技术行为变化对人员安全意图的调解：理论框架下的危机与数据洞察力

International Journal of Information Management Data Insights 2（2022）100137技术行为变化对人员安全意图的调解：理论框架中的危机。Saba Ali Nasira，Ali Ausafb，Zuguang Shic，Ziting Hed，Ammar Yasirea中国合肥科技大学b中国安徽合肥安徽大学商学院c中国安徽省芜湖市安徽师范大学d安徽大学互联网学院，安徽合肥230009合肥科技大学管理学院，安徽合肥230009aRT i cL e i nf o保留字：技术和行为变化社交媒体趋势健康焦虑个人安全意图a b sTR a cT在S-O-R（stimulus-organism-response）理论框架下，研究了发达国家保障人身安全意图的技术和行为变化。COVID-19危机是否让场景感受到了富人社会的差异很少有研究关注由于20世纪和数据洞察力激增而导致的与技术相关的行为采用随机抽样技术分析了580名个体的数据。首先，P.L.S.（偏最小二乘法）分析证明，休闲、健康焦虑相关的信息流，尤其是新的社交媒体趋势，对技术和行为变化产生了实质性影响。统计结果，包括时间序列和相关性的结果，更侧重于在中国的人员安全的意图。基于个人的历史数据证明，即使到2022年，数据使用意图也会发生巨大变化。因此，有史以来第一次的初步研究结果将在信息管理方面打开一个新的窗口1. 介绍先进的数据盛宴和技术相关的行为变化，对于危机中的人身安全，特别是对于寻求混合发展的政府和企业来说，是未来的核心关注点。近几十年来，技术进步得到了迅速改善，并以不同的方式应用于我们的日常生活中;沟通健康的改善，如社交距离、呆在家里和戴口罩是积极的反应 （Mohamed Ridhwan Hargreaves ，2021 ） 。 仅 仅因 为 COVID- 19（2019年冠状病毒病）扰乱了许多国家经济的旅游业（Liu et al.，2022年）。技术和行为变化的这种广泛趋势可能是个人行为变化的机会，也是增加在线平台然而，卫生领域的挑战也有所增加。早些时候，70%的死亡是由不同的慢性疾病引起的，因为慢性疾病是世界范围内死亡的主要原因（Yusuf等人，2020年）。但是已经发现了新的疾病和病毒安全协议，例如冠状病毒（COVID-19）爆发（Yasir等人，2020年）。因此，个人安全意识对促进健康至关重要。在21世纪，技术对个人的影响是巨大的，主要是移动技术。比如大数据科学*通讯作者。电子邮件地址：aliausaf@stu.ahu.edu.cn（A. Ausaf）。https://doi.org/10.1016/j.jjimei.2022.100137为合规性问题提供了准确性和速度（Unhelkar等人，2022年）。新技术根据个人喜好提供足够的营养（Wongvibulsin等人，2019）（Spanakis等人，2016）使用算法和技术力量。技术变化可以刺激在线个人改变关于技术使用的集体行动，并作为负责任的个人层面的安全意图。最终，这些反应可以引导社会发生积极的变化，或者为个人提供条件，并有利于技术采用行为的增长和个人安全意图的可能动机。本研究主要探讨个人安全意图是如何被中介的由技术和行为的变化，由于技术的进步和设施。许多因素可能导致健康焦虑增加 个人，如社会媒体上的趋势，即，每日更新和新闻可以改善个人对安全问题的关注。它可能会促使个人进行人身保护。根据自我决定理论（DeciRyan，2008），它可以增加或减少这些动机。在特殊情况下，如流行病，个人的休闲时间可能会受到技术的影响。最近，（Verma等人，2022）激发了关于技术相关行为的研究问题，因为大数据和智能手机正在改变虚拟旅游和用户体验。由于封锁，基于技术的应用程序可能会阻止个人外出野餐或旅行，限制他们使用技术的时间，因为基于人工智能的技术进步了60%（Herath &米塔尔，2022年）。接收日期：2022年6月29日;接收日期：2022年11月1日;接受日期：2022年11月1日2667-0968/© 2022作者。由Elsevier Ltd.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表国际信息管理数据见解期刊主页：www.elsevier.com/locate/jjimeiS.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001372关于技术导致的行为变化的研究数据仍然有限。这项研究通过揭示2022年技术将塑造未来和个人安全的事实，为技术信息的接受和使用危机做出了积极贡献。社交媒体应用程序是健康技术的主要来源之一，ing Information（Reveilhac Blanchard，2022）.研究贡献的另一个角度是使用用户评论识别在线用户关于人员安全意图的行为变化，最近由Kar Dwivedi提出的文本挖掘，2020年。在当前流行病形势下，越来越丰富的跟踪数据为信息系统提供了机会（Berente等人，2018年）。现代研究也证实了消费者和公司基础设施的行为挑战（Gandhi Kar，2022）。因此，在社交媒体上分享的趋势和信息可以增强个人安全意图。上述文献激励我们对这些问题进行RQ1：危机是否带来了与技术相关的行为变化？RQ2：社交媒体趋势和健康焦虑是否有影响个人安全的意图吗RQ3：与技术相关的行为变化如何积极影响人员的安全意图？接下来的部分结构如下;在第2中，我们提供了理论背景，即，S.O.R模型第三部分在文献回顾的基础上提出了概念研究模型和假设发展。研究方法见第4节。数据分析和结果见第5节，包括Smart PLS-SEM（用于分析的软件）。在第6节中，我们讨论了我们的结果。结论见第7。2. 理论建模2.1. S-O-R模型对刺激-机体-反应模型的研究揭示了技术和行为意图的作用，但对个体水平安全意图的研究存在空白。S.O.R.已经应用于社交媒体和互动的数据科学（Hewei& Youngsook，2022），社交媒体和品牌社区（Kamboj等人，2018）用于媒体丰富性（Zhao et al.，2020），以及大流行中的健康信息和意图（Song et al.，2021年）。至于感觉，如（Sun et al.，2021）提到，“愉快的觉醒。“基于上述最新的研究发现，我们将此模型扩展至危机和数据洞察作为信息库。因为任何人都能感受到2022年信息使用的激增。正如Mehrabian和Russell在他们的初步研究中提到的那样，该理论提供了刺激的基础。这种“刺激”会影响学习或知识过程中的某些东西，称为“有机体”，这将导致“反应”场景的最终效果。在他们之后，我们将技术和行为改变作为一个有机体，如（Yasir，Hu，Yang等人，2022）利用驾驶员的行为变化作为一个有机体，一个重要的角色，所以我们把它当成了调解人了解IV（自变量）对DV（因变量）的具体间接本研究的重点是理论为基础的目标，以回应“个人的安全意图。“根据作者的信息，这是有史以来第一次研究。值得注意的是，对技术的环境关注是健康焦虑、休闲时间，在中国，“新的社交媒体趋势;在理论上，我们将其称为刺激因素（图1）。与S.O.R相比，另一位研究人员（Irfan等人，2021年）使用了计划行为理论。3. 概念模型和假设发展3.1. 健康焦虑健康焦虑被描述为不确定性和对健康问题的担忧，这些问题可能会导致检查，信息，寻求有关健康状况的信息，在互联网上搜索疾病的体征和症状，以及逃避与健康有关的刺激（精神障碍诊断和统计手册：DSM-5 TM 2013）。因此，社交媒体是年轻一代福利的优先事项（Sharma等人，2022年）。每个人对健康的焦虑表现出不同的方式.例如，由于疾病风险，健康焦虑可能使某人不那么社交（Mortensen et al.，2010年）。在流行病期间，由于新冠肺炎的威胁，旅行受到限制（莫兰，吴，例如，2021年）。许多人由于健康焦虑而减少了他们的随意性欲望。许多研究人员支持这一点，即由于对疾病的焦虑，对身体关系的态度较低（Moran，Kerry等人，2021年）。我们的研究重点是健康焦虑是否会导致更多地使用技术和行为改变，这可以增强他们的安全意图。有健康焦虑和担忧的个人更有可能使用技术来收集信息并与医生在线联系（Onyeaka等人， 2020年）。这些概念引导我们提出这样一个命题，即健康焦虑可能会对个人生活中的技术和行为变化产生积极影响。这意味着健康焦虑可能会促使个体寻求信息，使用技术和改变他们的行为，以避免疾病，这表明他们的安全意图增强。因此，我们假设H1a：健康焦虑影响技术和行为变化。H1b：健康焦虑影响个人安全意图。3.2. 闲暇时间休闲时间塑造了个人的体验和与积极情绪的关系（例如，享受，成功，和一种技能）来获得新的知识（Folta等人，2022年）。焦虑和孤独调节休闲活动和认知功能（Li et al.， 2021年）。为了评估休闲时间和个人体验，我们使用了时间频率、休闲兴趣和数字休闲等边缘特征。我们的研究整理了这些因素。在最近的危机中，技术改变了人们如何度过闲暇时间。 例如，在线不良反应导致破坏性行为（Behera等人，2022年）。几十年来，技术一直是一个热点问题。但是，如何大流行，特别是锁定最大时间使用社交媒体信息，我们探讨了休闲时间，对数字休闲的兴趣，以及最大限度地参与在线休闲活动。在我们的研究中，我们已经检查了闲暇时间和技术相关的行为变化之间的相关关系。最后，休闲时间对个人安全意愿的正、负影响关系 在个人层面上。因此，这两个假设需要得到证实。H2a：休闲时间影响技术和行为变化。H2b：休闲时间影响个人安全意图。3.3. 社交媒体新趋势如今，人们从社交媒体获得健康信息，因此社交媒体正在成为健康信 息 的 关 键 来 源 （ Polansky et al. ， 2018 年 ） 。 正 如（Reveilhac&Blanchard，2022）所述，社交媒体应用程序是最方便和最合适的健康信息来源。因此，我们的研究强调并关注公民在社交媒体上的健康实践（Lupton，2012）。人们采用新的选择作为替代，例如，电动自行车（Yasir，Hu，Ahmad等，2022年）。在这项研究中，我们试图找到社交媒体应用程序对行为变化和信息寻求的影响（Koteyko等人，2015年）。为此，人们倾向于关注社交媒体，即，微信和微博，获取最新健康资讯。因此，我们假设H3a：新的社交媒体趋势影响技术和行为变化。H3b：新的社交媒体趋势影响个人安全意图S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001373Fig. 1. 概念研究模型。3.4. 调解：技术和行为变化如上所述，健康焦虑，休闲时间和社交媒体趋势影响个人安全意图。然而，由于技术和行为的变化，这种影响可能会增加。 新技术可以激励个人增强他们的健康状况，改善他们的生活方式，并使人们能够自我控制他们的健康问题（Spanakis等人，2016年），使各种技术（阿赫桑&Sid-dique，2022年）。例如，人们可以获得有关大流行病例地区的信息，或获得有关任何风险因素的知识，从而激励他们使用技术在家工作。技术创新将帮助人们管理他们的问题，并在未来几十年内参与健康的生活方式（Dunton等人，2009）对IT工作的大量需求（Koch等人，2021年）。信息技术可以使卫生服务立足于社区和个人层面，使居民增加健康知识，降低健康焦虑。它使他们能够以不同和安全的方式改善他们的休闲时间（Schulz等人，2014）（Büschel等人，2014），这可能导致获得更健康的生活方式（van Gemert-Pijnen等人，2011年）。上述概念和想法促使我们假设，H4：技术和行为变化影响人身安全。H5a：技术和行为变化介导健康焦虑和个人安全意图之间的关系。H5b：技术和行为变化调节休闲时间和个人安全意图之间的关系。H5c：技术和行为变化调节了新的社交媒体趋势和个人安全意图之间的关系。4. 研究方法4.1. 数据收集数据收集和样本信息在疫情中处于不利地位;向所有成员建立保费审查。收集了600名成员的数据。只有580个有效样本被纳入数据库。我们排除了20名未填写的个人的信息 在正确的。参与者4.2. 规模发展图2显示了从表2所示的先前研究中采用和修改的调查项目。表1人口统计数据。组频率百分比%性别男性32956.72%女性25143.27%婚姻状况结婚168百分之二十八点九六未婚35961.89%离婚53百分之九点三一年龄未满18488.27%18-3030156.37%30-4014224.48%40-50518.79%高于50386.55%5. 数据分析和结果2013年后，智能PLS-SEM（偏最小二乘结构方程模型）在各种研究中的使用显著增加（Scherer，2005）。混合方法分析最大限度地减少了对研究结果（Patton，2002），在我们的研究中，我们也使用了不同的方法。特别是在基于具有许多变量的概念研究模型的管理研究中（Joseph F Hair等人，2012），PLS-SEM的使用已经增加。此外，PLS-SEM技术已被大量用于基于理论和调查的研究（J。 Hair等人，2017年）。除此之外，以往的研究表明，这种技术已广泛应用于许多管理部门由于技术和行为变化的研究没有得到学者们对健康焦虑的关注，现有文献没有充分解释与技术、健康焦虑和社交媒体趋势相关的行为变化因此，我们在最近的研究中应用了这种令人兴奋的PLS-SEM技术，以检查变量的直接和间接效应（中介）（Joseph F Hair等人， 2012年）。我们通过发现变量的相关性来检查偏倚;非相关性高于0.90，这表明没有偏倚（Wang，2019）。随后（Yasir，Hu，Yang等人，2022）建议，我们也确认了相关业务检查的HTMT测试。5.1. 废词微软的办公室有一个“power BI”软件来分析定性的单词，特别是趋势。所以，关于讨论的大数据或由我们分析的用户参数 Adikari等人， 2021年，“检测公众情绪”。 （Huang等人，S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001374表2规模的措施图2. 具有测量项目的概念模型。变量项目源健康焦虑HA1：不确定性HA2：健康重点HA3：世界（Verkijika De Wet，2019）闲暇时间LT1：时频LT2：休闲兴趣LT3：数字休闲（Chamarro等人，（2021年）社交媒体新趋势NSMT 1：每日更新NSMT 2：微信/微博趋势NSMT 3：安全性更新（Mody等人，2020年）技术和行为变化TBC1：感受变革TBC2：技术文化TBC3：技术和优先事项（Marcus等人， 1992），（ROLLNICK等人，1992年），个人安全意图PSI1：电子设备变更PSI2：生命护理PSI3：个人卫生（Verkijika De Wet，2019）2022）使用这种技术进行在线评论。图3显示了原始数据的结果。5.2. 测量模型评估我们测试了复合信度（CR）和判别效度，以检查测量模型评估（J。Henseler等人，2015年）。为了测量判别有效性，我们比较变量并计算AVE的平方根（提取的平均方差）（J.Henseler，Ringle等人，2016）。因子载荷值> 0.70（Joe FHair等人，2011年）。提取的平均方差（AVE）值必须高于0.5（Chin，2010）。同样，复合可靠性（CR）应大于0.7（J. Henseler，Ringle等人，2016），并且rho应高于0.7（J. Henseler，Hubona等人， 2016）。表3中给出了用于测量模型评估的所有这些值，包括外载荷、α、Rho、CR和AVE的值。 表4显示了判别效度。5.3. 结构模型评估采用4000个重采样的Bootstrapping技术，通过测量t值和置信区间来测量我们的概念研究模型中变量之间的假想关系。之前的一项研究（Streukens Leroi-Werelds，2016）表明，自举重新采样可以在500到5000之间使用bootstrapping是用来检查incon的。数据的不一致性和不规则性，以找出统计不一致性，以及它是一种非参数估计方法，用于检验近似精度。然而，（Efron Tibshirani，1994）规定在自举中使用至少1000个或更多的重新采样。只有当变量之间的直接效应显著时，才能发现中介作用。我们研究的变量之间的即时效应如图4所示。直接效应和t值以及f2见表5。分析表明变量间存在显著的直接效应。特别是新的社交媒体趋势对个人安全意图表现出强烈的直接影响。 如图4 和表5 所示 ，变量之 间的关 系得到了 支持（Leguina ，2015），除了休闲时间与技术和行为变化之间的直接关系假说之外。我们测量置信区间以找出路径系数。它们得到支持，因为置信区间中不包括零值（J. Henseler，Ringle，et al.，2016）。模型拟合标准在标准化均方根残差（SRMR）中用于PLS-SEM路径建模。我们通过计算不同的标准值（如NFI、NNFI、RM- SEA）以及NFI、NNFI和CFI中SRMR值≥0. 95指定最可接受的拟合）来衡量模型的拟合度。RMSEA和SRMR根据数值进行了重大调整<0.06（Byrne，2013年a）。SRMR和RMSEA的截尾值分别为0.08和0.06，被认为是完美模型拟合的最佳值。根据一些作者的说法，如果SRMR为零，则它显示出理想拟合;然而，根据S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001375表3量表的信度和效度图三. 大数据WordCloud变量项目外装阿尔法RhoCRAve健康焦虑HA1：不确定性HA2：健康重点HA3：世界0.8220.8070.8380.7620.7670.8620.676闲暇时间LT1：时频LT2：休闲兴趣LT3：数字休闲0.7640.8150.7760.6930.6980.8280.617社交媒体新趋势NSMT 1：每日更新NSMT 2：微信/微博趋势NSMT 3：安全性更新0.8420.7910.7280.6950.7040.8310.622技术和行为变化TBC1：感受变化TBC2：技术文化TBC3：技术和优先事项0.9190.8980.8670.8750.8750.9230.801个人安全意图PSI2：生活护理PSI3：个人卫生0.9290.9500.9390.9330.9360.9570.882见图4。结构化模型评估（软件E X X）。S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001376表4判别有效性。HALtNSMTPSITBCHA0.822Lt0.8040.785NSMT0.7710.7490.789PSI0.7080.7000.7350.939TBC0.7010.6780.7830.6910.895注：粗体值显示AVE的平方根。它必须高于其列中的值（Byrne，2013 b），如果SRMR的值小于0.05，则也表明满意的模型。我们通过检查决定系数R2来检查我们的研究模型自变量对因变量的影响也有显著性，R2是一个非常重要的影响因素。R2也可用于检查对未来结果的预测，或者也可用于基于给定信息对假设进行调查。因此，R2提供了测量结果并解释了结果的敏感性（HooperD &Mullen，2008）。研究人员还可以使用智能PLS-SEM来确定其概念研究模型的预测能力。（Joseph F Hair等人，2012年）。R2的值可以从0到1不等;因此，较高的值表示最佳的解释能力。如果R2的值为0.75，则显示出显著的描述能力，同样，中度和弱度分别为0.50和0.25（Rigdon，2012）。 与CB-SEM相比，PLS-SEM对模型的依赖性更小拟合（Sarstedt等人，2016）。如Joseph F Hair等人所建议的，2012年）， 使用R2，效应大小（f2）中的调整，RMSEA的截尾值≤0. 08，最终表明因变量对自变量的效应大小是可以接受的。5.4. 电子尺寸如果自变量是因变量，则它可以是强效应、中介效应或弱效应。我们使用f2来检查这个输出大小。我们使用蒙眼技术来测量我们的概念模型的力量和科恩此外，它还可以计算局部效应大小，将多变量模型回归与单变量进行比较（Selya等人， 2012年）。Q2表示预测相关性;如果Q2的值大于0，它显示了研究模型的良好预测（Cohen，1962）。在这项研究中，我们试图关注样本内预测;显著预测Q2也被认为是计算预测相关性的标准，而不仅仅是关注R2（Cohen，1962）。最终评价和评定包括R2、Q2和f2，它们是重要的决定性因素。除了此评估外，还应评估内部模型以发现共线性问题。如果变量相互关联，则认为内部模型的结果存在偏倚（Aguinis等人，2016）。R2度量预测精度。它还定义了表5结构模型评估。表6评价大小和预测相关性。因变量Q2R2自变量F2TBC0.5070.641HA0.0240.012NSMT0.312PSI0.5400.621HA0.0260.033NSMT0.057注意事项：HA、LT、NSMT、TBC和PSI分别表示健康焦虑、休闲时间、新的社交媒体趋势、技术和行为变化以及个人安全意图。自变量对因变量。它的值可以从0到1变化。表6显示了Q2、R2和f2的值。对于每个路径模型，我们测量f2来测量效应大小。在从研究模型中删除一个变量后，我们在不改变R2的情况下测量了Cohen在偏最小二乘结构方程中，有两种路径模型来测量f2f2的标准值可用于确定被移除变量对因变量的效应大小。f 2的标准值分别为0.02、0.15和0.35弱、中等和强效应大小（Aguinis等人， 2016）。上述讨论支持了我们的研究变量和中介。5.5. 调解测验对于关于技术和行为变化的中介测试，我们应用了Nitzl等人推荐的流行新技术， 2017年）。以下方程式显示独立变量对因变量的特定间接效应及总效应。此外，我们还计算了介导效应（F）的大小或水平。Hair Jr等人，2014年）。VAF用于中介检验;它意味着要考虑方差。它以百分比显示中介量值，中介强度（VAF）=特定间接效应/总效应检查• H5a=健康焦虑→技术和行为变化→个人安全意愿/总安全意愿[0.105/0.286= 36.7133%]• H5 b= 休闲时间→技术和行为变化→个人安全意图/总效果[0.021/0.227= 9.2511%]• H5c =新社会媒体趋势→技术和- - 口头改变→个人安全意图/总意图[0.046/0.34 = 13.5294%]在高 级水 平上 ，（ Mehmood 等人 ，2018 ） 和（ Yasir 等人 ，2020）使用这种技术进行多个调解效果。但我们只使用了一个单一的中介效应。6. 讨论数据洞察和技术相关的行为变化为公司业务、政府管理技术和个人层面的考虑带来了基于数字的规划创新机会。行为变化需要从关系直接发射t值决定F2百分之二点五百分之九十七点五H1aHA→TBC0.173米2.782接受0.0240.0380.301H1bHA→PSI0.187米2.391接受0.0260.0350.340H2aLT→TBC0.119米1.720支持数量0.012-0.0150.253H2bLT→PSI0.202米3.127接受0.0330.0750.327H3aNSMT→TBC0.560磅10.757接受0.3120.4580.660H3bNSMT→PSI0.281米3.805接受0.0570.1280.433H4TBC→PSI0.202米3.544接受0.0390.0650.312注意事项：重要性水平（p价值观）∗∗∗意味p <0.005 =意义重大，∗∗平均p 0.05=中度显著，平均p 0.5=不显著。S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001377用户的观点。本研究考察了危机如何在反映个人行为变化的背景下塑造个人行为意图的激励因素。6.1. 文学贡献S.O.R.基于理论扩展的三角形方法技术与基于新颖性的研究差距对在关于定量数据的统计方法的透镜中准备的初级和次级数据集进行分析，例如，P.L.S.基于危机情景下政府和公司的拟议商业相关机会之间的关系。与S.O.R.相比沙特阿拉伯使用的是公认的模型（Al-Mamary，2022年）。定性分析一直落后于S.N.S.的二手数据。（社交网络服务）的微博和朋友圈的用户谁参加了试点研究分析发布的帖子。第三个分析基于大数据和单词报废，证明了一些有趣的，有意义的方向，为公司和政府最大限度地控制和实施新的目标。调查结果证实，新的社交媒体趋势积极促进技术和行为变化（���= 0.560，p <0.5），与（Neogi et al.，2021年）社交媒体呈指数级增长。第二个显著影响是社交媒体新趋势对个人安全意图的影响（p=0.281，p 0.5）。第三个显著影响是休闲时间对个人安全意图的影响，P=0.202，p 0.5。令人惊讶和有趣的是，技术和行为变化对个人安全意图的影响���达到了0.202。领导者的知识和社会自我意识解决方案（Tiwari Raman，2022）。而与技术相关的行为变化的互动与健康焦虑的关系更为显著，对个人安全意图的间接影响为36.7133%。就像在危机期间，大量在线用户讨论了在全球封锁危机下应对与个人安全意图相关的风险。最近的研究人员认为，基于健康相关威胁和更美好社会应对方案的技术采用差异，例如，在中国和发达国家的相关社区中没有病例。同样，对于技术使用的新奇性，研究结果表明，健康焦虑促进了技术和安全意图的行为。因此，2022年有关新病例或安全相关趋势的健康焦虑、休闲时间和社交媒体趋势减轻了由于个人安全意识增强而造成的威胁。此外，关于技术角色的行为变化的中介机制，特别是从危机管理的角度来看，在累积关系中，例如，与VAF的特定间接效应。技术，计算为特定的间接效应除以总效应，即对技术和行为变化的健康焦虑对个人安全意图的影响是一个特殊的间接效应（=0.105），这些变量的总效应为0.286。 因此，这些关系的特异性间接效应/总效应（0.105/0.286=36.7133%）。由于p值显著（p= 0.005），强有力且非常有效。然而，休闲时间与技术和行为变化的关系在特定间接效应中对个人安全意图的影响是（ε=0.021，特定间接效应），总效应ε=0.227，这一研究结果不支持V.A.F.。 值，例如（H5b的VAF=9.2511%， H5c的VAF =13.5294%）。6.2. 实际影响这项研究鼓励企业利用这个机会的基础上的框架的行为变化，可以涉及最大的客户有更多的点击和客户参与的危机.例如，（Kumar等人， 2021）社交媒体分析为风险管理提供了缓解。进一步的实际和管理影响是：(i)实体旅游公司必须开放数字版本，以提高客户数量和易用性。（二）公司应（3）休闲时间的增加带来了行为的改变，因此公司应该在这个时间打开更多的营销广告，因此在线购买并获得送货上门，以方便客户。(iv)结果证明，技术和卫生观念的变化带来了个人卫生习惯的变化，或者说，如果药店和政府关注安全相关产品，则远程医疗的新采用将最大化。(v)如果新病例不断增加，政府不仅要关注信息流，还要改变行为，特别是技术行为，比如推动企业在网上购物时打折等，以及免税送货上门。(vi)对于乡村或欠发达城市的个人，政府应该鼓励他们将休闲时间与行为改变和安全意图联系起来。(vii)休闲时间强化了个人安全意识;组织的管理应在大流行期间和之后利用技术改善个人安全意识和卫生环境。（viii）新的社交媒体趋势带来技术和行为变化;公司应利用社交媒体平台鼓励客户使用其产品和技术，特别是热门趋势。（iX）购物商场的活动可透过推广网上购物应用吸引新顾客，并鼓励 利用技术来获得更多的好处。6.3. 局限性和未来研究共同研究的见解推进技术和信息文献，公司和规划部门的理解，不仅在Covid-19危机，但可持续的未来技术为基础的行为变化。例如，COVID-19对相关经济部门的影响不同（M. Henseler等人，2022年）。更具体地说， 和基于物理距离的休闲变化，健康焦虑，例如，作为解决方案的口腔改变（Yasir，Hu，Yang等，2022），而具有个人安全意图的新趋势正在塑造未来基于技术的机会。7. 结论研究结果强调了在危机中数据使用激增的情况下，强烈调解技术和行为变化的重要性。所提出的S-O-R理论模型为新媒体趋势、休闲随时间的变化以及因Covid-19和健康焦虑激励而产生的数字休闲兴趣的刺激提供了证据，以最大限度地使用技术。为此，以下（Hanaysha，2022）感知相关性和交互性影响购买决策，可用于了解数字旅游和在线用户。此外，这项研究证实，技术相关的个人使用和危机相关的健康焦虑和社交媒体使用激增引起的感觉。 这项研究解决了用户的技术使用行为的变化，带来个人层面的人员安全意图的知识之间的差距。用户获得与数字休闲，媒体趋势和健康焦虑刺激相关的危机相关行为的原因是，由于不确定性相关的不适随着暴露而减少（Arend，2022）。总体而言，该研究通过揭示2022年技术将塑造未来和个人安全事实的真相，对技术信息的接受和使用做出了积极贡献。研究发现中出现的一个重要问题是，基于最初的大流行刺激，营销、商业、安全和旅游趋势是否可能与技术相关的行为变化有关。在过去，（Dwibedy，2022）确认非正式竞争会影响转型中的创新。竞争利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。S.A. Nasir，A.Ausaf，Z.Shi等人International Journal of Information Management Data Insights 2（2022）1001378CRediT作者贡献声明萨巴·阿里·纳西尔：概念化，写作-阿里·奥萨夫：概念化，写作-史祖光：调查，资料整理，写作何紫婷：调查，数据整理。AmmarYasir：软件，验证，形式分析，写作资金Ammar Yasir获得教育部人文社会科学研究项目资助[项目编号：16YJA630017和72171067]。致谢所有作者感谢尊敬的编辑和匿名审稿人的宝贵编辑和改进指导。引用Adikari，A.，Burnett，D.，Sedera，D.，de Silva，D.，&Alahakoon，D.（2021年）。开放式创新的价值共同创造：使用机器学习的社交媒体数据驱动范式的循证研究。International Journal of Information Management Data Insights ， 1 （ 2 ） ， Article100022. 10.1016/j.jjimei.2021.100022。Aguinis，H.，爱德华兹，J.R.，&Bradley，K. J.（2016）。提高我们对战略管理研究中的适度和中介的理解。 Organizational ResearchMethods，20（4），665-685.10.1177/1094428115627498。阿赫桑，M。M.，&Siddique，Z.（2022年）。工业4.0在医疗保健中的应用：系统性综述。International Journal of Information Management Data Insights，2（1），Article100079. 10.1016/j.jjimei.2022.100079。Al-Mamary，Y. H. S.（2022年）。为什么学生采用和使用学习管理系统？：来自沙特阿拉 伯 的 见 解 。 International Journal of Information Management Data Insights ， 2（2），Article 100088. 10.1016/j.jjimei.2022.100088。阿伦德河J.（2022）。不确定性水平和类型对潜在的企业家和其他人有何影响。Journalof Business Venturing Insights，18，e00327. 10.1016/j.jbvi.2022.e00327。贝赫拉河K.，巴拉，P.K.，Rana，N. P.，&卡亚尔湾（2022年）。COVID-19期间的自我宣传和网上羞辱：A到X的组合。国际信息杂志管理数据洞察，2（2），第100117条。10.1016/j.jjimei.2022.100117。Berente，N.，Seidel，S.，&Safadi，H.（2018年）。研究评论-数据驱动的计算密集型理论发展。InformationSystemsResearch，30（1），50-64.10.1287/isre.2018.0774。比舍尔岛迈赫迪河，Cammilleri，A.，Marzouki，Y.，&埃尔格湾（2014年）。在数字欧洲保护人类健康和安全：如何应对Science and Engineering Ethics，20（3），639-658. 10.1007 /s11948-013-9511-y。拜恩湾M.（2013年a）。EQS结构方程建模：基本概念、应用和编程。我是说，拜恩湾M. （2013年b）。用LISREL、PRELIS和SIMPLIS进行结构方程建模：基本概念、应用和编程。北京大学出版社.Chamarro，A.，Cobo-Benita，J.，&Amo，M. D. H.（2021年）。走向可持续旅游发展在一个成熟的目的地：测量多组之间的不变性re-idents和游客可持续旅游杂志，0（0），1-18。10.1080/09669582.2020.1870988。Chin，W. W. （2010年）。 偏最小二乘法手册：概念，方法和应用。V. Esposito-Vinzi，W. W. Chin，J. Henseler，&H. Wang（eds.）; pp. 655-690.施普林格柏林海德堡。10.1007/978- 3-540-32827-8_29Cohen，J.（1962）. 异常社会心理学研究的统计力量：审查. The Journal of Abnormaland Social Psychology，65（3），145-153. 10.1037/h0045186。Deci，E. L.，&赖安河M.（2008年）。自我决定理论：人类动机、发展和健康的宏观理论 。 CanadianPsychology/PsychologiePsychienne ， 49 （ 3 ） ， 182-185.10.1037 /a0012801。精神障碍诊断和统计手册：DSM-5 TM。（2013年）。精神障碍诊断和TM（第5版）。美国精神病学出版公司10.1176 /appi.books.9780890425596.邓顿湾F.、Atienza，A. A.、卡斯特罗角M.，&King，A. C.（2009年）。使用生态运动评