در یک آیتم بیشتر از 17 نیست. برای به دست آوردن مدل جامع مناسب، آماره ? ، نسبت ? به درجه آزادی آن ? ، باقی مانده میانگین ریشه استخراج شده[5]، شاخص شاخص تاکر-لوئیس (TLI) و خطای تخمین حداقل مربعات ریشه[6] را به کار گرفته ایم.
4. نتایج
1.4 مدل ساختارو مسیر
تمام فرض های بنیادی برای مدل سازی معادلات ساختاری برآورده شده است. N بحرانی Hoelter برای تعیین اینکه آیا اندازه نمونه برای استفاده در مدلسازی معادلات ساختاری مناسب است یا خیر، مورد استفاده قرار گرفت. همانطور که در شکل 2 نشان داده شده است، این مدل برای N Hoelter در سطح معناداری، 0.05 مقدار 349 در سطح معنی داری 0.01 مقدار 421 را نشان داده است. بنابراین، اندازه نمونه کافی بوده است، چون مقدار N Hoelter بیشتر از 200 است (Hoelter، 1983). نتایج تناسب حاصل از آزمون اعتبار یک ساختار سببی مدل مفهومی به شرح زیر است: ? ؛ ? ؛ SRMR = 0.04؛ TLI = 0.93؛ RMSEA = 0.06 ( 90٪فاصله اطمینان [CI] = 0.05، 0.07). این مدل 18 درصد واریانس در استفاده از IoT را نشان میدهد. جدول 2 همبستگی بین متغیرها را نشان می دهد. شکل 2 مدل های مسیر را با ضرایب و واریانس های شرح داده شده را فراهم می کند.
2.4 بررسی فرضیه
ضرایب مسیر استاندارد شده در شکل 2 نشان دهنده اثرات مستقیم و غیر مستقیم مهمی بر مهارت های اینترنت، مهارت های IoT، درک ازIoT و استفاده از آنهاست. جدول 3 فرضیه ها را خلاصه می کند. به جز دو مورد ، همه فرضیه ها پشتیبانی می شوند. علیرغم رد (جزئی) دو فرضیه، مدل پیشنهادی توضیح کافی ای برای استفاده از IoT پیشنهاد کرده است.
شکل 2 - نتایج برای مدل تحقیق با ضرایب مسیر. خطوط نقطه دار مسیرهای غیر مهم است. توجه کنید که ? همبستگی های چندگانه مربع زیرخط دار شده است.
جدول 2 ماتریس همبستگی.
توجه: اعداد نمایش داده شده در مقدار p <.05 معنی داراست.
جدول 3 اثرات مستقیم، غیرمستقیم و کلیدی مهارت های IoT بر پذیرش تکنولوژی و مهارت های اینترنت بر مهارت های IoT.
توجه: اثرات در سطح p <.05 معنی دار است.
فرضیه اول (H1) که پیشنهاد می دهد نگرش به طور مثبت بر استفاده از IoT تأثیر می گذارد رد شده است. با این حال، فرضیه های دیگر درباره TAM می تواند تایید شود. PU به طور مثبت بر نگرش (H2A) و استفاده از IoT (H2b) اثر می گذارد و H3 به طور کامل در آن پشتیبانی می شود. PEOU هم به طور مستقیم و هم غیر مستقیم بر روی نگرش تأثیر می گذارد (H3a) و به طور مستقیم بر PU اثر می گذارد (H3b) . علاوه بر این، H4 نیز می تواند تأیید شود زیرا PU و استفاده از IoT هر دو به طور مستقیم و غیر مستقیم تحت تاثیر مهارت های IoT (H4a و H4c) هستند و IoT به طور مستقیم PEoU را تحت تاثیر قرار می دهد (H4b).
تمام فرضیه های مربوط به روابط بین انواع مختلف مهارت های اینترنت، پشتیبانی می شوند. با دنبال کردن ماهیت ترتیبی مهارتهای اینترنت، مهارتهای موبایل به طور مستقیم مهارت های هدایت اطلاعات را تحت تاثیر قرار می دهند (H5a) و برهر دوی مهارتهای اجتماعی (H5b) و مهارت های خلاقیت (H5c) به طور مستقیم و غیر مستقیم اثر دارند. این ترتیبی بودن برای مهارت های هدایت اطلاعات نیز پشتیبانی می شود، زیرا به طور مستقیم مهارت های اجتماعی (H6a) و مهارت های خلاقیت (H6b) را تحت تاثیر قرار می دهد. مهارت های هدایت اطلاعات علاوه بر تأثیر مستقیم بر مهارت های خلاقیت، تأثیر غیر مستقیم نیز دارد.
هم چنین در تکمیل ترتیبی بودن مهارت های اینترنت ، مهارت های اجتماعی بر مهارت های خلاقیت تاثیر می گذارد (H7) . جدول شماره 3 علاوه بر روابط بین مهارت های اینترنت، روابط بین مهارت های اینترنت و مهارت های IoT را نیز نشان می دهد. طبق مدل مفهومی، فرضیه های H8a و H8b هر دو پشتیبانی می شوند، چون مهارت های موبایل و هدایت اطلاعات به طور مستقیم و غیر مستقیم بر مهارت های IoTتاثیر می گذارند. علاوه بر این، مهارت های خلاقیت به طور مستقیم بر مهارت های IoT تأثیر می گذارند و فرضیه H8d را تأیید می کنند. این تاثیر مهارت های خلاقیت بر مهارت های IoT منجر به حمایت جزئی H8c شده است، زیرا مهارت های اجتماعی تنها می توانند از طریق مهارت های خلاقیت به طور غیر مستقیم با مهارت های IoT ارتباط برقرار کنند.
5. بحثها
1.5 یافته های اصلی
درمورد سوال اول تحقیق که میزان ارتباط مهارت های اینترنت با مهارت های مورد نیاز برای استفاده از IoT را بررسی می کرد، می توان نتیجه گرفت که مهارت های اینترنت برای انجام مهارت های IoT مهم هستند. سه تا از چهار نوع مهارت اینترنت، یعنی موبایل، هدایت اطلاعات و مهارت های خلاقیت، به طور مستقیم به مهارت های IoT کمک می کنند. در ضمن مهارت موبایل، هدایت اطلاعات و مهارت های اجتماعی به طور غیر مستقیم از طریق مهارت های خلاقیت به مهارت های IoT از کمک می کنند. این یافته ها در کنار هم نشان می دهند که مهارت های مورد نیاز برای استفاده از IoT تا حد مشخصی بستگی به مهارت های توسعه های قبلی اینترنت وب دارد. تحقیقات پیشین در زمینه مهارت های اینترنت نشان می دهد که برای بخش های بزرگی از جمعیت، فضای زیادی برای بهبود وجود دارد. به طور ویژه برای هدایت اطلاعات، مهارت های اجتماعی و خلاقیت، بسیاری از کاربران همچنان در حال کشاکش هستند، که در نتیجه باعث می شود استفاده از اینترنت کمتر از بهینه شود (Van Deursen وHelsper، 2017). از آنجایی که این مهارت ها برای استفاده از IoT مهم به نظر می رسند، بهبود مهارتها در محیط Web 4.0 نیز مورد نیاز است. با دنبال کردن همین خط استدلال، تحقیقات قبلی نیز دریافتند که مهارت های سواد سنتی (یعنی خواندن، نوشتن و درک متون) برای کارایی اینترنت مهم است (Van Deursen وVan Dijk، 2016). ماهر شدن در استفاده از IoT نیاز به مهارت کافی در اینترنت و سطح سواد سنتی کافی دارد. علیرغم قدرت مستقل IoT، این مهارت ها به طور جادویی ناپدید نمی شوند.
نبود لینک مستقیم بین مهارت های اجتماعی و IOT می تواند ناشی از ناآگاهی از مهارتهای اجتماعی به کار رفته در IoT باشد. با توجه به ماهیت خودمختار IoT، ممکن است مهارت های اجتماعی به پس زمینه منتقل شده باشد. به اشتراک گذاری محتوا تبدیل به یک محل انتخاب در مورد تغییر تنظیمات چیزهایی که قرار است به اشتراک گذاشته شود، زمانی به اشتراک گذاری، وکسی که باید با آن به اشتراک گذاشته شود شده است. دانش مربوط به تنظیمات اشتراک گذاری داده لازم است؛ چون داده جمع آوری شده شامل اطلاعات شخصی در مورد عادات و سلامت است، که ممکن است برای دیگران جالب باشد (Van Deursen و Mossberger، 2018). به عنوان مثال،رفتار تمرینی خود را دنبال می کنید، و هر روز چهارشنبه برنامه دو دارید. تمرین هفتگی شما به طور خودکار برای پیگیری پیشرفت شما با مربی شما به اشتراک گذاشته می شود، اما شما نمی خواهید زمانی که برای دویدن می روید به طور عمومی به اشتراک گذاشته شود چون این نشان میدهد که کسی خانه نیست و ممکن است در معرض سرقت قرار بگیرید. الزام توجه به عواقب به اشتراک گذاری داده ها (همراه با تغییر دادن تنظیمات اشتراک گذاری بر اساس ترجیح شخصی خودتا) اهمیت آگاهی در مورد به اشتراک گذاری خودسرانه محتوی و تصمیم گیری استراتژیک را برجسته می کند. توسعه دهندگان IoT باید با شفاف سازی داده های جمع آوری شده، کسانی که داده باید با آنها به اشتراک گذاشته شود و نحوه تغییر تنظیمات مربوط به اشتراک گذاری داده ها کاربران را راهنمایی کنند. به هر حال، مهارت های اجتماعی در IoT نیز مهم هستند. علاوه بر این، مهارت های اجتماعی مربوط به وب 2.0 همچنان در حوزه ی IOT مهم هستند، این امکان وجود دارد که محتوای جمع آوری شده از طریق اینترنت سنتی به اشتراک گذاشته شود. برای مثال می توانید هنگامی که یک رکورد شخصی در یک رقابت دو ثبت کرده اید، آن را به اشتراک بگذارید.
با توجه به سوال دوم پژوهش، می توان نتیجه گرفت که مهارت های IoTبه استفاده از IoT کمک می کند. مهارت های IoT هم به طور مستقیم و هم غیر مستقیم، نشان می دهند که ارزیابی افراد ازتوانمندیهایشان در استفاده از IoT برای شروع واقعی استفاده از IoT مهم است. هم چنین ارزیابی آنها مبنایی ایجاد می کند برای تصمیم گیری در مورد اینکه استفاده از تکنولوژی در جای خود چقدر ساده است و چقدر میتواند برای آنها مفید باشد (Gong و همکاران.، 2004؛ Teo، 2009). نتایج تنها نشان دهنده تأثیر مستقیم PU در استفاده از IoT و تأثیر غیر مستقیم PEoU در استفاده از IoT از طریق PU است. نگرش نسبت به IoT بر روی استفاده تاثیر نمی گذارد. این یافته نشان می دهند که مردم برای استفاده از IoT انگیزه دارند، زیرا برای آنها مفید است، حتی اگر آنها نگرش مثبتی نسبت به استفاده از آن نداشته باشند. این تفکر عملی ممکن است مربوط به این باشد که IoT یک تکنولوژی نسبتا جدید است که به طور مداوم در حال توسعه است. مردم هنوز نیاز به ایجاد یک دیدگاه نسبت به آن دارند: آنها می توانند مزایای مستقیم استفاده از دستگاه های متصل به IoT ، (PU) را ببینند اما تصور یا درک کاملی از منافع ممکنی که استفاده از این تکنولوژی می تواند برای زندگی و جامعه شان داشته باشد، ندارند. درادامه این استدلال، پاسخ کلی به نگرش نسبت به IoT نسبتا خنثی است که می تواند هم بی طرفی و تردید را نشان دهد (Croasmun وOstrom، 2011).
هنگام نگاه به آیتم های خاصی که نگرش IoT را ایجاد می کنند، انتظار نداشتیم که مردم نسبت به حریم خصوصی نگرش ذاتی داشته باشند. ما پیش بینی می کنیم نگرانی ها در مورد امنیت داده افزایش می یابد؛ زیرا Web 2.0 در رسانه ها به دلیل جرایم شبکه های اجتماعی که اطلاعات خصوصی شخصی را درگیر کرده، به صورت منفی گزارش شده است (Ortiz و همکاران.، 2018). این نگران کننده است؛ زیرا نظارت و جمع آوری داده از IoT افزایش یافته است و مقدار زیادی داده شخصی و حساس را تولید می کند که باید با دقت با آنها رفتار شود. بیطرفی مشاهده شده در این مطالعه ممکن است نشان دهد که کاربران خطرات احتمالی بالقوه را نادیده می گیرند، چرا که IoT در پشت صحنه کار می کند. جمع آوری داده ها، تجزیه و تحلیل، استفاده از داده و به اشتراک گذاری اغلب شفاف نیستند که تصمیم گیری های استراتژیک را سخت تر می کند (Van Deursen وMossberger، 2018). اگر چه ما ساختارهای حریم خصوصی و امنیتی را به عنوان پیش بینی کننده های بالقوه در کار فعلی در نظر نگرفته ایم، اما چشم انداز ضمنی مهارت کاربر نگرانی های مرتبط را در نظر می گیرد. برای مثال، تصمیم گیری در مورد حفظ حریم خصوصی در هر دو ساختار مهارت های IoT و نگرش گنجانده شده است. از آنجایی که این مطالعه برای بررسی نقش مهارت های IoT و تأکید برآنها طراحی شده است، ممكن است مطالعات آینده نگرانی های مربوط به حریم خصوصی و امنیت را یکی کند تا ببیند مشارکت آنها چطور با اهمیت مهارتهای IoT مقایسه می شود.
2.5 محدودیت ها
این مطالعه چندین محدودیت دارد که باید بیان شود. مهارت های IoT به عنوان یک متغیر واحد مورد بررسی قرار گرفت،یعنی تمام آیتمها در یک ساختار بارگذاری شد. با این حال در طول توسعه وب، ثابت شده است که مهارت های اینترنت شامل ابعاد متعدد است، به عنوان مثال، آنهایی که در این مطالعه پوشش داده شده اند. اگر چه مهارت های IoT می تواند وب 4.0 به اضافه مهارتهای اینترنت باشد ( به همان شیوه ای که معیارهای اجتماعی و خلاقیت به حوزه وب 2 اضافه شدند)، ما معتقدیم که پیچیدگی سیستم IoT نیازمند مهارت های مختلفی برای استفاده موفقیت آمیز از IoT است. تحقیقات آینده ممکن است سعی کنند که جنبه های بیشتری از مهارت های اساسی مختلف را بررسی کنند. یک مثال از چنین مهارتی می تواند مهارت های سواد داده باشد (Pangrazio و Selwyn، 2018). با این وجود، ما نشان داده ایم که تمام مهارت های اینترنت برای کار کردن بر روی مهارت های IoT مهم هستند.
مدل مفهومی مورد استفاده برای بررسی تاثیر مهارت ها بر پذیرش IoT، بر اساس مفهوم TAM بود. TAM علاوه بر استحکام به دلیل سادگی اش انتخاب شد. مفاهیم مرتبط با مهارت PU و PEoU باعث شده اند TAM برای تمرکز اصلی این مطالعه یعنی بررسی نقش مهارت های کاربر بسیار مناسب باشد. هم چنین ما با اضافه کردن مهارت های IoT به TAM، ما انتقاد وارد به تاکید بیش از حد بر PU ی PEoU و نادیده گرفتن عوامل دیگر را نیز در نظر گرفته ایم(لی و همکاران، 2003). برای تحقیقات بیشتر در مورد پذیرش IoT، ما توصیه می کنیم TAM را برای منطبق شدن بر ویژگی های IoT گسترش دهیم، موفقیت چنین توسعه هایی برای سایر پیشرفت های تکنولوژیکی مانند محاسبات ابری اثبات شده است (Park وKim، 2014) . مطالعاتی که علاقه مند به اضافه کردن تفاسیر دیگر هستند ممکن است از TAM2 (Venkatesh Davis، 2000) یا نظریه متحد پذیرش و استفاده از فناوری (UTAUT، Venkatesh و همکاران، 2003) را به عنوان نقطه سوئیچ استفاده کنند. اصلاح محدود TAM به IoT که در روش پذیرش IoT نشان داده شد، در این مطالعه مورد توجه قرار گرفت. در اصل، TAM به وظایف خاصی اعمال می شود، در حالی که ما ازکلیات آن برای مطالعه پذیرش IoT استفاده کردیم. چون عدم تمرکز موجب نتایج ترکیبی در درک تکنولوژی شده است (Dishaw وStrong، 1999؛ Lee و همکاران.، 2003)، و این می تواند دلیل دیگری باشد که چرا نگرش بر استفاده از IoT تاثیر نمی گذارد. بنابراین توصیه می کنیم در مطالعات آینده بریک کاربرد خاص یک دستگاه IoT تمرکز شود.
همانند بسیاری از مطالعات TAM، این مطالعه از خود گزارشگری[7] استفاده می کند. اگرچه این همیشه یک معیار دقیق نیست، زیرا استفاده از خود گزارشگری لزوما به معنای استفاده واقعی نیست (Legris و همکاران.، 2003). مثلا ممکن است مردم ندانند که فن آوری های هوشمندی که استفاده می کنند بخشی از سیستم IoT است یا شاید حتی نمی دانند که به دلیل بودن در همه جا و مستقل بودن مشارکت در یک شبکه از اشیاء دارند. از سوی دیگر، افراد ممکن است دستگاههای هوشمند را IoT را در نظر بگیرند (در حالی که آنها نیستند)، یا ممکن است طوری که باید از دستگاهها استفاده نکنند. علاوه بر این، برای سنجش مهارت های اینترنت، خود گزارشگری دقیق ترین معیار نیست. مردم تمایل دارند مهارت های خود را پایینتر یا بالاتر از واقعیت تخمین بزنند (Hargittai، 2005؛ Merritt و همکاران.، 2005؛ Van Deursen و Van Dijk، 2010). با این حال، علیرغم نا دقیق بودن خودگزارشگری، نتایج این مطالعه برای استفاده به عنوان یک شاخص مناسب است و یک نقطه شروع برای مطالعه ای هدفمند بر روی مهارت های مورد نیاز برای استفاده از IoT، به عنوان مثال، با انجام آزمایش های کارایی فراهم می کند.
در نهایت تعمیم نتایج باید در نظر گرفته شود. چون مطالعه فعلی در هلند ، یک کشور با نفوذ بالای اینترنت خانگی انجام شد، ، نتایج حاصل از مهارت و پذیرش می تواند با کشورهای دیگر که نفوذ اینترنت در آنها هنوز در حال افزایش است، متفاوت باشد. هلند را می توان به عنوان پیشگام روند در نظر گرفت و به همین دلیل برای تحقیق در مورد ضرورت مهارت ها (اینترنت) برای کار کردن با IoT خوب است و از نظر ویژگی توزیع مهارت در میان جمعیت عمومی مناسب است.
