Elderly Satisfaction with Chatbot-Based Access to Health Information in Bangkok
Article Sidebar
Main Article Content
Abstract
This study aims to (1) examine the level of satisfaction and (2) compare satisfaction among older adults in accessing health information via chatbots in the Bangkok Metropolitan Area. A quantitative survey research design was employed. The sample consisted of 400 older adults selected through a multi-stage sampling technique from five high-density districts. The research instrument was a questionnaire with an Item-Objective Congruence (IOC) index ranging from 0.67 to 1.00 and a reliability coefficient of 0.89. Data were analyzed using descriptive statistics (percentage, mean, and standard deviation) and inferential statistics (independent t-test and one-way ANOVA), with a significance level set at .05.
The results indicate that overall satisfaction with chatbot-based health information access was at the highest level (mean = 4.32). Responsiveness received the highest mean score, followed by information credibility and language and communication, whereas ease of use showed the lowest mean score. The primary barrier was limited digital literacy and unfamiliarity with smartphone typing. Hypothesis testing revealed that differences in gender, age, and user experience significantly affected satisfaction at the .05 level. Notably, the 75–80 age group reported the lowest satisfaction, reflecting limitations in digital skills and physical conditions affecting technology use.
Article Details
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.
References
ภาษาไทย
กรมกิจการผู้สูงอายุ. (2565). สถิติผู้สูงอายุประเทศไทย ปี 2565. กระทรวงการพัฒนาสังคมและความมั่นคง
ของมนุษย์. https://www.dop.go.th/th/know/side/1/1/335
กรมกิจการผู้สูงอายุ. (2569). สถิติผู้สูงอายุประเทศไทย ปี 2569. กระทรวงการพัฒนาสังคมและความมั่นคง
ของมนุษย์. https://www.dop.go.th/th/statistics_page?cat=1&id=2588
กนกวรรณ รัตนวิจิตร, พัชราวดี ทองเนื่อง, และ ศรินรัตน์ ศิริวรลักษณ์. (2566). การพัฒนาทักษะดิจิทัลเพื่อ
ส่งเสริมสุขภาพของผู้สูงอายุในยุควิถีชีวิตใหม่. วารสารวิจัยระบบสาธารณสุข, 17(2), 145-160.
ภัทรพล ประทีปะวณิช, ศรัณย์ กรีพานิช, และ กนกเกียรติ พลอยอารีย์. (2565). ปัจจัยที่มีอิทธิพลต่อการ
ยอมรับเทคโนโลยีแชทบอทเพื่อการปรึกษาด้านสุขภาพเบื้องต้น. วารสารวิทยาการสารสนเทศและเทคโนโลยีประยุกต์, 4(1), 12-25.
สำนักงานสถิติแห่งชาติ. (2564). รายงานสถานการณ์ผู้สูงอายุไทย พ.ศ. 2564. สำนักงานสถิติแห่งชาติ.
https://www.nso.go.th/sites/2014/Pages/สำมะโน/สำมะโนประชากร.aspx
สำนักงานสถิติแห่งชาติ. (2569). ตารางสถิติจำนวนประชากรจากการทะเบียน จำแนกตามกลุ่มอายุ เพศ และเขตการปกครอง ประจำปี พ.ศ. 2568 (กรุงเทพมหานคร). กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม.
ภาษาอังกฤษ
Bickmore, T. W., Puskar, K., Schlenk, E. A., Pfeifer, L. M., & Sereika, S. M. (2010). Maintaining
reality: Relational agents for antipsychotic medication adherence. Interacting with Computers, 22(4), 276–288. https://doi.org/10.1016/j.intcom.2010.02.001
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika,
(3), 297–334. https://doi.org/10.1007/BF02310555
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
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Kim, S., & Kim, J. (2022). Elderly users' acceptance of AI-based health chatbots: The role of
institutional trust and perceived anthropomorphism. International Journal of Human-Computer Interaction, 38(14), 1325-1338. https://doi.org/10.1080/10447318.2021.1994640
Laranjo, L., Dunn, A. G., Tong, H. L., Kocaballi, A. B., Chen, J., Bashir, R., Abirall, D., Lau, A. Y.
S., Colinco, B., & Coiera, E. (2018). Conversational agents in healthcare: A systematic review. Journal of the American Medical Informatics Association, 25(9), 1248–1258. https://doi.org/10.1093/jamia/ocy072
Lee, C., & Coughlin, J. F. (2015). Perspective: Older adults’ adoption of technology. Journal of Gerontology: Psychological Sciences and Social Sciences, 70(5), 1–10. https://doi.org/10.1093/geronb/gbu113
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for
measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12–40.
Palanica, A., Flaschner, P., Thommandram, A., Li, M., & Fossat, Y. (2019). Physicians'
perceptions of chatbots in health care: Cross-sectional web-based survey. Journal of Medical Internet Research, 21(4), e12887. https://doi.org/10.2196/12887
Turner, R. C., & Carlson, L. (2003). Indexes of item-objective congruence for multidimensional items. International Journal of Testing, 3(2), 163–171. https://doi.org/10.1207/S15327574IJT0302_5
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
Venkatesh, V., Thong, J. Y. L., & 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://doi.org/10.2307/41410412
Xie, B., Charness, N., Fingerman, K., Kaye, J., Kim, M. T., & Lin, C. T. (2020). When going digital
becomes a necessity: Ensuring information and communication technology access for older adults during COVID-19. Public Policy & Aging Report, 30(4), 155-160. https://doi.org/10.1093/ppar/praa030