ISResearch

技術受容モデル（TAM）に基づくエージェントベースモデル。個人エージェントが相互作用しながら技術を採用していく過程をシミュレーションします。技術受容モデル（TAM）に基づくエージェントベースモデル。

View your interactive simulation

🎮 シミュレーションの特徴

TAM理論の実装要素

1. 知覚された有用性（PU）
   • 各エージェントが個別のPU閾値を持つ
   • ネットワーク効果により動的に変化
2. 知覚された使いやすさ（PEOU）
   • 技術の複雑性を反映
   • 社会的学習により改善
3. 社会的影響（TAM2要素）
   • 近隣エージェントの採用が影響
   • 観察可能な採用行動のモデル化

エージェントの行動ロジック

状態遷移

• 未認知（灰色）：技術を知らない
• 検討中（黄色）：技術評価中
• 採用（青色）：技術を採用
• 拒否（赤色）：技術を拒否
• イノベーター（緑色）：初期採用者

採用決定メカニズム

採用意図 = PU × 0.6 + PEOU × 0.4 + 社会的影響 + 個人の革新性

主要パラメータ

1. 技術の有用性（0-100）
   • 仕事の生産性向上への貢献度
2. 技術の使いやすさ（0-100）
   • 学習の容易さ、操作の直感性
3. 社会的影響力（0-100）
   • 周囲の採用が個人に与える影響
4. イノベーター比率（1-20%）
   • Rogers拡散理論の初期採用者

観察可能な現象

S字カーブ

• 典型的なイノベーション拡散曲線
• 初期の緩やかな成長→急速な普及→飽和

ネットワーク効果

• 採用者クラスターの形成
• 影響範囲の可視化（青い円）

臨界質量

• 一定の採用者数を超えると急速に拡散
• 社会的影響力パラメータで調整可能

理論的示唆

1. 技術特性の重要性
   • PUが高くてもPEOUが低いと拡散が遅い
   • 両者のバランスが重要
2. 社会的文脈
   • 個人の意思決定は社会的に埋め込まれている
   • ローカルな相互作用がグローバルな拡散パターンを生成
3. 個人差の影響
   • 革新性の分布が拡散速度に影響
   • 異質性がロバストな拡散を促進

実験シナリオ例

1. 高PU・低PEOU：複雑だが有用な技術（例：初期のERP）
2. 低PU・高PEOU：使いやすいが価値不明な技術（例：初期のSNS）
3. 高社会的影響：ネットワーク効果が強い技術（例：メッセージングアプリ）

このシミュレーションは、TAM理論を動的かつインタラクティブに理解するための教育ツールとして、また技術導入戦略の検討ツールとして活用できます。