Sikker personverifisering
-
Upload
bjorn-e-kjellevoll -
Category
Documents
-
view
1.676 -
download
5
Transcript of 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
Bjercke og Kjellevoll Bacheloroppgave 2010 2
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
Bjercke og Kjellevoll Bacheloroppgave 2010 3
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
Bjercke og Kjellevoll Bacheloroppgave 2010 4
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
Bjercke og Kjellevoll Bacheloroppgave 2010 5
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
Bjercke og Kjellevoll Bacheloroppgave 2010 6
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 11 Opplevd nytteverdi - spørsmål 2 ............................................................................. 35
Figur 12 Opplevd nytteverdi - spørsmål 3 ............................................................................. 36
Figur 13 Opplevd nytteverdi - spørsmål 4 ............................................................................. 36
Figur 14 Opplevd nytteverdi - spørsmål 5 ............................................................................. 37
Figur 15 Intensjoner om bruk - spørsmål 6............................................................................ 38
Figur 16 Respondentens holdning - spørsmål 7 ..................................................................... 39
Figur 17 Respondentens dataferedigheter - spørsmål 8 ........................................................ 40
Figur 18 Respondentens dataferedigheter - spørsmål 8 ........................................................ 41
Figur 19 Respondentens dataferedigheter - spørsmål 8 ........................................................ 42
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
Bjercke og Kjellevoll Bacheloroppgave 2010 7
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 17 Hypotese H2 og H5 ................................................................................................ 55
Tabell 18 Hypotese H3 og H4 ................................................................................................ 56
Tabell 19 Konklusjon på hypotesene ..................................................................................... 58
Bjercke og Kjellevoll Bacheloroppgave 2010 8
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 9
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).
Bjercke og Kjellevoll Bacheloroppgave 2010 10
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 11
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 12
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 13
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
Bjercke og Kjellevoll Bacheloroppgave 2010 14
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
Bjercke og Kjellevoll Bacheloroppgave 2010 15
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 16
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
Bjercke og Kjellevoll Bacheloroppgave 2010 17
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 18
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 19
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 20
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
Bjercke og Kjellevoll Bacheloroppgave 2010 21
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
Bjercke og Kjellevoll Bacheloroppgave 2010 22
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
Bjercke og Kjellevoll Bacheloroppgave 2010 23
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)
Bjercke og Kjellevoll Bacheloroppgave 2010 24
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
Bjercke og Kjellevoll Bacheloroppgave 2010 25
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
Bjercke og Kjellevoll Bacheloroppgave 2010 26
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
Bjercke og Kjellevoll Bacheloroppgave 2010 27
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
Bjercke og Kjellevoll Bacheloroppgave 2010 28
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
Bjercke og Kjellevoll Bacheloroppgave 2010 29
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
Bjercke og Kjellevoll Bacheloroppgave 2010 30
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 31
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”.
Bjercke og Kjellevoll Bacheloroppgave 2010 32
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 33
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 34
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 35
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”
Figur 11 Opplevd nytteverdi - spørsmål 2
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 %
Bjercke og Kjellevoll Bacheloroppgave 2010 36
”Hvis sikker personidentifisering uføres av bare en tjenestetilbyder, som for eksempel
BankID, vil dette sikre at mine personalia ikke havner hos uvedkommende”
Figur 12 Opplevd nytteverdi - spørsmål 3
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”
Figur 13 Opplevd nytteverdi - spørsmål 4
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
Uenig = 5 personer - 8,8 %
Både og = 22 personer - 38,6 %
Enig = 30 personer - 52,6 %
5,9 %
39,1 %
53,4 %
0
5
10
15
20
25
30
35
Gjennomsnitt 4,4
Uenig = 4 personer - 5,9 %
Både og = 23 personer - 39,1 %
Enig = 31 personer - 53,4 %
Bjercke og Kjellevoll Bacheloroppgave 2010 37
”Personidentifisering med brukernavn, passord og kodebrikke er en enkel måte å fastslå
min identitet på Internett”
Figur 14 Opplevd nytteverdi - spørsmål 5
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
Uenig = 3 personer - 5,2 %
Både og = 14 personer - 24,1 %
Enig = 41 personer - 70,1 %
Bjercke og Kjellevoll Bacheloroppgave 2010 38
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
Bjercke og Kjellevoll Bacheloroppgave 2010 39
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 %
Bjercke og Kjellevoll Bacheloroppgave 2010 40
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
Bjercke og Kjellevoll Bacheloroppgave 2010 41
”Hvor mye opplæring har respondentene fått ved..”
Figur 18 Respondentens dataferedigheter - spørsmål 8
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
Bjercke og Kjellevoll Bacheloroppgave 2010 42
”Egenvurderte dataferdigheter”
Figur 19 Respondentens dataferedigheter - spørsmål 8
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
Bjercke og Kjellevoll Bacheloroppgave 2010 43
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
Bjercke og Kjellevoll Bacheloroppgave 2010 44
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 %
Bjercke og Kjellevoll Bacheloroppgave 2010 45
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 %
Bjercke og Kjellevoll Bacheloroppgave 2010 46
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
(n) 1 18 38 57 Tabellen er opp gitt i prosent, n = antall.
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 47
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
(n) 1 19 38 58 Tabellen er opp gitt i prosent, n = antall.
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 48
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 49
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
Bjercke og Kjellevoll Bacheloroppgave 2010 50
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 51
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 52
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 53
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 54
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 55
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
Tabell 17 Hypotese H2 og H5
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 56
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
Tabell 18 Hypotese H3 og H4
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
Bjercke og Kjellevoll Bacheloroppgave 2010 57
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 58
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
Bjercke og Kjellevoll Bacheloroppgave 2010 59
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
Bjercke og Kjellevoll Bacheloroppgave 2010 60
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.
Bjercke og Kjellevoll Bacheloroppgave 2010 61
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
Bjercke og Kjellevoll Bacheloroppgave 2010 62
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
Bjercke og Kjellevoll Bacheloroppgave 2010 63
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]