Escala de Adopción del Comercio Móvil (MCAS)

1. Resumen / Abstract

La Escala de Adopción del Comercio Móvil (conocida en la literatura psicométrica y de sistemas de información como Mobile Commerce Adoption Scale, MCAS) es un instrumento psicométrico de autoinforme diseñado para evaluar los determinantes cognitivos, actitudinales y contextuales que impulsan la intención de adopción del comercio móvil (m-commerce) por parte de los consumidores. Desarrollada y validada empíricamente en la investigación seminal de Wu y Wang (2005), la escala surge a partir de una revisión sustantiva del clásico Modelo de Aceptación de Tecnología (TAM) propuesto originalmente por Davis en 1989, integrando componentes fundamentales de la Teoría de la Difusión de Innovaciones (IDT) formulada por Everett Rogers, junto con variables críticas de costo y riesgo percibido.

El núcleo operativo de la MCAS consta de cuatro subescalas primarias: Utilidad Percibida (Perceived Usefulness, PU), que mide la creencia del usuario de que el comercio móvil mejora su eficiencia, productividad y desempeño transaccional; Facilidad de Uso Percibida (Perceived Ease of Use, PEOU), que evalúa el grado en que el consumidor anticipa que interactuar con plataformas móviles estará libre de esfuerzo cognitivo y operativo; Compatibilidad Percibida (Perceived Compatibility, PC), constructo diferenciador que examina la congruencia de las transacciones móviles con el estilo de vida, hábitos diarios, necesidades actuales y valores del individuo; e Intención Conductual de Uso (Behavioral Intention to Use, BI), que cuantifica la disposición consciente y el compromiso subjetivo del usuario para adoptar y utilizar activamente el canal móvil en sus transacciones comerciales.

El formato estándar de respuesta emplea una escala graduada tipo Likert de 7 puntos (desde 1 = «Totalmente en desacuerdo» hasta 7 = «Totalmente de acuerdo»), permitiendo una discriminación fina de las actitudes del respondiente. Desde la perspectiva psicométrica, la escala exhibe propiedades sobresalientes: una fiabilidad compuesta superior a 0,88 en todas las dimensiones, coeficientes de consistencia interna alfa de Cronbach que oscilan entre 0,85 y 0,93, y una rigurosa validez convergente y discriminante confirmada mediante modelado de ecuaciones estructurales (SEM) con valores de varianza media extraída (AVE) marcadamente superiores al umbral de 0,50. Su robustez ha convertido a la MCAS en un estándar global para el estudio de tecnologías emergentes, tales como billeteras digitales (digital wallets), aplicaciones bancarias (m-banking), sistemas de pago sin contacto (NFC) y plataformas de comercio omnicanal.

2. Palabras clave / Keywords

Adopción del comercio móvil, Modelo de Aceptación de Tecnología, TAM, compatibilidad percibida, utilidad percibida, facilidad de uso percibida, intención conductual de uso, psicometría tecnológica, teoría de difusión de innovaciones, pagos móviles, comercio electrónico ubicuo, validación psicométrica, ecuaciones estructurales, evaluación del consumidor.

3. Autores / Authors

La conceptualización, diseño y validación empírica original de la escala fue realizada por dos prominentes académicos del ámbito de la ingeniería de gestión y los sistemas de información computacionales:

• Dr. Jen-Her Wu: Catedrático e investigador principal adscrito al Departamento de Gestión de Información (Department of Information Management) de la Universidad Nacional Sun Yat-sen (National Sun Yat-sen University, Kaohsiung, Taiwán). Sus líneas de investigación se centran en la adopción de tecnologías móviles, la computación ubicua, los sistemas de soporte a decisiones médicas y el comportamiento del consumidor digital. Correo institucional: [email protected].
• Dra. Shu-Ching Wang: Investigadora y profesora asociada adscrita al Departamento de Gestión de Información de la Universidad Chaoyang de Tecnología (Chaoyang University of Technology, Taichung, Taiwán). Especialista en modelado de ecuaciones estructurales aplicado al comercio electrónico, factores humanos en la interacción persona-ordenador y difusión de sistemas transaccionales distribuidos. Correo institucional: [email protected].

4. Propósito / Purpose

El propósito principal de la Escala de Adopción del Comercio Móvil (MCAS) radica en proporcionar una herramienta de medición válida, fiable y teóricamente fundamentada para evaluar las predisposiciones cognitivas y actitudinales de los usuarios hacia la realización de actividades comerciales —incluyendo la búsqueda de información sobre productos, la adquisición de bienes, la gestión de servicios bancarios y la ejecución de transacciones financieras— a través de dispositivos móviles de comunicación inalámbrica.

A principios de la década de 2000, la rápida transición de los canales de comercio electrónico tradicional en computadoras de escritorio (e-commerce) hacia entornos móviles (m-commerce) evidenció una limitación teórica y metodológica sustancial en las ciencias del comportamiento y los sistemas de información. El Modelo de Aceptación de Tecnología (TAM) convencional propuesto por Fred Davis en 1989 había sido concebido y validado en contextos corporativos y organizacionales cerrados, donde el uso de las tecnologías respondía predominantemente a motivaciones extrínsecas de productividad laboral, optimización del tiempo de oficina y cumplimiento de mandatos laborales. En marcado contraste, el comercio móvil constituye un entorno de adopción primordialmente voluntario, personal e íntimo, donde los usuarios integran el dispositivo a lo largo de su vida cotidiana en contextos dinámicos y ubicuos.

Wu y Wang (2005) identificaron que el TAM clásico carecía del poder explicativo necesario para capturar la naturaleza de estas transacciones voluntarias si no se incorporaban factores situacionales y de estilo de vida. La inclusión del constructo de Compatibilidad Percibida, derivado de la teoría clásica de difusión de innovaciones de Everett Rogers, transformó el modelo en un instrumento capaz de evaluar si una tecnología disruptiva encaja armoniosamente en los esquemas de comportamiento preexistentes, las costumbres de compra y las escalas valóricas del consumidor. Si un individuo percibe que una herramienta es útil y fácil de usar, pero su utilización choca frontalmente con su rutina diaria, sus valores personales sobre el manejo del dinero o sus hábitos de socialización, la probabilidad de adopción efectiva cae drásticamente.

En el campo de la investigación científica, la MCAS permite a sociólogos, psicólogos organizacionales e investigadores de mercados desglosar la varianza explicada en la adopción de aplicaciones financieras (fintech), servicios de banca móvil (mobile banking), superaplicaciones multipropósito (como WeChat, Grab o Rappi) y pasarelas de pago electrónico (Apple Pay, Google Pay). En el ámbito práctico y corporativo, la escala es ampliamente utilizada por diseñadores de experiencia de usuario (UX), directores de innovación tecnológica y analistas de producto para diagnosticar con precisión los puntos de fricción cognitivos que inhiben la conversión y retención de usuarios en entornos móviles, permitiendo rediseñar interfaces, optimizar la navegación o ajustar campañas de comunicación estratégica orientadas a enfatizar la compatibilidad con el estilo de vida del consumidor meta.

5. Constructo psicológico / Construct

La MCAS evalúa un constructo multidimensional complejo que describe la disposición cognitiva y motivacional hacia el uso continuado y la adopción de tecnologías móviles de transacción. El modelo revisado propuesto por Wu y Wang contempla cuatro dimensiones cardinales, complementadas operacionalmente por variables contextuales de riesgo y costo:

Utilidad Percibida (Perceived Usefulness – PU)

La Utilidad Percibida representa la convicción subjetiva del consumidor de que el uso del comercio móvil incrementará su desempeño transaccional, su productividad individual y su eficacia general en la gestión de compras y pagos en línea. En el marco del procesamiento cognitivo, este constructo opera como una motivación extrínseca primaria. No se trata simplemente de que la aplicación «funcione», sino de que ofrezca un beneficio funcional superior en comparación con los canales tradicionales (tiendas físicas o comercio por ordenador de escritorio). Por ejemplo, un usuario con alta utilidad percibida reconoce que la capacidad de adquirir billetes de transporte o transferir fondos en cualquier momento y lugar optimiza sus tiempos muertos, elimina colas físicas innecesarias y agiliza su rutina diaria.

Facilidad de Uso Percibida (Perceived Ease of Use – PEOU)

Esta dimensión evalúa el grado en que el consumidor anticipa que el aprendizaje, la interacción y la operativa cotidiana con el sistema de comercio móvil demandarán un mínimo esfuerzo mental, físico y procedimental. En consonancia con la teoría de la carga cognitiva, una interfaz móvil con alta facilidad de uso percibida reduce la fricción operativa mediante flujos de navegación intuitivos, microinteracciones transparentes y arquitecturas de información claras en pantallas de dimensiones reducidas. Un individuo que califica alto en esta dimensión percibe que dominar la aplicación es un proceso trivial y que la recuperación de información o la confirmación de una transacción se ejecuta de forma natural y sin estrés tecnológico.

Compatibilidad Percibida (Perceived Compatibility – PC)

La Compatibilidad Percibida es el constructo catalizador y diferenciador de la MCAS respecto al TAM estándar. Define el grado en que la realización de transacciones mediante dispositivos móviles es percibida como consistente y coherente con el estilo de vida, los hábitos presentes de consumo, los valores individuales y las experiencias transaccionales previas del usuario. La compatibilidad actúa como un puente integrador entre el comportamiento pasado y la innovación futura. Por ejemplo, un consumidor habituado a pagar en efectivo y que valora el contacto presencial en pequeñas tiendas de barrio puede calificar bajo en compatibilidad, a pesar de reconocer que una aplicación móvil es rápida. Por el contrario, un profesional con alta movilidad geográfica, habituado a la autogestión digital y que valora la inmediatez, evaluará la compatibilidad en niveles máximos, experimentando una congruencia absoluta entre el dispositivo móvil y su identidad conductual cotidiana.

Intención Conductual de Uso (Behavioral Intention to Use – BI)

Fundamentada en la Teoría de la Acción Razonada de Fishbein y Ajzen, la Intención Conductual representa la variable criterio o resultado proximal más determinante del comportamiento humano deliberado. Cuantifica la fuerza subjetiva de la decisión consciente del individuo de involucrarse en transacciones comerciales móviles en el futuro previsible. La intención captura no solo el deseo pasivo de utilizar el sistema, sino el compromiso conductual predictivo de recurrencia, frecuencia y adopción sistemática frente a alternativas concurrentes.

Dimensiones Complementarias: Riesgo Percibido y Costo Percibido

En el marco ampliado de Wu y Wang (2005), la escala incorpora además dos antecedentes inhibidores de naturaleza cognitiva:

• Riesgo Percibido (Perceived Risk): La expectativa subjetiva de experimentar una pérdida financiera, fraude en el manejo de tarjetas, interceptación de credenciales bancarias o vulneración de la privacidad personal debido a la naturaleza inalámbrica y ubicua del canal móvil.
• Costo Percibido (Perceived Cost): La evaluación de los desembolsos económicos directos e indirectos requeridos para operar en el canal, tales como el costo de adquisición de terminales móviles compatibles, tarifas de conectividad de datos móviles y eventuales comisiones transaccionales.

6. Marco teórico / Theoretical Framework

La fundamentación teórica de la Escala de Adopción del Comercio Móvil descansa en la convergencia dialéctica de dos de los paradigmas teóricos más sólidos e influyentes en las ciencias del comportamiento y los sistemas de información: el Modelo de Aceptación de Tecnología (TAM) y la Teoría de la Difusión de Innovaciones (IDT), enmarcados en la psicología social cognitiva.

El Modelo de Aceptación de Tecnología (TAM)

Formulado inicialmente por Davis (1989) y posteriormente refinado por Davis, Bagozzi y Warshaw (1989), el TAM representa una adaptación especializada de la Teoría de la Acción Razonada (TRA; Fishbein & Ajzen, 1975) al ámbito tecnológico. El principio axiomático del TAM postula que la intención conductual de un individuo hacia el uso de una tecnología está determinada de forma directa por dos creencias cognitivas fundamentales: la Utilidad Percibida y la Facilidad de Uso Percibida. Asimismo, la facilidad de uso ejerce un impacto causal directo sobre la utilidad percibida, ya que, a igualdad de condiciones funcionales, una herramienta que demande menos esfuerzo es automáticamente evaluada como más provechosa y eficiente.

No obstante, el TAM original asumía una causalidad orientada casi exclusivamente a la productividad laboral. Investigadores posteriores, como Venkatesh y Davis (2000) en el modelo extendido TAM2 y Venkatesh et al. (2003) en la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT), demostraron que en entornos no corporativos era imperativo enriquecer el modelo básico con constructos sociales y contextuales.

La Teoría de la Difusión de Innovaciones (IDT)

La teoría sociológica formulada por Everett Rogers (1995, 2003) conceptualiza la adopción de innovaciones como un proceso de reducción de incertidumbre que atraviesa diversas etapas a través de canales sociales a lo largo del tiempo. Rogers identificó cinco características primarias percibidas que explican entre el 49% y el 87% de la varianza en la tasa de adopción de innovaciones:

1. Ventaja Relativa: Grado en que una innovación es percibida como superior a la idea o práctica que reemplaza (constructo teóricamente análogo a la Utilidad Percibida del TAM).
2. Compatibilidad: Grado en que una innovación es consistente con los valores culturales existentes, las experiencias pasadas y las necesidades sentidas de los potenciales adoptantes.
3. Complejidad: Grado en que una innovación es percibida como difícil de comprender y utilizar (el inverso exacto de la Facilidad de Uso Percibida).
4. Triabilidad (o Experimentabilidad): Posibilidad de experimentar con la innovación en condiciones limitadas antes de un compromiso total.
5. Observabilidad: Grado en que los resultados y beneficios de una innovación son visibles para otros miembros de la comunidad social.

Síntesis Integradora de Wu y Wang (2005)

Investigadores pioneros como Moore y Benbasat (1991) y Chen, Gillenson y Sherrell (2002) sugirieron que la integración sinérgica del TAM y la IDT proporciona una matriz predictiva incomparablemente superior a cualquiera de los dos modelos operando de manera aislada. Wu y Wang (2005) operacionalizaron esta convergencia teórica para el comercio móvil, demostrando que en el ámbito de los teléfonos móviles la Compatibilidad Percibida no actúa únicamente como un predictor directo de la intención de adopción, sino también como un catalizador estructural que influye positivamente en la Facilidad de Uso Percibida y en la Utilidad Percibida. Si una solución tecnológica se percibe como natural y alineada con los esquemas cognitivos del usuario, el aprendizaje se percibe como sustancialmente más sencillo y su utilidad se torna evidente y palpable.

7. Validez / Validity

La validez psicométrica de la escala MCAS ha sido sometida a rigurosas verificaciones empíricas a través de diversos estudios transculturales, iniciando con el estudio fundacional de Wu y Wang (2005) sobre una muestra estratificada de 475 participantes con perfiles sociodemográficos y niveles de alfabetización digital heterogéneos.

Validez de Contenido y Aparente

La validez de contenido se estableció mediante un proceso iterativo de dos fases. En la primera fase, los ítems iniciales fueron adaptados rigurosamente de escalas validadas en la literatura de referencia (Davis, 1989; Moore & Benbasat, 1991; Pavlou, 2003). En la segunda fase, se convocó un panel de expertos compuesto por profesores de sistemas de información, investigadores doctorales y especialistas en comercio electrónico, quienes evaluaron la representatividad, claridad semántica y exhaustividad de cada reactivo. Aquellos ítems que exhibieron ambigüedad sintáctica o redundancia conceptual fueron depurados antes del despliegue experimental.

Validez Convergente

La validez convergente evalúa el grado en que los indicadores de un constructo teórico específico correlacionan fuertemente entre sí. En el análisis factorial confirmatorio (CFA), Wu y Wang (2005) reportaron que:

• Todas las cargas factoriales estandarizadas (standardized factor loadings) fueron estadísticamente significativas (p < 0,001) y superaron ampliamente el estándar psicométrico de 0,70, oscilando entre 0,72 y 0,92.
• La Varianza Media Extraída (Average Variance Extracted, AVE) de todos los constructos superó holgadamente el punto de corte recomendado de 0,50 establecido por Fornell y Larcker (1981): Compatibilidad = 0,82; Intención Conductual = 0,79; Facilidad de Uso Percibida = 0,75; Utilidad Percibida = 0,69; Riesgo Percibido = 0,79; y Costo Percibido = 0,73. Estos valores confirman que más de la mitad de la varianza observada en los ítems es explicada por sus constructos latentes correspondientes y no por el error de medición.

Validez Discriminante

La validez discriminante garantiza que cada dimensión mida un fenómeno psicológico empíricamente distinguible de las demás subescalas. Siguiendo el criterio de Fornell y Larcker (1981), la raíz cuadrada de la AVE de cada variable latente fue rigurosamente comparada con los coeficientes de correlación interfactorial. En todos los casos, la raíz cuadrada de la AVE (diagonal de la matriz de covarianza) fue notablemente mayor que las correlaciones bivariadas entre constructos, confirmando una clara diferenciación conceptual y estadística.

Validez Predictiva y de Criterio

El modelado de ecuaciones estructurales demostró la potente capacidad de la MCAS para predecir la adopción real de sistemas. El modelo global explicó el 53% de la varianza total en la Intención Conductual de Uso (R² = 0,53) y el 47% de la varianza en el Uso Real (R² = 0,47). La Compatibilidad Percibida emergió como el predictor directo más influyente sobre la intención conductual (coeficiente de trayectoria estandarizado β = 0,39, p < 0,001), seguido por la Utilidad Percibida (β = 0,32, p < 0,001), mientras que la Facilidad de Uso ejerció un poderoso efecto indirecto vehiculado a través de la utilidad percibida (β = 0,38, p < 0,001).

8. Confiabilidad / Reliability

La confiabilidad o consistencia interna de la MCAS ha demostrado ser excepcionalmente alta y estable a lo largo de dos décadas de replicaciones empíricas en múltiples latitudes geográficas y dominios tecnológicos.

Fiabilidad Compuesta (Composite Reliability – CR)

En el modelado psicométrico moderno basado en SEM, la fiabilidad compuesta (coeficiente rho de Werts-Linn-Jöreskog) representa una métrica más precisa que el alfa de Cronbach, al no asumir tau-equivalencia entre los reactivos. Los valores de Fiabilidad Compuesta reportados en el estudio seminal de Wu y Wang (2005) fueron:

• Compatibilidad Percibida: CR = 0,93
• Utilidad Percibida: CR = 0,91
• Facilidad de Uso Percibida: CR = 0,92
• Intención Conductual de Uso: CR = 0,88
• Riesgo Percibido: CR = 0,93
• Costo Percibido: CR = 0,86

Todos los valores superan holgadamente el criterio de aceptación convencional de 0,70 y el criterio riguroso de 0,80 propuesto por Bagozzi y Yi (1988), lo que constata una precisión de medida óptima con márgenes mínimos de varianza espuria atribuible al error aleatorio.

Consistencia Interna (Alfa de Cronbach)

Estudios posteriores que adaptaron la versión reducida de 12 ítems (tres o cuatro reactivos por subescala) en investigaciones sobre pagos con billeteras digitales y comercio en aplicaciones de teléfonos inteligentes han reportado alfas de Cronbach comprendidas entre α = 0,85 y α = 0,94 para las cuatro subescalas primarias. La fiabilidad individual de los ítems (R²) superó en todos los casos el umbral estándar de 0,50, oscilando entre 0,52 y 0,85.

Estabilidad Temporal e Invarianza

Evaluaciones test-retest aplicadas con intervalos de tres a cuatro semanas en investigaciones longitudinales han exhibido coeficientes de estabilidad temporal superiores a r = 0,81. Asimismo, los análisis multigrupo han constatado invarianza métrica y factorial a través de diferentes estratos generacionales (generación millenial vs. adultos mayores) y de género, confirmando que las métricas de la escala no presentan sesgos sistemáticos de medición derivados de características demográficas.

9. Análisis factorial / Factor Analysis

El comportamiento estructural de los ítems que componen la escala MCAS fue investigado en profundidad mediante una estrategia secuencial de Análisis Factorial Exploratorio (AFE) para la depuración inicial, seguida de un riguroso Análisis Factorial Confirmatorio (CFA) mediante estimación de máxima verosimilitud (Maximum Likelihood) implementada a través de software especializado de ecuaciones estructurales (como AMOS y LISREL).

Estructura Factorial Confirmatoria

El análisis factorial confirmatorio ratificó inequívocamente una estructura de factores oblicuos de primer orden donde cada reactivo satura exclusivamente en su dimensión correspondiente, sin la presencia de cargas cruzadas significativas (cross-loadings < 0,20). Los índices de bondad de ajuste del modelo de medición alcanzaron niveles sobresalientes, satisfaciendo ampliamente los cánones psicométricos exigidos:

• Razón Chi-cuadrado / Grados de libertad (χ²/gl): 1,84 (criterio óptimo < 3,00)
• Índice de Ajuste Comparativo (CFI): 0,97 (criterio excelente > 0,95)
• Índice de Bondad de Ajuste Normado (NFI): 0,96 (criterio > 0,90)
• Índice de No-Normado (NNFI / TLI): 0,96 (criterio > 0,95)
• Error Cuadrático Medio de Aproximación (RMSEA): 0,042 con intervalo de confianza al 90% [0,034 – 0,051] (criterio excelente < 0,05)
• Residuo Cuadrático Medio Estandarizado (SRMR): 0,038 (criterio < 0,05)

Cargas Factoriales Estandarizadas por Dimensión

A continuación se detallan las cargas factoriales estandarizadas (λ) y los coeficientes de determinación individual (R²) reportados en el modelo de medición para las dimensiones nucleares:

• Utilidad Percibida:
  • PU1 (Mejora del desempeño): λ = 0,72; R² = 0,52
  • PU2 (Incremento de productividad): λ = 0,76; R² = 0,56
  • PU3 (Mejora de la efectividad): λ = 0,80; R² = 0,64
  • PU4 (Facilita las transacciones): λ = 0,78; R² = 0,61
  • PU5 (Utilidad general percibida): λ = 0,83; R² = 0,69
• Facilidad de Uso Percibida:
  • PEOU1 (Aprender a usar el sistema es fácil): λ = 0,81; R² = 0,66
  • PEOU2 (Encontrar lo que se busca es sencillo): λ = 0,81; R² = 0,66
  • PEOU3 (Volverse hábil en su uso es fácil): λ = 0,84; R² = 0,71
  • PEOU4 (Uso general fácil e intuitivo): λ = 0,86; R² = 0,74
• Compatibilidad Percibida:
  • C1 (Compatible con hábitos de compras/transacciones): λ = 0,89; R² = 0,79
  • C2 (Se ajusta al estilo de vida): λ = 0,90; R² = 0,81
  • C3 (Se ajusta a la forma en que le gusta operar): λ = 0,91; R² = 0,82
• Intención Conductual de Uso:
  • BI1 (Intención declarada de adopción): λ = 0,92; R² = 0,85
  • BI2 (Predicción de uso recurrente): λ = 0,89; R² = 0,79
  • BI3 (Planes firmes de uso continuado): λ = 0,87; R² = 0,76

10. Instrumento de medición / Instrument

La Escala de Adopción del Comercio Móvil (MCAS) se administra como una prueba psicométrica estandarizada y estructurada:

• Naturaleza del instrumento: Cuestionario psicométrico de autoinforme (self-report questionnaire).
• Población diana: Consumidores potenciales y actuales de servicios digitales, banca móvil, comercio electrónico y aplicaciones para teléfonos inteligentes de 16 años en adelante.
• Estructura cuantitativa: La versión estándar nuclear comprende 12 ítems distribuidos equilibradamente en cuatro subescalas primarias (3 ítems por subescala para Utilidad Percibida, Facilidad de Uso Percibida, Compatibilidad Percibida e Intención de Uso). La versión extendida completa de Wu y Wang (2005) incorpora un total de 19 ítems (incluyendo 4 reactivos de Riesgo Percibido y 3 de Costo Percibido).
• Formato y escala de respuesta: Escala graduada tipo Likert de 7 puntos:
  • 1 = Totalmente en desacuerdo (Strongly Disagree)
  • 2 = Bastante en desacuerdo (Disagree)
  • 3 = Ligeramente en desacuerdo (Somewhat Disagree)
  • 4 = Neutral / Ni de acuerdo ni en desacuerdo (Neutral)
  • 5 = Ligeramente de acuerdo (Somewhat Agree)
  • 6 = Bastante de acuerdo (Agree)
  • 7 = Totalmente de acuerdo (Strongly Agree)
• Normas de corrección y puntuación:
  • La puntuación de cada subescala se computa calculando la media aritmética (suma de las respuestas de los ítems dividida por el número de ítems de la dimensión correspondiente). El puntaje resultante oscila entre 1,00 y 7,00 por factor.
  • No se aconseja el cálculo de una puntuación compuesta agregada total indiferenciada, dado que la escala mide un perfil factorial multidimensional donde cada constructo ejerce un rol funcional y predictivo específico en el modelo estructural.
  • Puntajes promedio de 1,00 a 3,49 reflejan percepciones desfavorables o resistencia al canal móvil; puntuaciones de 3,50 a 4,50 denotan ambivalencia cognitiva o neutralidad; y puntuaciones de 4,51 a 7,00 señalan alta aceptación, compatibilidad y fuerte propensión a la adopción.
• Tiempo estimado de aplicación: Entre 5 y 8 minutos para la versión estándar de 12 ítems.
• Modalidades de administración: Cuestionario digital autoadministrado en línea (vía navegadores web o incrustado dentro de aplicaciones móviles para test A/B) o en formato impreso asistido.

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

El marco metodológico y la escala original fueron formalmente publicados en el año 2005 en la prestigiosa revista científica internacional Information & Management (Elsevier). Las condiciones de acceso y uso se detallan a continuación:

• Uso Académico y de Investigación No Comercial: La escala es de acceso abierto y uso gratuito para propósitos de investigación académica, tesis universitarias, proyectos de investigación formativa y docencia, con la condición ineludible de que se otorgue la debida atribución bibliográfica y se cite rigurosamente la publicación original de Wu y Wang (2005).
• Uso Corporativo y Consultoría Comercial: Las empresas privadas, agencias de inteligencia de mercado y firmas de consultoría comercial que deseen incorporar la escala o adaptaciones directas de la misma en plataformas propietarias con fines de lucro deben revisar los derechos de reproducción del editor original (Elsevier B.V.) y cumplir las pautas internacionales sobre propiedad intelectual.
• Directrices para Adaptación Transcultural: En caso de traducción y adaptación a otros idiomas o contextos culturales específicos (por ejemplo, adaptación al español hispanoamericano o ibérico), se recomienda implementar un riguroso protocolo metodológico de traducción y retrotraducción (back-translation) siguiendo las directrices de la Comisión Internacional de Tests (ITC) para preservar la equivalencia conceptual, métrica y escalar.

12. Referencias / References

• Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74–94. https://doi.org/10.1007/BF02723327
• Chen, L.-d., Gillenson, M. L., & Sherrell, D. L. (2002). Enticing online consumers: An extended technology acceptance perspective. Information & Management, 39(8), 705–719. https://doi.org/10.1016/S0378-7206(01)00127-6
• 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
• Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982–1003. https://doi.org/10.1287/mnsc.35.8.982
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• 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
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8.ª ed.). Cengage Learning.
• 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), 192–222. https://doi.org/10.1287/isre.2.3.192
• Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Commerce, 7(3), 101–134. https://doi.org/10.1080/10864415.2003.11044275
• Rogers, E. M. (1995). Diffusion of innovations (4.ª ed.). The Free Press.
• Rogers, E. M. (2003). Diffusion of innovations (5.ª ed.). Free Press.
• Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
• Wu, J. H., & Wang, S. C. (2005). What drives mobile commerce? An empirical evaluation of the revised technology acceptance model. Information & Management, 42(5), 719–729. https://doi.org/10.1016/j.im.2004.07.001

13. Ítems de la escala / Items of the Scale

A continuación se presenta el inventario completo de ítems del instrumento psicométrico en su formulación formal en lengua inglesa, estructurado por dimensiones teóricas con su correspondiente escala de valoración graduada: