Les théories à approfondir - Les facteurs d’adoption et d’utilisation de la QS

Chapitre 3: Les facteurs d’adoption et d’utilisation de la QS

5.3 Les théories à approfondir

Au niveau des théories, nous avons constaté que certaines théories sont encore sous-exploitées et semblent pourtant prometteuses. Citons comme pistes de recherche future les modèles suivants :

Le Modèle de vraisemblance d'élaboration (Elaboration Likelihood Model) : c’est un

modèle de persuasion (Cacioppo et Petty, 1984) basé sur un double processus de changement. Il propose deux chemins de persuasion. Le premier est le chemin central de la motivation, qui reflète un engagement fort, en tenant compte soigneusement des messages reçus. Cette voie conduit à un changement durable. Le deuxième utilise un message périphérique. L'attitude formée par la voie centrale est plus forte que celle formée par la voie périphérique. Ce modèle pourrait prédire comment les STTs mènent à de nouveaux comportements.

Modèle des croyances en matière de santé (Health Belief Model) : Ce modèle aborde les

différences individuelles dans les croyances et les attitudes pour expliquer les comportements liés à la santé (Janz et Becker, 1984). Il est fondé sur son sentiment d’être vulnérable à un potentiel un problème de santé, de la perception de la gravité de ce problème, des avantages perçus à modifier son comportement pour éviter ce problème, des obstacles perçus pour modifier son comportement et enfin sur ce qui incite à modifier son comportement. Cette dernière variable peut se référer à la capacité des STTs de rappeler à l'utilisateur d’accéder à un bon comportement. Par conséquent, l'incitation à l'action pourrait être un facteur important pour expliquer l'attitude continue à l'égard de l'utilisation.

Théorie de la confirmation des attentes (Expectation Confirmation Theory) : Ce modèle de

post-adoption explique la satisfaction du produit par rapport aux attentes et aux performances perçues (Bhattacherjee, 2001). L’infirmation des attentes de l'utilisateur a un impact sur son adoption à long terme.

130

Théorie du calcul de la protection de la vie privée (Privacy Calculus theory) : cette théorie

fait référence à la question de la protection de la vie privée (Li et al., 2016). Le processus décisionnel de l'adoption d'une STT est un calcul entre l'avantage procuré par le produit et le risque de porter atteinte à la vie privée par l’utilisation de ce produit.

Théorie liée aux traits de l'individu (Big Five) : l'utilisation de la STT pourrait s'expliquer

par le besoin d'autoréalisation qui est le dernier niveau de la pyramide de Maslow. Les cinq facteurs de la personnalité pourraient être utilisés comme modérateur : le neuroticisme, l’ouverture, la conscience morale, l'extraversion et l’amabilité (McCrae et Costa, 2003).

Ces différentes théories mettent en lumière que, pour une compréhension approfondie des STTs, nous devrions combiner les théories de l'adoption en SI, les théories de la persuasion et de la motivation, ainsi que les aspects de la vie privée et les traits de personnalité. Le faible nombre d'articles qualitatifs montre également la nécessité de continuer à explorer et à innover, en particulier dans les méthodologies d'étude à long terme du phénomène. Il conviendrait de tirer davantage parti des données quantitatives des STTs des individus et d'exploiter des méthodologies longitudinales comme l’analyse de journal intime et des approches mixtes (Venkatesh et al., 2013). Il serait également utile de développer une approche sociotechnique des pratiques de suivi pour comprendre comment les relations entre la machine, l'utilisateur et son entourage s'entremêlent.

Une autre lacune est l'absence d'études sur les STTs en France. Ce pays est l'un des principaux acheteurs de produits d'autosuivi depuis quelques années. Et pour terminer, nous remarquons qu’une seule étude a soulevé la question des différences d'adoption entre plusieurs pays. Comme la STT implique de nombreuses questions telles que le rapport au corps, la santé, la relation entre les données et la vie privée ainsi que le sentiment d'être toujours plus surveillé par l’état et des tiers privés, il serait intéressant de mettre en évidence les particularités d'un pays et d'examiner leur impact sur l'utilisation de la STT.

131

6 Conclusions

Cet article propose un aperçu de la littérature sur l'adoption et l'utilisation des outils d'autosuivi. Afin d’appréhender l'état de la recherche dans ce domaine, une analyse systématique et exhaustive de 75 articles évalués par des pairs a été entreprise.

Nos conclusions encouragent le développement futur de théories dans ce domaine. En plus de fournir un résumé des cadres théoriques qui ont été utilisés jusqu'à présent dans l'étude de l'adoption et de l'acceptation des STTs, plusieurs lacunes en matière de recherche ont été identifiées, et peuvent aboutir à des possibilités de recherches pour les prochaines années. Les chercheurs intéressés devraient être en mesure d'identifier d'autres possibilités de recherche grâce à l'information que nous avons apportée. Cette étude contribue également à la définition et à la mesure des construits, car elle permet aux chercheurs d'établir des échelles de mesure validées qui pourront être utilisées dans le cadre de recherches futures dans ce domaine. Nos résultats devraient également aider les futurs chercheurs à identifier des perspectives théoriques et méthodologiques alternatives moins utilisées.

Cet article fait également face à certaines limites. Bien que notre analyse de la littérature soit exhaustive et couvre un certain nombre de domaines de recherche différents, il est possible que certains articles aient été oubliés. De plus, notre analyse de la recherche se limite à six grandes questions de recherche. Les études futures devraient examiner d'autres questions, par exemple la façon dont ces choix sont influencés par l'âge et le sexe.

132

Bibliographie

Ajani T. (2014), "Exploring the implications of technology acceptance models for sensor-based global health technologies". In Proceedings of the Information Systems Educators Conference

ISSN. Citeseer, p. 1435.

Ajzen I. (1991), "The theory of planned behavior", Organizational behavior and human decision

processes, vol. 50, n°2, p.p. 179–211.

Alavi M. et Carlson P. (1992), "A review of mis research and disciplinary development", Journal

of Management Information Systems, vol. 8, n°4, p.p. 45-62.

Alley S. et al. (2016), "Attitudes, intentions and preferences for using physical activity tracking devices", BMJ Open, vol. 6.

Bandura A. (1977), "Self-efficacy: toward a unifying theory of behavioral change.", Psychological

review, vol. 84, n°2, p.p. 191.

Bandura A. (1986), "Social foundations of thought and action", Englewood Cliffs, NJ, vol. 1986. Barth J. (2013), "The human cloud: wearable technology from novelty to production", Rackspace:

the open cloud company.

Bergmann J.H.M. et McGregor A.H. (2011), "Body-worn sensor design: what do patients and clinicians want?", Ann. Biomed. Eng., p.p. 2299-2312.

Bhattacherjee A. (2001), "Understanding information systems continuance: an expectation- confirmation model", MIS Quarterly, vol. 25, n°3, p.p. 351.

Cacioppo J.T. et Petty R.E. (1984), "The elaboration likelihood model of persuasion", Advances in

Consumer Research, vol. 11, p.p. 673-675.

Canhoto A.I. et Arp S. (2017), "Exploring the factors that support adoption and sustained use of health and fitness wearables.", Journal of Marketing Management, vol. 33, n°1/2, p.p. 32-60. Chan M., Estève D., Fourniols J.-Y., Escriba C. et Campo E. (2012), "Smart wearable systems:

current status and future challenges", Artificial Intelligence in Medicine, vol. 56, n°3, p.p. 137-156.

Chuah S.H.-W. et al. (2016), "Wearable technologies: the role of usefulness and visibility in smartwatch adoption", Computers in Human Behavior, vol. 65, p.p. 276-284.

Couturier J., Sola D., Borioli G. et Raiciu C. (2012), "How can the internet of things help to overcome current healthcare challenges", Communications et Strategies, , n°87, p.p. 67-81. Davis F.D. (1989), "Perceived usefulness, perceived ease of use, and user acceptance of

information technology", MIS quarterly, p.p. 319–340.

De Moya J.-F. et Pallud J. (2017), "Quantified-self: a literature review based on the funnel paradigm". In ECIS. Guimarães, Portugal, p. (pp. 1678-1694).

De Sanctis G. (1983), "Expectancy theory as an explanation of voluntary use of a decision-support system", Psychological Reports, vol. 52, n°1, p.p. 247–260.

Dincelli E. et Zhou X. (2017), "Examining self-disclosure on wearable devices: the roles of benefit structure and privacy calculus",

Ehlers D.K. et Huberty J.L. (2014), "Middle-aged women’s preferred theory-based features in mobile physical activity applications", Journal of Physical Activity et Health, vol. 11, n°7, p.p. 1379-1385.

Fishbein M. et Ajzen I. (1975), Belief, attitude, intention and behavior: An introduction to theory

and research Addison-Wesley.,

Fisher R.J. et Price L.L. (1992), "An investigation into the social context of early adoption behavior", Journal of Consumer Research, vol. 19, n°3, p.p. 477–486.

Gao S., Zhang X. et Peng S. (2016), "Understanding the adoption of smart wearable devices to assist healthcare in china". In Y. K. Dwivedi et al., éd. Social Media: The Good, the Bad, and

133

Gao Y., He Li et Yan Luo (2015), "An empirical study of wearable technology acceptance in healthcare", Industrial Management et Data Systems, vol. 115, n°9, p.p. 1704-1723.

Gay V. et Leijdekkers P. (2011), "The good, the bad and the ugly about social networks for health apps". In Embedded and Ubiquitous Computing (EUC), 2011 IFIP 9th International

Conference on. IEEE, p. 463–468.

Gefen D., Karahanna E. et Straub D.W. (2003), "Trust and tam in online shopping: an integrated model", MIS Quarterly, vol. 27, n°1, p.p. 51-90.

Gimhae G.-N. (2013), "Six human factors to acceptability of wearable computers", International

Journal of Multimedia and Ubiquitous Engineering.

Gimpel H., Ni\s sen M. et Görlitz R. (2013), "Quantifying the quantified self: a study on the motivations of patients to track their own health". In Thirty Fourth International Conference

on Information Systems.

Hermsen S., Moons J., Kerkhof P., Wiekens C. et De Groot M. (2017), "Determinants for sustained use of an activity tracker: observational study", JMIR mHealth and uHealth, vol. 5, n°10.

Herrmann L.K. et Kim J. (2017), "The fitness of apps: a theory-based examination of mobile fitness app usage over 5 months", mHealth, vol. 3.

Hoehle H., Scornavacca E. et Huff S. (2012), "Three decades of research on consumer adoption and utilization of electronic banking channels: a literature analysis", Decision Support

Systems, vol. 54, n°1, p.p. 122-132.

Hong J.-C., Lin P.-H. et Hsieh P.-C. (2017), "The effect of consumer innovativeness on perceived value and continuance intention to use smartwatch", Computers in Human Behavior, vol. 67, p.p. 264-272.

Huberty J., Ehlers D.K., Kurka J., Ainsworth B. et Buman M. (2015), "Feasibility of three wearable sensors for 24 hour monitoring in middle-aged women", Bmc Womens Health, vol. 15, p.p. 55.

Janz N.K. et Becker M.H. (1984), "The health belief model: a decade later", Health education

quarterly, vol. 11, n°1, p.p. 1–47.

Jia X. et Kim J. (2015), "Development of a conceptual model to understand the adoption of wearable technology". In International Textile and Apparel Association.

Kim K.J. et Shin D.-H. (2015), "An acceptance model for smart watches", Internet Research, vol. 25, n°4, p.p. 527-541.

Li H., Wu J., Gao Y. et Shi Y. (2016), "Examining individuals’ adoption of healthcare wearable devices: an empirical study from privacy calculus perspective", International Journal of

Medical Informatics, vol. 88, p.p. 8-17.

Limayem M., Hirt S.G. et Cheung C.M. (2007), "How habit limits the predictive power of intention: the case of information systems continuance", MIS quarterly, p.p. 705–737.

Lunney A., Cunningham N.R. et Eastin M.S. (2016), "Wearable fitness technology: a structural investigation into acceptance and perceived fitness outcomes", Computers in Human

Behavior, vol. 65, p.p. 114-120.

McCrae R.R. et Costa P.T. (2003), Personality in adulthood: A five-factor theory perspective, Guilford Press.

Melzner J., Heinze J. et Fritsch T. (2014), "Mobile health applications in workplace health promotion: an integrated conceptual adoption framework", Procedia Technology, vol. 16, p.p. 1374-1382.

Meyer J. et al. (2016), "Exploring longitudinal use of activity trackers", 2016 Ieee International

Conference on Healthcare Informatics (ichi), p.p. 198-206.

134

Moran S., Nishida T. et Nakata K. (2013), "Comparing british and japanese perceptions of a wearable ubiquitous monitoring device", IEEE Technology and Society Magazine, vol. 32, n°4, p.p. 45-49.

Neill D., Belle J.-P.V. et Ophoff J. (2016), "Understanding the adoption of wearable technology in south african organisations". In International Conference on Information Resources

Management.

npd.com (2015), "Age income gender vary greatly among smartwatch owners - npd.com",

Page T. (2015), "A forecast of the adoption of wearable technology", International Journal of

Technology Diffusion (IJTD), vol. 6, n°2, p.p. 12–29.

Park D.-J., Choi J.-H. et Kim D.-J. (2015), "The influence of health apps efficacy, satisfaction and continued use intention on wearable device adoption: a convergence perspective", Journal of

Digital Convergence, vol. 13, n°7, p.p. 137–145.

Peng W., Kanthawala S., Yuan S. et Hussain S.A. (2016), "A qualitative study of user perceptions of mobile health apps", BMC Public Health, vol. 16, n°1, p.p. 1158.

Pfeiffer J., von Entress-Fuersteneck M., Urbach N. et Buchwald A. (2016), "Quantify-me: consumer acceptance of wearable self-tracking devices.". In ECIS 2016 Proceedings. p. ResearchPaper99.

Prochaska J.O. et Velicer W.F. (1997), "The transtheoretical model of health behavior change",

American journal of health promotion, vol. 12, n°1, p.p. 38–48.

Raskovic D., Martin T. et Jovanov E. (2004), "Medical monitoring applications for wearable computing", Computer Journal, vol. 47, n°4, p.p. 495-504.

Robey D. (1979), "User attitudes and management information system use", Academy of

Management Journal, vol. 22, n°3, p.p. 527–538.

Rogers E.M. (2010), Diffusion of innovations, Simon and Schuster.

Shih P.C., Han K., Poole E.S., Rosson M.B. et Carroll J.M. (2015), "Use and adoption challenges of wearable activity trackers", iConference 2015 Proceedings.

Shin D.-H. (2011), "Understanding e-book users: uses and gratification expectancy model", New

Media et Society, vol. 13, n°2, p.p. 260–278.

Shin D.-H. et Biocca F. (2016), "Health experience model of personal informatics: the case of a quantified self", Computers in Human Behavior, vol. 69, p.p. 62-74.

Sjöklint, M., Constantiou, I. D et Trier, M. (2015), "The complexities of self-tracking - an inquiry into user reactions and goal attainment". In ECIS 2015 Proceedings.

Spagnolli A., Guardigli E., Orso V., Varotto A. et Gamberini L. (2014), "Measuring user acceptance of wearable symbiotic devices: validation study across application scenarios". In G. Jacucci, L. Gamberini, J. Freeman, et A. Spagnolli, éd. Symbiotic Interaction. p. 87-98. Sun Y., Wang N., Guo X. et Peng Z. (2013), "Understanding the acceptance of mobile health

services: a comparison and integration of alternative models", Journal of Electronic

Commerce Research, vol. 14, n°2, p.p. 183.

Thielke S. et al. (2012), "Maslow’s hierarchy of human needs and the adoption of health-related technologies for older adults", Ageing International, vol. 37, n°4, p.p. 470-488.

Van Langenhove L., Hertleer C. et Schwarz A. (2012), "Smart textiles: an overview". In Intelligent

textiles and clothing for ballistic and NBC protection. Springer, p. 119–136.

Van Woensel L., Archer G., Panades-Estruch L. et Vrscaj D. (2015), "Ten technologies which could change our lives", European Union: Brussels, Belgium.

Venkatesh V., Morris M.G., Davis G.B. et Davis F.D. (2003), "User acceptance of information technology: toward a unified view", MIS quarterly, p.p. 425–478.

Venkatesh V., Thong J.Y. et Xu X. (2012), "Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology", MIS

135

Weber S. (2015), "How can scientific and technological breakthroughs be accelerated to improve the human condition?". In Grand Societal Challenges in Information Systems Research and

Education. SpringerBriefs in Information Systems. Springer, Cham, p. 77-85.

WHO Global Observatory for eHealth et World Health Organization (2011), MHealth: New

Horizons for Health through Mobile Technologies., Geneva, World Health Organization.

Wijninga P. (2018), "Home", Quantified Self Institute. Wijninga P. (2016), "Our focus", Quantified Self Institute.

Wu I.-L., Li J.-Y. et Fu C.-Y. (2011), "The adoption of mobile healthcare by hospital’s professionals: an integrative perspective", Decision Support Systems, vol. 51, n°3, p.p. 587-596.

Yang H., Yu J., Zo H. et Choi M. (2016), "User acceptance of wearable devices: an extended perspective of perceived value", Telematics and Informatics, vol. 33, n°2, p.p. 256-269. Yu E., Hong A. et Hwang J. (2016), "A socio-technical analysis of factors affecting the adoption of

136

Annexes A : Les articles de la revue de littérature

Ajani T. (2014), "Exploring the implications of technology acceptance models for sensor-based global health technologies". In Proceedings of the Information Systems Educators Conference

ISSN. Citeseer, p. 1435.

Alley S. et al. (2016), "Attitudes, intentions and preferences for using physical activity tracking devices", BMJ Open, vol. 6.

Altenhoff B., Vaigneur H. et Caine K. (2015), "One step forward, two steps back: the key to wearables in the field is the app". In Pervasive Computing Technologies for Healthcare

(PervasiveHealth), 2015 9th International Conference on. IEEE, p. 241–244.

Bergmann J.H.M. et McGregor A.H. (2011), "Body-worn sensor design: what do patients and clinicians want?", Ann. Biomed. Eng., p.p. 2299-2312.

Buchwald A., Letner A., Urbach N. et von Entress-Fuersteneck M. (2015), "Towards explaining the use of self-tracking devices: conceptual development of a continuance and discontinuance model". In Proceedings of the 36th International Conference on Information Systems.

Buenaflor C. et Kim H.-C. (2012), "Wearable computers in human perspective: the decision process of innovation acceptance with user issues and concerns", International Journal of

Emerging Technology and Advanced Engineering, vol. 2, n°11, p.p. 573–580.

Canhoto A.I. et Arp S. (2017), "Exploring the factors that support adoption and sustained use of health and fitness wearables.", Journal of Marketing Management, vol. 33, n°1/2, p.p. 32-60. Chen C.-C. et Shih H.-S. (2014), "A study of the acceptance of wearable technology for consumers

- an anp perspective",

Cheng J.W. et Mitomo H. (2017), "The underlying factors of the perceived usefulness of using smart wearable devices for disaster applications", Telematics and Informatics, vol. 34, n°2, p.p. 528-539.

Cho J., Lee H.E., Kim S.J. et Park D. (2015), "Effects of body image on college students’ attitudes toward diet/fitness apps on smartphones", Cyberpsychology, Behavior, and Social

Networking, vol. 18, n°1, p.p. 41–45.

Choi J. et Kim S. (2016), "Is the smartwatch an it product or a fashion product? a study on factors affecting the intention to use smartwatches", Computers in Human Behavior, vol. 63, p.p. 777-786.

Chuah S.H.-W. et al. (2016), "Wearable technologies: the role of usefulness and visibility in smartwatch adoption", Computers in Human Behavior, vol. 65, p.p. 276-284.

Dehghani M. (2016), "An assessment towards adoption and diffusion of smart wearable

technologies by consumers: the cases of smart watch and fitness wristband products". In 27th

ACM Conference on Hypertext and Social Media. Canada.

Deng Z., Mo X. et Liu S. (2014), "Comparison of the middle-aged and older users’ adoption of mobile health services in china", International Journal of Medical Informatics, vol. 83, n°3, p.p. 210-224.

DuFour A., Lajeunesse K., Pipada R., Xu S. et Nomee J. (2017), "The effect of data security perception on wearable device acceptance: a technology acceptance model", Proceedings of

Student-Faculty Research Day, D11, p.p. 1–6.

Ella Carter (2013), "Marketing “smart” medical innovation: physicians’ attitudes and intentions",

International Journal of Pharmaceutical and Healthcare Marketing, vol. 2, n°4, p.p. 307-320.

Fensli R. et Boisen E. (2008), How to evaluate human factors affecting wireless biomedical

sensors - Identifying aspects of patient acceptance based on a preliminary clinical trial L.

137

Fensli R., Pedersen P.E., Gundersen T. et Hejlesen O. (2008), "Sensor acceptance model -

measuring patient acceptance of wearable sensors", Methods of Information in Medicine, vol. 47, n°1, p.p. 89-95.

Gao S., Zhang X. et Peng S. (2016), "Understanding the adoption of smart wearable devices to assist healthcare in china". In Y. K. Dwivedi et al., éd. Social Media: The Good, the Bad, and

the Ugly. p. 280-291.

Gao Y., He Li et Yan Luo (2015), "An empirical study of wearable technology acceptance in healthcare", Industrial Management et Data Systems, vol. 115, n°9, p.p. 1704-1723.

Gilbert M. et Namagembe F. (2013), "Understanding user adoption of mobile health technology in a resource constrained environment", 2013 Pan African International Conference on

Information Science, Computing and Telecommunications (PACT), p.p. 56-61.

Gimhae G.-N. (2013), "Six human factors to acceptability of wearable computers",

Gimpel H., Ni\s sen M. et Görlitz R. (2013), "Quantifying the quantified self: a study on the motivations of patients to track their own health". In Thirty Fourth International Conference

on Information Systems.

Greenfield R. et al. (2016), "Truck drivers’ perceptions on wearable devices and health promotion: a qualitative study", Bmc Public Health, vol. 16, p.p. 677.

Gribel L., Regier S. et Stengel I. (2016), "Acceptance factors of wearable computing: an empirical investigation". In Proceedings of the Eleventh International Network Conference (INC 2016). p. 67.

Gualtieri L., Rosenbluth S. et Phillips J. (2016), "Can a free wearable activity tracker change behavior? the impact of trackers on adults in a physician-led wellness group", Iproceedings, vol. 2, n°1, p.p. e1.

Guo X., Sun Y., Yan Z. et Wang N. (2012), "Privacy-personalization paradox in adoption of mobile health service: the mediating role of trust.". In PACIS. p. 27.

Herrmann L.K. et Kim J. (2017), "The fitness of apps: a theory-based examination of mobile fitness app usage over 5 months", mHealth, vol. 3.

Hirose M. et Tabe K. (2016), "RESPONSES to mhealth application on health behavior: a theoretical extension of the technology acceptance model". In C. Campbell et J. J. Ma, éd.

Looking Forward, Looking Back: Drawing on the Past to Shape the Future. p. 46-55.

Huang F.-F. et Lai Y.-H. (2016), "The acceptance of smart wearable devices through health cognitive". In C. H. Liu et C. C. Wang, éd. International Conference on Computing and

Precision Engineering (iccpe 2015). p. UNSP 05005.

Huberty J., Ehlers D.K., Kurka J., Ainsworth B. et Buman M. (2015), "Feasibility of three

wearable sensors for 24 hour monitoring in middle-aged women", Bmc Womens Health, vol. 15, p.p. 55.

Illiger K., Hupka M., von Jan U., Wichelhaus D. et Albrecht U.-V. (2014), "Mobile technologies: expectancy, usage, and acceptance of clinical staff and patients at a university medical center", JMIR mHealth and uHealth, vol. 2, n°4, p.p. e42.

Jeong S.C., Kim S.-H., Park J.Y. et Choi B. (2017), "Domain-specific innovativeness and new product adoption: a case of wearable devices", Telematics and Informatics, vol. 34, n°5, p.p. 399-412.

Jia X. et Kim J. (2015), "Development of a conceptual model to understand the adoption of wearable technology",

Jiang Y. (2015), "Factors associated with acceptance and use of mobile technology for health self- monitoring and decision support in lung transplant recipients",

138

Jung Y., Kim S. et Choi B. (2016), "Consumer valuation of the wearables: the case of smartwatches", Computers in Human Behavior, vol. 63, p.p. 899-905.

Jusob F.R., George C. et Mapp G. (2016), "Enforcing trust as a means to improve adoption of connected wearable technologies". In 12th International Conference on Intelligent

Environments - Ie 2016. p. 254-257.

Kim K.J. et Shin D.-H. (2015), "An acceptance model for smart watches", Internet Research, vol. 25, n°4, p.p. 527-541.

Lebron J., Escalante K., Coppola J. et Gaur C. (2015), "Activity tracker technologies for older

Dans le document Essais sur l'adoption des technologies de quantification de soi : une approche critique (Page 131-143)