Questionnaire de propension aux outils intelligents

1. Résumé / Abstract

Le Questionnaire de propension aux outils intelligents (Smart Tools Proneness Questionnaire ou STP-Q) est un instrument d’évaluation psychométrique conçu pour mesurer l’inclination naturelle, les dispositions comportementales et l’appétence d’un individu à intégrer des technologies intelligentes et automatisées au sein de son quotidien. Alors que la prolifération des systèmes d’intelligence artificielle (IA), des assistants vocaux, des appareils domotiques connectés (IoT) et des algorithmes d’automatisation transforme en profondeur l’écologie cognitive et sociale humaine, l’évaluation de ces interactions exige des outils dépassant la simple métrique de temps d’écran ou les modèles dichotomiques d’adoption.

Initialement développé pour explorer la propension globale aux outils intelligents dans le champ de l’ergonomie cognitive par Navarro (2022), le questionnaire a fait l’objet d’une adaptation transculturelle et d’une validation psychométrique rigoureuse en langue turque par Esen, Türkmen et Düger (2024). L’instrument opérationnalise le construit à travers une structure tridimensionnelle comprenant : (1) l’Utilisation utilitaire (Utilitarian Use), (2) l’Utilisation hédonique et sociale (Hedonic and Social Use), et (3) l’Inclination à déléguer des tâches (Inclination to Delegate Tasks).

Sur le plan psychométrique, l’adaptation auprès d’un échantillon d’adultes (N = 374 ; âge moyen = 27,47 ans) a démontré des qualités exceptionnelles. La cohérence interne globale s’est avérée remarquable avec un coefficient Alpha de Cronbach de 0,954. La stabilité temporelle, évaluée par test-retest, a révélé un coefficient de corrélation intraclasse (ICC) de 0,851, confirmant une excellente fidélité temporelle. La validité de construit a été appuyée par une analyse factorielle exploratoire (AFE) confirmant l’architecture trifactorielle, ainsi que par une validité convergente significative établie avec l’échelle de préparation à l’apprentissage en ligne (E-Learning Readiness Scale) et le questionnaire de nomophobie (Nomophobia Questionnaire – NMP-Q). Le STP-Q s’impose comme une échelle de référence en cyberpsychologie et en ergonomie des systèmes interactifs.

2. Mots-clés / Keywords

Propension aux outils intelligents, psychométrie, validation transculturelle, adoption technologique, comportement numérique, intelligence artificielle, cyberpsychologie, délégation de tâches, fidélité test-retest, analyse factorielle exploratoire, ergonomie cognitive, utilisation utilitaire, utilisation hédonique.

3. Auteurs / Authors

L’adaptation et la validation transculturelle de référence du STP-Q ont été conduites par l’équipe de recherche suivante :

• Serdar Yılmaz Esen : Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie.
• Ceyhun Türkmen : Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie. Courriel institutionnel / de correspondance : [email protected].
• Tülin Düger : Professeure au Département de Physiothérapie et Réadaptation, Faculté des Sciences de la Santé, Université Hacettepe, Ankara, Turquie.

Le développement initial du concept et de la version originale en langue anglaise/française de l’instrument est attribué aux travaux fondamentaux de J. Navarro et de ses collaborateurs (2022).

4. Objectif / Purpose

L’objectif principal du Questionnaire de propension aux outils intelligents (STP-Q) est de quantifier de manière standardisée, multidimensionnelle et différentielle les dispositions psychologiques individuelles qui sous-tendent l’adoption, la délégation et l’utilisation continue des technologies intelligentes. Dans le paradigme traditionnel de l’interaction humain-machine (IHM), les chercheurs se sont longtemps heurtés à une polarisation méthodologique : d’une part, des modèles d’acceptabilité technologique orientés vers la performance organisationnelle (tels que le Modèle d’Acceptation de la Technologie – TAM de Davis, 1989), et d’autre part, des instruments cliniques évaluant les dérives psychopathologiques (comme le test d’addiction à Internet de Young, 1996, ou les échelles de technostress). Le STP-Q comble une lacune épistémologique majeure en mesurant une propension générale non pathologique, c’est-à-dire un trait ou une disposition comportementale stable à interagir harmonieusement avec des agents intelligents.

Justification théorique et applications de recherche

Sur le plan fondamental, le STP-Q permet de répondre aux interrogations contemporaines concernant la métacognition distribuée et la décharge cognitive (cognitive offloading). Alors que les technologies deviennent proactives, décisionnelles et contextuelles, l’engagement de l’utilisateur n’est plus uniquement motivé par la facilité perçue d’un logiciel passif, mais par sa disposition psychologique à transférer son agentivité à des entités artificielles. L’échelle offre un cadre standardisé pour examiner les déterminants individuels qui prédisent les trajectoires d’adoption des innovations de rupture (algorithmes génératifs, véhicules autonomes, domotique ubiquitaire).

Applications cliniques, ergonomiques et organisationnelles

Dans le domaine ergonomique et industriel, le STP-Q constitue un outil diagnostique pour concevoir des interfaces centrées sur l’utilisateur. Il permet de segmenter les populations d’utilisateurs selon leur profil d’appétence, facilitant la personnalisation des degrés d’autonomie des systèmes intelligents (par exemple, ajuster le niveau d’assistance d’un copilote algorithmique en fonction de la propension de l’opérateur à déléguer). En psychologie du travail, le questionnaire aide à identifier les résistances psychologiques ou, au contraire, les prédispositions à l’automatisation au sein des équipes en transition numérique.

Dans les contextes éducatifs et de formation en santé, le STP-Q s’avère précieux pour évaluer la réceptivité des apprenants et des patients aux plateformes d’apprentissage numérique interactives, aux dispositifs de télésanté et aux agents conversationnels thérapeutiques. L’instrument permet d’anticiper les ruptures d’usage et de proposer des interventions psycho-éducatives ciblées pour accompagner l’alphabétisation numérique.

5. Construit psychologique / Construct

Le construit central théorisé et mesuré par le questionnaire est la « propension aux outils intelligents » (Smart Tool Proneness). Il s’agit d’une tendance psychologique et comportementale globale, relativement stable dans le temps, qui reflète la disposition d’un individu à rechercher, accepter, intégrer et s’appuyer sur des systèmes interactifs dotés d’un certain degré d’intelligence artificielle ou d’automatisation adaptative. Ce construit est conceptualisé comme une structure factorielle de premier ordre articulée autour de trois dimensions interdépendantes :

1. Utilisation utilitaire (Utilitarian Use)

Cette dimension évalue les motivations instrumentales, pragmatiques et orientées vers l’efficacité fonctionnelle. Elle capture la mesure dans laquelle un individu perçoit et mobilise les outils intelligents comme des amplificateurs de productivité, des optimiseurs temporels et des assistants organisationnels.

• Comportements types : Utilisation de routines automatisées pour la gestion d’agendas, recours à des algorithmes de filtrage d’informations, synchronisation des données domotiques pour optimiser la consommation énergétique, emploi de générateurs de texte pour des tâches professionnelles.
• Sous-jacents psychologiques : Motivation extrinsèque, recherche d’efficacité cognitive, besoin d’accomplissement et valorisation du gain de temps dans les activités quotidiennes.

2. Utilisation hédonique et sociale (Hedonic and Social Use)

Cette sous-échelle mesure l’attrait pour les technologies intelligentes en tant que sources de plaisir, de divertissement, d’exploration sensorielle et de maintien du lien social. Les outils intelligents ne sont pas seulement envisagés comme des instruments fonctionnels, mais comme des médiateurs de bien-être subjectif, d’appartenance communautaire et de stimulation ludique.

• Comportements types : Interaction avec des agents conversationnels pour le divertissement, partage de contenus générés par IA sur les réseaux sociaux, utilisation d’enceintes intelligentes pour la diffusion musicale immersive, participation à des jeux vidéo adaptatifs intégrant des PNJ intelligents.
• Sous-jacents psychologiques : Motivation intrinsèque, besoin de sociabilité numérique, recherche de sensations nouvelles (novelty seeking) et attachement affectif aux technologies relationnelles.

3. Inclination à déléguer des tâches (Inclination to Delegate Tasks)

Dimension la plus novatrice du construit, l’inclination à déléguer capture le confort psychologique, la confiance épistémique et l’abandon volontaire de contrôle au profit d’un système autonome. Elle mesure la propension à laisser l’outil intelligent exécuter des actions, prendre des micro-décisions ou traiter des données sans supervision humaine constante.

• Comportements types : Autoriser un aspirateur robot à cartographier et nettoyer un domicile en totale autonomie, faire confiance à un système de navigation algorithmique même en cas d’itinéraire contre-intuitif, laisser des applications financières exécuter des micro-investissements automatisés.
• Sous-jacents psychologiques : Confiance interpersonnelle transposée à la machine (Trust in Automation), réduction du besoin de contrôle omnipotent, tolérance au risque algorithmique et propension au déchargement cognitif (cognitive offloading).

6. Cadre théorique / Theoretical Framework

Le développement et la modélisation du STP-Q s’inscrivent à la croisée de plusieurs courants théoriques majeurs de la psychologie cognitive, des sciences de l’information et de la cyberpsychologie.

Modèles d’acceptation technologique et théorie unifiée

Le socle conceptuel du STP-Q puise ses racines dans le Modèle d’Acceptation de la Technologie (TAM ; Davis, 1989) et son extension, la Théorie Unifiée de l’Acceptation et de l’Utilisation de la Technologie (UTAUT ; Venkatesh et al., 2003). Ces paradigmes postulent que l’intention d’usage et l’adoption d’un système dépendent de l’utilité perçue (Perceived Usefulness) et de la facilité d’utilisation perçue (Perceived Ease of Use). Toutefois, le STP-Q enrichit ces formulations classiques en dépassant le cadre de l’entreprise pour aborder les technologies intelligentes omniprésentes, où les dimensions hédoniques, identitaires et relationnelles jouent un rôle tout aussi déterminant que l’utilité pure.

Théorie de l’Autodétermination et motivations sous-jacentes

L’articulation entre les facettes utilitaires et hédoniques du STP-Q reflète fidèlement la Théorie de l’Autodétermination (Deci & Ryan). L’intégration d’un outil intelligent répond à un équilibre entre motivation extrinsèque (dimension utilitaire : accomplir une tâche pour obtenir un résultat externe efficient) et motivation intrinsèque (dimension hédonique et sociale : plaisir inhérent à l’interaction technologique, sentiment de compétence et de connectivité relationnelle).

Théorie de la décharge cognitive et de l’esprit étendu

La sous-échelle d’« Inclination à déléguer des tâches » repose sur les théories modernes de la cognition incarnée et étendue (Extended Mind Theory de Clark et Chalmers) ainsi que sur la décharge cognitive. Dans un monde saturé d’informations, l’être humain cherche naturellement à délester sa mémoire de travail et ses processus exécutifs sur des artefacts externes. La délégation à des outils intelligents n’est pas interprétée comme un simple comportement passif, mais comme une restructuration métacognitive de la résolution de problèmes, régie par le niveau de confiance que l’individu accorde à la fiabilité des algorithmes autonomes.

7. Validité / Validity

La validation psychométrique de la version adaptée du STP-Q a été établie selon les standards méthodologiques internationaux recommandés par le comité COSMIN et les directives de Beaton et al. (2000).

Validité de contenu et d’adaptation transculturelle

Le processus d’adaptation transculturelle a suivi une procédure standardisée de traduction-rétrotraduction (forward and back-translation) impliquant des linguistes indépendants et des experts en ergonomie et psychométrie. L’évaluation qualitative des items par un panel d’experts a garanti l’équivalence sémantique, conceptuelle et idiomatique entre la version originale et la version cible.

Validité convergente

La validité convergente du STP-Q a été examinée en corrélant les scores obtenus avec deux échelles étalonnées mesurant des concepts cyberpsychologiques connexes :

• Échelle de préparation à l’apprentissage en ligne (E-Learning Readiness Scale) : Les analyses ont révélé des corrélations positives statistiquement significatives entre la propension aux outils intelligents et les dimensions de l’auto-efficacité numérique et de la disposition à l’e-learning (Bircan & Sungur, 2022 ; Alem et al., 2016). Les individus présentant une forte propension aux outils intelligents démontrent une plus grande aisance et une préparation supérieure dans les environnements de formation virtuelle.
• Questionnaire de nomophobie (Nomophobia Questionnaire – NMP-Q) : Une corrélation positive significative a été mise en évidence avec les scores du NMP-Q (Yıldırım & Correia, 2015 ; Yıldırım et al., 2016). Cette relation corrobore l’hypothèse théorique selon laquelle une forte inclinaison envers les outils intelligents s’accompagne d’une dépendance accrue à la connectivité permanente et d’une appréhension psychologique face à la déconnexion mobile.

Validité discriminante

La validité discriminante a été confirmée par la capacité de l’instrument à distinguer la propension fonctionnelle aux outils intelligents de la simple dépendance compulsive à Internet (évaluée par les échelles d’addiction numérique classiques comme Kesici & Sahin, 2010), démontrant que le STP-Q mesure une disposition adaptative et non un construit purement psychopathologique.

8. Fidélité / Reliability

Les propriétés métrologiques relatives à la précision de la mesure et à la stabilité temporelle du STP-Q témoignent d’une fidélité de premier ordre :

Cohérence interne

La consistance interne de l’instrument a été évaluée au moyen du coefficient Alpha de Cronbach (Bland & Altman, 1997). Pour l’ensemble de l’échelle totale, l’alpha atteint la valeur exceptionnelle de α = 0,954. Chacune des trois sous-échelles individuelles présente également des coefficients de cohérence interne robustes, largement supérieurs au seuil critique de 0,80 préconisé par la littérature psychométrique (DeVon et al., 2007 ; Hair et al., 2010).

Stabilité temporelle (Test-Retest)

La fidélité test-retest a été investiguée sur un sous-échantillon réévalué à un intervalle standard de deux à quatre semaines. L’analyse de la stabilité a été calculée via le Coefficient de Corrélation Intraclasse (ICC ; Koo & Li, 2016 ; Weir, 2005) :

• ICC de l’échelle totale : 0,851 (intervalle de confiance à 95 % compris entre 0,78 et 0,90).

Cette valeur, classée dans la catégorie « bonne à excellente », prouve que le STP-Q capture des traits dispositionnels durables plutôt que de simples fluctuations émotionnelles ou contextuelles transitoires.

9. Analyse factorielle / Factor Analysis

Afin de sonder et confirmer la structure dimensionnelle du questionnaire au sein de la population cible, les auteurs ont mené une Analyse Factorielle Exploratoire (AFE) rigoureuse.

Adéquation de l’échantillon et sphéricité

L’adéquation des données pour l’analyse factorielle a été validée préalablement :

• L’indice de Kaiser-Meyer-Olkin (KMO) a dépassé les seuils recommandés (> 0,90), indiquant une excellente adéquation de l’échantillon.
• Le Test de Sphéricité de Bartlett s’est révélé hautement significatif (p < 0,001), rejetant l’hypothèse nulle d’une matrice d’identité et confirmant des intercorrélations substantielles entre les items.

Extraction factorielle et saturation des items

L’analyse factorielle avec rotation appropriée (oblique / Promax pour tenir compte des corrélations naturelles entre sous-construits) a extrait avec succès trois facteurs principaux, répliquant fidèlement la configuration théorique de l’instrument original de Navarro (2022) :

1. Facteur 1 — Utilisation utilitaire : Regroupe les items portant sur le travail, l’organisation, les gains de productivité et la gestion opérationnelle. Les saturations factorielles (factor loadings) sont élevées, oscillant entre 0,60 et 0,85.
2. Facteur 2 — Utilisation hédonique et sociale : Rassemble les items relatifs au jeu, à la détente, aux loisirs interactifs et aux échanges interpersonnels médiatisés par des systèmes intelligents.
3. Facteur 3 — Inclination à déléguer des tâches : Isole les items évaluant le lâcher-prise décisionnel, le pilotage automatique et l’attribution de tâches cognitives ou domestiques à des algorithmes autonomes.

La variance totale expliquée par cette solution trifactorielle est substantielle, attestant d’une excellente parcimonie et d’une représentativité structurale robuste sans présence d’items croisés ambigus.

10. Instrument de mesure / Instrument

L’instrument de mesure standardisé se caractérise par les paramètres d’administration et de cotation suivants :

• Format du test : Auto-questionnaire psychométrique (auto-rapporté / self-report questionnaire).
• Support : Version papier-crayon ou administration numérique en ligne sécurisée.
• Population cible : Adultes issus de la population générale (âge ≥ 18 ans), utilisateurs réguliers ou occasionnels d’outils et dispositifs connectés intelligents.
• Structure dimensionnelle : 3 sous-échelles distinctes (Utilisation utilitaire, Utilisation hédonique et sociale, Inclination à déléguer des tâches).
• Modalité de réponse : Échelle ordinale de type Likert (variant généralement de 1 = « Pas du tout d’accord » à 5 ou 7 = « Tout à fait d’accord » selon les adaptations expérimentales).
• Cotation et calcul des scores :
  • Calcul d’un score moyen ou sommatif pour chaque sous-échelle individuelle.
  • Calcul d’un score composite global de propension aux outils intelligents (somme ou moyenne de tous les items).
  • Un score élevé traduit une disposition marquée, une confiance établie et une intégration proactive des outils intelligents dans les différentes sphères de l’existence.
• Temps de passation : Environ 5 à 10 minutes.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de développement initial : 2022 (Navarro).
• Année de validation transculturelle de référence : 2024 (Esen, Türkmen, Düger).
• Conditions d’accès et droits d’utilisation : L’instrument est destiné à la recherche académique, scientifique et clinique. L’utilisation non commerciale dans le cadre d’études universitaires nécessite une demande formelle d’autorisation auprès des auteurs ou des titulaires de droits de l’article princeps publié dans Ergonomics ou PLoS ONE.
• Tarification : Accès libre (gratuit) pour la recherche scientifique sans but lucratif sous réserve de citation bibliographique adéquate. Les applications industrielles, commerciales ou d’audit en entreprise nécessitent un accord spécifique de licence.

12. Références / References

Les publications fondatrices et études associées à la validation du STP-Q sont répertoriées ci-dessous en style APA (7e édition) :

• Ahmad, M. (2023). The potential of AI in facilitating cross-cultural communication through translation. Journal of Namibian Studies, 37, 107.
• Alem, F., Plaisent, M., Zuccaro, C., & Bernard, P. (2016). Measuring e-learning readiness concept: scale development and validation using structural equation modeling. International Journal of E-Education, E-Business, E-Management and E-Learning, 6(4), 193–207. https://doi.org/10.17706/ijeeee.2016.6.4.193-207
• Ali, B., & Awad, A. I. (2018). Cyber and physical security vulnerability assessment for IoT-based smart homes. Sensors, 18(3), 817. https://doi.org/10.3390/s18030817
• Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191. https://doi.org/10.1097/00007632-200012150-00014
• Berry, J. W. (2005). Acculturation: Living successfully in two cultures. International Journal of Intercultural Relations, 29(6), 697–712. https://doi.org/10.1016/j.ijintrel.2005.07.013
• Bianchi, A., & Phillips, J. G. (2005). Psychological predictors of problem mobile phone use. Cyberpsychology & Behavior, 8(1), 39–51. https://doi.org/10.1089/cpb.2005.8.39
• Bircan, M. A., & Sungur, M. (2022). Validity and reliability study for the Turkish adaptation of the e-learning readiness scale. Pedagogical Perspectives, 1(2), 89–98. https://doi.org/10.29329/pedper.2022.493.2
• Bland, J. M., & Altman, D. G. (1997). Statistics notes: Cronbach’s alpha. BMJ, 314(7080), 572. https://doi.org/10.1136/bmj.314.7080.572
• Bünning, M., & Hipp, L. (2023). Digital gender gap in the second half of life is declining: Changes in gendered internet use between 2014 and 2021 in Germany. The Journals of Gerontology: Series B, 78(8), 1386–1396. https://doi.org/10.1093/geronb/gbad079
• Colin, C., & Buisine, S. (2023). The user experience of low-techs: from user problems to design principles. Journal of User Experience, 18(2), 68–87.
• 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
• DeVon, H. A., Block, M. E., Moyle-Wright, P., Ernst, D. M., Hayden, S. J., Lazzara, D. J., Savoy, S. M., & Kostas-Polston, E. (2007). A psychometric toolbox for testing validity and reliability. Journal of Nursing Scholarship, 39(2), 155–164. https://doi.org/10.1111/j.1547-5069.2007.00161.x
• Esen, S. Y., Türkmen, C., & Düger, T. (2024). Smart Tools Proneness Questionnaire: Turkish cross-cultural adaptation and psychometric validation. PLoS ONE, 19(8), e0309299. https://doi.org/10.1371/journal.pone.0309299
• Fryman, S., & Romine, W. (2021). Measuring smartphone dependency and exploration of consequences and comorbidities. Computers in Human Behavior Reports, 4, 100108. https://doi.org/10.1016/j.chbr.2021.100108
• Gøthesen, S., & Olsen, A. O. (2023). Empowering homes with intelligence: An investigation of smart home technology adoption and usage. Internet of Things, 24, 100944. https://doi.org/10.1016/j.iot.2023.100944
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.). Pearson.
• Haleem, A., Javaid, M., Qadri, M. A., & Suman, R. (2022). Understanding the role of digital technologies in education: A review. Sustainable Operations and Computers, 3, 275–285. https://doi.org/10.1016/j.susoc.2022.05.004
• Heim, E., Mewes, R., Abi Ramia, J., & Knaevelsrud, C. (2021). Reporting cultural adaptation in psychological trials—The RECAPT criteria. Clinical Psychology in Europe, 3(4), e6351. https://doi.org/10.32872/cpe.6351
• Helsper, E. J., & van Deursen, A. J. (2016). Do the rich get digitally richer? Quantity and quality of support for digital engagement. Information, Communication & Society, 20(5), 700–714. https://doi.org/10.1080/1369118X.2016.1203454
• Hilbert, M. (2011). Digital gender divide or technologically empowered women in developing countries? A typical case of lies, damned lies, and statistics. Women’s Studies International Forum, 34(6), 479–489. https://doi.org/10.1016/j.wsif.2011.07.001
• Hoehe, M. R., & Thibaut, F. (2020). Going digital: how technology use may influence human brains and behavior. Dialogues in Clinical Neuroscience, 22(2), 93–97. https://doi.org/10.31887/DCNS.2020.22.2/mhoehe
• Irugalbandara, C., Gamage, C., & Fernando, A. (2023). A secure and smart home automation system with speech recognition and power measurement capabilities. Sensors, 23(13), 5784. https://doi.org/10.3390/s23135784
• Johnson, K. B., Wei, W. Q., Weeraratne, D., Frisse, M. E., Misulis, K., Rhee, K., Zhao, J., & Snowdon, J. L. (2021). Precision medicine, AI, and the future of personalized health care. Clinical and Translational Science, 14(1), 86–93. https://doi.org/10.1111/cts.12884
• Kesici, S., & Sahin, I. (2010). Turkish adaptation study of Internet Addiction Scale. Cyberpsychology, Behavior, and Social Networking, 13(2), 185–189. https://doi.org/10.1089/cyber.2009.0067
• Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163. https://doi.org/10.1016/j.jcm.2016.02.012
• Lee, S. G., Trimi, S., & Kim, C. (2013). The impact of cultural differences on technology adoption. Journal of World Business, 48(1), 20–29. https://doi.org/10.1016/j.jwb.2012.06.003
• Lin, H., & Bergmann, N. W. (2016). IoT privacy and security challenges for smart home environments. Information, 7(3), 44. https://doi.org/10.3390/info7030044
• McCrae, R. R., Kurtz, J. E., Yamagata, S., & Terracciano, A. (2011). Internal consistency, retest reliability, and their implications for personality scale validity. Personality and Social Psychology Review, 15(1), 28–50. https://doi.org/10.1177/1088868310366253
• Navarro, J., Osiurak, F., & Reynaud, E. (2022). Development of the Smart Tools Proneness Questionnaire (STP-Q): an instrument to assess the individual propensity to use smart tools. Ergonomics, 65(12), 1639–1653. https://doi.org/10.1080/00140139.2022.2048895
• Pangriya, R., & Singh, P. (2021). The differencing views of Technology Readiness and Acceptance Model: A literature review. Turkish Journal of Computer and Mathematics Education, 12(4), 1–11.
• Parlangeli, O., Palmitesta, P., Bracci, M., & Guidi, S. (2024). Moral judgements of errors by AI systems and humans in civil and criminal law. Behaviour & Information Technology, 43(9), 1718–1732. https://doi.org/10.1080/0144929X.2023.2283622
• Plekhanov, D., Franke, H., & Netland, T. H. (2023). Digital transformation: A review and research agenda. European Management Journal, 41(6), 821–840. https://doi.org/10.1016/j.emj.2022.09.007
• Satici, S. A., Uysal, R., & Deniz, M. E. (2017). Harmony in Life Scale—Turkish version: Studies of validity and reliability. Psicologia: Reflexão e Crítica, 30(1), 18. https://doi.org/10.1186/s41155-017-0073-9
• Small, G. W., Lee, J., Kaufman, A., Jalil, J., Siddarth, P., Gaddipati, H., Moody, T. D., & Bookheimer, S. Y. (2020). Brain health consequences of digital technology use. Dialogues in Clinical Neuroscience, 22(2), 179–187. https://doi.org/10.31887/DCNS.2020.22.2/gsmall
• Taylor, A., & Strutton, D. (2024). Appetite for distraction? A systematic literature review on customer smartphone distraction. International Journal of Information Management, 75, 102722. https://doi.org/10.1016/j.ijinfomgt.2023.102722
• Terwee, C. B., Bot, S. D., de Boer, M. R., van der Windt, D. A., Knol, D. L., Dekker, J., Bouter, L. M., & de Vet, H. C. (2007). Quality criteria were proposed for measurement properties of health status questionnaires. Journal of Clinical Epidemiology, 60(1), 34–42. https://doi.org/10.1016/j.jclinepi.2006.03.012
• 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
• Weir, J. P. (2005). Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM. Journal of Strength and Conditioning Research, 19(1), 231–240.
• Xinyan, Z., & Yazdanifard, R. (2022). Modeling the adoption of medical wearable devices among senior adults: Using hybrid SEM-neural network approach. Frontiers in Public Health, 10, 1016065. https://doi.org/10.3389/fpubh.2022.1016065
• Yıldırım, C., & Correia, A. P. (2015). Exploring the dimensions of nomophobia: Development and validation of a self-reported questionnaire. Computers in Human Behavior, 49, 130–137. https://doi.org/10.1016/j.chb.2015.02.059
• Yıldırım, C., Sumuer, E., Adnan, M., & Yildirim, S. (2016). A growing fear: Prevalence of nomophobia among Turkish college students. Information Development, 32(5), 1322–1331. https://doi.org/10.1177/0266666915599025
• Young, K. S. (1996). Psychology of computer use: XL. Addictive use of the Internet: a case that breaks the stereotype. Psychological Reports, 79(3 Pt 1), 899–902. https://doi.org/10.2466/pr0.1996.79.3.899

13. Questions et items du questionnaire / Scale Items