高齡社會造成國家生產力降低、醫療及照護的支出增加。國家未來人口的結構無法改變，卻可利用智慧手錶可有效的監控日常及運動的生理指數了解健康狀況，進而增加規律運動機率來有效促進健康，但銀髪族對於科技產品的接受度低。本研究在探討個人因素、環境因素及運動動機因素對智慧手錶的使用意願及服務付費意願是否有顯者影響，找出最關鍵的因素。

　　本研究採問卷調查法可探討多個不同的變因，採非隨機的便利抽樣。調查方式以線上問卷配合用LINE群組發放來鎖定手機使用及上網群組，智慧手錶要充份發揮其價值，必需要搭配智慧手機及行動上網，數據需要手機的APP來做有效的分析及全盤的檢視。 將收集回來的有效資料606份，以SPSS 進行統計分析，研究結論如下: (1) 同時影響智慧手錶使用意願及服務付費意願，最關鍵的3項因素分別是享樂動機、社群投入及價格價值；(2)、社群投入(LINE)列為關鍵因素，透過虛擬社群進行口碑傳播是可行的；(3)推出智慧手錶雲端「服務付費」時，以「壓力與情緒管理」為運動動機的群組付費意願最大，而46-65歲這個群族是最需要關注的，20年之後台灣65歲以上老人預估將超過600萬，45-65歲即是未來20年的高齡潛在對象；(4)「外表與健康管理」的運動動機對「服務付費意向」卻呈現負向的顯著影響。智慧手錶要推出雲端付費的服務，應以「壓力與情緒管理」為運動動機的群組為主，避免以「外表與健康管理」為運動動機的群組為訴求。

Aged society have led to lower national productivity and increased spending on health care. The structure of the country's future population cannot be changed, but smartwatch can effectively monitor the daily and exercise physiological indexes to understand the health status, thereby increasing the regular exercise rate to effectively promote health, but the aged people have low acceptance of technology products. This study explores whether personal factors, environmental factors, and sport motivational factors have a significant impact on the behavioral intention of smartwatch and the intention of pay for cloud services, and identify the most critical factors.

This study adopts a questionnaire survey method to explore a number of different variables, using non-random convenience sampling. The survey method uses online questionnaires to use LINE group distribution to lock mobile phone usage and Internet groups. In order to fully utilize its value, smartwatch need to be fully equipped with smartphones and mobile Internet access. Data needs mobile phone APP for effective analysis and overall analysis. 606 copies of valid data will be collected and analyzed by SPSS Statistical tool.

The conclusions are as follows: (1) The three most important factors affecting the behavioral intention of smartphones and the intention to pay for services are the Hedonic Motivation, Social Engagement (LINE intensity) and Price Value; (2) Social Engagement (LINE) is listed as a key factor, word-of-mouth communication through virtual community is feasible; (3) When the smartwatch "Cloud Service Payment" is launched, the group with the motivation of "stress and emotion management" is the most willing to pay, and the group of 46-65 years old is the most concerned. After 20 years, the number of elderly people aged 65 and over in Taiwan is estimated to exceed 6 million. 45-65 years old is the potential target for the next 20 years; (4) The motivation of “External and Health Management” has a negative impact on the “intention of pay for service”. For smartwatch to launch cloud-paid services, the group should focus on “stress and emotion management” as the motivation of sports, avoiding groups with “external and health management” as the motivation of sports.

論文摘要 　I
ABSTRACT II
誌謝 　　　III
目錄 　　　V
圖目錄 　　VIII
表目錄 　　IX

第一章 緒論 10
　第1節 研究背景與動機 10
　　一、 研究背景 10
　　二、 研究動機 13
　第2節 研究目的 14
　第3節 研究問題 15
　第4節 研究流程 17
　第5節 研究貢獻 18
　　一、 理論貢獻 18
　　二、 實務貢獻 18

第二章 文獻回顧 19
　第1節 智慧型穿戴式裝置/智慧手錶：發展及採用動機 19
　　一、 穿戴式裝置與智慧手錶 20
　　二、 感測器與其應用原理 21
　　三、 雲端運算 23
　　四、 健康管理 25
　　五、 智慧手錶的雲端健康管理平台 26
　第2節 延伸科技接受與使用理論：UTAUT2理論 29
　第3節 個人因素 33
　　一、 自我效能 33
　　二、 享樂動機 33
　　三、 價格價值 34
　第4節 環境因素 35
　　四、 社群投入 35
　　五、 社會影響 35
　　六、 便利條件 36
　第5節 運動動機 37
　　七、 壓力情緒管理 38
　　八、 社會人際關係 38
　　九、 外表與健康管理 39
　第6節 依變項與控制因素 40
　　十、 使用意願 40
　　十一、 服務付費意願 40
　　十二、 控制因素 40
　第7節 研究問題與假設 43
　　一、 研究推論 43
　　二、 研究假設 46
　第8節 研究架構 48

第三章 研究方法 49
　第1節 研究樣本與施測程序 49
　　一、 研究對象與抽樣方法 49
　　二、 研究情境 50
　第2節 受試者描述與量測工具 50
　　一、 測量工具 53
　第3節 資料分析 58

第四章 研究結果 59
　第1節 研究變項現況相關性分析 59
　第2節 假說驗證 61
　第3節 使用意願 (Behavioral Intention) 63
　第4節 服務付費意願 (Intention to Pay for Service) 65
　第5節 使用意願與服務付費意願比較結果 67

第五章 結論與建議 68
　第1節 研究結論 68
　第2節 理論與實務貢獻 71
　　一、 理論貢獻 71
　　二、 實務貢獻 71
　第3節 研究限制與未來研究 72

參考文獻 75
一、 中文文獻 75
二、 英文文獻 80

附錄 85
正式問卷 86

一、 中文文獻
1. 國家發展委員會，2016，「中華民國人口推估（2018至2065年）」報告。
2. 智榮基金會-龍吟研論，2017，「樂樂活大家講—未來長者生活需求大調查」，動員 79,441 人成功 填答，其中 50 歲以上填答者達 36,032 人，而 70 歲以上填答者達 4,030 人， 全數經由網路填答此份問卷。http://ccc.stansfoundation.org/?p=4505
3. 王冠今，2009，台灣社區老人的健康行爲及其相關因素研究，健康促進暨衛生教育雜誌，29期，2009_12。
4. 黃美涓，2008，智慧型高齡者照護設備科技接受問卷之內容效度－以“互動式隨身照護手錶”為例，台灣職能治療研究與實務，2008 4(2)。
5. 陳右怡，2014，，穿戴式裝置人機介面挑大樑，新電子科技雜誌，新電子特刊，28-31。
6. 吳思穎，周學雯，2016，穿戴式裝置應用於運動訓練之探討－以GPS 智慧運動錶為例，中華體育季刊，第30卷第1 期，39～48頁 (2016. 3.)。
7. 拓墣產業研究所，2013，Google Glass、Smartwatch 將掀起智慧穿戴式裝置科技革命，臺灣：拓墣產業研究所。
8. 林士強，2014，智慧手機後另一波科技大戰再起：淺談「穿戴式裝置」。北美智權報，106。
9. 林世嵩，2015，利用穿戴式裝置評估使用者於運動中之體能狀態 (未出版碩士論文)，國立臺灣大學。
10. 侯傳方、相子元 ，2011，國家運動訓練中心運動科研之規劃，國民體育季刊，166，40(2)。
11. 姜依帆、徐業良，2015，以加速規為核心發展穿戴式裝置個人生活型態模式分析技術，福祉科技與服務管理學刊，3(3)，361-362。
12. 相子元、石又、何金山，2012，感測科技於運動健康科學之應用。體育學報，45(1)，1-12。
13. 陳光宗、施致平，2014。科技接受模式於體育運動之應用探討。中華體育季刊，28(3)，187-194。
14. 劉麗惠，2013。科技上身　現代生活更智慧-穿戴式科技夯 引爆台廠商機。貿易雜誌，265，54-57。
15. 孫傳峯，2015，探討民眾使用穿戴式裝置管理個人健康之行為意圖 (未出版碩士論文)。國立中正大學。
16. 徐書芬，2015，智慧穿戴式手錶應用在身體活動測量之研究，南華大學資管所碩士論文。
17. 王秀芬，2015，應用智慧手環於健康管理使用動機與滿意度之研究，南華大學資管所碩士論文。
18. 莊雅嵐、韓豐年，2015，雲端健康管理結合穿戴式裝置之使用者行為研究。中華印刷科技年報，103-110。
19. 蕭新榮,江文德,吳旻寰， 2019，個人化活動指標載具應用於提升高齡者運動量之研究分析, 臺大體育學報, 第36 輯，27-41頁。
20. 劉政修，2015，穿戴式智慧裝置購買意願之研究- 以Smart Watch為例，逢甲大學。
21. 丁煥智，2011，以資訊科技結合健身器材與健康管理之研究。國立政治大學商學院經營管理碩士學程全球企業家班碩士論文，台北。
22. 尤嫣嫣，2002，大學生體型及其身體意象相關因素之研究－以中原大學新生為例。國立臺灣師範大學衛生教育研究所博士論文，未出版，台北。
23. 朱近之，2010，智慧的雲端運算。台北：博碩資訊。
24. 蔡一郎，2010，雲端運算與雲端安全架構，資訊安全通訊 ； 16卷4期 (2010 / 10 / 01) ， P84 – 93。
25. 朱曉萍、賴明豐等，2012，政府機關資訊通報第 291 期。
26. 王玉潔 (2010/12/6). 「雲端運算是什麼?『平台即服務』資料通通丟上網」,電子商務時報。
27. 江柏風。穿戴式裝置引領PCB 技術向上提升。工業材料雜誌。No.331。121-128。
28. 李明恕，2010。嘉義縣國中體育班學生就讀動機、學習滿意度與升學意向之研究。國立臺灣體育運動大學未出版碩士論文，臺中市。
29. 鄭雅文、王顯智(2004)，健康管理學術研究趨勢分析，大專體育，73，113-119。
30. 蔣明富(2008)，居家遠距照護-分析一個新的商業模式，國立台灣大學高階公共管理組碩士論文。
31. 鄭淼生(1994)，旅客滿意因素分析之研究-以台鐵台汽旅客為例，國立交通大學管理科學研究所碩士論文。
32. 蕭世平、王顯智(2003) ，美國健康管理之健康風險評估介紹，大專體育，65，96-102。
33. 李選、張婷，2010，上班族的健康管理，研習論壇月刊，第110 期，p1-10。
34. 皮世明、許通安、范錚強，2001。影響資訊系統服務品質的因素研究。資訊管理研究期刊，第三卷第一期。
35. 陳弘仁。迎向智慧穿戴科技的大未來。微系統暨奈米科技協會會刊。No.31。17-21。
36. 賴森堂，2016，強化健身手環的銀髮族健康管理App之規劃與設計，電腦稽核期刊，No.33，2016/01，116-128。
37. 陳純美，2004。大學網站服務品質問卷之發展。
38. 林欣姿，2018，2030科技大趨勢／搶攻樂齡照護商機 科技讓生活更Smart，工研院IEK 《工業技術與資訊》2018/12 月刊。
39. 何俊隆，2010，運用網路社群進行口碑傳播接受程度之研究-以Facebook使用者為例，淡江大學。
40. 工業技術與資訊月刊，2014，高齡化社會來臨 如何以科技共創快樂生活?，276期2014年10月號。
41. 蕭文龍, 2018, 統計分析入門與應用 : SPSS中文版 + SmartPLS 3(PLS-SEM)第二版，碁峰。
42. 陳新豐，2015，量化資料分析 : SPSS與EXCEL，五南。
43. 周俊，2015，問卷資料分析 : 破解SPSS的六類分析思路，博碩出版 。
44. 吳明隆，2006，SPSS統計應用學習實務 : 問卷分析與應用統計，易習圖書出版。
45. 段起祥，2012，臺灣製造業對ERP系統採用行為之研究：UTAUT與TTF整合模式，長榮大學。
46. 楊美雪，廖桂英，2013，影響家長採用電子童書意願之探討, 數位學習科技期刊第5卷第4期, 2013年10月，67-88。
47. 數位學習科技期刊 5卷4期 ( 2013/10) , 67-88。
48. 費雪曼 (Fishman, Ted C.)，2011，當世界又老又窮 : 全人口老化大衝擊， 生活‧讀書‧新知三聯書店 。
49. 陳亮恭，2015，2025無齡世代 : 迎接你我的超高齡社會，天下生活 。
50. 駱紳、朱迺欣、曾思瑜、劉豊志，2012，創齡 : 銀色風暴來襲，立緒出版社。
51. 彭明輝，2017，研究生完全求生手冊：方法、秘訣、潛規則，聯經出版公司。
52. 陳鶴齡，2017，中高齡者對智慧穿戴裝置在健康管理運用的使用需求情形之研究， 經國管理暨健康學院。
53. 王國興，2018，台灣高齡社會老人住的需求與老人住宅智慧化之研究，國立清華大學。
54. 邱國基，2015，銀色風暴商機之研究，國立清華大學。
55. 鄭如辰，2015，銀髮族雲端健康照護之採用因素-修正科技接受模式，國立清華大學。
56. 簡正昌，謝錦堂，2015，平板電腦使用行為之研究－UTAUT模型之應用，提升競爭力與經營管理學術研討會, 10屆。
57. 黃淑貞，2018，延伸型整合性科技接受模式探討照護型機器人之應用-以長照產業為例，國立臺南大學。
58. 陳筠惠，2014, 應用延伸型整合科技接受模式探討線上購買意願：以雙媒介之觀點, 國立東華大學。 

二、 英文文獻
59. Yen-Lin Chiu 1, Chin-Chung Tsai (2013). The roles of social factor and internet self-efficacy in nurses' web-based continuing learning.

60. Cheng, K. H., & Tsai, C. C. (2011). An investigation of Taiwan university students' perceptions of online academic help seeking, and their web-based learning self-efficacy. Internet and Higher Education, 14(3), 150-157.

61. Nicole B. Ellison, Charles Steinfield, Cliff Lampe (2007), The Benefits of Facebook ‘‘Friends:’’ Social Capital and College Students’ Use of Online Social Network Sites.

62. Leif Sigerson, Cecilia Cheng (2017), Scales for measuring user engagement with social network sites: Asystematic review of psychometric properties, Computers in Human Behavior 83 (2018) 87e105.

63. Benson, R., & Connolly, D. (2011). Heart rate training. Champaign, IL: Human Kinetics.

64. Bhagat, Y. A., Byunghun, C., Do Yoon, K., Jaegeol,C., Black, R., Foster, G. H., & Insoo, K. (2014,Oct). Clinical validation of a wrist actigraphy mobile health device for sleep efficiency analysis. Paper presented at the Healthcare Innovation Conference, Seattle, WA.

65. Bouten, C. V., Westerterp, K. R., Verduin, M., &Janssen, J. D. (1994). Assessment of energy expenditure for physical activity using a triaxial accelerometer. Medicine & Science in Sports & Exercise, 26(12), 1516-1523.

66. Boyd, L. J., Ball, K., & Aughey, R. J. (2013). Quantifying external load in Australian football matches and training using accelerometers. International Journal of Sports Physiology and Performance, 8(1), 44-51.

67. Chan, M., Estève, D., Fourniols, J. Y., Escriba, C., & Campo, E. (2012). Smart wearable systems: Current status and future challenges. Artificial Intelligence in Medicine, 56(3), 137-156. doi:http://dx.doi.org/10.1016/j.artmed.2012.09.003

68. Crouter, S. E., Clowers, K. G., & Bassett, D. R. (2006). A novel method for using accelerometer data to predict energy expenditure. Journal of Applied Physiology, 100(4), 1324-1331. doi: 10.1152/japplphysiol.00818.2005

69. Dallinga, J., Mennes, M., Alpay, L., Bijwaard, H., & Baart de la Faille-Deutekom, M. (2015). App use, physical activity and healthy lifestyle: A cross sectional study. BMC Public Health, 15(1),833.

70. Goldstein, D., Ross, R., & Brady, J. (1977). Biofeedback heart rate training during exercise. Biofeedback and Self-regulation, 2(2), 107-125.
doi: 10.1007/BF00998662.

71. Gubbi, J., Buyya, R., Marusic, S., & Palaniswami, M. (2013). Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7),1645-1660.
doi: http://dx.doi.org/10.1016/j.future.2013.01.010

72. Jean-Louis, G., Kripke, D. F., Mason, W. J., Elliott,J. A., & Youngstedt, S. D. (2001). Sleep estimation from wrist movement quantified by different actigraphic modalities. Journal of Neuroscience Methods, 105(2), 185-191. doi:http://dx.doi.org/10.1016/S0165-0270(00)00364-2

73. Karvonen, J., & Vuorimaa, T. (1988). Heart rate and exercise intensity during sports activities. Sports Medicine, 5(5), 303-311. doi:10.2165/00007256-198805050-00002

74. Khoshnoud, F., & De Silva, C. W. (2012). Recent advances in MEMS sensor technology-mechanical applications.

75. Instrumentation & Measurement Magazine,IEEE, 15(2), 14-24. doi:10.1109/MIM.2012.6174574

76. Lee, Y. S., Ho, C. S., Shih, Y., Chang, S. Y., Robert, F.J., & Shiang, T. Y. (2015). Assessment of walking, running, and jumping movement features by using the inertial measurement unit.Gait & Posture, 41(4), 877-881. doi:10.1016/j.gaitpost.2015.03.007

77. Montoye, H. J. (1996). Measuring physical activity and energy expenditure. Champaign, IL: Human Kinetics.

78. Park, S., & Jayaraman, S. (2003). Enhancing the quality of life through wearable technology. Engineering in Medicine and Biology Magazine, IEEE,
22(3), 41-48. doi:10.1109/MEMB.2003.1213625

79. Roberts, M., & Zahay, D. (2012). Internet marketing:Integrating online and offline strategies. Mason,OH: Cengage Learning.

80. Shelley, K. H. (2007). Photoplethysmography:Beyond the calculation of arterial oxygen saturation and heart rate. Anesth Analg, 105(6 Suppl), S31-36. doi:10.1213/01.ane.0000269512.82836.c9

81. Shih, Y., Ho, C. S., & Shiang, T. Y. (2014). Measuring kinematic changes of the foot using a gyro sensor during intense running. Journal of Sports Sciences, 32(6), 550-556. doi:10.1080/02640414.2013.843013

82. Sprager, S., & Juric, M. (2015). Inertial sensor-based gait recognition: A review. Sensors, 15(9), 22089.

83. Blut, M., Wang, C., & Schoefer, K. (2016). Factors Influencing the Acceptance of Self-Service Technologies: A Meta-Analysis. Journal of Service Research, 19(4), 396–416. https://doi.org/10.1177/1094670516662352

84. 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

85. Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178. https://www.jstor.org/stable/pdf/41410412.pdf?ab_segments=0%2Fdefault-2%2Fcontrol&refreqid=search%3A6415ae2bf3bb095d98c9c42766a2a5b1

86. Wang, C., Harris, J., & Patterson, P. (2013). The Roles of Habit, Self-Efficacy, and Satisfaction in Driving Continued Use of Self-Service Technologies: A Longitudinal Study. Journal of Service Research, 16(3), 400–414. https://doi.org/10.1177/1094670512473200

87. Bilgicer, T., Jedidi, K., Lehmann, D. R., & Neslin, S. A. (2015). Social Contagion and Customer Adoption of New Sales Channels. Journal of Retailing, 91(2), 254–271. https://doi.org/10.1016/j.jretai.2014.12.006

88. Brahm, F., & Poblete, J. (2017). Incentives and Ratcheting in a Multiproduct Firm: A Field Experiment. Management Science. https://doi.org/10.1287/mnsc.2017.2861

89. Conci, M., Pianesi, F., & Zancanaro, M. (2009). Useful, social and enjoyable: Mobile phone adoption by older people. Human-Computer Interaction–INTERACT 2009, 63–76.

90. De Ruyter, K., Wetzels, M., & Kleijnen, M. (2001). Customer adoption of e-service: an experimental study. International Journal of Service Industry Management, 12(2), 184–207.

91. Dishaw, M. T., & Strong, D. M. (1999). Extending the technology acceptance model with task–technology fit constructs. Information & Management, 36(1), 9–21.

92. Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. D. (2017). Re-examining the Unified Theory of Acceptance and Use of Technology (UTAUT): Towards a Revised Theoretical Model. Information Systems Frontiers. https://doi.org/10.1007/s10796-017-9774-y

93. Godinho de Matos, M., Ferreira, P., & Smith, M. D. (2017). The Effect of Subscription Video-on-Demand on Piracy: Evidence from a Household-Level Randomized Experiment. Management Science. https://doi.org/10.1287/mnsc.2017.2875

94. Lin, C. A. (2001). Audience Attributes, Media Supplementation, and Likely Online Service Adoption. Mass Communication and Society, 4(1), 19–38. https://doi.org/10.1207/S15327825MCS0401_03

95. Luo, M. M., Chea, S., & Chen, J.-S. (2011). Web-based information service adoption: A comparison of the motivational model and the uses and gratifications theory. Decision Support Systems, 51(1), 21–30. https://doi.org/10.1016/j.dss.2010.11.015

96. Mallat, N. (2007). Exploring consumer adoption of mobile payments – A qualitative study. The Journal of Strategic Information Systems, 16(4), 413–432. https://doi.org/10.1016/j.jsis.2007.08.001

97. Mallat, N., Rossi, M., Tuunainen, V. K., & Öörni, A. (2007). An empirical investigation of mobile ticketing service adoption in public transportation. Personal and Ubiquitous Computing, 12(1), 57–65. https://doi.org/10.1007/s00779-006-0126-z

98. Peng, G., Dey, D., & Lahiri, A. (2014). Healthcare IT Adoption: An Analysis of Knowledge Transfer in Socioeconomic Networks. Journal of Management Information Systems, 31(3), 7–34. https://doi.org/10.1080/07421222.2014.994672

99. Rogers, E. M. (2003). Diffusion of Innovations, 5th Edition (5th edition). New York: Free Press.

100. Ryan, R. M., & Deci, E. L. (2000). Intrinsic and Extrinsic Motivations: Classic Definitions and New Directions. Contemporary Educational Psychology, 25(1), 54–67. https://doi.org/10.1006/ceps.1999.1020

101. Shen, C.-C., & Chiou, J.-S. (2010). The impact of perceived ease of use on Internet service adoption: The moderating effects of temporal distance and perceived risk. Computers in Human Behavior, 26(1), 42–50. https://doi.org/10.1016/j.chb.2009.07.003

102. Shieh, L.-F., Chang, T.-H., Fu, H.-P., Lin, S.-W., & Chen, Y.-Y. (2014). Analyzing the factors that affect the adoption of mobile services in Taiwan. Technological Forecasting and Social Change, 87, 80–88. https://doi.org/10.1016/j.techfore.2013.11.004

103. Wang, Y.-S., Li, H.-T., Li, C.-R., & Zhang, D.-Z. (2016). Factors affecting hotels’ adoption of mobile reservation systems: A technology-organization-environment framework. Tourism Management, 53, 163–172. https://doi.org/10.1016/j.tourman.2015.09.021

104. Williams, M. D., Rana, N. P., & Dwivedi, Y. K. (2015). The unified theory of acceptance and use of technology (UTAUT): a literature review. Journal of Enterprise Information Management, 28(3), 443–488. https://doi.org/10.1108/JEIM-09-2014-0088

105. Williams, M. D., Rana, N. P., Dwivedi, Y. K., & Lal, B. (2011). Is UTAUT really used or just cited for the sake of it? a systematic review of citations of UTAUT’s originating article. ECIS, 231.

106. Zhu, K., Kraemer, K., & Xu, S. (2003). Electronic business adoption by European firms: a cross-country assessment of the facilitators and inhibitors. European Journal of Information Systems, 12(4), 251–268.