Dubsmash – Comportamento de Rebanho na Utilização de Tecnologia de Informação
Autoria: Gustavo Hermínio Salati Marcondes de Moraes
Resumo
O comportamento de rebanho em tecnologia de informação é um fenômeno em que a pessoa segue o comportamento de outras pessoas em relação à adoção tecnológica e não leva em conta sua própria informação ou conhecimento. Esta pesquisa teve como objetivo estudar o comportamento de rebanho na utilização da tecnologia de informação, por meio de um estudo no aplicativo de dublagem Dubsmash. Foi realizada uma pesquisa com 122 pessoas que utilizaram o aplicativo. O estudo apresentou um modelo robusto com alto valor explicativo. Os resultados evidenciaram que Imitação, Facilidade de Uso e Motivação Hedônica influenciam positivamente o Uso do aplicativo Dubsmash, demonstrando que o comportamento de rebanho ocorreu nesse caso com a influência positiva da Imitação. A pesquisa fornece informações valiosas para tomada de decisões e escolhas tecnológicas aos empreendedores e gestores. Do ponto de vista acadêmico, o estudo apresenta uma nova perspectiva em relação à adoção tecnológica no Brasil, considerando um construto novo aos modelos de adoção, em um contexto em que o comportamento de rebanho em tecnologia de informação ainda é pouco explorado.
1. Introdução
A possibilidade de conectividade permanente altera a forma de comunicação entre as empresas e seus stakeholders. As relações sociais e empresariais têm sofrido profundas alterações devido à utilização das tecnologias de informação e comunicação (TIC), transformando a noção de tempo e espaço (Colombo & Cortezia, 2014).
As empresas têm a necessidade de se adaptar as questões que envolvem mobilidade, buscando se valer das tendências tecnológicas para atingir novos resultados em seus negócios.
Paterson e Low (2011) afirmam que desde a invenção dos smartphones, a tecnologia de telefonia móvel tem mudado rapidamente, e essa alternativa de interatividade entre as empresas pode ser explorada de formas diferentes em cada nova etapa.
Devido às suas funcionalidades e popularidade, a demanda pelos smartphones e tablets vem aumentando muito. As possibilidades dessas tecnologias são muitas: envio de mensagens instantâneas, download de aplicativos, conexão com programas de entretenimento, visualização de estacionamento, entre outros (Park & Chen, 2007).
Porém, muitas vezes as pessoas não conseguem acompanhar e entender completamente as novas funcionalidades das tecnologias que surgem, e acabam imitando as escolhas de outras pessoas. Isso pode levar a um comportamento de rebanho (herd behavior).
A literatura sobre comportamento de rebanho sugere que as pessoas tendem a descontar suas próprias crenças e imitar os outros quando tomam uma decisão de adoção.
Sum (2013) define o comportamento de rebanho em tecnologia de informação como um fenômeno em que a pessoa segue o comportamento de outras pessoas em relação à adoção tecnológica mesmo que suas informações e conhecimento sugiram seguir uma outra linha.
Nesse contexto, essa pesquisa tem como objetivo analisar o comportamento de rebanho em tecnologia de informação no Brasil, por meio de um estudo no aplicativo de dublagem Dubsmash.
O objetivo geral do estudo pode ser traduzido pela questão da pesquisa: Quais são os fatores que levam o jovem brasileiro a utilizar o aplicativo de dublagem Dubsmash, compartilhando vídeos em suas redes sociais?
A justificativa para realização da pesquisa está nas suas contribuições práticas e teóricas.
Do ponto de vista prático, os resultados podem auxiliar os empreendedores e gestores no entendimento do comportamento de rebanho em tecnologia de informação, fornecendo informações valiosas para tomada de decisões e escolhas tecnológicas, ampliando os conhecimentos científicos e tecnológicos.
Do ponto de vista acadêmico, o estudo pretende apresentar um novo modelo, utilizando como base modelos reconhecidos na literatura internacional, para um contexto específico e ainda pouco explorado.
2. Referencial Teórico
2.1 Aplicativos para smartphone
Os telefones celulares, smartphones, tablets, redes sem fio entre outras tecnologias são exemplos de tecnologias de informação móveis e sem fio (TIMS) que atualmente são comuns no mercado (Saccol, Manica, & Calderwood, 2011).
Para as empresas, a introdução das tecnologias de informações móveis e sem fio possibilita melhoria nos processos, velocidade no acesso às informações, melhor planejamento e redução de erro (Welin-Berger, 2004).
Saccol, Manica e Calderwood (2011) apontam que para os consumidores, as TIMS apresentam ganhos provenientes da disponibilidade de um canal móvel de comunicação para atender às demandas de captação de pedidos no ambiente móvel e também como ferramenta de buscas de informações, gerando redução de tarefas administrativas e de logística e eficiência no trabalho de campo.
Para que um dispositivo de informação seja funcional, ele depende de um software, que é um conjunto de instruções operacionais utilizados para controlar o processamento das tecnologias (Laudon & Laudon, 2004).
Cenzi et al. (2008) ressalta que a expressão aplicação móvel é usada para classificar o software utilizado em dispositivos móveis.
Presenciamos nas últimas décadas uma disseminação acelerada das TIMS, de acordo com Saccol, Manica e Calderwood (2011). Na rotina diária de um usuário de aplicativos móveis, que utilizam os smartphones para escutar músicas, conversar via Skype e assistir filmes, podemos verificar a usabilidade e aderência dessas tecnologias (Anderson & Wolff, 2010).
Gartner (2013) apresenta uma pesquisa na qual a quantidade de downloads de aplicativos em 2013 estava estimada em 102 bilhões, gerando uma receita de $ 26 bilhões, contra $ 18 bilhões em 2012. Para 2017, a previsão é que 268 bilhões de apps sejam baixados, com uma receita de $ 77 bilhões.
Esses números ressaltam a importância e o crescimento desse mercado.
O presente estudo utilizou como instrumento de informação o estudo dos smartphones e tablets, juntamente com o uso do aplicativo de dublagem Dubsmash.
O Dubsmash é um aplicativo de dublagem para Android e para iOS. O serviço consiste em fazer um playback de alguma frase famosa, musical, de um filme, cómica ou outra qualquer que um utilizador escolha e suba ao canal.
O aplicativo conta com áudios em vários idiomas, referentes à séries, programas de TV, frases famosas, entre outros. Além da utilização de sons já editados, existe a possibilidade de adicionar um áudio próprio do usuário para o app.
O aplicativo foi fundado por Jonas Drüppel, Roland Grenke e Daniel Taschi, e lançada oficialmente em 19 de Novembro de 2014. No dia 1 de Fevereiro de 2015 já havia sido transferido entre 10 e 15 milhões para dispositivos móveis. O seu êxito começou na Alemanha, e foi-se estendendo por toda a Europa, até transformar-se num êxito mundial.
O Brasil já está entre os países que tem mais adeptos do aplicativo. A popularização do Dubsmash acompanhou a onde de celebridades nacionais que postaram vídeos de dublagem nas redes sociais, como: Xuxa (apresentadora), Cláudia Leite (cantora), Ivete Sangalo (cantora), Anitta (cantora) e Neymar (jogador de futebol).
2.2 Comportamento de rebanho
O comportamento de rebanho tem sido observado em situações diversas por pesquisadores, como por exemplo na escolha de investimentos de aposentadoria (Choi et al., 2003), na abertura de novas agências bancárias (Chang, Chaud, & Jayaratne, 1997), no desenvolvimento de programas de televisão (Kennedy, 2002), e no download de aplicativos de software (Duan, Gu, & Whinston, 2009; Walden & Browne de 2009).
A definição de comportamento de rebanho apresenta dois aspectos: a imitação aos outros e o desconto da própria informação. Imitar os outros significa que uma pessoa que pastoreia observa outros e tomam as mesmas decisões ou escolhas que os outros fizeram (Banerjee 1992; Bikhchandani, Hirshleifer, & Welch, 1992).
Dessa forma, duas condições primárias foram identificadas para a ocorrência do comportamento de rebanho: a incerteza sobre a decisão e a observação das ações dos outros.
As pessoas são mais susceptíveis ao comportamento de rebanho quando não têm certeza sobre qual decisão tomar, pelo fato das informações privadas serem incompletas ou assimétricas (Bikhchandani & Sharma 2000; Fiol & O'Connor 2003; Lieberman & Asaba, 2006; Walden & Browne 2009). Assim, observando que muitas pessoas tomaram a mesma decisão, aparece a condição necessária para o comportamento de rebanho ocorrer.
A adoção de uma alternativa torna-se mais provável quanto mais os outros fizeram a mesma escolha (Rao, Greve, & Davis, 2001). A identidade dos antecessores também é importante, pois as pessoas podem seguir os membros do público em geral ou de um grupo específico em que acreditam que tenham as melhores informações e que são mais propensos a tomar a decisão certa (Bandura, 1986), de reputação tecnológica favorável (Abrahamson, 1991) e líderes da moda (Bikhchandani et al., 1992).
A primeira hipótese do estudo é relacionada a esse contexto:
Hipótese 1: Imitação influencia positivamente a utilização do aplicativo de dublagem Dubsmash.
2.3 Adoção de tecnologia de informação
A partir de duas teorias principais, diversos modelos de adoção de tecnologias foram desenvolvidos. Essas teorias são provenientes da área de psicologia: a Teoria da Ação Racional (Theory of Reasoned Action) – TRA (Fishbein & Ajzen, 1975) e a Teoria do Comportamento Planejado (Theory of Planned Behaviour) – TPB (Ajzen, 1985).
O desenvolvimento de modelos à adoção de TI possibilita previsões sobre os comportamentos dos usuários com a oferta de tecnologias ou sistemas. Dessa forma, modelos específicos de adoção tecnológica podem auxiliar a compreensão sobre o processo de uso dos sistemas de informações por gestores, pesquisadores e profissionais de TI (Brumagim & Wu 2005).
Os principais referenciais teóricos sobre adoção tecnológica são: o Modelo de Aceitação de Tecnologia (TAM), desenvolvida por Davis (1986) e a Teoria Unificada de Aceitação e Utilização de Tecnologia (UTAUT), desenvolvida por Venkatesh, Morris, Davis e Davis (2003).
O TAM foi elaborado a partir de conceitos provindos da TRA e estudos realizados na área de TI, sendo um modelo específico para estudo de comportamento de uso de tecnologias computacionais. O modelo incorpora dois construtos para adoção tecnológica: Facilidade de Uso e Usabilidade Percebida.
A UTAUT é uma das teorias mais utilizadas na literatura de sistemas de informação. Venkatesh et al. (2003) elaboraram o modelo por meio de uma unificação de oito modelos anteriores, contendo quatro construtos considerados determinantes diretos do comportamento de uso da tecnologia. Os construtos apresentados na UTAUT são: Expectativa de Desempenho, Expectativa de Esforço, Influência Social e Condições Facilitadoras.
Alguns anos depois da UTAUT, Venkatesh, Thong e Xu (2012) apresentaram a UTAUT 2, um aperfeiçoamento do modelo anterior. A primeira versão foi desenvolvida para o contexto organizacional, enquanto a segunda versão foi elaborada para o contexto do consumidor. O novo modelo acrescenta três construtos ao modelo anterior: Motivação Hedônica, Valor do Preço e Hábito.
As hipóteses 2 e 3 do presente estudo são baseadas e adaptadas dos estudos de Davis (2003) e Venkatesh et al. (2012).
A segunda hipótese do presente estudo é em relação ao construto Facilidade de Uso. Facilidade de Uso é definida como o grau em que uma pessoa acredita que utilizar uma tecnologia de informação será livre de esforço.
Hipótese 2: Facilidade de Uso influencia positivamente a utilização do aplicativo de dublagem Dubsmash.
Entende-se que, se a pessoa acreditar que a utilização do aplicativo não requer esforço, sendo fácil para ele, isso influenciará de forma positiva a utilização do aplicativo.
A terceira hipótese do estudo é em relação ao construto Motivação Hedônica, que pode ser definida como a diversão ou o prazer em utilizar a tecnologia (Venkatesh, Thong, & Xu, 2012).
Hipótese 3: Motivação Hedônica influencia positivamente a utilização do aplicativo de dublagem Dubsmash.
Alguns pesquisadores do comportamento do consumidor e de sistemas de informação têm utilizado construtos relacionados com a motivação hedônica em seus estudos, e os resultados da variável são relevantes tanto no consumo quanto na utilização da TI (Brown & Venkatesh, 2005; Holbrook & Hirschman, 1982; Nysveen, Pedersen, & Thorbjornsen, 2005; van der Heijden, 2004).
Essa hipótese tem relação direta com a escolha do aplicativo de dublagem, que está na categoria Entretenimento nas lojas de aplicativos (por exemplo: Apple Store e Google Play).
Entende-se que outros fatores influenciam positivamente a utilização do aplicativo, porém, optou-se pelas três hipóteses apresentadas por elas terem uma relação maior com o objeto de estudo escolhido – aplicativo Dubsmash.
3. Modelo Conceitual da Pesquisa e Hipóteses do Estudo
A Figura 1 apresenta o modelo teórico para validação dos constructos e testes das hipóteses levantadas.
Figura 1. Modelo Conceitual da Pesquisa
A Figura 2 apresenta a descrição e a base teórica de cada uma das hipóteses do estudo.
Hipóteses Descrição Base Teórica
H1 Imitação influencia positivamente a utilização do
aplicativo de dublagem Dubsmash. Sum (2013); Duan, Gu e Whinston (2009); Walden e Browne (2009). H2 Facilidade de Uso influencia positivamente a
utilização do aplicativo de dublagem Dubsmash.
Davis (1986). H3 Motivação Hedônica influencia positivamente a
utilização do aplicativo de dublagem Dubsmash. Brown e Venkatesh (2005); Holbrook e Hirschman (1982); Nysveen, Pedersen e Thorbjornsen (2005); van der Heijden (2004); Venkatesh et al. (2012)
Figura 2. Hipóteses do Estudo
4. Metodologia
A metodologia utilizada nesse estudo foi quantitativa, por meio do uso de Modelos de Equações Estruturais. Para análise e verificação das hipóteses e do modelo proposto, foi realizada uma pesquisa com 122 estudantes que utilizaram o aplicativo de dublagem Dubsmash.
Para calcular o tamanho mínimo da amostra necessária para utilização do PLS foi utilizado o software G*Power 3.1.9 (Faul, Erdfelder, Buchner, & Lang, 2009). O G*Power é um programa de análise estatística utilizado nas ciências sociais, comportamentais e biomédicas.
De acordo com Cohen (1988) e Hair et al. (2013), para o cálculo anterior à coleta dos dados é recomendado o uso do poder como 0,80 e f2 mediano igual a 0,15.
O software apresentou uma amostra mínima de 77 casos, porém, Ringle, Silva e Bido (2014) recomendam que para se ter um modelo consistente seja utilizado o dobro desse valor.
Na presente pesquisa a amostra final foi de 122 casos. As escalas do questionário foram adaptadas de estudos anteriores.
As perguntas eram afirmações que os usuários respondiam em uma escala Likert baseada em sete níveis, que variavam entre os extremos Discordo Totalmente até Concordo Totalmente.
A análise dos dados foi realizada por meio da técnica de análise multivariada de modelagem por equações estruturais, que é adequada para situações de múltiplas relações concomitantemente (Chin, Marcolin, & Newsted, 2003; Hair, Anderson, Tatham, & Black, 2005).
5. Descrição e análise dos resultados
Foram utilizados os critérios para avaliação de modelos de mensuração reflexivos apresentados por Hair et al. (2013):
a) Consistência interna (confiabilidade composta); b) Confiabilidade do indicador;
c) Validade convergente (variância média extraída); d) Validade discriminante.
A Análise Fatorial Confirmatória foi utilizada para examinar a validade convergente e discriminante dos construtos utilizados no modelo estrutural (Hair et al., 2005).
Todos os construtos apresentaram indicadores com cargas altas em suas variáveis latentes (Tabela 1), superiores a 0,70, e cargas baixas nas demais variáveis latentes, indicando razoável validade discriminante e convergente (Chin, 1998).
Tabela 1.
Análise Fatorial Confirmatória
Construto Variável Facilidade de Uso
Motivações
Hedônicas Imitação Uso
FU1 0,755 0,247 0,053 0,240 FU2 0,757 0,325 0,040 0,295 FU3 0,782 0,278 0,018 0,330 MH1 0,366 0,906 0,354 0,662 MH2 0,301 0,828 0,307 0,625 MH3 0,317 0,911 0,328 0,615 IMI1 0,012 0,346 0,789 0,359 IMI2 -0,029 0,206 0,798 0,346 IMI3 0,114 0,365 0,888 0,431 USO1 0,350 0,621 0,492 0,814 USO2 0,423 0,645 0,297 0,867 USO3 0,234 0,474 0,259 0,766 USO4 0,264 0,654 0,469 0,912 Uso Facilidade de Uso Imitação Motivações Hedônicas
De acordo com Hair, Ringle e Sarstedt (2011), outro indicador utilizado para a validação convergente do modelo é o valor da variância média extraída (AVE) que, como critério para validação, deve apresentar um valor superior a 0,5.
Para avaliar o modelo de mensuração, uma medida principal utilizada, além do exame das cargas para cada indicador, é a confiabilidade composta de cada construto (Hair et al., 2005; Hair et al., 2013). A confiabilidade composta descreve o grau em que os indicadores representam o construto latente em comum. Um valor de referência comumente usado para confiabilidade aceitável é 0,70.
A verificação da consistência interna foi realizada para analisar a validade convergente. Um alto valor de consistência interna no construto indica que todas as variáveis representam o mesmo construto latente. A consistência interna é avaliada por meio do Alpha de Cronbach, que varia de 0 a 1, com altos valores indicando alto nível de consistência. Para estudos exploratórios, valores entre 0,60 e 0,70 são considerados aceitáveis; já para estudos em estágios mais avançados, valores entre 0,70 e 0,90 são considerados satisfatórios (Nunally & Berstein, 1994; Hair et al., 2013).
Outro indicador de validade discriminante entre os construtos é calcular a raiz quadrada da variância média extraída dos construtos também foi apresentada para validade discriminante, esse valor deve ser maior que a correlação entre as variáveis latentes (Fornell & Larcker, 1981).
Todos os indicadores mencionados são apresentados na Tabela 2 e estão dentro do estabelecido pelos autores.
Tabela 2.
Síntese da avaliação dos modelos de mensuração
Facilidade de Uso Motivações
Hedônicas Imitação Uso
Facilidade de Uso 0,764 Motivações Hedônicas 0,373 0,883 Imitação 0,046 0,374 0,826 Uso 0,383 0,719 0,461 0,841 AVE 0,584 0,683 0,779 0,708 Confiabilidade Composta 0,808 0,866 0,914 0,906 Alpha de Cronbach 0,649 0,767 0,857 0,862
A técnica bootstrapping foi utilizada para analisar as significâncias dos indicadores, de acordo com a sugestão de Efron e Tibshirani (1998). A utilização da técnica bootstrapping para analisar a significância das cargas obtidas para as variáveis observáveis não se baseia só em uma estimação de modelo, mas calcula estimativas de parâmetros e seus intervalos de confiança com base em múltiplas estimações (Hair, Anderson, Tatham, & Black, 2005; Hair, Hult, Ringle, & Sarstedt, 2013).
De acordo com as recomendações de Hair et al. (2013), foi realizada uma reamostragem de 5.000 amostras, com reposição de 122 casos.
A estatística t de Student analisa a hipótese de que os coeficientes de correlação são iguais a zero. Caso os resultados deste teste indiquem valores superiores a 1,96, a hipótese é rejeitada e a correlação é significante (Efron & Tibshirani, 1998; Hair et al., 2013). A Tabela 3 apresenta uma síntese dos valores dos coeficientes das variáveis.
Tabela 3.
Cargas fatoriais do modelo de medidas e estatística t de Student
Média Desvio
Padrão Estatística T
P-valor (bicaudal)
FU1 Å Facilidade de Uso 0,743 0,087 8,684 0,000
FU2 Å Facilidade de Uso 0,747 0,084 9,023 0,000
FU3 Å Facilidade de Uso 0,775 0,104 7,522 0,000
MH1Å Motivações Hedônicas 0,905 0,021 44,037 0,000 MH2Å Motivações Hedônicas 0,826 0,036 22,773 0,000 MH3Å Motivações Hedônicas 0,910 0,021 44,101 0,000 IMI1Å Imitação 0,788 0,047 16,794 0,000 IMI2Å Imitação 0,793 0,068 11,720 0,000 IMI3Å Imitação 0,887 0,026 33,677 0,000 USO1Å Uso 0,814 0,032 25,113 0,000 USO2Å Uso 0,867 0,030 28,643 0,000 USO3Å Uso 0,762 0,050 15,237 0,000 USO4Å Uso 0,911 0,017 54,214 0,000
Os valores dos coeficientes entre os construtos e as respectivas estatísticas t de Student são apresentados na Tabela 4. Os valores foram estimados pela técnica de bootstrapping.
Todos os valores dos relacionamentos apresentaram valores de t de Student superiores a 1,96 (nível de significância = 5%).
Tabela 4.
Coeficientes do modelo estrutural – entre construtos
Média Desvio
Padrão Estatística T
P-valor (bicaudal)
Facilidade de Uso Æ Uso 0,163 0,059 2,684 0,007
Motivações Hedônicas Æ Uso 0,567 0,059 9,707 0,000
Imitação Æ Uso 0,242 0,068 3,540 0,000
A análise do coeficiente de determinação (r²) foi realizada com base nos estudos de Cohen (1977). Segundo este autor, o estado de desenvolvimento de grande parte da ciência do comportamento é tal que não muito da variância na variável dependente é previsível. Nesse sentido, o autor propõe uma escala para a classificação do coeficiente de determinação, sendo R² igual a 10% considerado baixo, R² igual a 30% considerado médio e R² igual a 50% considerado alto.
Figura 3. Modelo resultante da pesquisa
A partir das validações obtidas com o modelo estrutural, apresenta-se na Figura 4 a síntese dos testes de hipóteses do estudo.
HIPÓTESE DESCRIÇÃO RESULTADO
H1 Imitação influencia positivamente a Utilização do aplicativo Dubsmash. CONFIRMADA H2 Facilidade de Uso influencia positivamente a Utilização do aplicativo Dubsmash. CONFIRMADA H3 Motivação Hedônica influencia positivamente a Utilização do aplicativo Dubsmash. CONFIRMADA
Figura 4. Síntese dos testes de hipóteses do estudo
6. Conclusões
O valor do coeficiente de determinação do construto Utilização do Dubsmash igual a 58,20% manifesta uma explicação razoável pela seleção dos construtos analisados.
Os resultados do estudo evidenciam que a utilização do aplicativo Dubsmash é explicado pelos construtos Motivação Hedônica, Imitação e Facilidade de Uso.
O alto valor explicativo do construto Motivações Hedônicas mostra que as pessoas acham divertido e agradável utilizar o aplicativo, sendo assim o principal fator influenciador do uso.
Boa parte da explicação do Uso diz respeito à Imitação, ou seja, as pessoas utilizam o aplicativo para imitar as outras pessoas, sejam artistas, personalidades ou conhecidos, que também utilizaram o aplicativo de dublagem.
Esse resultado demonstra o comportamento de rebanho no caso do aplicativo Dubsmash, pois as pessoas observaram outras pessoas utilizando, não consideraram sua própria informação por não terem utilizado ainda o aplicativo, e tomaram a decisão de utilizar também.
Os resultados corroboram com os estudos de Duan, Gu e Whinston (2009) e Walden e Browne (2009) que apresentaram modelos para o download de aplicativos de software.
Outro fator de menor impacto no uso do aplicativo foi a Facilidade de Uso. Dessa forma, entende-se que o fato da utilização do aplicativo ser fácil para o público respondente, faz com que seja mais utilizado.
Do ponto de vista prático, os resultados auxiliam os empreendedores e gestores no entendimento do comportamento de rebanho em tecnologia de informação, fornecendo informações para tomada de decisões e escolhas tecnológicas, ampliando os conhecimentos científicos e tecnológicos. Entendendo que a Imitação é um dos fatores de influência positiva na adoção de tecnologias, é possível, por exemplo, criar estratégias para que pessoas que influenciam esse comportamento utilizem a tecnologia desejada, divulgando tal utilização.
Do ponto de vista acadêmico, o estudo apresenta um modelo de adoção tecnológica que contém um fator de comportamento de rebanho (Imitação) em um contexto ainda pouco explorado (Brasil). O modelo apresentado contribui para os estudos em administração e tecnologia, com percepções sobre o comportamento do indivíduo frente a novas tecnologias.
Como sugestões de pesquisas futuras, recomendasse: acrescentar novos construtos ao modelo apresentado; testar o modelo apresentado em novas tecnologias e aplicativos; testar moderadores como idade, sexo e renda e realizar estudos com metodologias qualitativas. REFERÊNCIAS
Abrahamson, E. (1991). Managerial Fads and Fashions: The Diffusion and Rejection of Innovations. The Academy of Management Review, v. 16, n. 3, pp. 586-612.
Bandura, A. (1986). Social Foundations of Thought and Action. Englewood Cliffs, NJ: Prentice Hall.
Banerjee, A. V. (1992). A Simple Model of Herd Behavior. Quarterly Journal of Economics, v. 107, n.3, pp. 797-817.
Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, v. 100, n.5, pp. 992-1026.
Bikhchandani, S. & Sharma, S. (2000). Herd Behavior in Financial Markets. IMF Staff Papers, v. 47, n. 3, pp. 279-310.
Brown, S. A., & Venkatesh, V. (2005). Model of Adoption of Technology in the Household: A Baseline Model Test and Extension Incorporating Household Life Cycle. MIS Quarterly, (29:4), pp. 399-426.
Brumagim, A. L. & Wu, X. (2005). An examination of cross-cultural differences in attitudes towards risk: Testing prospect theory in the people's republic of china. Multinational Business Review [S.I.], v. 13, n. 3, p. 67-86.
Cenzi, D., Teixeira, I., Costa, J. G., Dobgenski, J. (2008). Tecnologia de aplicações para dispositivos móveis integrada a banco de dados remoto utilizando software livre. Anuário da Produção Científica dos Cursos de Pós- Graduação, v. 3, n. 3, p. 53-101, 2008.
Colombo, M. C., & Cortezia, L, S. D. (2014). Adoção de Aplicativos Para Dispositivos Móveis: Uma Análise Sob a Perspectiva da Utilidade dos Aplicativos em Empresas do Setor Imobiliário. XXXVIII Encontro da ANPAD – Enanpad. Rio de Janeiro, 2014.
Cohen, J. (1977). Statistical Power Analysis for the Behavioral Sciences, ed. 2. New York: Academic Press, “The Concept of Power Analysis.”
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Erlbaum.
Chang, A., Chaudhuri, S., & Jayaratne, J. (1997). Rational Herding and the Spatial Clustering of Bank Branches: An Empirical Analysis. Federal Reserve Bank, New York.
Chin, W. W. (1998). The Partial Least Squares Approach to Structural Equation Modeling. In G. A. Marcoulides (Ed.), Modern Methods for Business Research (pp. 295-358). Mahwah, NJ: Lawrence Erlbaum.
Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A Partial Least Squares Latent Variable Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/Adoption Study. [Article]. Information Systems Research, 14(2), 189-217.
Choi, J. J., Laibson, D., Madrian, B. C., & Metrick, A. (2003). Optimal Defaults. American Economic Review Papers and Proceedings, v. 93, pp. 180-185.
Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results. (Doctoral Dissertation), Massachusetts Institute of Technology, Sloan School of Management.
Duan, W., Gu, B., & Whinston, A. B. (2009). Informational Cascades and Software Adoption on the Internet: An Empirical Investigation. MIS Quarterly, v. 33, n. 1, pp. 23-48.
Efron, B., & Tibshirani, R. J. (1998). An introduction to the bootstrap. Chapman & Hall / CRC Press.
Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, v. 41, pp. 1149-1160.
Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Reading, MA: Addison-Wesley, 1975.
Fiol, M. & O’Connor, E. (2003). Waking Up! Mindfulness in the Face of Bandwagons. Academy of Management Review, v. 28, n.1, pp. 54-70.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, v.18, pp.39-50.
Gartner Group. (2014). Gartner says mobile app stores will see annual downloads reach 102
billion in 2013. 19 Set. 2013. Disponível em: <http://www.gartner.com/newsroom/id/2592315>. Acesso em: 30 set. 2014.
Hair, JR. J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2005) Análise multivariada de dados. 5. ed. Porto Alegre: Bookman.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2013). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks: SAGE Publications. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, v. 19, pp. 139-151.
Holbrook, M. B., & Hirschman, E. C. (1982). The Experiential Aspects of Consumption: Consumer Fantasies, Feelings, and Fun. Journal of Consumer Research, (9:2), pp. 132-140. Kennedy, R. E. (2002). Strategy Fads and Competitive Convergence: An Empirical Test for Herd Behavior in Prime-Time Television Programming. Journal of Industrial Economics, v. 50, pp. 43-56.
Laudon, J. P., Laudon, K. C. (2004). Sistemas de informação gerenciais: administrando a empresa na era digital. 5. ed. São Paulo: Pearson.
Lieberman, M. B. & Asaba, S. (2006). Why Do Firms Imitate Each Other? Academy of Management Review, v. 31, n. 2, pp. 366-385.
Nunally, J. C., & Bernstein, I. (1994). Psychometric theory. New York: McGraw-Hill.
Nysveen, H., Pedersen, P. E., & Thorbjornsen, H. (2005). Intentions to Use Mobile Services: Antecedents and Cross-Service Comparisons. Journal of the Academy of Marketing Science, (33:3), pp. 330-346.
Park, Y., & Chen, J. V. (2007). Acceptance and adoption of the innovative use of smartphone. Industrial Management & Data Systems, vol. 107, n.9, pp. 1349-1365.
Paterson, L., & Low, B. (2011). Student attitudes towards mobile library services for smartphones. Library Hi Tech , Vol. 29 Iss: 3, pp.412 - 423.
Rao, H., Greve, H. R., & Davis, G. F. (2001). Fool’s Gold: Social Proof in the Initiation and Abandonment of Coverage by Wall Street Analysts. Administrative Science Quarterly, v. 46, n. 3, pp. 502-526.
Ringle, C. M., Silva, D., & Bido, D. (2014). Modelagem de Equações Estruturais com Utilização do SmartPls. Brazilian Journal of Marketing – BJM, 13(2), 56-73.
Saccol, A. Z., Manica, A., Calderwood, S. E. (2011). Innovation and adoption of mobile technology in public organizations: the IBGE case. Revista de Administração de empresas - RAE, São Paulo, v. 51, n. 1, p.72-83, jan./fev.
Sun, H. (2013). A Longitudinal Study of Herd Behavior in the Adoption and Continued Use of Technology. MIS Quarterly, v. 37, n. 4, pp. 1013-1041.
van der Heijden, H. (2004). User Acceptance of Hedonic Information Systems. [Article]. MIS Quarterly, 28(4), 695-704.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. [Article]. MIS Quarterly, 27(3), 425-478. Venkatesh, V., Thong, J. Y. L., & Xu, X (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157-178.
Walden, E. A. & Browne, G. J. (2009). Sequential Adoption Theory: A Theory for Understanding Herding Behavior in Early Adoption of Novel Technologies. Journal of the Association for Information Systems, v. 10, n. 1, pp. 31-62.
Welin-Berger, M. W. (2004). M-Commerce. In: Kornak, A, Teutloff, J, & Welin-Berger, M. Enterprise guide to gaining business value from mobile technologies. Hoboken: Wiley, 2004.
APÊNDICE A - Questionário da Pesquisa Imitação
IMI1. Eu utilizei o Dubsmash porque muitas outras pessoas estavam utilizando. IMI2. O Dubsmash virou uma febre nas redes sociais, então resolvi utilizar também. IMI3. Eu imitei as outras pessoas que utilizaram o aplicativo, e resolvi utilizar também. Facilidade de Uso
FU1. Gravar um vídeo no Dubsmash não requer muito esforço. FU2. Eu acho fácil baixar o app e aprender a utilizá-lo.
FU3. Postar um vídeo gravado no Dubsmash nas redes sociais é fácil para mim. Motivação Hedônica
MH1. Utilizar o Dubsmash é divertido.
MH2. Acho agradável postar vídeos utilizando o app.
MH3. Acho divertido relembrar as frases famosas que o app disponibiliza e gravar um vídeo com elas.
