La majorité des recherches antérieures sur l'acceptation des nouvelles technologies ont été menées avec des méthodes basées sur la modélisation d'équations structurelles (SEM) en une seule étape. L'objectif principal de l'étude est d'améliorer la recherche basée sur l'acceptation des nouvelles technologies avec la méthode du réseau neuronal artificiel (RNA) pour permettre des résultats de recherche plus précis et plus approfondis par rapport à la méthode SEM en une seule étape. Cette étude mesure la relation entre la dimension de préparation technologique (optimisme, innovation, inconfort, insécurité) et l'acceptation de la technologie (facilité d'utilisation perçue et utilité perçue) - et l'intention d'utiliser la crypto-monnaie, telle que le bitcoin. La contribution de cette étude comprend l'utilisation d'une approche multi-analytique en combinant la modélisation partielle des moindres carrés-équation structurelle (PLS-SEM) et l'analyse du réseau neuronal artificiel (RNA). Tout d'abord, le PLS-SEM a été appliqué pour évaluer quel facteur a une influence significative sur l'intention d'utiliser la crypto-monnaie. Deuxièmement, un RNA A été utilisé pour classer l'influence relative des variables prédictives significatives obtenues à partir du PLS-SEM. Les résultats de l'approche en deux étapes PLS-SEM et ANN confirment que l'utilisation d'ANN vérifie davantage les résultats obtenus par l'analyse PLS-SEM. En outre, ANN est capable de modéliser des relations linéaires et non linéaires complexes avec une grande précision prédictive par rapport aux méthodes SEM. En outre, une analyse de carte d'importance-performance (IPMA) des résultats PLS-SEM fournit une compréhension plus spécifique de l'importance-performance de chaque facteur.

La mayoría de las investigaciones previas sobre la aceptación de nuevas tecnologías se han realizado con métodos basados en el modelado de ecuaciones estructurales (SEM) de un solo paso. El propósito principal del estudio es mejorar la investigación basada en la aceptación de nuevas tecnologías con el método de Red Neuronal Artificial (ANN) para permitir resultados de investigación más precisos y profundos en comparación con el método SEM de un solo paso. Este estudio mide la relación entre la dimensión de preparación tecnológica (optimismo, capacidad de innovación, incomodidad, inseguridad) y la aceptación de la tecnología (facilidad de uso percibida y utilidad percibida), y la intención de usar criptomonedas, como bitcoin. La contribución de este estudio incluye el uso de un enfoque multianalítico mediante la combinación de análisis de Mínimos Cuadrados Parciales - Modelado de Ecuaciones Estructurales (PLS-SEM) y Red Neuronal Artificial (ANN). En primer lugar, se aplicó PLS-SEM para evaluar qué factor tiene una influencia significativa en la intención de usar criptomonedas. En segundo lugar, se empleó una ANN para clasificar la influencia relativa de las variables predictoras significativas obtenidas del PLS-SEM. Los hallazgos del enfoque PLS-SEM y ANN de dos pasos confirman que el uso de ANN verifica aún más los resultados obtenidos por el análisis PLS-SEM. Además, ANN es capaz de modelar relaciones lineales y no lineales complejas con una alta precisión predictiva en comparación con los métodos SEM. Además, un análisis del mapa de importancia-rendimiento (IPMA) de los resultados de PLS-SEM proporciona una comprensión más específica de la importancia-rendimiento de cada factor.

The majority of previous research on new technology acceptance has been conducted with single-step Structural Equation Modeling (SEM) based methods. The primary purpose of the study is to enhance the new technology acceptance based research with the Artificial Neural Network (ANN) method to enable more precise and in-depth research results as compared to the single-step SEM method. This study measures the relation between technology readiness dimension (optimism, innovativeness, discomfort, insecurity) and the technology acceptance (perceived ease of use and perceived usefulness) - and the intention to use cryptocurrency, such as bitcoin. The contribution of this study include the use of a multi-analytical approach by combining Partial Least Squares- Structural Equation Modeling (PLS-SEM) and Artificial Neural Network (ANN) analysis. First, PLS-SEM was applied to assess which factor has significant influence toward intention to use cryptocurrency. Second, an ANN was employed to rank the relative influence of the significant predictor variables attained from the PLS-SEM. The findings of the two-step PLS-SEM and ANN approach confirm that the use of ANN further verifies the results obtained by the PLS-SEM analysis. Also, ANN is capable of modelling complex linear and non-linear relationships with high predictive accuracy compared to SEM methods. Also, an Importance-Performance Map Analysis (IPMA) of the PLS-SEM results provides a more specific understanding of each factor's importance-performance.

تم إجراء غالبية الأبحاث السابقة حول قبول التكنولوجيا الجديدة باستخدام الطرق القائمة على نمذجة المعادلات الهيكلية (SEM) ذات الخطوة الواحدة. الغرض الأساسي من الدراسة هو تعزيز البحث القائم على قبول التكنولوجيا الجديدة باستخدام طريقة الشبكة العصبية الاصطناعية (ANN) لتمكين نتائج بحث أكثر دقة وتعمقًا مقارنة بطريقة SEM ذات الخطوة الواحدة. تقيس هذه الدراسة العلاقة بين بُعد الاستعداد التكنولوجي (التفاؤل والابتكار وعدم الراحة وانعدام الأمن) وقبول التكنولوجيا (سهولة الاستخدام المتصورة والفائدة المتصورة) - ونية استخدام العملة المشفرة، مثل البيتكوين. تتضمن مساهمة هذه الدراسة استخدام نهج متعدد التحليلات من خلال الجمع بين المربعات الصغرى الجزئية - نمذجة المعادلة الهيكلية (PLS - SEM) وتحليل الشبكة العصبية الاصطناعية (ANN). أولاً، تم تطبيق PLS - SEM لتقييم العامل الذي له تأثير كبير على نية استخدام العملة المشفرة. ثانيًا، تم توظيف ANN لترتيب التأثير النسبي لمتغيرات التنبؤ المهمة التي تم الحصول عليها من PLS - SEM. تؤكد نتائج نهج PLS - SEM و ANN المكون من خطوتين أن استخدام ANN يتحقق أيضًا من النتائج التي تم الحصول عليها من خلال تحليل PLS - SEM. كما أن ANN قادرة على نمذجة العلاقات الخطية وغير الخطية المعقدة بدقة تنبؤية عالية مقارنة بطرق SEM. كما يوفر تحليل خريطة الأهمية والأداء (IPMA) لنتائج PLS - SEM فهمًا أكثر تحديدًا لأهمية وأداء كل عامل.