📈 economics

Investigating continuance intention to use m-banking apps among older adults using partial least squares modeling with income group differences

Questo studio indaga i fattori che influenzano l'uso continuativo delle app di mobile banking da parte degli anziani in Bangladesh utilizzando il metodo PLS-SEM, rivelando che la qualità del sistema, la fiducia e il rischio percepito sono driver critici, evidenziando al contempo significative disparità nelle esperienze di inclusione finanziaria digitale tra i gruppi a basso e alto reddito.

Autori originali: Hamida Akhter, Abu Naser Mohammad Saif, Nusrat Jafrin, Rasheda Akter Rupa, Francesca Dal Mas, Maurizio Massaro

Pubblicato 2026-07-03

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Hamida Akhter, Abu Naser Mohammad Saif, Nusrat Jafrin, Rasheda Akter Rupa, Francesca Dal Mas, Maurizio Massaro

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un mondo in cui la vostra banca è sempre in tasca, accessibile con un semplice tocco sullo schermo. Questa è la promessa delle app di m-banking. Mentre le generazioni più giovani hanno abbracciato questa tecnologia come pesci nell'acqua, gli anziani (persone di età pari o superiore a 60 anni) spesso si ritrovano sulla riva, esitanti a tuffarsi.

Questo articolo di ricerca è come un romanzo investigativo che cerca di capire perché alcuni anziani in Bangladesh continuano a usare queste app bancarie, mentre altri smettono dopo il primo tentativo. I ricercatori volevano sapere: cosa spinge un anziano a dire: "Continuerò a usare questo", rispetto a "È troppo complicato"?

Ecco la storia della loro indagine, suddivisa in concetti semplici.

Il Cast dei Personaggi (Le Teorie)

Per risolvere il mistero, i ricercatori non si sono limitati a indovinare; hanno utilizzato tre noti "libri di regole" dal mondo della tecnologia e della psicologia, mescolandoli come una ricetta speciale:

Il Modello del Successo IS: Verifica se la "macchina" funziona bene (L'app è veloce? Le informazioni sono chiare?).
Il Modello di Conferma delle Aspettative (ECM): Chiede: "L'app ha fatto ciò che speravo?". Se ti aspetti che un'auto guidi fluidamente e lo fa, sei felice. Se si ingolfa, non lo sei.
Il Modello UTAUT: Esamina i fattori umani come "È facile da usare?" e "I miei amici mi hanno consigliato di usarlo?".

Hanno anche aggiunto due ingredienti speciali cruciali per gli anziani: la Fiducia (Credo che questa app non mi ruberà i soldi?) e il Rischio Percepito (Ho paura di essere hackerato?).

L'Indagine (Il Metodo)

I ricercatori sono andati nella vivace città di Dhaka, Bangladesh, e hanno intervistato 160 anziani (60+ anni) che sapevano già usare queste app. Hanno chiesto loro di valutare le proprie esperienze su una scala, simile a come si valuta un ristorante dopo un pasto.

Hanno anche diviso il gruppo in due squadre per vedere se il denaro contava:

Squadra a Reddito Inferiore: Coloro che guadagnano meno di 50.000 Taka bangladesi al mese.
Squadra a Reddito Superiore: Coloro che guadagnano di più.

Le Grandi Scoperte (I Risultati)

1. La Regola dell'Affidabilità (Qualità del Sistema)

Pensate all'app come a un autobus. Se l'autobus è in ritardo, si rompe o rimane bloccato nel traffico, smettete di prenderlo.

Risultato: La cosa più importante per gli anziani era che l'app funzionasse in modo affidabile. Se l'app era veloce, non crashava ed era facile da navigare, sentivano che le loro aspettative erano soddisfatte.
Sorpresa: Sorprendentemente, quanto le informazioni fossero "belle" o quanto velocemente il servizio clienti rispondesse non contava molto quanto il fatto che l'app semplicemente funzionasse. Gli anziani volevano solo che l' "autobus" partisse puntuale.

2. Il Fattore Sicurezza (Fiducia e Rischio)

Immaginate di entrare in un vicolo buio. Se vi fidate del quartiere, entrate. Se pensate ci sia un malintenzionato, scappate.

Risultato: La Fiducia è stata un grande acceleratore. Se un anziano si fidava della banca, era più propenso a continuare a usare l'app.
La Paura: Il Rischio Percepito è stato il freno più grande. Se percepivano anche solo un minimo di pericolo (come perdere i propri risparmi a causa di una truffa), smettevano immediatamente di credere che l'app fosse una buona idea. Per gli anziani, la paura di perdere i soldi guadagnati con fatica è una barriera enorme.

3. Il Mito degli Amici (Influenza Sociale)

Potreste pensare: "Se i miei nipoti mi dicono di usarla, lo farò".

Risultato: I ricercatori hanno scoperto che amici e familiari non contavano molto una volta che la persona aveva iniziato a usare l'app. Gli anziani si affidavano alla propria esperienza, non a ciò che dicevano gli altri. Se l'app funzionava per loro, restavano; se no, se ne andavano, indipendentemente da ciò che pensavano i loro vicini.

4. Il Paradosso della Facilità d'Uso

Di solito, pensiamo che "essere facile da usare" sia la cosa più importante.

Risultato: Per questo gruppo specifico, la "facilità d'uso" non era il driver principale per rimanere con l'app. Perché? Perché se l'app era affidabile e sicura, la consideravano "abbastanza buona". Non cercavano una Ferrari; volevano solo una bicicletta che non si rompesse.

Il Colpo di Scena del Denaro (Differenze di Reddito)

È qui che la storia si fa interessante. I ricercatori hanno chiesto: "Avere più soldi cambia il modo in cui le persone percepiscono l'app?".

Il Risultato: Sì, ma solo in modi specifici.
- Anziani a Reddito Superiore: Erano come dei critici. Si curavano profondamente della qualità delle informazioni (i dati sono dettagliati?), del sistema (è veloce?) e del servizio (il supporto è buono?). Poiché usavano le app per cose più complesse, notavano ogni piccolo difetto.
- Anziani a Reddito Inferiore: Erano come dei sopravvissuti. Si curavano principalmente delle basi. Finché l'app non crashava e potevano inviare denaro, erano contenti. Non richiedevano funzioni di alto livello.

In Breve

Questo articolo ci dice che, per far sì che gli anziani continuino a usare le app di m-banking, le banche non dovrebbero solo cercare di rendere l'app "lussuosa" o fare affidamento sugli amici per convincerli. Invece, devono concentrarsi su tre cose:

Farla funzionare perfettamente: Niente crash, niente ritardi.
Farla sentire sicura: Dimostrare che i soldi non spariranno.
Ridurre la paura: Mostrare che il rischio di truffe è basso.

Se le banche riescono a costruire un "autobus affidabile e sicuro" per gli anziani, quei passeggeri continueranno a viaggiare, aiutandoli a rimanere connessi all'economia moderna.

Sintesi Tecnica: Intenzione di Continuazione dell'Uso di App di m-Banking tra gli Anziani in Bangladesh

Problematica
Sebbene le applicazioni di mobile banking (m-banking) contribuiscano significativamente all'inclusione finanziaria digitale e agli Obiettivi di Sviluppo Sostenibile delle Nazioni Unite (SDG 1, 8, 9 e 10), l'uso sostenuto tra le popolazioni vulnerabili, specificamente gli anziani, rimane limitato. In Bangladesh, nonostante la rapida crescita della penetrazione degli smartphone e dell'adozione del m-banking, esiste una mancanza di ricerca empirica riguardante i fattori che influenzano l'intenzione di continuazione degli anziani (età 60+). La letteratura esistente si concentra prevalentemente sull'adozione iniziale o su basi utenti generali, trascurando spesso le specifiche dinamiche post-adozione, le percezioni del rischio e l'eterogeneità socioeconomica del segmento demografico degli anziani nelle economie in via di sviluppo. Questo studio affronta tale lacuna investigando gli antecedenti dell'intenzione di continuazione tra gli anziani nell'area metropolitana di Dhaka, con un focus specifico su come i livelli di reddito moderino tali relazioni.

Metodologia
La ricerca adotta un approccio quantitativo utilizzando il Partial Least Squares Structural Equation Modeling (PLS-SEM).

Quadro Teorico: Lo studio integra tre modelli consolidati: l'Information Systems (IS) Success Model (DeLone & McLean, 2003), l'Expectation Confirmation Model (ECM) (Bhattacherjee, 2001) e l'Unified Theory of Acceptance and Use of Technology (UTAUT) (Venkatesh et al., 2003). Inoltre, Fiducia e Rischio Percepito sono incorporati come variabili contestuali critiche per il segmento demografico degli anziani.
Raccolta Dati: È stata utilizzata una tecnica di campionamento non probabilistico intenzionale per reclutare 160 rispondenti validi, di età pari o superiore a 60 anni, con precedente esperienza di m-banking a Dhaka, Bangladesh. I dati sono stati raccolti tramite sondaggi in presenza e moduli online durante un periodo di quattro mesi (giugno–settembre 2024).
Approccio Analitico:
- Modello di Misurazione: Validato tramite Composite Reliability (CR), Average Variance Extracted (AVE), criterio di Fornell-Larcker, rapporto Heterotrait-Monotrait (HTMT) e cross-loadings per garantire affidabilità e validità discriminante.
- Modello Strutturale: I coefficienti di percorso sono stati stimati utilizzando il bootstrapping (5.000 sottocampioni) per testare le ipotesi.
- Analisi Multigruppo (MGA): Per affrontare l'eterogeneità basata sul reddito, i rispondenti sono stati divisi in gruppi a basso reddito (reddito mensile < 50.000 BDT) e ad alto reddito (reddito mensile ≥ 50.000 BDT). È stata condotta la Measurement Invariance of Composite Models (MICOM) per garantire la comparabilità prima di eseguire i test parametrici e di Welch-Satterthwaite per le differenze di percorso.

Risultati Chiave
L'analisi empirica ha prodotto i seguenti risultati riguardanti i driver di conferma, soddisfazione e intenzione di continuazione:

Driver Significativi della Conferma:
- Qualità del Sistema (SYQ): Impatta in modo positivo e significativo sulla conferma ( $\beta$ = 0,128, $p$ < 0,05).
- Fiducia (TR): Impatta in modo positivo e significativo sulla conferma ( $\beta$ = 0,206, $p$ < 0,01).
- Rischio Percepito (PR): Impatta in modo negativo e significativo sulla conferma ( $\beta$ = -0,260, $p$ < 0,001).
- Fattori Non Significativi: Qualità dell'Informazione, Qualità del Servizio, Aspettativa di Sforzo, Aspettativa di Prestazione e Influenza Sociale sono risultati non statisticamente significativi nel mempengaruhi la conferma nel modello complessivo.
La Catena della Continuazione:
- La Conferma influenza la Soddisfazione in modo significativo e positivo ( $\beta$ = 0,594, $p$ < 0,001).
- La Soddisfazione influenza l'Intenzione di Uso Continuativo in modo significativo e positivo ( $\beta$ = 0,568, $p$ < 0,001).
Analisi Multigruppo (Differenze di Reddito):
- Lo studio ha identificato che il reddito agisce come un moderatore selettivo. Mentre la catena causale principale (Conferma $\to$ Soddisfazione $\to$ Intenzione) rimane coerente tra i gruppi, l'influenza delle dimensioni della qualità dei sistemi sulla conferma differisce significativamente tra i gruppi di reddito.
- Qualità dell'Informazione $\to$ Conferma: Differenza significativa tra i gruppi ( $p$ = 0,005/0,006).
- Qualità del Sistema $\to$ Conferma: Differenza significativa tra i gruppi ( $p$ = 0,001/0,002).
- Qualità del Servizio $\to$ Conferma: Differenza significativa tra i gruppi ( $p$ = 0,022/0,023).
- Gli altri percorsi (inclusi Fiducia, Rischio Percepito e i costrutti UTAUT) non hanno mostrato differenze significative tra i gruppi a basso e alto reddito.

Contributi Chiave

Integrazione Teorica: Questo studio è tra i primi a unificare l'IS Success Model, l'ECM e l'UTAUT all'interno di un unico framework specificamente adattato agli anziani in un contesto di paese in via di sviluppo. Esso posiziona teoricamente i costrutti UTAUT come antecedenti della conferma piuttosto che come driver diretti della continuazione, allineandosi alla logica post-adozione.
Sfumatura Contestuale: Focalizzandosi sugli anziani in Bangladesh, la ricerca evidenzia che, per questo gruppo demografico, la conferma è guidata principalmente dall'affidabilità funzionale (Qualità del Sistema) e dalla sicurezza (Fiducia/Rischio), piuttosto che dalla facilità d'uso percepita o dall'influenza sociale spesso citate negli studi di adozione generale.
Equità e Divario Digitale: Lo studio fornisce prove empiriche dell'eterogeneità socioeconomica nell'inclusione finanziaria digitale. Dimostra che, mentre il meccanismo psicologico della soddisfazione che porta alla continuazione è universale, gli antecedenti relativi alla qualità dell'informazione e del sistema dipendono dal reddito, suggerendo che gli utenti anziani a basso reddito possono avere soglie differenti per ciò che costituisce "qualità" o "conferma".

Significato e Rivendicazioni
Gli autori posizionano questo studio come un contributo all'agenda dello sviluppo sostenibile, identificando le specifiche condizioni comportamentali necessarie per raggiungere una lungo termine inclusione finanziaria digitale per gli anziani. Il documento afferma che:

Il miglioramento della qualità del sistema, la promozione della fiducia e la mitigazione del rischio percepito sono leve critiche per potenziare l'intenzione di continuazione degli anziani.
Le istituzioni finanziarie e i decisori politici possono utilizzare questi risultati per progettare servizi digitali inclusivi che supportino una partecipazione economica equa.
I risultati offrono spunti azionabili per personalizzare i servizi di m-banking per diversi segmenti di reddito, notando che gli utenti anziani ad alto reddito attribuiscono un valore distinto alle dimensioni della qualità dell'informazione e del servizio rispetto ai loro corrispettivi a basso reddito.

Lo studio riconosce esplicitamente i limiti, tra cui il design trasversale, la dipendenza da dati auto-riferiti, la restrizione geografica a Dhaka e l'uso di campionamento intenzionale. Di conseguenza, gli autori inquadrano le loro conclusioni come indicative del contesto specifico studiato, chiamando a future ricerche longitudinali e multiregionali per validare ulteriormente queste dinamiche.