Aplicao da lgica Fuzzy nos construtos do Modelo de Aceitao de Tecnologia

Autoria: Petruska de Araujo Machado, Tas Alexandre Antunes Paes, Arielle Pinto Silva, Renata Grigorio Silva Gomes, Leonardo Rosa Rohde

RESUMO O Modelo de Aceitao da Tecnologia (TAM Tecnology Acceptance Model) tem sido considerado um modelo robusto para investigar processos de adoo de TI, porm os esforos tem se concentrado apenas em explicar ou prever esse fenmeno. Pesquisas tem se preocupado apenas em confirmar os relacionamentos do modelo (Benbasat & Barki, 2007), de forma que as decises para adoo de TI so apenas inferidas atravs de mtodos estatsticos. Alm disso, pesquisas tm criticado o TAM argumentando que medidas de utilidade percebida (PU) e facilidade de uso percebida (PEOU) podem ser sujeitas a vieses de mensurao, tais como: subjetividade, mtodo comum e convenincia social (Dimoka & Davis, 2008). Levando em considerao a complexidade de processos de adoo de TI e as dificuldades e incertezas envolvidas na tomada de deciso, esta pesquisa teve como objetivo analisar conceitos subjetivos dos construtos do TAM transformando-os em valores quantitativos. Para atingir tal objetivo, utilizou-se a lgica fuzzy que, alm de quantificar as opinies dos entrevistados, permite o fornecimento de apoio em processos decisrios. Para isso, questionrios estruturados foram empregados para agregar opinies de um especialista e percepes de 29 usurios, em relao utilidade e facilidade de uso do sistema Malote Digital da empresa Alfa. Para a construo do prottipo do Sistema Especialista Fuzzy foram realizados os seguintes procedimentos: 1) estabeleceram-se as variveis lingsticas usadas na fuzzyficao dos atributos de utilidade (U) e facilidade (EOU); 2) estabeleceram-se os intervalos de cada varivel atravs da escala numrica de 0 a 100; 3) foram definidas as regras crisp para cada combinao de atributos considerada relevante pelo especialista; 4) definiu-se o operador lgico de unio (E) utilizado nas regras de deciso. Os achados revelaram que o prottipo do Sistema Especialista Fuzzy permitiu a transformao de raciocnio subjetivo em um raciocnio exato, o que foi possvel avaliar conceitos considerados no-quantificveis. O artigo introduziu um instrumento capaz de disponibilizar dados que auxiliam os tomadores de deciso em processos de adoo de TI na empresa Alfa, reduzindo, assim, o risco de incertezas e minimizando as imprecises na deciso para adotar a tecnologia. A construo do prottipo do Sistema Especialista Fuzzy possibilitou a transformao do conhecimento tcito do processo de deciso para adotar a TI em conhecimento explcito, uma vez que o armazenamento do conhecimento humano proporciona dados disponveis aos tomares de deciso, alm de informar linhas de ao para a realizao de provveis ajustes em relao s caractersticas da TI. Palavras-chave: Lgica Fuzzy, Deciso para Adotar TI, TAM INTRODUO Os processos de tomada de deciso para adoo de Tecnologia de Informao (TI) uma tarefa complexa que envolve situaes de dificuldades e incertezas (Sarker,Valacich, & Sarker, 2005). Estudos tm utilizado o TAM para investigar processos de adoo de TI, porm os esforos tem limitado a proposta do modelo. Apesar da robustez e da influncia do TAM destacadas nas pesquisas de adoo de tecnologia, o modelo oferece certas limitaes e demonstra algumas fraquezas. Embora o seu propsito tenha sido explicar e prever situaes que levam os usurios a utilizar uma tecnologia, Benbasat e Barki (2007) argumentam que as pesquisas baseadas no TAM tm 1

levado a criao de uma iluso do progresso de acumulao do conhecimento, onde a Utilidade Percebida (PU Perceived Usefulness) e a Facilidade de Uso Percebida (PEOU Perceived Ease of Use) tm sido tratadas como caixas pretas que poucos pesquisadores tm tentado explorar. Conforme Goodhue (2007) o modelo tem deixado o campo acadmico com alguns pontos cegos, porque busca responder questes especficas como: O que causa usurios utilizar uma tecnologia? Os construtos do TAM tm sido analisados apenas para uma finalidade: prever ou explicar o processo de uso da tecnologia da informao (TI). Pesquisas recentes continuam usando escalas Likert para avaliar os PU e PEOU (Chin, Johnson, & Schwarz 2008), limitando-se no propsito do modelo e, como destacam os mesmos autores, deixando dvidas e incertezas sobre se estamos ou no selecionando um caminho eficiente em termos de concluso de observao para avali-los. Sendo assim, pesquisas oferecem ao gestor organizacional apenas o poder de explicao e compreenso do processo de adoo de TI, mas no sugerem alternativas de decises que o ajudem a reduzir impactos que podem levar a descontinuidade do uso da tecnologia. As pesquisas tem se preocupado apenas em confirmar os relacionamentos do modelo (Benbasat & Barki, 2007) o que nos leva a observar que as decises so apenas inferidas atravs de mtodos estatsticos, alm disso, pesquisas tm criticado o TAM argumentando que medidas de PU e PEOU podem ser sujeitas a vieses de mensurao, tais como: subjetividade, mtodo comum e convenincia social (Dimoka & Davis, 2008). As pesquisas que utilizam os mtodos estatsticos tradicionais garantem resultados de utilizao da TI atravs dos usurios finais, porm, como se trata de percepo humana, cada pessoa estabelece um parmetro diferente para cada caracterstica da TI. Pelo fato das pesquisas do TAM estar sujeitas a subjetividade dos indivduos que utilizam um determinado sistema, acredita-se que a transformao da subjetividade em algo quantificvel forneceria suporte para os tomadores de deciso que poderiam deliberar, com base em dados quantitativos, a adoo ou no de uma tecnologia. Para a quantificao de tal subjetividade, entende-se que a Lgica Fuzzy um mtodo apropriado, pois, conforme colocao de Antunes (2009) o mesmo indicado para solucionar problemas que envolvem situaes de incertezas. Fundamentao Terica 1. Deciso para adotar a TI Dificuldades e incertezas fazem parte do processo de adoo de uma nova tecnologia. Para que uma tecnologia seja adotada necessrio analisar e comparar as prticas anteriores de trabalho com as que provavelmente foram modificadas com a introduo da nova TI, como por exemplo, reconhecer a utilidade e a facilidade de uso de uma TI (Hartzel, 2003). O corpo de conhecimento terico sobre o processo de adoo de TI fornece aos gerentes argumentos e raciocnio cuidadoso, habilitando-os a melhor influenciar e avaliar os processos de adoo e uso (Karahanna & Straub, 1999). Gallivan (2001) destaca que o processo de adoo ocorre em dois estgios: 1) adoo primria (deciso para adotar); 2) adoo secundria (implementao), isso significa que a deciso para adotar primeiramente realizada pelos gerentes da organizao, aps a implementao da TI o segundo estgio de adoo realizado atravs do uso do sistema pelos usurios finais, estgio este que podemos considerar o mais crtico, pois nesse estgio a deciso para adotar pode no ser garantida (Gallivan, 2001). Normalmente, h trs caminhos que os gerentes podem percorrer para 2

garantir a adoo secundria: 1) exigir que a inovao seja adotada; 2) fornecer infra-estrutura necessria e apoiar os usurios a adotar a inovao; 3) implantar um projeto piloto a fim de observar os processos e resultados manifestados, e decidir se ou no implementar (Gallivan, 2001). Porm, apesar desses caminhos, a deciso de qual tecnologia adotar pode ser um exerccio complexo, visto que, o processo decisrio atua perante a incerteza e que em muitos casos existem lacunas de informao, podendo apresentar vrios possveis resultados gerados a partir de uma deciso especfica (Cohen, 2008). Neste sentido, a deciso para adotar tem tradicionalmente ficado nas mos de um nico indivduo (Cobb & Basuchoudhary, 2009) que ao realizar a deciso pode ser influenciado por interesses individuais, desconsiderando os interesses organizacionais. Muitos fatores esto envolvidos no processo da adoo de uma tecnologia, Sarker et al. (2005) destacam que nas organizaes esse processo acontece atravs da argumentao de grupos de indivduos. Os grupos analisam as caractersticas da tecnologia, destacando prs e contras e convencendo outros grupos de que a tecnologia ou no adequada para o trabalho. Nesse processo, diferentes grupos podem focar em caractersticas distintas que podem ser consideradas as mais relevantes, trazendo complexidade e atrasos para a tomada de deciso (Sarker et al., 2005). 2. TAM Technology Acceptance Model O TAM vem sendo frequentemente utilizado na rea de TI devido a sua robustez e parcimnia, porm anlises de pesquisas empricas mostram que os resultados no so totalmente consistentes ou claros. Legris, Ingham, e Collerette (2003) sugerem que o motivo est relacionado com a no incluso de fatores significantes no modelo. Benbasat e Barki (2007) revelam sentir a mesma preocupao quando argumentam que uma importante conseqncia no intencionada da nossa pesada dependncia do TAM pode ser vista como nebulosa nas pesquisas de SI, por desviar principais focos de investigao e entendimento como, por exemplo, conseqncias de adoo e aceitao de TI baseadas em comportamento e performance. Alm disso, o uso da mesma metodologia para analisar processos de adoo de TI, tem contribudo para manter o TAM em seu casulo. Embora Chin et al. (2008) ter argumentado que uso exclusivo de escalas Likert tem apresentado problemas de mensurao, pesquisas (eg., Gefen & Straub, 2000; Venkatesh & Davis, 2000; Schepers & Wetzels, 2007) tem feito utilizao de escalas Likert e questionrios survey para mensurar os construtos do modelo a fim de valid-lo ou explicar e entender o processo de adoo de TI. 3. Lgica Fuzzy A Lgica Fuzzy, assim como algoritmos genticos e a neurocomputao, vista como a principal componente daquilo que pode ser chamado de computao soft. Diferentemente dos tradicionais, a computao soft acomoda a impreciso do mundo real, propondo explorar 1) a tolerncia para a impreciso e a incerteza, ajudando a tomar decises racionais; 2) a verdade parcial, realizando rastreabilidade e robustez dos resultados (Zadeh, 2008). Conforme destacam Pham e Castellani (2006) a Lgica Fuzzy um mtodo adequado para identificar complexos mapeamentos no-lineares. Nesse sentido, os mtodos estatsticos convencionais so bons para problemas mais simples, enquanto sistemas fuzzy so adequados para problemas complexos ou aplicaes que envolvem a descrio humana ou pensamento intuitivo (Munakata & Jani, 1994). Neste sentido, a Lgica Fuzzy til para lidar com a 3

impreciso dos pensamentos e a linguagem humana nos processos de tomada de deciso (LIN; WU, 2008). Os tomadores de deciso tendem a realizar avaliaes de acordo com suas experincias e seus conhecimentos, alm disso, suas estimativas so frequentemente expressas em termos lingsticos equivocados (Lin & Wu, 2008). Contudo, para integrar vrias experincias, idias, opinies e motivaes do tomador de deciso a melhor soluo converter as estimaes lingsticas em nmeros fuzzy (Lin & Wu, 2008). 3.1. Idias bsicas da lgica Fuzzy

Na teoria clssica dos conjuntos, um elemento pertence a um conjunto ou no (Freissinet, Erlich, & Vauclin, 1998). Dado um universo U e um elemento particular x U, o grau de pertinncia A(x) com relao a um conjunto A U dado por:

Porm, a impreciso ou incerteza apresenta como caracterstica o agrupamento de indivduos em classe cujas fronteiras no esto definidas (MC BRATNEY E ODEH, 1997), isto significa que, o conjunto fuzzy descrito com uma funo membro que representa numericamente o grau em que um elemento pertence a um determinado conjunto (Freissinet et al., 1998), apresentando uma transio contnua e gradual, de 0 para 1, definido por um valor crisp (Simes-Marques & Pires, 2003; Munakata & Jani, 1994). Vamos considerar U sendo o universo do discurso e u um elemento genrico de U, ento U = {u}. Um subconjunto fuzzy , definido em U, : = {(u, (u))| u U }, onde (u) denominado a funo de pertinncia, que representa o grau de verdade de que u um elemento de (Lin & Wu, 2008; Simes-Marques & Pires, 2003). A funo de pertinncia associa com cada elemento u, de U, um nmero real (u), em um intervalo [0,1] (Simes-Marques & Pires, 2003). A estrutura da lgica fuzzy de acordo com as percepes de Muhammad, Bargiela, & King (2001) incluem as etapas de fuzzificao, mecanismo de inferncia, base de regras e defuzzificao de acordo com a Figura 1 que se baseia no mtodo Mamdani que consiste no desenvolvimento de um algoritmo que incide de regras, funo membro, e sadas (outputs) (Zilouchian, Juliano, & Healy 2000).

Figura 1. Engenharia de Inferncia Fuzzy Fonte: Adaptado de Muhammad et al, (2001)

3.2.

Etapa de Fuzzificao

A etapa de fuzzyficao inicia com os valores das variveis de entrada, onde sero transformados nmeros em conjuntos fuzzy, de modo que essas variveis iro se tornar variveis lingsticas (Gomide & Gudwin, 1994). As variveis lingsticas admitem valores de palavras ou sentenas de uma linguagem natural (Simes-Marques e Pires, 2003), podendo ser expressos linguisticamente (V - verdade, MV - muito verdade, NV - no verdade, F - falso, MF - muito falso), onde cada termo interpretado como um subconjunto fuzzy do intervalo unitrio (Gomide & Gudwin, 1994). As funes de pertinncia dessas variveis lingsticas como funes de input e output podem ser definidas conforme Figura 2:

Figura 2 Funes de pertinncia das variveis fuzzy Fonte: Dados da pesquisa

Embora existam outros formatos de funo de pertinncia na aplicao de conjuntos fuzzy, como trapezoidal ou Gaussian (Zilouchian, Juliano, Healty, & Davis, 2000), a possibilidade mais usual representada pelo nmero triangular fuzzy, por promover uma boa expressividade e simplicidade (Engel & Last, 2007) 3.3. Etapa de Regras de Inferncia

A idia bsica em um sistema fuzzy modelar as aes a partir de um conhecimento especialista, extraindo sua opinio sobre os mtodos utilizados no trabalho para construo das regras fuzzy (Munakata & Jani, 1994). Os sistemas fuzzy podem proporcionar modelos mais transparentes e tambm podem dar uma interpretao lingstica, sob a forma de regras (Mendona, Vieira, & Sousa, 2003). As regras dos sistemas fuzzy consistem em conjuntos de variveis lingsticas unidas por operadores lgicos como: SE-ENTO (se-e-ento ou se-ouento) e suas correspondentes conseqncias (Freissinet et al., 1998). Tais regras so consideradas importantes ferramentas para representar conhecimento e experincia, pois atravs delas que concluses podem ser inferidas para parcialmente combinar as entradas (inputs) no sistema (Ji et al., 2007). 3.4. Relao entre os elementos do conjunto fuzzy

Um fator importante do conceito de sistema fuzzy de apoio deciso diz respeito relao entre os elementos do conjunto (Simes-Marques e Pires, 2003). Os autores ainda explicam que o conceito do relacionamento fuzzy representa o grau de associao entre os elementos de dois ou mais conjuntos e pode ser representado pelo grau de adeso, este conceito ser tratado com n-dimenses ou com relaes binrias de fuzzy. Uma relao binria fuzzy, entre um elemento x X e um elemento y Y, definido no espao X x Y, designado pelo produto Cartesiano, que o conjunto de todos os pares (x,y). Assim, uma relao fuzzy definida em X x Y, compreendendo todos os pares, onde a associao representada como: (x,y) = { ((x,y), N~( x,y)) | (x,y) X x Y} (isso smbolo de pertence) 5

As relaes fuzzy so usadas para representar a inferncia de relaes entre diferentes entidades, ento eliciar o conhecimento requerido para serem interpretadas as regras SEENTO pelo sistema (Simes-Marques e Pires, 2003). 3.5. Defuzzificao

Conforme Gravani, Hadjileontiadou, Nikolaidou, & Hadjileontiadis (2007), a defuzzificao a etapa da transformao da sada da fuzzificao em valor crisp, ou seja a converso do nmero fuzzy em valores crisp que pode ocorrer atravs de vrios mtodos como, por exemplo o Mtodo Centride, Chen e Hwang, CFCS, entre outros. 4. Modelo de Pesquisa Dada a importncia em analisar como usurios adotam inovaes, mais do que explicar porque uma inovao foi ou no adotada (Gallivan, 2001), a referida pesquisa sugere analisar conceitos subjetivos dos construtos do TAM transformando-os em valores quantitativos, oferecendo, assim, suporte no processo de tomada de deciso. O intuito foi disponibilizar um caminho pelo qual os gerentes podem seguir durante o processo de adoo atravs da anlise das caractersticas da TI, e para isso tomou-se como referncia os construtos U e EOU do TAM. O TAM foi escolhido nesse estudo por ser considerado o modelo mais robusto e mais utilizado nas pesquisas de SI (referncia) e tambm porque Davis (1989) validou empiricamente as variveis de cada construto, no sendo necessrio selecionlas atravs de reviso da literatura.

Figura 3. Modelo Conceitual de Pesquisa Fonte: Dados da pesquisa

5. Metodologia A pesquisa enfatizou a modelagem fuzzy e o ambiente de computao tcnico FuzzyTech, verso 5.72 para a criao e edio do prottipo do Sistema Especialista Fuzzy. A empresa Alfa foi escolhida, por este estudo, por ser uma empresa de destaque na Paraba, na venda de produtos eletrnicos e mveis. Apesar da empresa possuir filiais em todo o Estado, a pesquisa foi realizada apenas nas lojas situadas na cidade de Joo Pessoa bem como a sua matriz. O sistema estudado, da empresa Alfa, foi o Malote Digital cuja criao teve por objetivo acelerar o processo de tramitao de documentos entre as filiais e a matriz. A introduo do sistema beneficiou setores como o Jurdico que, devido aos atrasos dos malotes enviados pelos Correios, acabavam perdendo prazos de processos legais e pagando multas pelos atrasos. Assim, alguns benefcios proporcionados pelo sistema foram: reduo de tempo, rapidez no setor jurdico e diminuio de custos. O Malote Digital foi criado em setembro de 2009 e a deciso de implantao foi realizada pelos gestores da empresa e os setores interessados. Os treinamentos foram realizados em dois dias, com os setores de 6

Finanas, Contabilidade, Custo, Recursos Humanos, Jurdico e com as nove lojas situadas em Joo Pessoa. O estudo investigou a opinio de um especialista para analisar os atributos dos construtos U e EOU de acordo com Davis (1989). Atravs de um questionrio estruturado o especialista estabeleceu valores crisp para cada atributo dos construtos a fim de processar as seguintes sadas: 1) PU - alta utilidade, mdia utilidade e baixa utilidade; 2) PEOU alta facilidade de uso, mdia facilidade de uso e baixa facilidade de uso, provendo assim uma melhor explorao dos atributos dos construtos e melhor identificao de fatores chave que auxiliem o processo de tomada de deciso em torno da adoo de TI. Para aplicar o questionrio com os usurios do sistema, foi realizada a traduo reversa do questionrio de Davis (1989) aplicado com o universo de 29 indivduos (usurios do sistema). A finalidade foi capturar a percepo dos usurios em relao ao sistema Malote Digital para testar o prottipo do sistema especialista fuzzy. O questionrio foi adaptado de acordo com as necessidades da pesquisa, ou seja, a escala Likert foi substituda por uma escala numrica. A taxonomia dos construtos de Davis foi mantida apenas para a aplicao dos questionrios com os usurios, porm, a fim de padronizar, foram utilizadas em todo o texto as siglas U e EOU. Um teste piloto foi conduzido para validar o instrumento de levantamento de dados do especialista. O questionrio foi administrado em entrevistas presenciais, realizadas com dois profissionais de TI que tem trabalhado na rea de adoo de sistemas com aproximadamente cinco anos de experincia em uma organizao pblica. Aps a obteno do feedback, foram realizados os ajustes necessrios e em seguida, o questionrio foi aplicado com o especialista da empresa Alfa. Conforme sugesto de Lin e Wu (2008) foram estabelecidas variveis lingsticas usadas na fuzzyficao dos atributos de U e EOU. A pesquisa adotou os intervalos de cada universo atravs da escala numrica de 0 a 100 (ver Figura 4), pois segundo Antunes (2009) essas escalas permitem um horizonte mais amplo de raciocnio subjetivo para associar os termos lingsticos, mas qualquer outra escala poderia ser utilizada ou at mesmo ser definida pelo especialista. A mesma escala numrica foi utilizada para a fuzzyficao dos construtos U e a EOU do sistema Malote Digital, determinados pelos termos alta, mdia e baixa.

Figura 4. Distribuio das cinco variveis lingsticas: {SI = sem influncia, IMB = influncia muito baixa, BI = baixa influncia, AI = alta influncia, IMA = influncia muito alta} Fonte: Dados da pesquisa

Devido ao grande nmero de atributos de U e EOU, a definio de todas as regras de crisp para cada combinao relevante seria quase impossvel, uma vez que deveriam ser definidas 120 regras de deciso para cada construto, assim, conforme orientao de SimesMarques e Pires (2003) foram apenas definidas as regras de maior prioridade para o especialista. Para o modelo apresentado nesse artigo o operador lgico utilizado foi o de unio (E) porque conforme Davis (1989) os atributos de PU e PEOU explicam simultaneamente cada construto, isso justifica a utilizao do operador E para as regras de deciso.

6. Resultados e Discusses Com a finalidade de analisar conceitos subjetivos dos construtos do TAM transformando-os em valores quantitativos, foi necessria a criao de um prottipo do Sistema Especialista Fuzzy, utilizando os construtos Utilidade Percebida e Facilidade de Uso do modelo TAM. A Figura 5 representa o construto Utilidade percebida e a Figura 6 o construto Facilidade de Uso. Cada uma dessas figuras apresenta como inputs os atributos que compe cada construto Utilidade (velocidade, performance, produtividade, efetividade, facilidade de trabalho e utilidade da tecnologia) e Facilidade (facilidade de aprender, controle, clareza e entendimento, flexibilidade, fcil habilidade e usabilidade) com os seus devidos valores crisps, atribudos pelo especialista, construindo a funo de pertinncia para cada atributo. Esta etapa constitui a fuzzificao. A caixa intermediria representa a base de regras e o output composto pelo construto Utilidade e Facilidade cada um com variaes de alta, mdia e baixa estabelecendo a etapa de defuzzificao.

Figura 5. Construto Utilidade Percebida Fonte: Dados da pesquisa

Figura 6: Construto Facilidade de Uso Fonte: Dados da pesquisa

Os valores crisp, estabelecidos pelo especialista, para os atributos dos construtos Utilidade e Facilidade de Uso so apresentados na Tabela 1:
Utilidade Atributos Utilidade SI Velocidade Performance Produtividade Efetividade Facilidade Trabalho Utilidade Tecnologia Mdia Atributos Utilidade Valores Crisp (%) IMB BI AI IMA 90 90 90 90 70 90 86,7

0 10 20 70 0 5 10 80 10 20 40 60 10 20 30 70 0 10 40 50 0 10 40 80 3,3 14,2 30,0 86,3 Facilidade de Uso Valores Crisp (%) SI IMB BI AI

IMA

Facilidade Aprender 30 40 45 50 70 Controle 10 30 60 90 95 Clareza e Entendimento 10 15 20 90 95 Flexibilidade 0 20 40 80 95 Fcil Habilidade 0 29 45 94,5 100 Usabilidade 0 30 60 94,5 100 Mdia 8,3 27,3 45 83,2 92,5 Tabela 1. Valores Crisp para os construtos Utilidade e de Facilidade de Uso Fonte: Dados da pesquisa

As Figuras 7 e 8 foram definidos pela pesquisa para identificar o intervalo de cada variao para Utilidade e Facilidade de Uso. Onde as variveis lingsticas SI e IMB se referem ao intervalo que representa o termo baixa, a varivel BI se refere ao intervalo que representa o termo mdia e as variveis AI e IMA se referem ao intervalo que representam o termo alta.
BI UTILIDADE MDIA UTILIDADE BAIXA Figura. 7- Output varivel nebulosa Fonte: Dados da pesquisa SI IMB BI FACILIDADE FACILIDADE BAIXA MDIA Figura 8. Output varivel nebulosa Fonte: Dados da pesquisa SI IMB AI IMA

UTILIDADE ALTA

AI IMA FACILIDADE ALTA

Aps estas definies, os dados foram lanados no software FuzzyTech gerando os seguintes grficos que representam a sada de fuzzificao para os inputs (atributos) e outputs (Utilidade (U) e Facilidade de uso (EOU)), conforme as Figuras 9 e 10. A Figura 9 apresenta 9

os crisps determinados pelo especialista para cada atributo de U. Nas figuras a linha vermelha representa a varivel lingstica Sem Influncia, a cor verde indica Influncia muito baixa, a azul escuro Baixa Influncia, vermelho escuro Alta Influncia e azul turquesa Influncia muito alta. A Figura 10 apresenta os crisps determinados pelo especialista para cada atributo de EOU. As Figuras 11 e 12 indicam, respectivamente, os crisps do output de U e EOU determinados a partir das mdias apresentadas nas Figuras 7 e 8. Estes intervalos foram utilizados como base para analisar os resultados dos indivduos (usurios do sistema Malote Digital). Nos outputs a cor vermelha significa a variao baixa, a verde mdia e a azul alta.

Figura 9 Fuzzyficao dos Atributos Utilidade Fonte: Dados da pesquisa

Figura 10 Fuzzyficao dos Atributos Facilidade de Uso Fonte: Dados da pesquisa

Figura 11 Fuzzyficao Output de U Fonte: Dados da pesquisa

Figura 12 - Fuzzyficao Output de EOU Fonte: Dados da pesquisa

10

Na composio das regras de deciso para U e EOU o especialista estabeleceu 12 regras para o construto Utilidade e 14 para o de Facilidade. A finalidade das regras de inferncias construir as possibilidades de respostas possveis para ser definido o output do usurio. Nas regras o especialista indicou as possveis combinaes entre as variveis lingsticas que determinam o ndice de Utilidade e Facilidade de Uso. O operador utilizado para a construo das regras foi o E e as relaes principais construdas entre os atributos e as variveis lingsticas de Utilidade e Facilidade foram definidas pelo especialista. Abaixo so apresentadas algumas regras: IF velocidade_IMB E performance_IMB E produtividade_SI E efetividade_IMB E facilitadetrabalho_SI E utilidadetecnologia_IMB THEN utilidade baixa IF velocidade_BI E performance_BI E produtividade_BI E facilitadetrabalho_AI E utilidadetecnologia_BI THEN utilidade mdia efetividade_BI E

IF velocidade_IMA E performance_IMA E produtividade_IMA E efetividade_IMA E facilitadetrabalho_BI E utilidadetecnologia_AI THEN utilidade alta onde: SI = sem influncia, IMB = influncia muito baixa, BI = baixa influncia, AI = alta influncia, IMA = influncia muito alta. Com o intuito de testar o prottipo de um Sistema Especialista Fuzzy, aplicou-se um questionrio junto a 29 usurios do sistema MALOTE DIGITAL da empresa Alfa. Aps analisar e testar as respostas dos questionrios dos indivduos no sistema especialista fuzzy observamos que nem todas as respostas dos indivduos atenderam as regras elaboradas pelo especialista, desta forma no foi possvel realizar inferncias sobre os resultados destas pessoas no processo de defuzzyficao dos construtos U e EOU, pelo fato de suas respostas no se encaixaram nas regras estabelecidas pelo especialista. Dentre as respostas dos 29 indivduos, apenas 15 tiveram respostas ativadas pelas regras de deciso de U ou de EOU, dentre eles, apenas 1 indivduo ativou regras para U e para EOU ao mesmo tempo, os demais ativaram apenas regras de um construto. Para o construto U 9 respostas foram ativadas pelas regras de deciso, dentre elas apenas 1 indivduo percebeu uma baixa utilidade no sistema do Malote Digital, apresentando grau de pertinncia 1 para 7,1% de Utilidade percebida, representando baixa Utilidade. Os demais apresentaram um grau de pertinncia 1 para alta Utilidade do Malote Digital, isso significa que a maioria dos resultados encontrados para Utilidade esto variando no intervalo de alta Utilidade definido pelo especialista. Para o construto EOU 6 respostas foram ativadas pelas regras de deciso, e todos apresentaram grau de pertinncia 1 para uma alta Facilidade de Uso do Malote Digital. A Figura 13 mostra a etapa de defuzzificao dos valores percebidos pelo indivduo 18 em relao a U, os valores percebidos para os atributos do construto foram: velocidade (90%), performance (90%), produtividade (100%), efetividade (80%), Facilidade Trabalho (90%) e Utilidade Tecnologia (100%), a partir desses valores o prottipo do Sistema Especialista 11

Fuzzy indicou uma percepo da Utilidade do Malote Digital de 84,1% com grau de pertinncia 1, indicando um ndice alto para a Utilidade do Malote Digital. O mesmo teste foi realizado com o indivduo 18 em relao ao construto EOU, os valores percebidos de: facilidade aprender (90%), controle (70%), clareza e entendimento (50%), flexibilidade (70%); fcil habilidade (90%) e usabilidade (90%) no ativaram nenhuma regra de deciso, implicando na no permisso para realizao de inferncias sobre o ndice de Facilidade de Uso percebida por esse indivduo. Porm observa-se que esse indivduo percebeu uma melhor Utilidade do Malote Digital em comparao ao construto Facilidade de Uso. A situao contrria pode ser verificada na Figura 14, onde o indivduo 10 apresenta respostas para ativar as regras referentes do construto Facilidade de Uso, mas no foi possvel ativar as regras do construto Utilidade, sugerindo impossibilidade de dedues sobre o ndice Utilidade. De acordo com a Figura 14 o Sistema Especialista Fuzzy indicou uma percepo do indivduo 10 em relao Facilidade de Uso do Malote Digital de 91,6%, este valor apresenta um grau de pertinncia 1 o que indica que, na percepo deste a Facilidade de Uso do Malote Digital alta.

Figura 13 Defuzzificao PU do indivduo 18. Fonte: Dados da pesquisa

12

Figura 14 Defuzzificao PEOU do indivduo 10. Fonte: Dados da pesquisa

Observa-se que os resultados dos indivduos que ativaram as regras de deciso apresentaram grau de pertinncia 1 tanto para o termo baixo quanto para o termo alto, isso aconteceu devido a criao de apenas um conjunto de regras principais por parte do especialista. Considerando os indivduos ativados possvel verificar que apenas um indivduo percebeu uma Utilidade baixa do Malote Digital, os demais indicaram alta percepo desse construto. Em relao ao construto Facilidade de Uso todos os usurios ativados indicaram alta percepo. Tendo em vista estes resultados a empresa Alfa teria dados quantitativos para indicar a deciso para adotar o sistema Malote Digital. 7. Implicaes prticas e tericas da pesquisa Considerando os benefcios prticos o artigo vem introduzir aos gerentes organizacionais um instrumento que poder auxiliar a tomada de deciso no processo de adoo de TI, reduzindo, assim, o risco de incertezas e minimizando as imprecises da deciso para adotar. Alm disso, a construo do prottipo do Sistema Especialista Fuzzy fornece a possibilidade de transformar o conhecimento tcito da tomada de deciso para adotar a TI em conhecimento explcito, o armazenamento do conhecimento humano 13

proporciona dados disponveis aos tomares de deciso, alm de informar linhas de ao para a realizao de provveis ajustes em relao s caractersticas de uma TI. Com relao contribuio acadmica, o uso da metodologia Fuzzy aplicada aos construtos do TAM parece-nos um estudo pioneiro, uma vez que, no foram encontrados artigos semelhantes atravs de diversas buscas realizadas em peridicos CAPES, base de dados da ABI/INFORM, AIS (Association of Information Systems) e ACM. Sendo assim, acreditamos que a pesquisa fornece um novo mtodo de analise aos construtos do TAM bem como ao processo de adoo de TI, alm de possibilitar a generalizao do mtodo para situaes de adoo de TI. 8. Limitaes A pesquisa construiu o prottipo tendo por base a opinio de apenas um especialista da empresa Alfa pelo fato do mesmo ter sido o responsvel pelo desenvolvimento do sistema Malote Digital. O Malote Digital foi especificamente construdo para atender as necessidades desta empresa, dessa forma escolheu-se para participar da pesquisa, a pessoa responsvel por tomar decises em torno da adoo de TI na empresa. Entretanto, outras pesquisas podem ser desenvolvidas tendo como base a opinio de vrios especialistas caso responsveis por tomar decises em torno da adoo de TI. Sendo assim, sugere-se para estudos futuros a replicao da pesquisa em outros ambientes atravs da anlise dos vrios especialistas envolvidos no processo de tomada de deciso, pois conforme destaca Gallivan (2001) importante envolver todos os tomadores de deciso no processo de adoo. No referido estudo os construtos U e EOU foram analisados em separado, de forma que foi desconsiderado qualquer relacionamento entre os mesmos, uma vez que a proposta foi apenas explorar os atributos dos construtos de forma a melhorar o processo de tomada de deciso do gestor, apresentando alternativas de adoo ou no-adoo de TI, baseado na opinio do especialista. O estudo utilizou uma escala numrica pr-definida (0-100%), porm esta pode ser definida pelo especialista conforme comentado na metodologia. Deve-se lembrar que, apesar de existir fatores (facilitadores ou inibidores) que influenciam o processo de adoo de TI (Cenfetelli, 2004), a referida pesquisa baseou-se apenas na anlise das caractersticas da TI atravs de U e EOU. 9. Concluso Os processos de tomada de deciso para adoo de TI uma tarefa complexa que envolve situaes de dificuldades e incertezas (Sarker et al., 2005). Estudos tm utilizado o TAM para investigar processos de adoo de TI, porm os esforos tem se concentrado apenas em explicar ou prever esse fenmeno. Sendo assim, o objetivo do trabalho foi analisar conceitos subjetivos dos construtos do TAM transformando-os em valores quantitativos. Embora o processo de tomada de deciso envolva vrias questes como: custos, concorrncia, aceitao de usurios, entre outros, a proposta foi analisar o processo de adoo de TI levando em considerao os construtos de utilidade e facilidade de uso do TAM. A pesquisa extraiu valores quantitativos de uma base subjetiva derivada de percepes da utilidade e facilidade de uso do sistema do Malote Digital de uma empresa Alfa. Tal quantificao, ocorreu atravs do Sistema Especialista Fuzzy que avalia conceitos considerados no-quantificveis, disponibilizando dados que auxiliam os tomadores de deciso. Neste sentido, observou-se que, os dados coletados dos usurios permitiram uma 14

maior compreenso de como as pessoas percebem os atributos dos construtos U e EOU, possibilitando o tomador de deciso identificar quais atributos podem estar contribuindo para reduzir a percepo de U e EOU, auxiliando-o na execuo de eventuais melhorias (tcnicas, sociais ou organizacionais) no sistema do Malote Digital. No teste do sistema, verificou-se que a criao das regras principais pelo especialista no foram suficientes para realizar inferncias sobre todos os usurios do Malote Digital. Para que se obtenham melhores concluses seria necessria a criao das 240 regras para os dois construtos, contribuindo para questionamentos como: por que um sistema especialista fuzzy requer a criao de muitas regras ou qual o momento exato para parar ou adicionar mais regras (Munakata & Jani, 1994). Pesquisas futuras, objetivando solucionar tais questionamentos, podem elaborar algoritmos que estimem regras de deciso baseadas nas percepes dos indivduos nos valores crisps estipulados pelo especialista, possibilitando a independncia do especialista para criao de regras, trazendo assim os provveis resultados de ndice de Utilidade e Facilidade de Uso, e, consequentemente, a deciso em torno da adoo da TI. A presena do especialista foi um dos diferenciais da utilizao deste tipo de metodologia, uma vez que, conforme Gallivan (2001), para criar modelos realsticos de comportamentos em torno da adoo de inovaes, deve-se capturar dados de mltiplas perspectivas, incluindo tanto as intenes dos usurios quanto as dos adotantes primrios. Dessa forma, observa-se que o uso da Lgica Fuzzy possibilitou explorar as incertezas envolvidas no processo de adoo. Observa-se tambm que a criao de um sistema especialista, para processos de adoo, no pode ser generalizado para empresas e tecnologias, devido aos seguintes motivos: 1) as empresas possuem especificidades prprias como: ramo de negcio, objetivos, metas e 2) cada tecnologia ter uma caracterstica e uma finalidade diferente. Assim, entende-se que o prottipo desenvolvido, neste trabalho, atravs do Sistema Especialista Fuzzy no deve ser generalizado. Entretanto, o processo metodolgico empregado na pesquisa pode ser desenvolvido em qualquer empresa e para qualquer tecnologia. Referncias ANTUNES, J. in CORRAR, L.J., PAULO, E., & FILHO DIAS, J.M. (2009). Anlise Multivariada. Editora Atlas. BENBASAT, I., & BARKI, H. (2007) Quo vadis, TAM? Journal of the Association for Information Systems, 8(4), 211-218. CENFETELLI, R.T. (2004). Inhibitors and enablers as dual factor concepts in technology usage. Journal Association for Information Systems, 5(11-12), 472-492. CHIN, W. W., JOHNSON, N., & SCHWARZ, A. (2008). A fast form approach to measuring technology acceptance and other constructs. MIS Quarterly, 32(4), 687-703. COBB, B. R., & BASUCHOUDHARY, A. (2009). A decision analysis approach to solving the signaling game. Informs, v. 6, n. 4, pp. 239-255. COHEN, I. (2008). Improving time-critical decision making in life-threatening situations: observations and insights. Informs, 5(2), 100-110. DAVIS, F. D., BAGOZZI, R. P., & WARSHAW, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management Science, 35(8), pp. 9821003.

15

DIMOKA, A., DAVIS, F. D. (2008) Where does TAM reside in the brain? The neural mechanisms underlying technology adoption. Twenty Ninth International Conference on Information Systems, Paris. ENGEL, A., & LAST, M. (2007) Modeling software testing const and risks using fuzzy logic paradigm. The Journal of System and Software, 80, 817-835. FREISSINET, C., ERLICH, M., & VAUCLIN, M. (1998). A fuzzy logic-based approach to assess imprecisions of soil water contamination modelling. Soil & Tillage Research, v. 47, pp.11-17,. GALLIVAN, M.J. (2001). Organizational adoption and assimilation of complex technological innovations: Development and application of a new framework. Advances in Information Systems, 32(3), 51-85. GEFEN, D., & STRAUB, D. (2000) The relative importance of perceived ease of use in IS adoption: A study of e-commerce adoption. Journal of the Association for Information Systems, 1(8), 1-23. GOMIDE, F.A.C., & GUDWIN, R. R. (1994). R.R. Modelagem, Controle, Sistemas e Lgica Fuzzy. SBA Controle e Automao, 4(3), 97-115. GOODHUE, D.L. (2007). Comment on Benbasat and Barkis Quo Vadis TAM article. Journal of the Association for Information Systems, 8(4), 219-222. GRAVANI, M. N., HADJILEONTIADOU, S. J., NIKOLAIDOU, G. N., & HADJILEONTIADIS, L. J. (2007). Professional learning: A fuzzy logig-based modelling approach. Learning and Instruction, 17, 235-252. HARTZEL, K. (2003) How self-efficacy and gender issues affect software adoption and use. Communications of the ACM, 46(9), 167-171. JI, Y., MASSANARI, R.M., AGER, J., YEN, J. MILLER, & R.E., YING, H. (2007) A fuzzy logic-based computational recognition-primed decision model. Information Sciences, 177, 4338-4353. KARAHANNA, E., & STRAUB, D. W. (1999). The psychological origins of perceived usefulness and ease-of-use. Information & Management, 35, 237-250. LEGRIS, P., INGHAM, J., & COLLERETTE, P. (2003). Why people use information techonolgy? A critical review of the techonology acceptance model. Information & Management, 40, 191-204. LIN, C.J., & WU, W.W. (2008) A causal analytical method for group decision-making under fuzzy environment. Expert Systems with Applications, 34(1), 205-213. MCBRATNEY, A.B., & ODEH, I.O.A. (1997) Application of fuzzy sets in soil science: fuzzy logic, fuzzy measurements and fuzzy decisions. Geoderma, 77, 85-113. MENDONA, L.F., VIEIRA, S.M., & SOUSA, J.M.C. (2003). Decision tree search methods in fuzzy modeling and classification. International Journal of Approximate Reasoning, 44, 106-123. MUHAMMAD, A., BARGIELA, A., & KING, G. (2001). Fuzzy and evolutionary modelling of nonlinear control systems. Mathematical and Computer Modelling, 33, 533-551. MUNAKATA, T, & JANI, Y. (1994). Fuzzy Systems: An Overwiew. Communication of the ACM, 37(3), 69-76. PHAM, D.T., & CASTELLANI, M. (2006). Evolutionary learning of fuzzy models. Engineering Applications of Artificial Intelligence, 19, 583-592. ROGERS, E. M. (2003) Diffusion of Innovations. 5th ed., Free Press, New York. SARKER, S., VALACICH, J.S., SARKER, S. (2005) Technology adoption by groups: A valence perspective. Journal of the Association for Information Systems, 6(2), pp. 37-71. 16

SCHEPERS, J., & WETZELS, M. (2007). A meta-analysis of the technology acceptance model: Investigating subjective norm and moderation effects. Information and Management, 44, 90-103. SIMES-MARQUES, M.J., & PIRES, F.J. (2003). SINGRAR- A fuzzy distributed expert system to assist command and control activities in naval environment. European Journal of Operation Research, 145, 343-362. VENKATESH, V., & DAVIS, F.D. (2000) A theorical extension of the technology acceptance model: four longitudinal field studies. Management Science, 46(2), 186-204. ZADEH, L.A. (2008). Is there a need for fuzzy logic? Information Sciences, 178, 2751-2779. ZILOUCHIAN, A., JULIANO, M., HEALY, T, & DAVIS, J. (2000) Design of fuzzy logic controller for a jet engine fuel system. Controler Engineering Practice, 8, 873-883.

17