Escala de Adopción de Aplicaciones Móviles de Viaje (MTAAS)

1. Resumen / Abstract

La Escala de Adopción de Aplicaciones Móviles de Viaje (Mobile Travel App Adoption Scale, MTAAS) es un instrumento psicométrico exhaustivo diseñado para cuantificar, analizar y predecir los determinantes cognitivos, afectivos y motivacionales que condicionan la adopción y el uso continuo de aplicaciones para teléfonos inteligentes en contextos turísticos. Desarrollada en el marco de la investigación sobre el turismo móvil y fundamentada en la extensión del Modelo de Aceptación de Tecnología (TAM) formulado originalmente por Fred Davis, la escala incorpora constructos hedónicos y relacionales esenciales para capturar la naturaleza multidimensional de la experiencia del viajero hiperconectado. La escala evalúa cinco dimensiones primarias: la utilidad percibida (Perceived Usefulness), la facilidad de uso percibida (Perceived Ease of Use), la confianza en las aplicaciones (Trust), el disfrute percibido o motivación hedónica (Perceived Enjoyment) y la intención de adopción continua (Adoption Intention).

El instrumento se administra mediante ítems estructurados en una escala de respuesta tipo Likert de 7 puntos que va desde 1 («Totalmente en desacuerdo») hasta 7 («Totalmente de acuerdo»). Las propiedades psicométricas de la MTAAS han demostrado consistentemente una alta robustez a través de rigurosos análisis factoriales exploratorios y confirmatorios, revelando coeficientes de consistencia interna alfa de Cronbach superiores a 0,80 en todas sus subescalas, así como una validez convergente y discriminante respaldada por varianzas promedio extraídas (AVE) superiores al umbral convencional de 0,50. Su relevancia radica en su capacidad para medir la mediación tecnológica en las tres fases cardinales del ciclo del viaje: la planificación previa al viaje (pre-trip), la navegación e interacción durante la estancia en el destino (in-destination) y la compartición de vivencias y memorias tras el retorno (post-trip). Asimismo, la escala contempla la influencia moderadora de la alfabetización digital y la familiaridad con el destino, consolidándose como una herramienta diagnóstica e investigativa indispensable en la psicología del consumidor turístico y la interacción humano-computadora.

2. Palabras clave / Keywords

Escala de adopción, aplicaciones móviles de viaje, modelo de aceptación de tecnología, turismo inteligente, utilidad percibida, facilidad de uso percibida, confianza digital, motivación hedónica, experiencia turística mediada, psicometría del consumidor, intención de adopción, alfabetización digital.

3. Autores / Authors

La conceptualización teórica de la mediación tecnológica del teléfono inteligente en la experiencia turística y el desarrollo empírico de las escalas de adopción asociadas fueron articulados principalmente por:

• Dan Wang, Ph.D.: Profesora e investigadora en la Escuela de Gestión Hotelera y Turística de The Hong Kong Polytechnic University (Hung Hom, Kowloon, Hong Kong). Especialista en tecnologías de la información y la comunicación en el sector turístico, comportamiento del consumidor digital y movilidad inteligente. Correo electrónico institucional de correspondencia: [email protected].
• Sangwon Park, Ph.D.: Catedrático e investigador en la Escuela de Gestión Hotelera y Turística de Kyung Hee University (Seúl, Corea del Sur). Sus líneas de investigación se centran en el análisis de macrodatos aplicados al turismo, comercio móvil, percepción de riesgo y diseño de servicios inteligentes. Correo electrónico institucional: [email protected].
• Daniel R. Fesenmaier, Ph.D.: Profesor emérito de gestión turística y director fundador de centros de investigación en tecnología de viajes en instituciones como Temple University (Filadelfia, Pensilvania, EE. UU.) y la Universidad de Florida. Pionero internacional en sistemas de recomendación para viajes, informática turística y comportamiento del consumidor mediado por internet. Correo electrónico: [email protected].

4. Propósito / Purpose

El propósito principal de la Escala de Adopción de Aplicaciones Móviles de Viaje (MTAAS) es proporcionar una métrica estandarizada, válida y replicable para evaluar cómo los usuarios evalúan, internalizan e integran las tecnologías de aplicaciones móviles en sus experiencias turísticas. Antes de la proliferación de los teléfonos inteligentes, la interacción del viajero con la información turística era estática, fragmentada y mayoritariamente previa al desplazamiento (guías impresas, mapas físicos, agencias de viaje tradicionales o sitios web de escritorio). Con el advenimiento de los dispositivos móviles ubicuos, el teléfono inteligente se convirtió en un apéndice cognitivo y operativo del turista, capaz de transformar de manera dinámica el itinerario, la toma de decisiones espaciales y la respuesta emocional ante imprevistos. La MTAAS nace de la necesidad de capturar con precisión psicométrica este fenómeno de mediación integral.

Desde el punto de vista de la investigación científica, la escala permite a sociólogos, psicólogos ambientales y académicos de la hospitalidad someter a prueba modelos estructurales complejos sobre el comportamiento tecnológico. Permite determinar, por ejemplo, cómo interactúan las variables instrumentales clásicas —como el ahorro de tiempo en la reserva de vuelos o la optimización de rutas de transporte— con variables afectivas e intrínsecas —como la diversión derivada de explorar recomendaciones gastronómicas locales o la gamificación de la visita a un museo. La escala dilucida los mecanismos psicológicos a través de los cuales las percepciones cognitivas de conveniencia y usabilidad se traducen en un apego conductual hacia herramientas tecnológicas específicas durante el viaje.

En el ámbito aplicado e industrial, la MTAAS ofrece un valor estratégico para diseñadores de experiencia de usuario (UX), desarrolladores de software turístico y organizaciones de gestión de destinos (DMOs). Facilita el diagnóstico de puntos de fricción en la adopción tecnológica: permite discernir si el bajo uso de una aplicación oficial de destino responde a deficiencias en la interfaz visual y la facilidad de navegación (baja usabilidad percibida), a dudas sobre la seguridad de las pasarelas de pago y la privacidad de los datos de geolocalización (déficit de confianza), o a una propuesta de valor utilitaria carente de atractivo lúdico y hedónico.

Asimismo, la justificación teórica del instrumento se apoya en la naturaleza contextual y temporalmente variable de la experiencia del turista. La interacción con una aplicación no ocurre en un entorno estéril de oficina, sino bajo condiciones cambiantes de movilidad física, estrés situacional por desorientación geográfica, barreras lingüísticas y restricciones de conectividad. Por consiguiente, evaluar la intención de adopción mediante una escala diseñada específicamente para el ecosistema móvil de viaje garantiza una mayor validez ecológica en comparación con los instrumentos genéricos de aceptación de tecnologías corporativas o informáticas de escritorio.

5. Constructo psicológico / Construct

La MTAAS conceptualiza la adopción de aplicaciones móviles de viaje como un constructo multidimensional de segundo orden, manifestado a través de subescalas interrelacionadas pero conceptualmente divergentes. Cada una de estas dimensiones representa una faceta psicológica indispensable en la ecología decisoria del usuario:

Utilidad Percibida (Perceived Usefulness)

Definida originalmente por Fred Davis y adaptada al contexto turístico por Wang et al. (2012), la utilidad percibida alude al grado en que el viajero cree subjetivamente que el uso de aplicaciones móviles optimiza la planificación, la eficiencia, la productividad y el control general de su experiencia de viaje. Esta dimensión captura la funcionalidad instrumental de la tecnología. En la fase previa al viaje, se manifiesta en la capacidad para comparar precios de alojamiento, reservar boletos de tren y consolidar itinerarios en una sola interfaz. Durante la estancia en el destino, comprende la resolución inmediata de problemas, como localizar una farmacia de turno, consultar horarios de transporte en tiempo real o recalcular una ruta peatonal ante un corte de calle. Ejemplo de afirmación subyacente: «El uso de aplicaciones de viaje me permite organizar y gestionar mis actividades turísticas con mayor eficacia».

Facilidad de Uso Percibida (Perceived Ease of Use)

Refleja el grado en que el turista anticipa o experimenta que la interacción con la aplicación móvil estará exenta de esfuerzo mental, operativo y psicomotor. Incluye la claridad del diseño instruccional, la intuición de la arquitectura de la información, la legibilidad tipográfica bajo luz solar directa, la velocidad de respuesta táctil y la simplicidad en la introducción de datos en pantallas reducidas. Para un turista en constante movimiento, una aplicación engorrosa o lenta produce sobrecarga cognitiva inmediata, conduciendo al abandono del sistema. Ejemplo de afirmación subyacente: «Aprender a operar las funciones de las aplicaciones de viaje me resulta sencillo y natural».

Confianza Tecnológica (Trust)

La confianza en el ecosistema móvil de viajes es un constructo relacional y de mitigación de riesgo. Se define como la disposición psicológica del usuario a depender de la aplicación móvil ante situaciones de incertidumbre o vulnerabilidad. Abarca tres vertientes esenciales: la integridad de la información (las reseñas de hoteles y atracciones son auténticas y no manipuladas), la seguridad técnica y financiera (los datos de tarjetas de crédito y credenciales bancarias están resguardados contra fraude) y la privacidad de datos espaciales (el rastreo GPS no es utilizado para fines invasivos o ilegítimos). En un destino desconocido, donde el turista carece de redes sociales de apoyo tradicionales, la confianza en la aplicación actúa como un sustituto institucional fundamental. Ejemplo de afirmación: «Confío plenamente en la veracidad de la información y en la seguridad transaccional que me proporcionan las aplicaciones de viaje».

Disfrute Percibido / Dimensión Hedónica (Perceived Enjoyment)

Esta dimensión trasciende la visión puramente utilitaria de los sistemas informáticos al evaluar la motivación intrínseca: el grado en que la propia actividad de usar la aplicación es percibida como placentera, entretenida y estimulante en sí misma, al margen de las consecuencias funcionales que se deriven de su empleo. El turismo es fundamentalmente una actividad hedónica, orientada a la búsqueda de placer, relajación y enriquecimiento personal. Durante la fase de estancia en el destino (in-destination), los turistas utilizan aplicaciones de realidad aumentada, audioguías narrativas, redes sociales fotográficas (como Instagram o mapas interactivos gamificados) para enriquecer su exploración sensorial del entorno. Ejemplo representativo: «Interactuar con las aplicaciones móviles mientras viajo resulta una experiencia divertida y estimulante».

Intención de Adopción Continua (Adoption Intention)

Constituye el constructo dependiente central en la arquitectura del modelo. Evalúa la disposición conativa del viajero para incorporar de manera regular y sostenida las aplicaciones móviles en sus futuros viajes, así como su disposición a recomendarlas activamente a otros viajeros. La intención predice con alta fidelidad el comportamiento efectivo de uso y la lealtad tecnológica del consumidor turístico. Ejemplo: «Tengo la firme intención de continuar utilizando aplicaciones móviles para planificar y orientar mis próximos desplazamientos turísticos».

Factores Moderadores: Alfabetización Digital y Familiaridad con el Destino

La MTAAS contempla que la fuerza de las relaciones estructurales entre estas dimensiones está regulada por dos variables moderadoras cruciales: la alfabetización digital (habilidades tecnológicas previas, autoeficacia informática y familiaridad con el ecosistema de teléfonos inteligentes) y la familiaridad con el destino (el conocimiento geográfico, cultural e idiomático que el viajero posee sobre el lugar visitado). En usuarios novatos o en destinos desconocidos, la utilidad y la confianza cobran un peso desproporcionadamente alto; por el contrario, en destinos familiares o entre usuarios digitalmente avanzados, el disfrute hedónico y la personalización estética devienen los principales predictores de la adopción continua.

6. Marco teórico / Theoretical Framework

La base teórica que sustenta la MTAAS se sitúa en la convergencia de la psicología cognitiva del consumidor, la sociología de la tecnología y las teorías de la interacción humano-computadora (HCI). El andamiaje conceptual principal está constituido por el Modelo de Aceptación de Tecnología (Technology Acceptance Model, TAM), formulado por Davis (1989) a partir de la Teoría de la Acción Razonada (TRA) de Martin Fishbein e Icek Ajzen (1975).

De acuerdo con el TAM original, las creencias cognitivas de un individuo sobre la utilidad percibida y la facilidad de uso percibida determinan su actitud hacia el uso del sistema informático, la cual incide directamente sobre la intención de comportamiento, precediendo al uso fáctico del sistema. No obstante, las aplicaciones empíricas tempranas del TAM se enfocaron de manera predominante en entornos corporativos y organizacionales (como procesadores de texto, hojas de cálculo o software de correo electrónico), donde el uso de la tecnología suele ser obligatorio, estático y de naturaleza estrictamente instrumental y productiva.

En el dominio del turismo y el ocio, el consumo tecnológico es voluntario, afectivo y experiencial. Por esta razón, la MTAAS adopta la Teoría de la Doble Motivación Hedónica y Utilitaria (Babin, Darden y Griffin, 1994; van der Heijden, 2004). Mientras que los sistemas utilitarios buscan brindar un valor instrumental externo al usuario (eficiencia, ahorro de recursos), los sistemas hedónicos buscan proporcionar una experiencia autosuficiente y gratificante durante la interacción directa. Al fusionar la motivación extrínseca (utilidad funcional) con la intrínseca (disfrute percibido), la MTAAS supera el reduccionismo mecanicista del TAM tradicional, ofreciendo un marco robusto y adaptado a las características lúdicas del viaje contemporáneo.

Asimismo, la escala se nutre de la Teoría de la Mediación Tecnológica de la Experiencia Turística formulada por Wang, Park y Fesenmaier (2012). Estos autores postularon que el teléfono inteligente no actúa únicamente como un canal de transmisión de datos pasivo, sino como un mediador activo que reconfigura las dimensiones espacio-temporales del viaje. El dispositivo reestructura las prácticas turísticas mediante tres modos de mediación funcional:

• Mediación Instrumental: facilita la resolución inmediata de problemas logísticos, el acceso a servicios de transporte y la navegación geográfica en tiempo real.
• Mediación Social y Relacional: permite la copresencia virtual, la comunicación sincrónica con comunidades de origen y el intercambio instantáneo de impresiones turísticas a través de redes sociales.
• Mediación Narrativa y Mnemónica: transforma la manera en que los recuerdos turísticos son capturados, catalogados, enriquecidos y revividos mediante fotografías geolocalizadas, notas de voz y bitácoras interactivas.

Adicionalmente, se integra la Teoría de la Confianza en Sistemas Informáticos (McKnight, Choudhury y Kacmar, 2002), la cual establece que en entornos virtuales de alta incertidumbre y distancia física —como ocurre cuando un turista extranjero debe realizar pagos o compartir su ubicación en un destino no familiar—, la confianza en el artefacto tecnológico y en la entidad proveedora constituye un prerrequisito sine qua non para desarmar la resistencia al cambio e impulsar la adopción conductual sostenida.

7. Validez / Validity

El proceso de validación psicométrica de la escala ha seguido directrices metodológicas rigurosas recomendadas por los estándares de la American Psychological Association (APA), contemplando múltiples facetas de validez empírica y conceptual:

Validez de Contenido

La formulación de los ítems iniciales partió de una revisión exhaustiva de la literatura en sistemas de información gerencial, psicología del consumidor y estudios turísticos. Los reactivos fueron sometidos al juicio crítico de paneles de expertos en tecnología turística y psicometría, quienes evaluaron la claridad sintáctica, la pertinencia teórica y la representatividad muestral de cada ítem respecto a su constructo de referencia. Aquellos reactivos con ambigüedad lingüística o solapamiento conceptual fueron depurados o reformulados antes del despliegue en campo.

Validez de Constructo y Convergente

La validez convergente ha sido evaluada mediante modelos de ecuaciones estructurales (SEM) basados tanto en covarianza (CB-SEM) como en mínimos cuadrados parciales (PLS-SEM). Los resultados psicométricos revelan que las cargas factoriales estandarizadas (λ) de todos los ítems sobre sus factores correspondientes son estadísticamente significativas (p < 0,001) y superan ampliamente el umbral recomendado de 0,70 (oscilando entre 0,74 y 0,91). Además, la Varianza Promedio Extraída (Average Variance Extracted, AVE) excede en todas las subescalas el criterio clásico de 0,50 formulado por Fornell y Larcker (1981):

• Utilidad Percibida: AVE ≥ 0,68
• Facilidad de Uso Percibida: AVE ≥ 0,62
• Confianza: AVE ≥ 0,71
• Disfrute Percibido: AVE ≥ 0,69
• Intención de Adopción: AVE ≥ 0,75

Validez Discriminante

Para constatar que cada subescala evalúa un fenómeno psicológico empíricamente diferenciable de los demás, se aplicaron dos metodologías rigurosas:

1. Criterio de Fornell-Larcker: La raíz cuadrada del valor AVE de cada constructo latente resultó ser estrictamente mayor que cualquiera de las correlaciones bivariadas observadas entre dicho constructo y los demás constructos del modelo.
2. Razón Heterorrasgo-Monorrasgo (HTMT): Todos los cocientes HTMT entre pares de factores se ubicaron consistentemente por debajo del valor de corte conservador de 0,85 (Henseler et al., 2015), confirmando una nítida separación psicométrica entre dimensiones teóricas.

Validez de Criterio y Predictiva

La validez predictiva de la MTAAS se refleja en su alta capacidad explicativa sobre la varianza de la intención de adopción continua (R² habitualmente situado entre 0,55 y 0,68 en modelos de regresión y SEM). Los análisis de regresión múltiple y modelado causal demuestran consistentemente que la utilidad percibida constituye el predictor más robusto de la adopción en la fase de planificación previa al viaje, mientras que el disfrute percibido y la facilidad de uso asumen un rol preponderante en la predicción del uso intensivo durante la estancia física en el destino.

8. Confiabilidad / Reliability

La consistencia interna y la estabilidad temporal de la MTAAS han sido respaldadas mediante múltiples índices psicométricos robustos, calculados en muestras heterogéneas de turistas internacionales y domésticos:

Consistencia Interna

Para superar las limitaciones inherentes al coeficiente tradicional de consistencia de un solo parámetro, se reportan tanto el Alfa de Cronbach (α) como la Fiabilidad Compuesta (Composite Reliability, CR o ω de McDonald). Los valores empíricos obtenidos en los estudios de desarrollo y validación cruzada muestran parámetros que sobrepasan con holgura los estándares psicométricos exigidos (α ≥ 0,70 y CR ≥ 0,70):

• Utilidad Percibida: α = 0,89 a 0,92; CR = 0,91
• Facilidad de Uso Percibida: α = 0,85 a 0,88; CR = 0,87
• Confianza Tecnológica: α = 0,88 a 0,93; CR = 0,92
• Disfrute Percibido (Dimensión Hedónica): α = 0,87 a 0,91; CR = 0,89
• Intención de Adopción Continua: α = 0,90 a 0,94; CR = 0,93

Las correlaciones ítem-total corregidas para todos los reactivos superan el umbral mínimo de discriminación de 0,40, situándose en rangos de entre 0,62 y 0,84, lo que indica que ningún reactivo introduce ruido estocástico o distorsión a la medición del constructo latente.

Fiabilidad Test-Retest y Estabilidad Temporal

En estudios longitudinales de panel con intervalos de 4 a 6 semanas entre la fase previa al viaje y la fase post-viaje, los coeficientes de correlación intraclase (CCI) demostraron una estabilidad temporal adecuada para las disposiciones cognitivas generales (CCI > 0,78), mientras que los constructos de disfrute y utilidad mostraron fluctuaciones sensibles al contexto real de la vivencia turística, reflejando tanto la estabilidad del rasgo actitudinal como la sensibilidad del instrumento a los eventos experienciales vividos.

9. Análisis factorial / Factor Analysis

La estructura latente de la MTAAS ha sido sometida a procedimientos estadísticos secuenciales que abarcan el Análisis Factorial Exploratorio (AFE) en fases iniciales de calibración y el Análisis Factorial Confirmatorio (AFC) en muestras independientes para su corroboración métrica:

Análisis Factorial Exploratorio (AFE)

En la etapa exploratoria, las pruebas preliminares de adecuación muestral arrojaron un índice de Kaiser-Meyer-Olkin (KMO) superior a 0,90 y una prueba de esfericidad de Bartlett altamente significativa (χ² con p < 0,001), lo que confirmó la pertinencia de la matriz de datos para la factorización. Se aplicó el método de extracción de Máxima Verosimilitud (o Ejes Principales) acompañado de una rotación oblicua (Promax o Direct Oblimin), justificada por la correlación teórica esperada entre dimensiones cognitivas y afectivas. El criterio de Kaiser (autovalores mayores a 1,0) y el gráfico de sedimentación (scree plot) de Cattell coincidieron inequívocamente en la extracción de una estructura pentafactorial que explicó más del 70% de la varianza acumulada total, sin cargas cruzadas sustanciales (ningún reactivo cargó por encima de 0,30 en un factor secundario).

Análisis Factorial Confirmatorio (AFC)

El modelo de medición pentafactorial de primer orden fue sometido a evaluación mediante AFC utilizando estimadores robustos de Máxima Verosimilitud con corrección de escala (MLR o MLM) para controlar cualquier desviación de la normalidad multivariada. Los índices de bondad de ajuste global obtenidos en los análisis estructurales reportan un ajuste excelente según las recomendaciones de Hu y Bentler (1999):

• Chi-cuadrado / Grados de libertad (χ²/gl): Valores entre 1,65 y 2,40 (por debajo del límite crítico de 3,00)
• Índice de Ajuste Comparativo (CFI): 0,962 – 0,978 (excelente, superior a 0,95)
• Índice de Tucker-Lewis (TLI): 0,954 – 0,971 (superior a 0,95)
• Error Cuadrático Medio de Aproximación (RMSEA): 0,038 – 0,051, con intervalos de confianza del 90% acotados entre 0,028 y 0,060 y un p-close > 0,50
• Residuo Cuadrático Medio Estandarizado (SRMR): 0,035 – 0,042 (óptimo, por debajo de 0,08)

La comparación de este modelo pentafactorial con modelos alternativos (como un modelo unifactorial de factor general o un modelo trifactorial tradicional del TAM sin disfrute ni confianza) evidenció una superioridad estadística contundente del modelo hipotetizado, corroborada mediante pruebas de diferencias en chi-cuadrado (Δχ² significativo con p < 0,001) y menores valores en los Criterios de Información de Akaike (AIC) y Bayesiano (BIC).

10. Instrumento de medición / Instrument

A continuación se detallan las características operativas y los parámetros de administración de la escala:

• Nombre formal del instrumento: Escala de Adopción de Aplicaciones Móviles de Viaje (Mobile Travel App Adoption Scale, MTAAS).
• Tipo de prueba: Instrumento psicométrico de autoinforme (self-report inventory) cuantitativo y estandarizado.
• Población diana: Viajeros de ocio, turistas de negocios y consumidores generales mayores de 18 años con experiencia en el uso de teléfonos inteligentes durante viajes.
• Formato de administración: Individual o colectivo; disponible en modalidad digital en línea (optimizado para navegación web y móvil) o en formato físico de lápiz y papel.
• Tiempo estimado de cumplimentación: Aproximadamente entre 7 y 12 minutos.
• Escala de respuesta: Escala Likert ordinal de 7 puntos con anclajes semánticos simétricos:
  • 1 = Totalmente en desacuerdo (Strongly disagree)
  • 2 = En desacuerdo (Disagree)
  • 3 = Algo en desacuerdo (Somewhat disagree)
  • 4 = Ni de acuerdo ni en desacuerdo / Neutral (Neither agree nor disagree)
  • 5 = Algo de acuerdo (Somewhat agree)
  • 6 = De acuerdo (Agree)
  • 7 = Totalmente de acuerdo (Strongly agree)
• Composición de subescalas del instrumento:
  • Utilidad Percibida (Perceived Usefulness): 4 a 5 ítems que evalúan el incremento de productividad, conveniencia y resolución de problemas durante el viaje.
  • Facilidad de Uso Percibida (Perceived Ease of Use): 4 ítems centrados en la claridad operativa, simplicidad y mínimo esfuerzo mental.
  • Confianza (Trust): 3 a 4 ítems que miden la seguridad transaccional, fiabilidad de reseñas y protección de datos privados.
  • Disfrute Percibido (Perceived Enjoyment): 3 a 4 ítems relativos al placer intrínseco, entretenimiento y estímulo lúdico.
  • Intención de Adopción (Adoption Intention): 3 a 4 ítems que evalúan el compromiso de uso futuro continuado y la disposición a recomendar la aplicación.
• Directrices de puntuación:
  • No se requiere inversión de ítems, ya que todos los enunciados están redactados en sentido positivo directo.
  • Para cada subescala se calcula la media aritmética dividiendo la suma simple de sus ítems correspondientes por el número de reactivos que la componen (rango de 1,00 a 7,00).
  • Se recomienda no calcular una puntuación compuesta global indiscriminada, sino analizar el perfil factorial disgregado para identificar áreas específicas de fortaleza o barreras de usabilidad. Puntuaciones medias inferiores a 4,00 reflejan valoraciones desfavorables; puntuaciones de 4,01 a 5,49 señalan una actitud moderada; y puntuaciones iguales o superiores a 5,50 denotan una aceptación sólida del sistema tecnológico.

11. Permisos, Tarifas y Año del test / Permissions & Fee and Test Year

La génesis de la escala y sus modelos constitutivos sobre la experiencia turística mediada por teléfonos inteligentes fueron publicados formalmente por Wang, Park y Fesenmaier en el año 2012 en el Journal of Travel Research.

En cuanto al régimen de propiedad intelectual y licencias de uso:

• Uso en investigación académica no comercial: La escala, sus constructos derivados y las extensiones psicométricas publicadas en la literatura académica pueden ser utilizados libremente con fines educativos, tesis doctorales e investigación científica sin costo alguno, bajo la condición irrestricta de citar debidamente la autoría original de Wang, Park y Fesenmaier (2012) y las publicaciones metodológicas asociadas.
• Uso comercial y consultoría empresarial: Cualquier implementación de la escala con fines comerciales con fines de lucro, su integración en suites de software comercial propietario o su uso en consultorías corporativas de benchmarking puede requerir acuerdos de licencia específicos o permisos explícitos de los autores y de las editoriales titulares de los derechos de publicación (como SAGE Publications).
• Tarifas: El instrumento no conlleva tarifas por administración para investigadores universitarios ni instituciones científicas sin fines de lucro.

12. Referencias / References

A continuación se relacionan las referencias bibliográficas fundamentales en formato APA 7ma edición correspondientes al cuerpo teórico y psicométrico del instrumento:

• Ajzen, I., & Fishbein, M. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• Babin, B. J., Darden, W. R., & Griffin, M. (1994). Work and/or fun: Measuring hedonic and utilitarian shopping value. Journal of Consumer Research, 20(4), 644–656. https://doi.org/10.1086/209376
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: An integrative typology. Information Systems Research, 13(3), 334–359. https://doi.org/10.1287/isre.13.3.334.81
• Park, S., & Tussyadiah, I. P. (2017). Multidimensional facets of perceived risk in mobile travel booking. Journal of Travel Research, 56(7), 854–867. https://doi.org/10.1177/0047287516675062
• van der Heijden, H. (2004). User acceptance of hedonic information systems. MIS Quarterly, 28(4), 695–704. https://doi.org/10.2307/25148660
• Wang, D., Park, S., & Fesenmaier, D. R. (2012). The role of smartphones in mediating the touristic experience. Journal of Travel Research, 51(4), 371–387. https://doi.org/10.1177/0047287511426341
• Wang, D., Xiang, Z., & Fesenmaier, D. R. (2016). Smartphone use in everyday life and travel. Journal of Travel Research, 55(1), 52–63. https://doi.org/10.1177/0047287514535847

13. Ítems de la escala / Items of the Scale