Sikker personverifisering

Bjercke og Kjellevoll Bacheloroppgave 2010 1

1 Forord

Oppgaven er utarbeidet av to studenter tilknyttet bachelorstudiet i informasjonsteknologi

ved Høgskolen i Buskerud, avdeling Hønefoss. Med denne oppgaven ønsker vi å sette

søkelyset på holdninger og intensjoner til bruk av sikker personverifisering på Internett.

Behovet for denne type identifiseringsløsninger er voksende, da det er et stadig økende

antall private og offentlige tjenester som blir tilrettelagt for Internett. Disse tjenestene har

behov for å fastslå en persons identitet for å gi adgang til tjenesten og mulighet for å signere

elektroniske dokumenter. Prosjektet er gjennomført våren 2010.

Vi vil takke førsteamanuensis Gunnar Syrrist for god veiledning underveis, og for å ha lagt

ting til rette slik at det var mulig å gjennomføre oppgaven. Det rettes også en stor takk til

Mona Andersen ved KursSenteret i Hønefoss. Videre har Norsk Senter for SeniorUtvikling

bidratt til å gjøre det mulig å gjennomføre oppgaven. Takk til Etty Nilsen og familien Sørebø.

__________________ ______________________

Erik Bjercke Bjørn Erlend Kjellevoll


2 Innholdsfortegnelse

1 FORORD ............................................................................................................................ 1

2 INNHOLDSFORTEGNELSE .................................................................................................. 2

3 FIGUR OG TABELL LISTE ..................................................................................................... 6

4 INNLEDNING ..................................................................................................................... 8

5 BAKGRUNN ....................................................................................................................... 9

5.1 PROBLEMSTILLING .......................................................................................................... 11

5.2 BEGREPSAVKLARING ....................................................................................................... 11

5.3 BEGRENSNING ............................................................................................................... 11

5.4 TIDLIGERE FORSKNING ..................................................................................................... 12

6 SIKKER PERSONIDENTIFISERING ....................................................................................... 13

6.1 VERIFISERINGSPROSESSEN ................................................................................................ 13

6.2 VERIFISERINGSALTERNATIVER ............................................................................................ 14

6.2.1 OpenID............................................................................................................. 14

6.2.2 MinID ............................................................................................................... 15

6.2.3 Buypass og BankID ........................................................................................... 15

7 METODE .......................................................................................................................... 16

7.1 METODEBESKRIVELSE OG METODEVALG ............................................................................... 16

7.2 KONSEKVENSER AV METODEVALG ....................................................................................... 16

7.3 ALTERNATIVE METODER ................................................................................................... 17

7.4 RESPONDENTER ............................................................................................................. 17

8 FORSKNINGSMODELL ....................................................................................................... 19


8.1 NYTTEVERDI .................................................................................................................. 20

8.2 INTENSJONER OM BRUK ................................................................................................... 21

8.3 HOLDNING TIL PERSONVERIFISERING ................................................................................... 21

8.4 DATAFERDIGHETER ......................................................................................................... 22

8.5 DEMOGRAFISKE VARIABLER ............................................................................................... 23

8.6 FORSKNINGSMODELLEN ................................................................................................... 23

8.7 HYPOTESER................................................................................................................... 23

8.8 OPERASJONALISERING ..................................................................................................... 25

8.8.1 Nytteverdi ved bruk ......................................................................................... 25

8.8.2 Fremtidig bruk ................................................................................................. 25

8.8.3 Oppfatning om bruk ......................................................................................... 25

8.8.4 Dataferdigheter ............................................................................................... 26

8.8.5 Demografiske variabler .................................................................................... 26

8.9 GENERELT OM SPØRRESKJEMAET ........................................................................................ 26

8.9.1 Skalaer ............................................................................................................. 27

8.9.2 Reverserte spørsmål ........................................................................................ 28

8.9.3 Spørsmålsrekkefølge ........................................................................................ 28

8.9.4 Spørreskjema utforming .................................................................................. 28

8.9.5 Pretest av spørreskjemaet ............................................................................... 28

8.9.6 Datainnsamling ................................................................................................ 29

9 ANALYSE .......................................................................................................................... 31

9.1 OM DATAMATERIALET OG DESKRIPTIV STATISTIKK ................................................................... 31


9.1.1 Gruppering av datamaterialet .......................................................................... 31

9.1.2 Oversikt over de demografiske variablene. ...................................................... 32

9.1.3 Variabelen opplevde nytteverdi ....................................................................... 35

9.1.4 Variabelen fremtidige bruk av tjenester med sikker personidentifisering ......... 38

9.1.5 Variabelen holdning til bruk av sikker personidentifisering på Internett ........... 39

9.1.6 Respondentens dataferdigheter ....................................................................... 40

9.2 DESKRIPTIV STATISTIKK MED FLERE VARIABLER ....................................................................... 43

9.2.1 Variablene kjønn, holdning, og nytteverdi: ....................................................... 43

9.2.2 Variablene dataferdigheter og opplevd nytteverdi ........................................... 44

9.2.3 Variablene nytteverdi og holdning ................................................................... 45

9.2.4 Variablene holdning og intensjoner om bruk .................................................... 46

9.2.5 Variablene opplevde nytteverdi og intensjoner om bruk .................................. 47

9.2.6 Sammenheng mellom variablene ..................................................................... 48

9.3 VURDERING AV RELIABILITET OG VALIDITET ........................................................................... 49

9.3.1 Reliabilitet ........................................................................................................ 49

9.3.1.1 Datainspeksjon ................................................................................... 50

9.3.2 Begrepsvaliditet ............................................................................................... 51

9.3.2.1 Konvergent faktoranalyse ................................................................... 51

9.3.2.2 Divergent faktoranalyse ..................................................................... 52

9.3.3 Statistisk konklusjonsvaliditet .......................................................................... 53

9.4 HYPOTESETESTING .......................................................................................................... 53

9.4.1 H1 og H6 .......................................................................................................... 54


9.4.2 H2 og H5 .......................................................................................................... 55

9.4.3 H3 og H4 .......................................................................................................... 56

10 KONKLUSJON ................................................................................................................... 58

10.1 SVAKHETER VED OPPGAVEN .............................................................................................. 59

10.2 VIDERE FORSKNING ........................................................................................................ 59

11 LITTERATURLISTE ............................................................................................................. 61

11.1 INTERNETTSIDER ............................................................................................................ 63


3 Figur og tabell liste

Figur 1 TAM forskningsmodell .............................................................................................. 19

Figur 2 Opplevd Nytteverdi ................................................................................................... 20

Figur 3 Intensjoner om bruk ................................................................................................. 21

Figur 4 Lutz endimensjonale syn - Holdning .......................................................................... 22

Figur 5 Holdning ................................................................................................................... 22

Figur 6 Dataferdigheter ........................................................................................................ 22

Figur 7 Demografiske variabler ............................................................................................. 23

Figur 8 Forskningsmodell ...................................................................................................... 23

Figur 9 Forskningsmodell med hypoteser ............................................................................. 24

Figur 10 Opplevd nytteverdi - spørsmål 1 ............................................................................. 35





Figur 15 Intensjoner om bruk - spørsmål 6............................................................................ 38

Figur 16 Respondentens holdning - spørsmål 7 ..................................................................... 39

Figur 17 Respondentens dataferedigheter - spørsmål 8 ........................................................ 40



Figur 20 Kjønn og holdning .............................................................................................................. 43

Figur 21 Kjønn og opplevd nytteverdi ................................................................................... 43

Figur 22 Dataferdigheter og nytteverdi ................................................................................. 44

Figur 23 Nytteverdi og holdning............................................................................................ 45

Figur 24 Holdning og intensjoner .......................................................................................... 46

Figur 25 Nytteverdi og intensjoner ....................................................................................... 47


Tabell 1 Variabel oversikt - forskningsmodell ........................................................................ 20

Tabell 2 Respondenter .......................................................................................................... 29

Tabell 3 Kjønnsfordeling ....................................................................................................... 32

Tabell 4 Aldersfordeling ........................................................................................................ 33

Tabell 5 Antall år med høyere utdanning .............................................................................. 34

Tabell 6 Kjønn og holdning ............................................................................................... 43

Tabell 7 Kjønn og nytteverdi ............................................................................................... 43

Tabell 8 Dataferdigheter og nytteverdi ................................................................................. 44

Tabell 9 Krysstabell av nytteverdi og holdning ...................................................................... 45

Tabell 10 Krysstabell av holdning og intensjoner .................................................................. 46

Tabell 11 Nytteverdi og intensjoner ...................................................................................... 47

Tabell 12 Cronbach’s Alpha verdi .......................................................................................... 49

Tabell 13 Datainspeksjon ...................................................................................................... 50

Tabell 14 Konvergent faktoranalyse ...................................................................................... 51

Tabell 15 Divergent faktoranalyse ........................................................................................ 52

Tabell 16 Hypotese H1 og H6 ................................................................................................ 54



Tabell 19 Konklusjon på hypotesene ..................................................................................... 58


4 Innledning

Denne rapporten beskriver oppbygging, gjennomføringen, analysene og resultatene av

undersøkelsen som omhandler brukeres holdninger og intensjoner om bruk av sikker

personverifisering på Internett.

Rapporten er delt inn i flere kapitler som tar for seg de forskjellige delene av arbeidet som er

gjennomført. Vi presenterer først bakgrunnen og deretter problemstillingen, etter dette

settes det fokus på metoden som er lagt til grunn for forskningen som er gjort.

Metodekapitlet danner grunnlaget for resten av oppgaven og de analyser som blir gjort.

Resultatene av spørreundersøkelsen blir analysert, presentert og diskutert. Oppgaven ser

deretter på hvilke konklusjoner som kan trekkes på bakgrunn av de funn som er gjort og

arbeidet som er utført.


5 Bakgrunn

Internett gjør det mulig for mennesker å kommunisere på en helt annen måte enn det som

har vært gjort tidligere. Utviklingen av tjenester tilrettelagt for Internett gjør at det stadig

blir presentert løsninger som er mer avansert, og kanskje bedre tilrettelagt for brukeren.

Stadig flere tjenester blir tilgjengelige, og mange tjenester er kun tilgjenglig via Internett.

Løsninger som eFaktura, selvangivelsen i elektronisk form, flyttemelding til folkeregisteret,

og nettbank er bare noen eksempler på tjenester som er blitt tilrettelagt for Internett. I 1996

begynner ordet netthandel å dukke opp i dagspressen her i landet. 10 år senere skriver

Dagens Næringsliv at nordmenn handler på Internett for over 20 milliarder(Bakken B. J.,

2007). Veksten på dette området har vært stor og potensialet i dette markedet er ennå ikke

tatt ut. Rundt 2003 begynner man å kunne lese om sosiale nettsteder i dagspresse.

(Retriever research, 2010) Tjenester som Facebook og det norske alternativet nettby har

hatt en stor tilvekst av brukere, og pr november 2009 hadde Facebook over 2,2 millioner

brukere i Norge (Nick Burcher, 2009) . Flere av de nevnte tjenestene har sensitive

opplysninger om brukeren og det stilles store krav til sikkerhet og personidentifisering på

disse sidene. Nettsiden er nødt til å vite hvem som benytter tjenesten og brukeren er nødt til

å være sikker på det er den riktige siden det blir logget inn på. Offentlige Internettjenester

og nettbanker har en løsning for innlogging som med stor grad av sikkerhet fastslår en

brukers identitet. Tjenester som netthandel og sosiale medier har en innloggingsfunksjon

som kun fastslår et det er riktig bruker som logger seg inn, og ikke om det faktisk er den

personen brukeren gir seg ut for å være som logger seg inn. I dagspressen kan man leser

man at det blir opprettet falske profiler på disse sidene, og om de problemene det fører med

seg for de involverte parter (NTB, 2010). Når man ikke kan fastslå personers identitet på

sosialenettsteder kan dette resultere i kontakt mellom mennesker som ellers ikke ville ha

kommet i kontakt. Politiet advarer i visse sammenhenger mot kontakt på tvers av

generasjoner, med mulige straffbare forhold som resultat. Når det gjelder sosialenettsteder

etterlyser politiet en mer aktiv rolle fra tilbyder i forebygging av straffbare forhold(Mæland,

Kjell, 2009).


Mange Internettsider som tilbyr sine brukere en form for innlogging, kunne også tilby

innloggingsløsninger som gir en sikker personidentifisering. Dette er for å trygge både bruker

og nettstedet slik at man til enhver tid med sikkerhet kan si at de personene som bruker

tjenesten faktisk er de riktige personene. Fordelene vil ligge i at nettstedet tilbyr brukere en

løsning hvor de kan være sikker på at de er på den nettsiden de tror, og at brukeren er den

de gir seg ut for å være. Denne måten å identifisere brukere på vil gjøre det meget vanskelig

å opprette falske brukerprofiler, og å utgi seg for å være en annen enn den man er. Det har

blitt knyttet kriminell virksomhet til falske profiler på forskjellige nettsteder. Problemet med

identitet på Internett finne man flere steder. Sender man en e-post, kan man være sikker på

at det er den personen man tror det er man kommuniserer med, eller er det en falsk e-

postkonto som er opprettet?

Ideen om å identifisere seg, for å få tillatelse til å utføre forskjellige handlinger må sies å

være akseptert i dagens samfunn. Med dette tenker vi personidentifisering for å få tilgang til

steder og tjenester som ellers ikke er tilgjengelig. Identifisering er en viktig for å ivareta

sikkerheten. Sikre omgivelser uavhengig av denne forståelsen og aksepten er imidlertid ikke

like enkel i det digitale domene.

”Internett ble bygd uten støtte for identitet” (Gunnar Nordseth, Signicat AS). Da det ikke ble

tatt høyde for identitet under utviklingen av Internett har det vokst frem en industri rundt

dette og aktørene på dette markedet tilbyr ulike tjenester for verifisering av identiteter på

Internett. Buypass og BankID er to norske aktører som tilbyr e-ID (elektronisk ID) produkter

og tjenester. Leverandørene sier at med disse produktene kan både sender (bruker) og

mottaker (tjenestetilbyder) være sikre på at identiteten til motparten er den riktige. Disse to

leverandørene tilbyr noe forskjellig teknologiske løsninger. Felles for de begge er at de ved å

bruke et passord, sammen med et kort eller ved bruk av en brikke kan knytte en persons

oppgitte identitet til et personnummer.

Oppgaven ser for seg at det på sikt vil vokse frem et behov eller krav fra myndigheter at det

skal være muligheter for sikker personidentifisering ved bruk av flere tjenester enn det vi ser

i dag. Oppgaven ser på personsikkerhet, og ikke på datasikkerhet generelt. Fokus vil ligge på

Internettbrukeres holdninger, og om de eventuelt vil bruke forskjellige tjenester hvis disse

enten tilbyr sikker personidentifisering eller dette i tillegg til den vanlige innloggingsformen.


5.1 Problemstilling

Hovedmålet med arbeidet er å sette fokus på hvilke faktorer som eventuelt kan være med

på å forklare utvalgets holdninger og intensjoner om bruk av sikker personidentifisering for

bruk av Internett tjenester. Etter å ha søkt i litteraturen og ikke funnet artikler som

omhandler dette direkte, ser vi på dette som et relevant studium.

Med bakgrunn i det foregående presenterte, blir oppgavens problemstilling:

5.2 Begrepsavklaring

Med ordet holdninger menes en persons negative, nøytrale eller positive innstilling mot et

objekt.

Med ordet personverifisering menes den prosessen der man fastslår riktigheten av en

persons påståtte identitet.

Med ordet Internett menes nettverket hvor informasjon er lagret på offentlige og

kommersielle websteder.

5.3 Begrensning

Oppgaven ser bort i fra alle økonomiske sider ved eventuelle bruk og innføring av

teknologier som muliggjør sikker personidentifisering. Personvern og lagring av personalia vil

heller ikke bli behandlet. Vi har også valgt å ikke ta med intranett, ekstranett og lukkede nett

i oppgaven.

Holdninger og intensjoner om bruk av sikker personverifisering på

Internett.


5.4 Tidligere forskning

For å få en oversikt over hva som er gjort av undersøkelser og forskning på oppgavens

problemstilling har vi forsøkt å sette oss inn i tidligere studier og artikler på tilsvarende

områder. Vi har ikke funnet noen konkrete undersøkelser på dette temaet, men det er gjort

en rekke undersøkelser på tilsvarende områder. Forskning som er aktuell å se på er forskning

på IS-systemer. Vi vil her nevne noen av de aktuelle studiene vi finner aktuelle for vår

oppgave.

Davis m. fl (1989) har sett på menneskers evne til å akseptere datamaskiner og gjør dette

ved å måle deres intensjoner. Han benytter variabler som opplevd nytteverdi, holdninger,

normer og brukervennlighet. Han finner i sin studie at intensjoner har betydning for bruk, og

at opplevd nytteverdi har betydning for intensjoner om bruk. Han finner også at

brukervennlighet er viktig for intensjoner om bruk.

Christensen (1987) har sett på faktorer som har betydning for implementering av Business

intelligence systemer. Han har variabler som holdninger, intensjoner om bruk og antagelser.

Han finner blant annet at der er positive sammenhenger mellom intensjoner om bruk og

bruk. Han finner også at holdninger er avgjørende for intensjoner om bruk.

Einarsen og Johansen (1996) bruker variabler i sin forskning som går på holdninger,

intensjoner om bruk og nytteverdi. De finner at det er sammenhenger mellom nytteverdi og

intensjoner om bruk. De finner også at holdninger, ferdigheter og utdannelse har betydning

for nytteverdi og intensjoner om bruk.

Smith og Hagen (2006) ser på faktorer som er betydningsfulle for intensjoner om videre bruk

av elektroniske læreverk i undervisningssammenheng. De benytter variabler som kjønn,

alder, opplevd nytteverdi og intensjoner om videre bruk i sin forskningsmodell. Resultatene

fra undersøkelsen viser at de har funnet sammenheng mellom opplevd nytteverdi og

intensjoner om fremtidig bruk. Videre har de funnet sammenhenger mellom kjønn, alder og

nytteverdi.


6 Sikker personidentifisering

For å kunne ivareta funksjonen ved en sikker personverifisering trenger man et id-

kontrollsystem. Et id-kontrollsystem kan bestå av en id-giver, en id-håndterer og en id-

leverandør. Eksempel på dette er ved bruk av innloggingsnavn med passord og bankID som

id-giver, din nettbank som id-håndterer og Bankenes Betalingssentral som id-leverandør.

6.1 Verifiseringsprosessen

Verifiseringsprosessen brukes til å fastslå riktigheten av en persons påståtte identitet

gjennom 3 steg. Første steg er at brukeren må identifisere seg. Når dette er gjort er brukeren

inne i autentiseringsfasen hvor han må bevise sin identitet, dette gjøres normalt ved hjelp av

et passord. Siste del av prosessen er autorisasjonsfasen, hvor brukeren får tilgang til å utføre

handlinger han ikke kunne før verifiseringsprosessen startet (Cranor, 2005).

• Identifiseringsfasen:

Her spørres en person om å identifisere seg selv. Dette kan gjøres med brukernavn,

e-postadresse eller et personnummer.

• Autentiseringsfasen:

Autentisering gjøres med en autentiseringsfaktor, dette er en bit informasjon og en

prosess som brukes til å verifisere en persons digitale identitet.

Å bevise sin identitet kan gjøres på flere måter:

• ”Noe du vet” passord eller pinkode.

• ”Noe du har” kodenøkkel, smartkort eller mobiltelefon.

• ”Noe du er” fingeravtrykk eller irisskanning.

Autentisering kan gjøres med forskjellig grad av sikkerhet:

Svak autentisering: benytter bare en av de nevnte autentiseringsfaktorene.

Sterk autentisering: Tofaktor autentisering er et system der to av de nevnte

faktorene blir brukt. For å bevise en persons identitet må autentiseringsprosessen

ligge hos en ekstern tjenestetilbyder, for eksempel BankID som har konsesjon for

bruk av personnummer. Med bruk av en kodebrikke knyttes ”noe du har” -punktet til


en person med personnummer. Ved å bruke passord i tillegg blir dette sterk

autentisering.

• Autorisasjonsfasen:

Dette er en godkjennelse som bruker må ha fra en Internettjeneste, for å få tilgang til

funksjoner som krever dette.

• Tofaktor-autentisering i to kanaler:

Poenget med dette er at det er to kanaler som blir brukt i innloggingsprosessen.

Tofaktor-autentisering kan benyttes på ulike medier, for eksempel med

smartkortleser, egne passordgeneratorer eller mobiltelefon. Denne måten å

autentisere en bruker på er den foretrukne måten for dem som leverer tjenester som

krever høy sikkerhet. Autentiseringen gjøres for eksempel ved at man har et

brukernavn, passord og må oppgi en kode fra en kodebrikke, eller at man har et

brukernavn, passord og får tilsendt et nytt passord via SIM-kortet i mobiltelefon.

Kodebrikken knyttes til bankkontoer og bankkontoer til personer via personnummer.

Ved bruk av mobiltelefon kyttes SIM-kortet til en person gjennom personnummeret.

Kombinasjonen av brukernavn, passord og nytt passord/kode gjør at dette blir en

sikker måte å fastsette en persons identitet på.

6.2 Verifiseringsalternativer

Som en del av oppgaven har vi gått gjennom og blitt kjent med de fire av de mest brukte

verifiseringsløsningene på markedet i dag.

6.2.1 OpenID

OpenID er en løsning som ikke tilbyr sikker personidentifisering, men de tilbyr en tjeneste

som gjør at man ved bruk av et passord og en innlogging får muligheten til å utføre en rekke

tjenester hos mange forskjellige nettsteder. Nettsidene må gi sin godkjennelse og

tilrettelegge for bruk av OpenID hvis de ønsker å tilby dette til sine brukere. Tanken bak

OpenID er at man har ett brukernavn og et passord til flere internettsider. Man benytter en

personlig URL (eksempel: navn.myid.no) som man er tildelt av sin OpenID tilbyder for å si

hvem man er. Selve verifisering av passord blir gjort hos en OpenID tilbyder man selv kan

velge. Passordet blir oppbevart hos en nettside brukeren stoler på, og internettsiden


brukeren logger seg inn på får aldri tilgang til passordet. På nåværende tidspunkt tilbyr ikke

OpenID sterk personverifisering i den forstand at kontoen er knyttet opp mot et

personnummer.

Hvis OpenID kunne tilby sikker personidentifisering ville dette være en mulig løsning på

identitetsproblematikken knyttet til Internett. Problemet ligger i det at tilbyderen av

personverifiseringen må kunne knytte en persons påståtte identitet opp mot et

personnummer for at dette skal bli sikkert. Her ligger det en utfordring da man må kunne

administrere personidentiteter på et globalt nivå. Videre bør selve innlogging skje i to

kanaler. Det er også en annen dimensjon ved identifiseringen som ligger i dette med at man

må ha et annet system tilgjengelig i tilfelle det benyttede systemet skulle bli kompromittert.

6.2.2 MinID

MinID er en statlig elektronisk verifisering for innlogging hos mer en 50 tjenester innenfor

statlig- og kommunal sektor. Hos altinn.no kan man blant annet bruke buypass eller MinID til

innlogging. MinID har et sikkerhetsnivå som er lavere enn ved bruk av buypass løsningen, et

såkalt mellomhøyt sikkerhetsnivå. For eksempel kan man ikke signere gjeldsbrev fra

Lånekassen med MinID innlogging, da kreves buypass innlogging. Det er direktoratet for

forvaltning og IKT (Difi) som er ansvarlig for forvaltningen og videreutviklingen av MinID.

MinID tilbyr sterk autentisering.

6.2.3 Buypass og BankID

Disse er de mest utbedte autentiseringsmetodene for elektronisk verifisering på offentlige

og kommersielle Internettsider i dag. Først og fremst er det banker og andre offentlige

tjenester på Internett som har behov for sterk verifisering av kunden som benytter dette

systemet. Dette gjør at kunden for eksempel kan benytte seg av elektronisk signering,

betaling av regninger, endre adresser med mer. Begge løsningene tilbyr sterk autentisering.


7 Metode

7.1 Metodebeskrivelse og metodevalg

Ved valg av forskningsstrategi står valget mellom kvantitativ eller kvalitativ strategi. Den

kvalitative metoden har mindre formalisert struktur for innsamling og prosessering av data.

For den kvantitative metoden er det utviklet spesielle statistiske prosedyrer og strukturer for

datainnsamling og analyse. (Johannessen, Tufte og Kristoffersen, 2006). Oppgaven benytter

en kvantitativ strategi grunnet at denne er velegnet til å gjøre sammenligninger, og denne

metoden kan også si noe om hvor stort omfang et fenomen har. Hvis de rette betingelsene

er oppfylt vil det være mulig ved bruk av forskningsstrategien å si noe om populasjonen, og

man kan generalisere funnene som er gjort. Oppgaven har et ønske om ut fra utvalget å si

noe om populasjonen utvalget er hentet ifra, sikre at en kan gjøre sammenligninger og et

ønske om å si hvor sterke sammenhenger er. En kvantitativ strategi krever et design, og

designet vi benytter er et tverrsnittdesign. Undersøkelsen vil bli gjort på et bestemt

tidspunkt, og dette velges på grunn av tid og omfang oppgaven har. Dette er også det mest

egnede designet, da undersøkelsen ikke ser på utvikling eller endring over tid. Oppgaven vil

finne de resultater som foreligger på tidspunktet undersøkelsen blir gjennomført. Oppgaven

har videre en deduktiv tilnærming som innebærer at vi har visse ideer og antagelser om

hvordan variabler vil påvirke hverandre.

7.2 Konsekvenser av metodevalg

Valget av metode er relativt lite ressurskrevende og i utgangspunktet kan man få et stort

utvalg respondenter. På en annen side er man langt fra sikker på at man får inn så mange

svar som ønskelig for at man skal kunne si noe om populasjonen. Ved utsendelser av

spørreskjemaer er man i liten grad i stand til å påvirke svarprosentene. Man kan skrive et

godt følgebrev og man kan purre hvis man ikke får svar, men god kontroll på denne

prosessen har man ikke. Et annet sentralt punkt er at vi etter at undersøkelsen er

gjennomført ikke vil være i stand til å påvirke eller rette opp feil eller mangler som blir

avdekket underveis. Undersøkelsen legger heller ikke opp til at det er mulig å få

tilleggsinformasjon utover det som er spurt om i spørreskjemaet. Spørreundersøkelsen gir


tilbake harde data i form av tall som skal analyseres ved hjelp av statistiske teknikker. For å

kunne anvende disse statistiske teknikkene er det nødvendig å ha tilegnet seg denne

kunnskapen. Det er også nødvendig å kunne presentere de funn som blir gjort på en

fornuftig måte. Grunnet tiden vi har til rådighet og problemstillingen vil det være best å

gjøre en tverrsnittsundersøkelse som gir informasjon på et utvalg av populasjon, på et gitt

tidspunkt. Undersøkelsen vil også kunne si noe om et spesielt fenomen, men vil ikke kunne si

noe om utviklingen over tid.

7.3 Alternative metoder

Et rent kvalitativt design på denne undersøkelsen vil ikke være formålstjenlig. Det som

derimot kunne vært interessant å se på var utviklingen over tid. Dette vil da blitt gjort med

en kvantitativ strategi og en langsgående undersøkelse. Et annet alternativ kan være å gjøre

denne studien komparativ på flere case, hvor et case kan være en skole, en klasse eller en

familie. For en oppgave av det omfang denne studien skal være, ville det vært mest realistisk

med skoleklasser som case, og man kunne sett på forskjeller mellom klasser, klassetrinn osv.

7.4 Respondenter

For oppgaven er det viktig å inkludere så mange respondenter som mulig, slik at tall-

materialet blir så representativt som mulig. Populasjonen er i utgangspunktet alle brukere av

Internettjenester hvor personverifisering er nødvendig. Av denne populasjon er det

nødvendig å foreta et utvalg. Oppgaven omhandler IT-teknologi. For å finne respondenter

som kan si noe om dette har vi et utvalg som vi vet har visse kunnskaper på dette området.

For å være bedre i stand til å generalisere har vi valgt respondenter som har en god

aldersspredning. Utvalget består av studenter ved et av de større emnene ved Høgskolen i

Buskerud, og deltagere på tre andre kurs som holdes av eksterne kursleverandør. to av disse

kursene er innføring i generelle dataferdigheter, det siste kurset er et kurs i noe mer

avansert bruk av Excel.

Mona Andersen ved KursSenteret i Hønefoss og Bente Simonsen ved Norsk Senter for

SeniorUtvikling holder begge datakurs, og har gitt klarsignal for å gjennomføre en

spørreundersøkelse hos dem. Etty Nilsen som er leder for emnet ”Organization and

Leadership” har gitt klarsignal for å gjennomføre spørreundersøkelsen blant sine studenter.


Utvalget av respondenter er et bekvemmelighetsutvalg som er en bra måte å tilpasse

oppgavens omfang på, og kan gi ganske gode utvalg. Svakheten med dette er at det ikke kan

garanteres at utvalget er representativt eller at det kan generaliseres.


8 Forskningsmodell

Med bakgrunn i litteratursøk, og tidligere forskning på tilsvarende områder har vi valgt å ta

utgangspunkt i forskningsmodellen TAM, technology acceptance model. Vi vil i dette

kapittelet foreta et valg av faktorer, begrunne disse valgene og til slutt sette disse sammen

til en egenutviklet forskningsmodell.

TAM:

Figur 1 TAM forskningsmodell

Denne modellen er mye brukt i IS-forskning, men for at vi skal kunne bruke den til vårt

forskningsområde må vi tilpasse den noe. Vi vil gå igjennom de forskjellige variablene og ta

standpunkt til om de kan brukes eller i hvilken grad de må tilpasses.

Med utgangspunktet i problemstilling i oppgaven vil variablene intensjoner om bruk og

holdninger være selvskrevne. I TAM er variablene ”intensjoner om bruk” og ”bruk” med.

Begge disse variablene og sammenhengen mellom disse er det gjort mye forskning på. Blant

annet har Christensen(1987) og Davis m. fl.(1989) sett på sammenhenger mellom disse to

variablene. I begge undersøkelsene ser man at intensjoner om bruk er en god indikator for

bruk og at disse hadde en positiv sammenheng. Man så også at opplevd nytteverdi er en

meget sterk determinant for en brukers intensjoner om bruk av et system. På bakgrunn av

disse observasjoner og oppgavens omfang velger vi å ta bort variabelen ”bruk” og

”brukervennlighet” . Variabelen opplevd nytteverdi vil i vår sammenheng være i hvilken grad

brukeren opplever at et spesielt system vil øke deres kapasitet ved bruk av Internett.


Tillit kan knyttes til opplevd nytteverdi og holdning, men grunnet oppgavens omfang ser vi

også bort fra tillitsaspekter som kan knyttes til modellen. Den eksterne variabelen som er

med i TAM modellen har vi valgt å ta med, blant annet for å finne en sammenheng mellom

disse variablene og de andre uavhengige variablene (Einarsen og Johnsen 1996).

På bakgrunn av dette står vi igjen med en del variabler vi mener skal gi oss indikasjoner på

hva som er med på å påvirke variasjoner i den avhengige variabelen. Grunnlaget for

forskningsmodellen er uavhengige, mellomliggende og avhengige variabler. Til hver av disse

er det laget målemodeller.

Variabeloversikt for vår forskningsmodell:

Opplevd nytteverdi Mellomliggende variabel

Intensjoner om bruk Avhengig variabel

Holdning til personverifisering Mellomliggende variabel

Dataferdigheter Uavhengig variabel

Demografiske variabler Uavhengig variabel Tabell 1 Variabel oversikt - forskningsmodell

8.1 Nytteverdi

Nytteverdi er definert som i hvilken grad et individ opplever at bruk av et datasystem vil

forbedre arbeidsprestasjonene (Davis, 1989). Davis måler relativ nytteverdi ved de

operasjonelle variablene: kvalitet i arbeidet, økt produktivitet, økt effektivitet og enklere

utføring. Senere ble modellen utvidet og det ble lagt til kontroll over eget arbeid og enklere

utføring av arbeidsprosessen (Moore & Bensebasat, 1991). Med utgangspunkt i dette har vi

kommet fram til følgende refleksive målemodell:

Økt effektivitet Enklere utføring

av verifiseringsprosessen

Kontroll over personalia

Opplevd

nytteverdi

Figur 2 Opplevd Nytteverdi


8.2 Intensjoner om bruk

Intensjoner er sannsynligheten for at en person utfører en påtenkt handling i fremtiden

(Fishbein og Ajzen, 1975). Intensjoner om bruk er i denne sammenheng intensjoner om bruk

av Internett- funksjoner og sider. Ifølge Christensen G. E. (1987) kan intensjoner måles med

sannsynlighet og frekvens for framtidig bruk. Vi har valgt Christensen G. E., formative

modell:

Sannsynlighet Frekvens(relativ)

Intensjoner om

bruk

Figur 3 Intensjoner om bruk

8.3 Holdning til personverifisering

Fishbein og Ajzen(1975) har følgende beskrivelse av holdningsbegrepet:

”Attitudes are a learned predisposition to respond in a consistently

favorable or unfavorable manner with respect to a given object”

En oversettelse kan være:

”Holdninger er en lært mottakelighet til å respondere på en

Konsekvent positiv eller negativ måte angående et gitt objekt”

Ordet objekt i denne sammenhengen er forstått som handlingen: personverifisering

Fishbein og Azjen har et tredelt syn på holdninger, der holdninger deles inn i kognitiv,

affektiv og konativ. Den kognitive delen omhandler individets tiltro til et objekt, den

affektive delen sier noe om individets positive/negative følelse mot objektet. Konativ er

individets intensjon og faktisk adferd mot holdningsobjektet. Bruk av det tredelte synet for å

kartlegge holdninger er en omfattende oppgave, og vi har derfor valgt å se nærmere på Lutz

(1991) sin holdningsmodell. Lutz bruker et endimensjonalt syn for å kartlegge individets


holdninger mot et objekt. Det endimensjonale synet er en modell, hvor kognitiv er forløper

og konativ er konsekvens av den affektive variabelen. Den affektive variabelen måler

individet positiv, nøytral eller negativ oppfatning/holdning mot et objekt.

Kognitiv Affektiv Konativ Atferd

Figur 4 Lutz endimensjonale syn - Holdning

Grunnet oppgavens begrensede omfang velger vi å bruke det endimensjonale synet.

Oppgaven vil bruke holdningsbegrepet for å måle i hvilken grad bruk av personverifisering

oppfattes som positiv, nøytral eller negativ. På bakgrunn av dette har vi valgt å bruke

følgende refleksive målemodell:

Affektiv Holdning til

personverifisering

Figur 5 Holdning

8.4 Dataferdigheter

Begrepet ferdigheter defineres som datateknologiske ferdigheter. Ferdigheter er en

kombinasjon av relevant opplæring, praksis og egenvurderte ferdigheter (Einarsen og

Johnsen, 1996). På bakgrunn av dette har vi valgt å bruke følgende refleksive målemodell:

Praksis Egenvurderte

dataferdigheter

Opplæring

Dataferdigheter

Figur 6 Dataferdigheter


8.5 Demografiske variabler

Disse variablene beskriver respondenten objektivt og plasserer vedkommende i en sosial

struktur (Steinar Ilstad, 1989). I denne sammenhengen er vi interessert i å kunne si noe om

det er kvinner eller menn som er mest positive, eller om alder spiller en rolle. Utdanning kan

være av betydning for holdning og opplevd nytteverdi hos respondentene. Med bakgrunn i

dette har vi kommet frem til følgende formative målemodell:

Alder Kjønn

Utdanning

Demografiske

variabler

Figur 7 Demografiske variabler

8.6 Forskningsmodellen

Demografiske

variabler

Dataferdigheter

Opplevd nytteverdi

Holdning til

personverifisering

Intensjoner om

bruk av

personverifisering

Figur 8 Forskningsmodell

8.7 Hypoteser

Ved utformingen av hypotesene har vi tatt utgangspunkt i forskningsmodellen. Vi har sett på

tidligere forskning for å kartlegge deres forskningsmodell og hypoteser:

• TRA (Theory of Reasoned Action)

• UTAUT (The unified theory of acceptance and use of technology)

• TPB (Theory of planned behaviour)

• TAM (Technology acceptance model)


Med utgangspunkt i denne informasjonen har vi kommet fram til følgende hypoteser:

H1: Hvis brukeren opplever høy nytteverdi vil dette ha en positiv effekt på intensjoner om

bruk av personverifisering

H2: Hvis brukeren opplever høy nytteverdi vil dette ha en positiv effekt på holdning til

personverifisering

H3: Hvis brukeren har gode datateknologiske ferdigheter vil dette ha en positiv effekt på

opplevd nytteverdi av personverifisering

H4: Samvarierer en eller flere av de demografiske variablene positivt eller negativt med

opplevd nytteverdi av personverifisering?

H5: Samvarierer en eller flere av de demografiske variablene positivt eller negativt med

holdninger til personverifisering?

H6: Brukerens holdning har en positiv effekt på intensjoner om bruk av personverifisering

H3+

H2+ H1+

H4

H5 H6+

Demografiske

variabler

Dataferdigheter

Opplevd nytteverdi

Holdning til

personverifisering

Intensjoner om

bruk av

personverifisering

Figur 9 Forskningsmodell med hypoteser


8.8 Operasjonalisering

I dette kapittelet ser vi hvordan vi har formulert påstander eller spørsmål som kan brukes til

å måle de forskjellige variablene brukt i forskningsmodellen.

8.8.1 Nytteverdi ved bruk

Dette begrepet skal reflektere respondentens oppfatning om hvor nyttig bruken av sikker

personverifisering er. Vi benytter 6 indikatorer for å måle dette og skalaen går fra helt uenig

til helt enig.

1. Bruk av sikker personidentifisering er en effektiv måte å fastslå en persons identitet på.

2. Én brukerinnlogging med sikker personidentifisering til mange Internettjenester vil gjøre

det enklere å holde kontroll over mine personalia.

3. Hvis sikker personidentifisering utføres av bare én tjenestetilbyder, som for eksempel

BankID, vil dette sikre at mine personalia ikke havner hos uvedkommende.

4. Kun én brukerinnlogging med sikker personidentifisering til mange Internettjenester vil

gjøre bruken av Internett mer effektiv.

5. Personidentifisering med brukernavn, passord og kodebrikke er en enkel måte å fastslå

min identitet på Internett.

8.8.2 Fremtidig bruk

For å måle respondentenes intensjoner om bruk har vi et måleinstrument som skal gi oss

svar på frekvensen for fremtidig bruk. Vi har laget en 6 punkts skala som spenner fra aldri til

flere ganger daglig. Dette blir et selvevaluerende mål for frekvens. Vi har 11 forskjellige

tjenester.

Tjenester med sikkerpersonverifisering: nettbank, offentlige etater og Norsk tipping.

Tjenester uten sikkerpersonverifisering: netthandel, sosiale nettsteder, online spill, Internett,

filoverføring, chat og forum, e-post og elektroniske møter.

8.8.3 Oppfatning om bruk

Denne variabelen er ment å måle respondentenes holdninger til bruk av sikker person-

identifisering på Internett. Med utgangspunkt i Ajzen og Fishbein (1980) lagde vi vårt eget

instrument for å måle respondentenes holdninger. Målet skal si noe om positive, nøytral

eller negative følelser for bruk av personidentifisering. Bipolare adjektivpar benyttes og


skalaen har 5 trinn hvor midtverdien er nøytral. Vi har valgt å bruke 7 adjektivpar i dette

instrumentet hvor instrumentvariabelen er negativ – positiv.

De bipolare adjektivparene (de to første parene er reversert):

positivt negativt fordelsaktig ikke fordelsaktig unødvendig nødvendig unyttig nyttig upraktisk praktisk komplisert enkelt frustrerende tilfredsstillende

8.8.4 Dataferdigheter

Variabelen dataferdigheter måles med 6 indikatorer. Først er det en selvevaluerende

indikator på hvor ofte Internett blir brukt, alternativene spenner fra aldri til flere ganger om

dagen. Dette måles for å gi en kontroll av brukerens erfaring med bruk av internett. Videre

blir respondentens opplæring innenfor dataferdigheter målt med i hvilken grad de har

mottatt opplæring fra tre ulike kilder: forelesninger/kurs på skoler, kurs hos kursleverandør

og selvstudium/egenlæring. Til slutt i denne delen blir respondenten spurt om angi sine

dataferdigheter på en selvevaluerende skala fra lite gode til svært gode.

8.8.5 Demografiske variabler

Kjønn måles med avkryssing for enten kvinne eller mann. Måling av alder gjøres ved et åpent

svaralternativ hvor respondenten skriver det aktuelle tallet. For å måle utdanning har vi valgt

å sette denne som åpent alternativ hvor respondenter skal angi antall år på høyskole eller

universitet.

8.9 Generelt om spørreskjemaet

På bakgrunn av vårt teorikapittel har vi utformet et papirbasert spørreskjema.

Spørreskjemaet er ment å gi adekvate svar på spørsmålene vi har utformet. Det er lagt mye

vekt på å utforme disse på en måte som skal være forståelig for respondentene.

Spørsmålene er ment å måle respondentenes holdninger, ferdigheter, opplevd nytteverdi og

intensjoner om bruk av sikker personverifisering. Vi har også valgt å ta med demografiske


variabler da vi mener at disse vil ha en innvirkning på andre variabler. Spørreskjemaet er

utformet med bakgrunn i teori og andre forskningsrapporter som er skrevet på tilsvarende

forskningsområder (kap. 5.4). Vi har valgt ut de spørsmål/påstander vi mener skal gi oss et

best mulig svar på problemstillingen.

Innledningsvis i spørreskjema er det skrevet en orientering om selve spørreskjemaet og en

kort redegjørelse av problemstillingen. Med disse opplysningene håper vi å skape en

interesse for forskningsområdet, og sette respondentene inn i forskningsspørsmålet.

Orientering er utformet på en slik måte at den ikke skal påvirke respondentens syn på

problemstillingen i negativ eller positiv retning. Det blir også orientert om forventet tid

undersøkelsen tar og det blir opplyst at undersøkelsen er anonym. Orienteringen og

spørreskjemaet er i sin helhet presentert som vedlegg i rapporten. Da spørreundersøkelsen

er anonym og ikke inneholder personopplysninger er det ikke nødvendig å melde oppgaven

inn for Norsk Samfunns- vitenskapelig Datatjeneste (NSD).

8.9.1 Skalaer

Noen begreper i spørreskjemaet er ment å måle tilslutning til de enkelte påstandene. Det er

to måter å gi utrykk for tilslutning eller avvisning på. Vi kan godta eller avvise at en påstand

er sann, eller vi kan akseptere at den er gyldig, men likevel være mer eller mindre enig i

påstanden(Haraldsen, 1999). Det er det siste tilfellet som er aktuelt for oss og vi vil bruke en

tilslutningsskala som går fra helt uenig til helt enig. Skalaen som blir brukt for denne typen

spørsmål har en gradering med seks verdier. Vi benytter en seks trinns skalaen for å få et

nyansert svar på påstanden.

Det er begreper i undersøkelsen som skal måle atferd, og til dette benyttes frekvensskalaer.

Vi benytter en skala med seks verdier. Skalaen spenner fra aldri til flere ganger daglig, og bør

gi et ganske nyansert svar på bruksfrekvens.

På den delen som dreier seg om holdninger er det benyttet en skala med 5 verdier. Skalaen

går fra negativ - nøytral - positiv og tilordnet tallverdier fra 1-5. Fem verdier benyttes for å

kunne ha en midtverdi som er nøytral. Poengene blir summert og resultatet blir sett på som

en indeks for holdninger (Osgood, Suci and Tannenbaum, 1957). Vi benytter oss av bipolare


adjektivpar som vi mener vil måle respondentens holdning. Indeksen lages ved at man gir

negative svar lave verdier og positive svar høye verdier. Deretter summeres resultatene opp

til en samlet verdi for hver respondent. Denne samlemåten kalles summeringsindeks eller

Likert-skala (Haraldsen, 1999).

8.9.2 Reverserte spørsmål

I delen hvor holdninger skal måles har vi valgt å reversere de to første adjektivparene. Det er

et bevisst valg og er gjort for at vi skal få en indikasjon på om respondentene svarer

konsekvent på spørsmålene eller om de bare svarer tilfeldig.

8.9.3 Spørsmålsrekkefølge

Rekkefølgen i spørreskjemaet er utarbeidet med tanke på å vekke respondentenes interesse,

og holde på interessen gjennom hele skjemaet slik at vi får mest mulige korrekt avgitt svar.

Hvis vi ikke klarer å holde på respondentens fokus vil de kunne begynne å slurve eller se seg

om etter snarveier for å bli ferdig med spørsmålene (Haraldsen, 1999). For å skape en positiv

nysgjerrighet har vi valgt å ha spørsmål knyttet til oppgavens tema som de første

spørsmålene. For at spørreskjema ikke skal ha et preg av ”offentlig dokument” har vi valgt å

ha de demografiske variablene til slutt.

8.9.4 Spørreskjema utforming

Spørreskjema er utformet på mest mulig nøytral måte da vi ikke vil påvike respondentens

holdning til problemstillingen. I designet er det lagt vekt på at skjemaet skal være oversiktlig,

tydelig gruppert og ha en representativ layout. Vi har nummerert spørsmålene og alle

alternativer er markert med innrykk.

8.9.5 Pretest av spørreskjemaet

Vi har valgt å utføre en pretest for å redusere eventuelle problemer med spørsmålene eller

spørsmålsformuleringen. Denne ble utført internt på Høgskolen i Buskerud. Respondentene

ble bedt om å besvare spørreundersøkelsen, for deretter å komme med eventuelle

kommentarer vedrørende spørsmålenes formulering og relevans. De ble videre spurt om

totaltinntrykket av skjemaet, og om å gi en vurdering om hvor lang tid de hadde brukt på

utfyllingen. Det ble gitt muntlig tilbakemelding fra respondenten, og dette ble notert på

spørreskjemaene. Pretesten ble gjennomført av seks respondenter. Tilbakemeldingene var

at innledningen burde presiseres og omformuleres slik at den blir enklere å forstå. Videre


fikk vi tilbakemelding om at vi burde bytte plass indikatorene 1 og 5 på første spørsmål.

Pretesten viste at samtlige respondenter hadde oppfattet at indikator 1 og 2 på spørsmål 7

var reverserte. Etter en vurdering av tilbakemeldingene tok vi disse tilfølge og gjorde

endringer anbefalt av respondentene.

8.9.6 Datainnsamling

Datainnsamlingen ble utført ved tre ulike undervisningssteder med fire forskjellig kurs, ved

ett av kursstedene ble undersøkelse gjennomført ved postlegging av spørreskjemaene, hvor

kurslederne stod for gjennomføring. De tre andre datainnsamlingene ble gjennomført ved

personlig oppmøte ved kurssted.

Av 27 potensielle respondenter hos Norsk Senter for SeniorUtvikling fikk vi tilbake fire utfylte

spørreskjemaer. Denne undersøkelsen ble gjennomført ved at undersøkelsene ble sendt

kurssenteret. Undersøkelsen ved KursSenteret i Hønefoss ble gjennomført ved personlig

oppmøte, og de to kursene hadde til sammen 17 deltagere. Vi fikk tilbake 17 utfylte

spørreskjemaer. Ved kurset på Høgskolen i Buskerud var det 119 eksamenskandidater. På

tidspunktet for undersøkelsen var ikke fristen for å melde seg av eksamen gått ut og tallet

kan i bestefall sees på som veiledende. Undersøkelsen ble gjennomført med personlig

oppmøte i forelesning hvor det var 39 studenter og 37 disse returnerte utfylte

spørreskjemaer. De 119 elevene kan ikke sees på som utvalget vårt ved Høgskolen i

Buskerud, det kan derimot de 39 studentene som var fremmøtt til forelesning.

Oppsummering:

I tabellen under er det en oversikt over respondenter og frafall.

Antall %

Utvalget 83 100 Respondenter 50 70 Frafall 25 30

Tabell 2 Respondenter

Generelt kan det sies at en svarprosent på 70 % er høy, men vi fikk oss to overraskelser etter

at undersøkelsen ble gjennomført. Det første overraskelsen kom etter undersøkelsen ved

Høgskolen i Buskerud, her møtte litt over 30% av de oppmelde studentene opp til

forelesning. Vi var forberedt på at vi ikke kom til å treffe alle 119 studentene, men vi hadde

regnet med at 50 - 60 studenter ville møte til forelesning. Den andre overraskelsen kom da vi


fikk tilbake den postlagte undersøkelsen. Her fikk vi bare tilbake 15 % av de sendte

spørreskjemaene. Ved denne undersøkelsen har vi ikke hatt noen mulighet til å påvirke

gjennomføringen. Vi mente vi hadde en god dialog med kursledelsen og at det ikke var tvil

om hvordan undersøkelsen skulle gjennomføres. Vi hadde heller ikke noen mulighet til å

purre, da kurset allerede var gjennomført da vi mottok svarbrevet fra dem. Hva som gikk galt

er ikke lett å si, men det som er helt klart er at svarprosenten er mye høyere på de steder

undersøkelsen ble gjennomført ved personlig fremmøte. Datamaterialet vi sitter igjen med

etter undersøkelsen gir oss visse begrensinger når det gjelder den videre analysen og dette

blir omtalt nærmere de steder hvor det er aktuelt.


9 Analyse

I dette kapitelet vil vi presentere den informasjonen som ligger i tallmaterialet innhentet

med spørreskjemaene. Videre gjør vi noen betraktninger rundt tallmaterialet, og vi vil se på

reliabilitet og validitet før vi ser på om det er sammenhenger mellom variabler og hva

eventuelle funn kan brukes til.

9.1 Om datamaterialet og deskriptiv statistikk

Totalt er det 58 respondenter som har svart på spørreundersøkelsen. Under går vi gjennom

tallmaterialet og ser på resultatene fra de forskjellige spørsmålene. Dette gjøres for å vise

tendenser og beskrive tallmaterialet. Når vi presenterer gjennomsnittet for tallmaterialet er

dette regnet ut på bakgrunn av indikatorenes opprinnelige skala.

9.1.1 Gruppering av datamaterialet

Skalaene som er brukt i undersøkelsen består av minst fem svaralternativer. For å øke

lesbarheten og gi tallmaterialet en god presentasjon har vi valgt å gruppere skalaene.

Variabelen opplevd nytteverdi (spørsmål 1-5) måles med en seks punkts ordinal

tilslutningsskala som går fra ”helt uenig” til ”helt enig”. Vi har valgt å dele skalaen inn i tre

grupper: ”helt uenig”, ”både og”, ”helt enig”. Gruppering av svaralternativene er: 1 / 2= ”helt

uenig”, 3 / 4= ”både og”, 5 / 6= ”helt enig”.

Variabelen fremtidig bruk (spørsmål 6) måles med en seks punkts ordinal frekvensskala.

Denne har vi valgt å gruppere i tre frekvensgrupper.

”Aldri” – ”2-3 ganger pr. måned” = sjelden

”En gang pr. uke” – ”Flere ganger pr. uke” = ukentlig

”Daglig” – ”flere ganger daglig” = daglig

Spørsmål 7 som er ment å identifisere brukeres holdning og er en fem punkts skala som går

fra ”svært negativ” til ”svært positiv”. Gjennomsnittet av svarene blir summert og gruppert

inn i tre grupper som er fordelt på følgende måte: 1 – 2,32 = ”svært uenig”, 2,33 – 3,65 =

”nøytral”, 3,66 – 5 = ”svært enig”.


Svaralternativene på spørsmål 8 blir gruppert på samme måte som spørsmål 6.

Spørsmål 9 er også et spørsmål som vil få økt lesbarhet ved gruppering. De seks selv-

evaluerende svaralternativene på ordinal nivå er gruppert slik: Svaralternativ 1 / 2 = ”Lite

eller ingen”, 3 / 4= ”Noe”, 5 / 6 =”Mye”.

Spørsmål 10 omhandler en brukeres egenvurderte dataferdigheter og har en 6 punkts

selvevaluerende ordinalskala som går fra lite gode til svært gode. Her blir svaralternativene

delt inn i tre grupper. Svaralternativ 1 / 2 = ”lite gode”, 3 / 4 = ”gode”, 5 / 6= ”svært gode”.

Variabelen kjønn er dikotom og grupperes ikke.

Variabelen alder blir gruppert i intervaller og inndelt i 15 – 19 og fortsetter opp til 75 – 79,

med intervaller på fem år. Av respondentene er det flest mellom 20 til 24 år. Utfordringen

ved grupperingen ligger i å lage intervaller som blir interessante.

Spørsmål 13 som omhandler høyere utdanning har vi valgt og ikke gruppere.

I analysen tar vi med gjennomsnittet for indikatorene. Dette gjennomsnittet er regnet ut fra

den opprinelige skalaen i spørreskjema. Når vi beskiver gjennomsnittet vil skalaen beskrives

som for eksempel ”helt uenig”, ”uenig”, ”litt uenig”, ”litt enig”, ”enig”, ”helt enig”.

9.1.2 Oversikt over de demografiske variablene.

Kjønn:

Kjønn Antall Prosent

Kvinner 35 61,4 Menn 22 38,6

Tabell 3 Kjønnsfordeling

Tabellen viser at antallet kvinnelige respondenter er noe større enn for menn, ca. 60 %

kvinner mot ca. 40 % menn. Det var 1 respondent som ikke svarte på kjønn.

I Norge er det en fordeling på 50,5 % kvinner og 49,5 % menn (SSB). Vårt utvalg har en annen

fordeling enn dette og kan ikke sies å være representativt for befolkningen generelt. Ser vi

på fordelingen blant studenter er kjønnsfordelingen 60 % kvinner og 40 % menn (NSD).

Utvalget kan ikke sies å være representativ for denne gruppen da det ikke er bare er

studenter med i undersøkelsen.


Alder:

Aldersgruppene Antall Prosent Aldersgruppene Antall Prosent

15 - 19 3 5,3 50 – 54 3 5,3 20 - 24 22 38,6 55 – 59 2 3,5 25 - 29 4 7 60 – 64 5 8,8 30 – 34 3 5,3 65 – 69 3 5,3 35 – 39 6 10,5 70 – 74 0 0 40 – 44 1 1,8 75 – 79 2 3,5 45 – 49 3 5,3

Tabell 4 Aldersfordeling

Tabellen over viser at aldersgruppene < 24 år er mest representert, nesten 44 % av

respondentene befinner seg i disse to gruppene. De andre aldersgruppene har en fordeling

som ligger fra null til seks respondenter. Fordelingen har sin grunn i at den største gruppen

respondenter er studenter fra et av de større kursene ved Høgskolen i Buskerud. Siden vi

gjennomførte spørreundersøkelsen på forskjellige steder og kurs er aldersforskjellen i

materialet stor. Tallmaterialet viser at den yngste respondenten er 19 år og den eldste er 79

år. 1 person avstod fra å svare. Med den aldersfordelingen blant respondentene er det ikke

meningsfullt å si noe om snittalder på den typiske respondent i undersøkelsen.


Utdanning:

Antall år på høyskole

og universitet

Antall Prosent

0 år 5 9,6 1 år 15 28,8 2 år 17 32,7 3 år 8 15,4 4 år 4 7,7 5 år 1 1,9 6 år 1 1,9 7 år 1 1,9

Tabell 5 Antall år med høyere utdanning

De med en til to års høyere utdanning er mest representert i undersøkelsen, og utgjør til

sammen ca. 52 %. Antallet personer med en og to år utdannelse gjenspeiler det vi fant i

aldersfordelingen, de fleste er i aldersgruppene < 24 år, og er under utdannelse.

Gjennomsnittet og medianen er forholdsvis like i forhold til antall år respondentene har på

høyskole eller universitet, og ligger på to år. Dvs. at en typisk respondent i vårt utvalg har 2

år på høyskole eller universitet. Hele 90 % av de som svarte på spørsmålet har høyere

utdannelse. Det var seks av 57 personer som ikke svarte på dette spørsmålet.


9.1.3 Variabelen opplevde nytteverdi

”Bruk av sikker personidentifisering er en effektiv måte å fastslå en persons identitet på”

Figur 10 Opplevd nytteverdi - spørsmål 1

Tallmaterialet viser at 47 av 58 respondenter sier seg ”enig” i at sikker personidentifisering

er en effektiv måte å fastslå en person identitet på. Ingen av respondentene er ”uenig” i

denne påstanden. Ser vi på gjennomsnittet ser vi at dette ligger på ”enig”.

”En brukerinnlogging med sikker personidentifisering til mange Internettjenester vil gjøre

det enklere å holde kontroll over mine personalia”


Her ser vi at det er 36 av 58 respondenter som sier seg ”enig” i påstanden. 19 respondenter

sier seg både ”enig” og ”uenig”, tre er ”helt uenig”. Gjennomsnittet av denne indikatoren

viser at det ligger midt mellom ”litt enig” og ”enig”.

19 %

81 %

0

5

10

15

20

25

30

35

40

45

50

Gjennomsnitt 5.0

Uenig = 0 personer - 0 %

Både og = 11 personer - 19 %

Enig = 47 personer - 81 %

5,2 %

32,8 %

62,1 %

0

5

10

15

20

25

30

35

40

Gjennomsnitt 4,6

Uenig = 3 personer - 5,2 %

Både og = 19 personer - 32,8 %

Enig = 36 personer - 62,1 %


”Hvis sikker personidentifisering uføres av bare en tjenestetilbyder, som for eksempel

BankID, vil dette sikre at mine personalia ikke havner hos uvedkommende”


Denne variabelen at det er 30 av 57 respondenter som sier seg ”enig” i denne påstanden. 22

respondenter sier seg både ”uenig” og ”enig” i at dette er en bra løsning. Gjennomsnittet

viser at de fleste svar ligger mellom ”litt enig” og ”enig”.

”Kun en brukerinnlogging med sikker personverifisering til mange Internettjenester vil

gjøre bruken av Internett mer effektiv”


31 av 57 respondenter sier seg ”enig” i denne påstanden. Sammenligner vi denne

indikatoren med den foregående ser vi at disse har en svært lik svarfordeling.

Gjennomsnittet er også det samme 4,4.

8,8 %

38,6 %

52,6 %

0

5

10

15

20

25

30

35

Gjennomsnitt 4,4




5,9 %

39,1 %

53,4 %

0

5

10

15

20

25

30

35

Gjennomsnitt 4,4





”Personidentifisering med brukernavn, passord og kodebrikke er en enkel måte å fastslå

min identitet på Internett”


Over ser vi at det er hele 41 av 58 som mener denne formen for sikker personidentifisering

er en enkel måte å fastslå identiteten sin på. 14 respondenter er både ”uenig” og ”enig” i

påstanden. Gjennomsnittet har gått noe opp fra den forrige indikatoren, men ligger fortsatt

mellom ”enig” og ”ganske enig”. Funnene her er positive for tilbydere av løsninger like de

BankID tilbyr.

5,2 %

24,1 %

70,1 %

0

5

10

15

20

25

30

35

40

45

Gjennomsnitt 4,8





9.1.4 Variabelen fremtidige bruk av tjenester med sikker

personidentifisering

”Hvis alle disse Internettjenestene hadde sterk personidentifisering, i hvilken utstrekning

ville du bruke dem”

Figur 15 Intensjoner om bruk - spørsmål 6

Som vi ser av diagrammet over skiller noen søyler seg ut. Hvis vi ser på bruk av e-post med

sikker personidentifisering viser det seg at 70 % av respondentene ville ha brukt dette

”daglig”, det samme ser vi for Internettbruk. Offentlige etater ville rundt 72 % av

respondentene brukt ”sjelden”, dette har sin forklaring i hvor ofte det offentlige forventer at

for eksempel dokumenter skal signeres eller selvangivelse skal leveres. 83 % av respondenter

ville ”sjelden” ha spilt Internettspill med sikker personidentifisering. Gjennomsnittet av alle

indikatorene for denne variabelen ligger det på 3,1 (en gang pr. uke) og man kan se at det er

en vilje til bruk av tjenestene vi har nevnt om disse skulle ha sikker personidentifisering.

0 10 20 30 40 50 60

Daglig

Ukentlig

Sjelden


Sammenligning av våre funn med SSB sine funn i norsk mediebarometer for 2009(Statistisk

sentralbyrå, 2010). SSB finner at 62 % av Internettbrukerne bruker det til e-post. I vår

undersøkelse finner vi at 96 % av respondentene ville ha brukt e-post med sikker

personverifisering. Dette er tall man kan merke seg ved videre forskning eller ved utvikling

av e-post med en sikker personverifisering. Vi ser videre i vår undersøkelse at det er e-post

og Internett som har den høyeste bruksfrekvensen med personidentifisering. SSB finner at

39 % av Internettbrukerne har vært innom Facebook eller andre nettsamfunn. Vår

undersøkelse svarer bare 10 % at de ikke ville brukt sikker personidentifisering på disse

tjenestene. Dette funnet er verdt å merke seg med den stadig økende omtalen om misbruk

av brukerprofiler på disse nettstedene.

9.1.5 Variabelen holdning til bruk av sikker personidentifisering på

Internett

”Bruk av sikker personidentifisering på Internett er…”

Denne variabelen er ment å måle respondentenes holdning. Her er alle indikatorene

summert og denne summen representerer utvalgets generelle holdning.

Figur 16 Respondentens holdning - spørsmål 7

Over ser vi at det er mange, 38 av 58 som har en positiv holdning til bruk av sikker

personidentifisering på Internett. Det er 18 av respondentene som stiller seg nøytral, og

dette utgjør ca. 32 %. Det er svært få som har en negativ holdning. Gjennomsnittet viser at

respondentene gjennomgående har en positiv holdning.

1,8 %

31,6 %

66,7 %

0

5

10

15

20

25

30

35

40

Gjennomsnitt 4,0

Svært negativt = 1 respondenter - 1,8 %

Nøytral = 18 respondenter - 31,6 %

Svært positiv = 38 respondenter - 66,7 %


9.1.6 Respondentens dataferdigheter

”Hvor ofte bruker du Internett?”

Figur 17 Respondentens dataferedigheter - spørsmål 8

Stolpediagrammet over viser at 46 av 56 respondentene bruker Internett ”flere ganger

daglig”. I undersøkelsen er det ingen av respondentene som bruker Internett mindre enn

”ukentlig”. Vi ser at alle våre respondenter som besvarte dette spørsmålet sier at de bruker

Internett. 2 respondenter unnlot å svare på dette spørsmålet. SSB sin medieundersøkelse

2009 finner at 73 % av befolkningen mellom 9-79 år bruker Internett. Sammenligner vi

bruksmønsteret i vårt utvalg med bruksmønsteret SSB sin undersøkelse finner vi en

differanse på 27 prosentpoeng. SSB finner at det er brukere med høy utdanning, studenter

og personer med akademiske yrker som er de som bruker Internett mest. Vårt utvalg består

av studenter eller deltager på kurs, og det er kun 10 % som ikke har høyere utdanning.

Forklaringen på differansen mellom de to undersøkelsene ligger i at vårt utvalg ikke er

representativt for brukere generelt.

0 % 0 % 1,8 %5,4 %

10,7 %

82,1 %

0

5

10

15

20

25

30

35

40

45

50

Aldri 2 - 3 ganger pr. måned

1 gang pr. uke Flere ganger uke

Daglig Flere ganger daglig

Bruk av Internett


”Hvor mye opplæring har respondentene fått ved..”


Det er et stort flertall av respondentene som har tilegnet seg dataferdigheter ved

selvstudium eller egenlæring, og bare fire respondenter har tilegnet seg dette på kurs hos en

kursleverandør. Når det gjelder forelesninger eller kurs på skolen, er det en ganske jevn

fordeling fra ”lite” til ”mye”. De dataferdighetene respondentene vårt utvalg har, er i stor

grad selvlærte.

37,7 %

64,8 %

7,3 %

32,1 % 29,6 %25,5 %30,2 %

5,6 %

67, 3 %

0

5

10

15

20

25

30

35

40

Forelsninger eller kurs på skole

Kurs hos en kursleverandør

Selvstudium eller egenlæring

Lite eller ingen

Noe

Mye


”Egenvurderte dataferdigheter”


På spørsmålet om respondentens egenvurderte dataferdigheter, karakteriserer 31

respondenter sine dataferdigheter som ”gode”, og 20 respondenter. vurderte de som ”svært

gode”. 51 respondenter karakteriserer sine dataferdigheter til minst ”gode”.

8,9 %

55,4 %

35,7 %

0

5

10

15

20

25

30

35

Lite gode Gode Svært gode

Respondentens dataferdigheter


9.2 Deskriptiv statistikk med flere variabler

Som siste del i den beskrivende statistikken skal vi se på forhold mellom flere variabler.

Dette er en måte å vise tendenser på og visualisere forhold. Med bakgrunn i forsknings-

modellen ser vi på følgende forhold.

9.2.1 Variablene kjønn, holdning, og nytteverdi:

Kjønn og holdninger? Kjønn og opplevd nytteverdi?

Kjønn Totalt

Kvinne Mann

Ho

ldn

ing

Negativ 3 0 2 Nøytral 29 36 32 Positiv 68 64 67

Sum % 101 100 101

(n) 35 22 57 Begge tabeller er oppgitt i prosent, n = antall. Tabell 6 Kjønn og holdning Tabell 7 Kjønn og nytteverdi

Figur 20 Kjønn og holdning Figur 21 Kjønn og opplevd nytteverdi

Ser vi på den prosentvise fordelingen innenfor kjønn og holdning ser vi at det er en liten

prosentvis overvekt av kvinner som har en positiv holdning. Ser vi på variablene kjønn og

nytteverdi ser vi at det er en liten prosentvis overvekt av menn som sier at de opplever en

høy nytteverdi. Tabellene viser at det er en svært liten forskjell mellom kjønn og deres svar

på disse to variablene. Dette kan tyde på at variabelen kjønn ikke et har noen betydning for

opplevd nytteverdi.

Kjønn Totalt

Kvinne Mann

Ny

tte

ve

rdi

Helt uenig 0 5 2 Både og 37 27 33 Helt enig 63 68 65

Sum % 100 100 100

(n) 35 22 57


9.2.2 Variablene dataferdigheter og opplevd nytteverdi

Dataferdigheter Totalt

Lite gode Gode Svært gode

Ny

tte

ve

rdi

Helt uenig 0 0 4 2 Både og 0 31 38 34 Helt enig 0 69 58 64

Sum % 100 100 101 100

(n) 0 32 24 56 Tabellen er opp gitt i prosent, n = antall

Tabell 8 Dataferdigheter og nytteverdi

Figur 22 Dataferdigheter og nytteverdi

Ut fra tabellen og figuren ser det ut til at de som har ”gode” dataferdigheter opplever en

høyere nytteverdi enn de som sier at de har svært ”gode” ferdigheter. Dette er et funn vi

skal se nærmere på senere i analysekapittelet.

69 %

31 %

58 %

38 %

4 %


9.2.3 Variablene nytteverdi og holdning

Nytteverdi Totalt

Helt uenig Både og Helt enig

Ho

ldn

ing

Svært negativ 0 5 0 2 Nøytral 100 32 30 31 Svært positiv 0 63 70 67

Sum % 100 100 100 100

(n) 1 19 37 57 Tabellen er opp gitt i prosent, n = antall.

Tabell 9 Krysstabell av nytteverdi og holdning

Figur 23 Nytteverdi og holdning

Her sier 37 av 57 respondenter at de har en høy opplevd nytteverdi. Av disse svarer 70 % at

de også har en positiv holdning. I denne delen av analysen ser det ut til at de med størst

opplevd nytteverdi også svarer at de har en positiv holdning. Det kan tyde på at variabelen

nytteverdi har en effekt på variabelen holdning. Dette er et funn vi skal se nærmere på i den

senere i analysen.

63 %

100 %

70 %

5 %

32 %

30 %


9.2.4 Variablene holdning og intensjoner om bruk

Holdning Totalt

Negativ Nøytral Positiv

Inte

nsj

on

er

Aldri 0 11 3 5 2-3 pr. mnd 100 33 21 26 1 gang pr. uke 0 33 42 39 Flere ganger uke 0 17 32 26 Daglig 0 6 0 2 Flere ganger daglig 0 0 3 2

Sum % 100 100 101 100


Tabell 10 Krysstabell av holdning og intensjoner

Figur 24 Holdning og intensjoner

57 respondenter svarte på dette. 38 av 57 respondentene svarer at de har en positiv

holdning til personverifisering. Av disse vil 77 % bruke en eller flere tjenester minst en gang i

uka. De med positiv holdning er også de som svarer at de ville bruke tjenestene mest.


9.2.5 Variablene opplevde nytteverdi og intensjoner om bruk

Nytteverdi Total

Helt uenig Både og Helt enig

Inte

nsj

on

er

Aldri 0 0 8 5 2-3 pr. mnd 100 16 29 26 1 gang pr. uke 0 42 40 39 Flere ganger uke 0 37 21 26 Daglig 0 0 3 2 Flere ganger daglig 0 5 0 2

Sum % 100 100 101 100


Tabell 11 Nytteverdi og intensjoner

Figur 25 Nytteverdi og intensjoner

Alle respondenter har svart på dette. 38 av de 58 svarer at de ville oppleve en høy nytteverdi

ved bruk av sikker personverifisering. Av disse vil 64 % bruke en eller flere tjenester minst en

gang i uka. De med stor grad av opplevd nytteverdi er også de som svarer at de ville bruke

tjenestene mest. Umiddelbart kan det virke som om nytteverdi påvirker intensjoner. Om det

er en statistisk sammenheng mellom nytteverdi og intensjoner og i hvilken grad nytteverdi

påvirker intensjoner ser vi på senere.


9.2.6 Sammenheng mellom variablene

En måte å avgjøre om det er sammenheng mellom variabler er å benytte seg av kjikvadrat-

test. Dette er en analysemetode som stiller relativt få krav til datamaterialet som skal

analyseres. Kravene som stilles er at utvalget skal være tilfeldig og at antall forventede

frekvenser overstiger fem i alle rutene i kysstabellen. I vår undersøkelse har vi bevisst valgt

ut kurs og tidspunkt for gjennomføring. Dette gjør at utvalget ikke er tilfeldig valgt. Vi kan

velge å se på utvalget tilfeldig da det er tilfeldig hvem som har søkt de forskjellige kursene

(Sørebø, 2010). Vi velger med bakgrunn i dette og betrakte utvalget for tilfeldig. Ved å

gjennomføre kjikvadrattester med utgangspunkt i forskningsmodellen faller alle testene

igjennom, da antall forventede frekvenser i hver rute ikke overstiger fem. Ved å gruppere

måleverdier kan man få flere frekvenser i rutene. Respondentene i vårt utvalg har neste uten

unntak sagt seg enig eller positiv til påstandene i undersøkelsen. Dette resulterer i at

kjikvadrattesten ikke lar seg gjennomføre.


9.3 Vurdering av reliabilitet og validitet

Hensikten med å gjøre en reliabilitetsanalyse og validitetsanalyse er å fange opp feil og

mangler i undersøkelsen. Ved hjelp av validitetsanalyse vil undersøkelsen bli konsistent og

stabil. Etter hvert som reliabiliteten og validiteten blir sjekket vil indikatorer og spørsmål

som ikke oppfyller kravene i de forskjellige testene bli fjernet. Forutsetninger for statistiske

analyser er at utvalget er tilfeldig. For å kunne utføre statistiske tester er vi nødt til å ta den

forutsetningen at utvalget i undersøkelsen er tilfeldig utvalgt og vil dermed tilfredsstille

kravene til enkelte statistiske analyser.

9.3.1 Reliabilitet

Reliabilitetsanalyse av de forskjellige refleksive målemodellene for begrepene nytteverdi,

holdning og dataferdigheter. Formålet med reliabilitetstesting er å kunne si noe om

målemodellen er god, og om modellen kan benyttes som en skala. Reliabilitetsanalysen

måler om det er intern konsistens mellom indikatorene som skal måle begrepet. Tabellen

under viser de forskjellige variabler med tilhørende Cronbach’s Alpha verdier. Resultatet av

en Cronbach’s Alpha analyse påvirkes på to måter, med antall indikatorer og den

gjennomsnittelige korrelasjonen mellom indikatorene. Verdien 0,7 er en grense som normalt

settes som et brukbart nedre nivå for å opprettholde tilfredsstillende reliabilitet (Ringdal,

2009).

Variabelen Antall gjenstående

indikatorer av

variabelen

Cronbach’s

Alpha Verdi

Merknader

Nytteverdi 4 av 5 0,711 Spm 2 er tatt bort Holdning 7 av 7 0,798 Ingen fjernet Dataferdigheter 3 av 5 0,714 Spm 9 - forlesninger eller kurs

på skoler og kurs hos en kurs-leverandør

Tabell 12 Cronbach’s Alpha verdi

Variabelen holdning kan beholdes i sin opprinnelige form, dette har sin grunn i at flere av

indikatorene er brukt i andre undersøkelser og er derfor både godt utprøvde og veletablerte

for å måle begrepet holdning. For variabelen nytteverdi er indikator to fjernet, før fjerningen

var Cronbach’s Alpha på 0,68. Variabelen dataferdigheter fikk fjernet to indikatorer for å

tilfredsstille Cronbach’s Alpha verdi. Dette er i seg selv ikke heldig da spørsmålene ikke

lenger tas med i analysen, men er nødvendighet for at indikatorene skal kun måle begrepet


dataferdighet. Ser vi nærmere på hvilke indikatorer som måtte fjernes dreier de seg om

opplæring på skoler eller kurs. De andre indikatorene dreier seg om selv- læring/evaluering,

etter fjerning av indikatorene står vi igjen med et mål for ferdigheter som dreier seg om

egenvurdering og egenlæring. Før vi fjernet indikatoren var Cronbach’s Alpha på 0,48. Etter

fjerning av indikator 1 økte verdien med 0,08 til 0,56 og etter fjerning av indikator to økte

verdien til det den er nå 0,71.

9.3.1.1 Datainspeksjon

Analysen av skjevhet og spisshet vil gi oss en indikasjon om disse hvilke forhold som er

oppfylt. Regelen er at skjevheten må være < 2 og spissheten < 4. Med skjevhetsmålet

(skewness) og spisshetsmålet (kurtosis) kan vi se om noen av spørsmålene bryter med

forutsetningen til normalfordeling. Det kan vært flere grunner til at forutsetningene ikke

oppfylles, standardavviket kan være for lite, utvalget er for lite eller spørsmålsutformingen

er ikke tilfredsstillende.

Variabelen Antall indikatorer

av variabelen

Skjevhet

(skewness)

Spisshet

(kurtosis)

Merknader

Nytteverdi 4 av 4 Godkjent Godkjent Holdning 6 av 7 Godkjent Underkjent Fjernet indikator positiv Dataferdigheter 2 av 3 Godkjent Underkjent Fjernet spm 8

Tabell 13 Datainspeksjon

Etter gjennomført analyse kan vi se hvilke spørsmål som ikke oppfyller kravene til

normalfordeling. Analysen viser at indikatoren positiv i variabelen holdning og spørsmål 8 må

tas bort for at kravene skal tilfredsstilles.


9.3.2 Begrepsvaliditet

Som en del av analysen har vi å gjøre en konvergent og en divergent faktoranalyse. Disse har

som formål og kontrollere samvariasjon og korrelasjon mellom de forskjellige indikatorene

til begrepene.

9.3.2.1 Konvergent faktoranalyse

Metoden som blir brukt her tester hvorvidt indikatorene vi mener skal definere begrepet

faktisk gjør det. For å oppnå intern konsistent må indikatorene faktisk måler det begrepet

det er ment å måle.

Variabelen Antall indikatorer

av variabelen

Konvergent analyse Merknader

Nytteverdi 4 av 4 Godkjent Holdning 5 av 6 Underkjent Fjernet indikator fire Dataferdigheter 2 av 2 Godkjent

Tabell 14 Konvergent faktoranalyse

Den konvergente faktoranalysen viser at variabelen holdning har en indikator som ikke lader

og derfor foreslås det å lage en ekstra faktor. Etter at indikator fire er fjernet viser en ny

faktoranalyse at de resterende indikatorene måler samme begrep og ladningen deres er

svært tilfredsstillende. Variablene nytteverdi og dataferdigheter har høy ladning på alle

indikatorene og måler hvert sitt begrep.


9.3.2.2 Divergent faktoranalyse

Til slutt gjør vi en divergent faktoranalyse, denne viser i hvilken grad indikatorene til en

faktor måler bare den ene faktoren i forhold til alle de andre faktorene. Dette gjøres på

samme måte som konvergent faktoranalyse, bare at alle indikatorene til faktorene sees i

sammenheng. Dette er den siste sjekken som avdekker om noen av indikatorene måler feil

begrep.

Nytteverdi Holdning Dataferdighet

Nytteverdi spm1 Godkjent(0,7) Nytteverdi spm3 Godkjent(0,6) Underkjent(0,4) Nytteverdi spm4 Godkjent(0,3) Nytteverdi spm5 Godkjent(0,7) Underkjent(0,3) Ferdighet spm1 Godkjent(0,5) Ferdighet spm2 Godkjent(1) Holdning spm2 Godkjent(0,5) Holdning spm3 Godkjent(0,4) Holdning spm5 Godkjent(0,7) Holdning spm6 Godkjent(0,6) Holdning spm7 Godkjent(1)

Tabell 15 Divergent faktoranalyse

Tabellen over viser at alle spørsmålene som er igjen måler begrepene de er tiltenkt. To av

indikatorene faller innenfor to begreper, der indikatoren lader høyest blir den godkjent.

Differansen mellom dem er over 0,1 og indikatoren med minst verdi underkjent. Resultatet

er at alle indikatorene er under det begrepet de er ment til å måle.


9.3.3 Statistisk konklusjonsvaliditet

Hvis det er slik at utvalget ikke er tilfeldig kan man gjøre en resampling av tallmaterialet eller

man kan si at utvalget er populasjonen og dermed si at man har målt alle. Ingen av disse

metodene for å gjøre utvalget tilfeldig passer oppgaven. Kontinuerlige variabler er en

forutsetning for visse statistiske analyser. Ringdal (2009) sier at variablene kan regnes som

dette når skalaen inneholder flere verdier enn fem. Dette betyr at alle våre skaler

tilfredsstiller dette kravet, og det kan dermed gjøres regresjonsanalyse på variablene.

Normalfordeling er et nok et krav som stilles for statistiske analyser. Normalfordelingen

bygger på at gjennomsnittet av et stort antall målinger er ”nesten alltid” normalfordelt

(Hagen, 2008). Det tallmaterialet vi har, er ikke et stort antall målinger, men vi har en

mulighet til å se normalfordeling og spisshet i normalfordelingskurven ved hjelp av

analyseverktøy. Tilfredsstiller tallmaterialet alle de nevnte forutsetninger kan vi gjøre

statistiske analyser på materialet. Når det gjelder generalisering kan vi ikke gjøre dette ut fra

det tallmaterialet som er samlet inn, til det er utvalget for lite. Det er riktig bruk av statistiske

analyser, og er det signifikante korrelasjoner vi finner.

9.4 Hypotesetesting

I dette kapitelet vil vi teste de ulike hypotesene. Det stilles krav til at tallmaterialet antas å

være normalfordelt og målt minst på intervallnivå. I foregående kapittel så vi på dette og

resultatene av testene blir brukt videre i denne delen. Testingen vil skje med utgangspunkt i

forskningsmodellen, og vi vil bruke en regresjonsanalyse som vil belyse sammenhengen

mellom de uavhengige, mellomliggende og den avhengige variabelen. Analysen starter med

å se på sammenheng mellom de mellomliggende variablene mot den avhengige variabelen,

deretter den mellomliggende variabelen mot den andre mellomliggende variabelen og til

slutt forholdet mellom de uavhengige variablene mot de mellomliggende variablene.

Signifikansnivået for testen vil ligge på 10 % nivået grunnet lite utvalg.


9.4.1 H1 og H6

De mellomliggende variablene opplevd nytteverdi og holdninger mot den avhengige

variabelen intensjoner om bruk.

Forklaringskraften i denne delen av modellen er 0,101, og er svak. Ser vi på denne delen av

modellen som en helhet har vi et signifikansnivå på 0,059 og dette indikerer at funnene ikke

er tilfeldige.

Variabler Hypotese Ustandardisert

koeffisient B

Standardisert

koeffisient Beta

Sig. nivå

Opplevd nytteverdi H1 -0,14 -0,16 0,27 Holdning H6 0,41 0,35 0,01

Tabell 16 Hypotese H1 og H6

Hypotese 1: Hvis brukeren opplever høy nytteverdi vil dette ha en positiv effekt på

intensjoner om bruk av personverifisering.

Signifikansnivået er 0,27 og er over av det akseptable 10 % nivået. Tabellen viser videre at

det ikke er en positiv sammenheng mellom nytteverdi og intensjoner om bruk. Vår

undersøkelse gir oss ikke støtte i at høy nytteverdi har en positiv effekt på intensjoner om

bruk. Einarsen og Johnsen (1996), og andre studier viser at det den opplevde nytteverdien er

en avgjørende faktor for bruk. I vårt utvalg har vi funnet det motsatte, men utvalget i vår

undersøkelse er ikke representativt for brukere generelt. Våre funn ved denne hypotesen

sier noe om vårt utvalg og variabelen opplevd nytteverdi bør ha sammenheng med

intensjoner om bruk. Nytteverdi bør absolutt være med i videre forskning.

Hypotese 6: Brukerens holdning har en positiv effekt på intensjoner om bruk av

personverifisering.

Denne hypotesen har et godt signifikansnivå på 0,01 og et positiv stigningsforhold. Dette

gjør at vi kan behold hypotese 6. Respondentenes i undersøkelsens utvalg har en positiv

holdning og dette har positiv effekt på intensjoner til bruk av sikker personverifisering på

Internett.


9.4.2 H2 og H5

Forklaringskraften på de demografiske variablene mot holdning til personverifisering er på

0,134. Dette tallet sier at det 13 % forklaringskraft mellom disse to variablene. Dette er en

lav verdi og dermed har disse variablene en veldig lav forklaringskraft for denne delen av

modellen.

Signifikansnivået for denne delen av forskningsmodellen er 0,150. Dette er ikke tilstrekkelig

signifikant for å forklare variabelen holdning.

Variabel Hypotese Ustandardisert

koeffisient B

Standardisert

koeffisient Beta Sig. nivå

Kjønn H5 -0,301 -0,2 0,155 Alder H5 -0,006 -0,131 0,379 Utdannelse H5 0,47 0,92 0,511 Opplevd nytteverdi H2 0,229 0,277 0,068


Hypotese 2: Hvis brukeren opplever høy nytteverdi vil dette ha en positiv effekt på holdning

til personverifisering

Variabelen nytteverdi har et nivå < 0,10 og et positivt stigningstall dette indikerer at i vårt

utvalg er at de med høy opplev nytteverdi som også har en positiv holdning. Hypotesen vår

kan ikke støttes da det er overhengende sannsynlig at våre funn ikke forklarer variabelen

holdning.

Hypotese 5: Samvarierer en eller flere av de demografiske variablene positivt eller negativt

med holdninger til personverifisering?

Signifikansnivået for de demografiske variablene er > 0,10 og dermed er det en høy

sannsynlighet for at funnene skyldes tilfeldigheter. Vi ser at alder og utdanning har et

signifikansnivå på over 0,38. Dette tyder på funnene har minst 38 % sjanse for at det ikke er

noen sammenheng mellom variablene alder, utdanning og holdning. Ser vi på kjønn har

denne variabelen et signifikansnivå på 0,15, som er over det akseptable på 0,10. Dette betyr

at det er stor sannsynlighet for at det ikke er noen sammenheng i vårt utvalg mellom noen

av de demografiske variablene og opplevd nytteverdi.


Konklusjonen er at med en lav forklaringskraft og et for høyt signifikansnivå er det ikke mye

statistisk holdt i våre funn. Funnene kan imidlertid være en indikator på hva som bør være

med i fremtidige forskningsmodeller på dette området.

9.4.3 H3 og H4

Forklaringskraften denne delen av modellen er 0,145. Dette er en forklaringskraft på litt over

14 % og er svak. Signifikansnivået for denne delen er på 0,118 og er relativ nært kravet på

0,1 og vi velger å betrakte delmodellen som signifikant.

Variabler Ustandardisert

koeffisient B

Standardisert

koeffisient Beta

Sig. nivå

Utdannelse 0,42 0,68 0,628

Alder 0,19 0,368 0,028

Kjønn -0,148 -0,081 0,561

Dataferdigheter 0,001 0,002 0,992


Hypotese 3: Hvis brukeren har gode datateknologiske ferdigheter vil dette ha en positiv

effekt på opplevd nytteverdi av personverifisering.

Variabelen dataferdigheter har et signifikansnivå som er alt for høyt til å kunne brukes. Det

er 99 % sannsynlighet at disse funnene skyldes tilfeldigheter. Denne hypotesen kan

forkastes. Det samme funnet ser vi at Einarsen og Johnsen (1996) har gjort. Ser vi nærmere

på de to indikatorene vi sitter igjen med som skal måle begrepet dataferdigheter ser vi at

disse neppe er en god indikator på begrepet dataferdigheter. Ved videre forskning på dette

området bør man ta i betrakting om denne variabelen skal brukes eller om denne må måles

på en annen måte enn de vi har gjort.

Hypotese 4: Samvarierer en eller flere av de demografiske variablene positivt eller negativt

med opplevd nytteverdi av personverifisering?

Av de demografiske variablene er det bare alder som har et signifikansnivå som er < 0,10.

Denne variabelen har et positivt stigningstall og samvarierer med opplevd nytteverdi. I vår

undersøkelse ser vi at sammenhengen mellom kjønn, utdanning og nytteverdi har en

sannsynlighet på over 56 % for å skyldes tilfeldigheter. Alder har et lavt signifikansnivå og et


positivt stigningstall. Vi ser at alder har en positiv effekt på opplevd nytteverdi. Variabelen

alder bør tas med i videre forskning på dette området. Hypotesen om at alder har en effekt

på variabelen nytteverdi ser ut til å få støtte.


10 Konklusjon

Med utgangspunkt i oppgavens problemstiling har vi har hatt en del tanker om hva som kan

påvirke de enkelte variablene i forskningsmodellen. Disse er blitt formulert som hypoteser.

Under er det en oppsummering av om disse har fått støtte eller ikke.

Hypoteser Støtte/ ikke støtte

H1: Nytteverdi - intensjoner Ikke støtte H2: Nytteverdi - holdning Ikke støtte H3: Ferdigheter – nytteverdi Ikke støtte H4: Demografiske - nytteverdi Støtte på alder H5: Demografiske - holdning Støtte på alder H6: Holdning – intensjoner Støtte

Tabell 19 Konklusjon på hypotesene

Av tabellen ser vi at 3 av 6 hypoteser får støtte etter de statistiske analysene er utført. H4

sier at alder samvarierer positivt med nytteverdi. H5 sier at alder samvarierer negativt med

holdninger. H6 sier at holdninger samvarierer positivt med intensjoner om bruk.

Oppgavens problemstilling om holdninger og intensjoner om bruk kan oppsummeres slik:

Med støtte i H4 og H5 ser vi at alder har en betydning for respondentens holdning, og

opplevd nytteverdi ved sikker personverifisering. Vi ser at holdning også har betydning for

intensjoner om bruk. Undersøkelsen viser at respondentene har en generell positiv holdning

til personverifisering. Videre ser vi at det gjennomsnittlig kun er tre respondenter (5 %) som

ikke ville ha brukt Internettjenestene oppgaven fokuserer på hvis disse hadde mulighet for

sikker personidentifisering. Det er en klar tendens til at utvalget er både er positivt innstilt og

at de fleste kunne tenke seg å bruke mange Internettjenester om disse kunne tilby brukerne

sikker identifisering.

For oppgaven er disse funnene positive fordi vi hadde håp om å finne positive holdninger og

gode intensjoner om bruk av et slikt system. Vi har undersøkt hvilke alternativer det finnes

for å fastslå en persons identitet på Internett. På bakgrunn av dette mener vi at dagens bruk

av et id-kontrollsystem til sikker personidentifisering er en god måte å fastslå personers

identitet på, og at teknologien både er sikker og er brukervennlig. Skulle man bruke funnene

i oppgaven til noe ville de til en viss grad kunne brukes til å argumentere for å innføre sikker


personidentifisering som innloggingsform på langt flere Internettjenester enn det vi finner i

dag. Dette ville blant annet føre til langt færre brukerinnlogginger og bedre personsikkerhet

på Internett for brukerne.

Brorparten av undersøkelsen ble gjennomført ved personligoppmøte med spørreskjema,

resten ble gjennom før ved postlegging. Ser vi på svarprosenten for disse to måtene å

gjennomføre undersøkelsen på er det en helt klar tendens at de steder vi møtte opp

personlig fikk vi en mye høyere svarprosent.

10.1 Svakheter ved oppgaven

Vi vil se litt på de svakheter vi mener oppgaven har. Vi har valgt et tema hvor vi finner lite

forskning, og mye av undersøkelsen dreier seg om en tjeneste få Internettsider tilbyr sine

brukere. Vi har prøvd ut noen indikatorer vi ikke har sett brukt i tidligere forskning på

tilsvarende områder. Dette har vist seg og ikke gi store utslag, men på variabelen ferdigheter

ble nok ikke denne målt på en tilfredsstillende måte. Utprøvingen av indikatorene kan være

en svakhet for reliabiliteten og validiteten i undersøkelsen. Ved at oppgaven handler om en

tjeneste bare enkelte Internettsider tilbyr, har det også vært en utfordring å sette brukeren

inn i problemstillingen på en enkel og lettfattelig måte.

Oppgaven kunne ha valgt et annet utvalg slik at vi kunne trekke paralleller til andre grupper

og generalisere. Utvalget vi sitter med nå gjør at vi verken kan si noe om studenter, senior

brukere eller brukere generelt.

Det er noen begreper i spørreskjema som burde vært operasjonalisert på en litt bedre måte.

Vi har nevnt ferdigheter, og vi ser også problemer med at flere at variablene våre burde vært

operasjonalisert med flere indikatorer slik at målemodellen blir mer robust.

10.2 Videre forskning

Ved videre forskning på dette området ville vi benyttet oss av de signifikante funnene vi har

gjort. I vår undersøkelse er det også gjort funn som ikke er signifikante, men som er det i

andre undersøkelser. Forskningsmodellen burde være tilnærmet slik den fremstår i

rapporten, men med en annen operasjonalisering. Det kunne vært interessant å trekke inn

andre variabler som tillit og brukervennlighet. Det er gjort andre undersøkelser som viser at


det er sammenheng mellom tillit og nytteverdi. At det er en sammenheng mellom

brukervennlighet og intensjoner om bruk er det også undersøkelser som viser.

Utvalget kunne vært et sannsynlighetsutvalg slik at det kunne vært mulig å generalisere

funnene vi har gjort. Dette ville også gjort at kravet om tilfeldighet i utvalget for de

statistiske analysene ville vært oppfylt.

Gjennom arbeidet med oppgaven har vi fått et klarere bilde problemstillingen, og vi ser en

klar tendens til at videre arbeid på området bør dreie seg personsikkerhet på Internett.


11 Litteraturliste

Aronsson Å.(1999): SPSS, En introduksjon til basismodulen. Sverige: Studentlitteraturen.

Bakken. B. J.(2007): Netthandler for 20 milliarder., s.44 Oslo: Dagens Næringsliv

Christensen G. E. (1987): Successful implementations of decision support systems: An

empirical investigation of usage intentions and behavior, Los Angeles: University of

California.

Davis, Fred D. (1989): Perceived Usefulness, Perceived Ease of Use and User Acceptance of

Information Technology, Vol. 13 nr. 3 s. 319-335, MIS Quarterly.

Eikemo, T. A. og Høyvarde T. (2007). Kvantitativ analyse med SPSS. En praktisk innføring i

kvantitative analyseteknikker. Trondheim: Tapir akademisk forlag.

Einarsen, B. R. og johnsen, J. T. (1996): En kartlegging av hvilken betydning

sosialpsykologiske- og kontekstuelle faktorer har for studenters bruk av Internett.

Fishbein M.,Ajzen I. (1975): Beliefs, attitude, intention and behavior: An intodution to theory

and research. Reading MA: Addison – Wesley, Illinois.

Hagen O. H., Øyen H.(2003): Organisasjonstilknytning og læring, Hønefoss: Høgskolen i

Buskerud

Hagen, P. C. (2007): Innføring i sannsynlighetsregning og statistikk, 5. utgave. Oslo : J.W.

Cappelens forlag AS.

Hagen I. H., Smith B. W.(2006):Hvilke faktorer er betydningsfulle for lærernes intensjon om

videre bruk av elektroniske læreverk i undervisningssammenheng, Hønefoss

Hansson K. W.(2002): Statistikk og SPSS, Hønefoss

Haraldsen, G. (1999): Spørreskjemametodikk etter kokebokmetoden, Oslo: Ad Notam

Gyldendal.

Haukeland C. (2007): Tillit og troverdighet på nett, Bergen: Universitetet i Bergen


Idstad O. A., Knudsen J. H. B., Sværi C., Eriksen J. A.(2005): Piratkopiering, Hønefoss:

Høgskolen i Buskerud

Ilstad S. (1989): Survey-metoden s. 48, Tapir forlag

Ing-Long Wu and Jian-Liang Chen (2004): An extension of Trust and TAM model with TPB in

the initial adoption of on-line tax: An empirical study, International Journal of Human-

Computer Studies, Volume 62, Issue 6, June 2005, s. 784-808

Johannessen, A., Tufte P. A. og Kristoffersen L. (2006): Introduksjon til samfunnsvitenskapelig

metode. 3. utgave. Kapitlene 2-5 og 10-18 (280 sider). Oslo: Abstrakt forlag.

Kassarjian og Robertson (1991): Perspectives in consumer behavior. Prentice-hall, Inc. 4

edition. Lutz, The role of attitude theory in marketing s. 317-338.

Moore, G.C. & Benbasat, I. (1991): Development of an Instrument to Measure the

Perceptions of Adopting an Information Technology Innovation, Information Systems

Research(2:3)

Ringdal K.(2001): Enhet og mangfold Bergen: Fagbokforlaget.

Seippel, Ø. (1999). For tall må også fortelles! – om tolkning av kvantitative data. 3:171–188.

Sosiologisk tidsskrift

Sørebø A. M.(2009): En innføring i kvantitativ dataanalyse med SPSS – 16.0, Hønefoss

Thrane, C. (2003): Regresjonsanalyse i praksis. Kristiansand: Høyskoleforlaget


11.1 Internettsider

Retriever research (udatert),[Online søk] Tilgjengelig: https://web.retriever-info.com [2010,

02. Feb.]

Burcher N. (2009, 31. Des.) Facebook usage statistics by country - Dec 31st 2009[online],

Tilgjennelig: http://www.nickburcher.com/2009/12/facebook-usage-statistics-by-

country.html [2010, 20. Mars]

NTB (2010, 13. April) Mange vil slette falske profiler[Online], Tilgjennelig:

http://www.aftenbladet.no/nytte/duppeditt/1188695/Mange_vil_slette_falske_profi

ler.html [2010, 13. April]

Mæland,Kjell(2009, 21. Des) Politi advarer mot Nettby[Online], Tilgjennelig:

http://www.nettavisen.no/nyheter/article2785437.ece, [2010, 27. April]

Norsk samfunnsvitenskapelig datatjeneste(udatert) Studenter fordelt på alder, kjønn[Online

søk], Tilgjennelig:

http://dbh.nsd.uib.no/dbhvev/student/aldersfordeling_rapport.cfm

Statistisk sentralbyrå(2010, 12. April)Norsk mediebarometer[Online], Tilgjennelig:

http://www.ssb.no/emner/07/02/30/medie/sa113/internett.pdf, [2010, 28. April]

Statistisk sentralbyrå(udatert) Tabell: 05810: Folkemengde, etter kjønn og alder[Online søk],

Tilgjennelig:

http://statbank.ssb.no/statistikkbanken/Default_FR.asp?PXSid=0&nvl=true&PLangua

ge=0&tilside=selectvarval/define.asp&Tabellid=05810,[2010, 13. Mars]

Sikker personverifisering

Documents

Transcript of Sikker personverifisering