Machine Translated by Google

Internet tương lai

Bài báo

Hiểu các yếu tố quyết định và tương lai

Những thách thức của việc áp dụng điện toán đám mây ở mức cao
Tính toán hiệu năng

Theo Lynn *,†,‡ , Grace Fox †,‡, Anna Gourinovitch †,‡ và Pierangelo Rosati †,‡

Viện Kinh doanh Kỹ thuật số Ireland, Đại học Thành phố Dublin; Đại lộ Collins, D09 Dublin, Ireland; ân

sủng.fox@dcu.ie (GF); anna.gourinovitch2@mail.dcu.ie (AG); pierangelo.rosati@dcu.ie (PR)

* Thư từ: theo.lynn@dcu.ie † Tất cả các

tác giả đều đóng góp như nhau cho tác phẩm này. ‡ Bài

viết này là phần mở rộng của bài báo ban đầu được trình bày tại Hội nghị Quốc tế Hawaii lần thứ 51 về

Khoa học hệ thống (HICSS-51). Một nghiên cứu bổ sung thứ hai đã được thêm vào.

Đã nhận: ngày 14 tháng 7 năm 2020; Được chấp nhận: ngày 5 tháng 8 năm 2020; Đã xuất bản: ngày 11 tháng 8 năm 2020

Tóm tắt: Điện toán hiệu năng cao (HPC) được công nhận rộng rãi như một công nghệ then chốt thúc
đẩy tiến bộ khoa học, khả năng cạnh tranh công nghiệp, an ninh quốc gia và khu vực cũng như chất
lượng cuộc sống con người. Bất chấp sự đóng góp này, yêu cầu đầu tư ban đầu lớn và chuyên môn
kỹ thuật đã hạn chế việc áp dụng HPC ở các tổ chức lớn, cơ quan chính phủ và tổ chức cấp ba. Những
tiến bộ gần đây trong điện toán đám mây và viễn thông có khả năng khắc phục các vấn đề lịch sử
liên quan đến HPC thông qua việc tăng tính linh hoạt và hiệu quả cũng như giảm chi phí vốn và
hoạt động. Nghiên cứu này tìm cách thúc đẩy tài liệu về việc áp dụng và đồng hóa công nghệ trong
bối cảnh HPC chưa được kiểm tra thông qua cách tiếp cận các phương pháp hỗn hợp. Thứ nhất, các
yếu tố quyết định việc áp dụng điện toán đám mây cho HPC được xem xét thông qua khảo sát 121
người ra quyết định HPC trên toàn thế giới. Thứ hai, phương pháp Delphi sửa đổi đã được tiến
hành với 13 chuyên gia để xác định và ưu tiên các vấn đề quan trọng trong việc áp dụng điện toán
đám mây cho HPC. Kết quả từ giai đoạn định lượng cho thấy chỉ có yếu tố tổ chức và con người mới
ảnh hưởng đáng kể đến quyết định áp dụng điện toán đám mây cho HPC. Mặc dù bảo mật không được
xác định là yếu tố có ảnh hưởng đáng kể đến các quyết định áp dụng, nhưng kết quả nghiên cứu
định tính cho thấy các vấn đề về quyền riêng tư và bảo mật dữ liệu là mối quan tâm trước mắt và lâu dài.

Từ khóa: điện toán đám mây; tính toán hiệu năng cao; HPC; mô hình áp dụng công nghệ;
HPC trên đám mây

1. Giới thiệu

Điện toán đám mây là một trong những mô hình mới nổi chính trong nghiên cứu và thực hành hệ
thống thông tin. Bị thu hút bởi lời hứa về hiệu quả của công nghệ thông tin (CNTT) và sự linh hoạt
trong kinh doanh ngày càng tăng, các doanh nghiệp đang kết hợp điện toán đám mây vào chiến lược
CNTT của mình [1]. Bất chấp tài liệu phong phú về lợi ích của điện toán đám mây, sự hiểu biết của
chúng ta về các quyết định áp dụng điện toán đám mây vẫn bị ảnh hưởng bởi sự không nhất quán về ảnh
hưởng của vô số yếu tố tổ chức, công nghệ, môi trường và con người [2–6], thay đổi tùy theo bối
cảnh tình huống [ 7–9]. Do đó, trong các bối cảnh rất phức tạp và đang được nghiên cứu như điện
toán hiệu năng cao (HPC), cần có nghiên cứu làm sáng tỏ vai trò của các yếu tố tổ chức, công nghệ,
môi trường và con người khác nhau.

Những tiến bộ trong thiết kế bộ xử lý hiệu suất cao hơn, bộ tăng tốc chức năng, kết nối và
phần mềm liên quan đã tạo ra các máy tính ngày càng mạnh mẽ thường được gọi là siêu máy tính hoặc
HPC [10]. HPC có thể được định nghĩa là việc sử dụng phối hợp các mạng song song lớn

Internet tương lai 2020, 12, 135; doi:10.3390/fi12080135 www.mdpi.com/journal/futureinternet

Machine Translated by Google

Internet Tương Lai 2020, 12, 135 2 trên 17

kiến trúc để giải quyết một vấn đề đơn lẻ và được đặc trưng bởi quy mô sức mạnh tính toán cần thiết để xử lý

công việc một cách nhanh chóng [11]. Các vấn đề hướng tới HPC thường là các vấn đề phân tích và mô phỏng

chuyên sâu về tính toán và dữ liệu [12]. Điện toán tiên tiến như vậy rất tốn kém về mặt đầu tư vốn ban đầu

cũng như chi phí hoạt động trực tiếp và gián tiếp vì HPC đòi hỏi năng lượng và chuyên môn đáng kể để vận hành

[10]. Do chi phí của HPC, không có gì ngạc nhiên khi HPC thường được sử dụng trong phát triển sản phẩm ô tô

và hàng không vũ trụ, thăm dò dầu khí, phát hiện gen và thuốc, dự báo thời tiết và mô hình khí hậu, hiển thị

hình ảnh 3D và mô hình tài chính phức tạp [12]. Do đó, quyền truy cập vào cơ sở hạ tầng HPC thường bị giới hạn

ở các tổ chức lớn đã trưởng thành, các trung tâm hoặc cơ quan nghiên cứu của chính phủ và các trường đại học

[12]. HPC đại diện cho một phân khúc nhỏ nhưng có giá trị cao của thị trường CNTT [12,13]. Thật vậy, báo cáo

IDC năm 2015 của Ủy ban Châu Âu đã nhấn mạnh tầm quan trọng của HPC: “Việc sử dụng điện toán hiệu năng cao

(HPC) đã đóng góp ngày càng đáng kể vào tiến bộ khoa học, khả năng cạnh tranh công nghiệp, an ninh quốc gia và

khu vực cũng như chất lượng cuộc sống của con người. HPC rất quan trọng đối với các nền kinh tế quốc gia và

khu vực—và đối với sự hợp tác CNTT-TT toàn cầu mà Châu Âu tham gia—bởi vì HPC, còn được gọi là siêu máy tính,

đã được liên kết chặt chẽ với việc thúc đẩy đổi mới” [12].

Geist và Reed [10] lưu ý rằng cơ sở hạ tầng điện toán đám mây thương mại quy mô lớn có chung quy mô

với các hệ thống HPC quy mô lớn với cả hai dịch vụ đều được thúc đẩy bởi các yêu cầu về chi phí, độ tin cậy

và hiệu quả năng lượng. Tuy nhiên, họ cũng lưu ý những khác biệt quan trọng. Đối với HPC, hiệu suất là yếu

tố then chốt [10], nhưng điểm nhấn trong điện toán đám mây là khả năng mở rộng, trong trường hợp này là mở

rộng quy mô theo chiều ngang thông qua việc bổ sung thêm nhiều máy, trái ngược với quy mô mở rộng theo chiều

dọc trong HPC. Hơn nữa, nghiên cứu gần đây đã nhấn mạnh tiềm năng của điện toán đám mây trong việc khắc phục

nhiều vấn đề liên quan đến điện toán hiệu năng cao bằng cách tăng tính linh hoạt, hiệu quả và giảm chi phí [14–16].
Cơ sở hạ tầng HPC theo truyền thống không có sẵn cho nhiều tổ chức do chi phí cao và kiến thức kỹ thuật chuyên

biệt cần có để định cấu hình và duy trì cơ sở hạ tầng đó [17]. Theo Beck và Toenker [18], chúng tôi thừa nhận

rằng HPC trên đám mây cho phép các tổ chức, đặc biệt là các doanh nghiệp vừa và nhỏ (SME), truy cập cơ sở hạ

tầng HPC trên cơ sở hiệu quả hơn về mặt chi phí và do đó, cạnh tranh tốt hơn bằng cách khắc phục những hạn chế

nội bộ để tạo ra những khả năng mới, thâm nhập thị trường mới, sử dụng các nguồn lực mới và phát triển sản phẩm

mới. Tương tự, dự án HPC4AI thừa nhận rằng các đám mây liên kết có thể hỗ trợ nghiên cứu công nghiệp và học

thuật quốc gia và khu vực thông qua việc cung cấp các dịch vụ trí tuệ nhân tạo (AI) và phân tích Dữ liệu lớn

(BDA) theo yêu cầu thông qua sự cộng tác giữa các tổ chức với các nguồn lực bổ sung [16]. Do đó, việc sử dụng

đám mây cho HPC có thể cho phép tăng tốc đổi mới, mang lại tác động tích cực cho toàn ngành và xã hội .

Bất chấp những lợi ích tiềm năng, so với thị trường công nghệ thông tin và truyền thông (ICT) rộng hơn,

điện toán đám mây công cộng chiếm tỷ trọng tương đối nhỏ trong tổng doanh thu của thị trường HPC nhưng đang

bắt đầu cho thấy bằng chứng về sự tăng trưởng mạnh mẽ [12,13]. Do đó, điều quan trọng là phải hiểu lý do

đằng sau quyết định áp dụng hay không áp dụng điện toán đám mây của các tổ chức cho khối lượng công việc

HPC. Nghiên cứu về HPC trong tài liệu về hệ thống thông tin (IS), và cụ thể là HPC trong đám mây, còn hạn chế

[18,19]. Thật vậy, nghiên cứu hiện tại chủ yếu mang tính chất kỹ thuật và tập trung vào việc đánh giá tiềm

năng của các nền tảng đám mây khác nhau và xác định ứng dụng HPC nào mà đám mây đại diện cho giải pháp khả
thi [14,20]. Mặc dù những nghiên cứu này đã nâng cao hiểu biết kỹ thuật của chúng ta về tiềm năng của điện

toán đám mây trong bối cảnh HPC, nhưng vẫn còn thiếu nghiên cứu khám phá các yếu tố liên quan đến việc ảnh

hưởng đến các quyết định ban đầu về việc áp dụng điện toán đám mây cho HPC.
Khoảng cách kiến thức này của chúng ta rất quan trọng vì việc phát triển sự hiểu biết về các yếu tố ảnh hưởng

đến quyết định ban đầu áp dụng công nghệ mới là điều tối quan trọng đối với sự thành công của công nghệ mới [21].

Với ý nghĩ đó, bài viết tìm hiểu các câu hỏi nghiên cứu sau:

RQ1. Các yếu tố quyết định việc áp dụng điện toán đám mây cho HPC là gì?
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 3 trên 17

RQ2. Các vấn đề quan trọng nào hiện đang ảnh hưởng và có khả năng ảnh hưởng đến HPC trên đám mây trong
tương lai gần (1–5 năm) và trong dài hạn (hơn 5 năm)?

Nghiên cứu này tìm cách thúc đẩy tài liệu về việc áp dụng và đồng hóa công nghệ trong bối cảnh HPC
chưa được kiểm tra thông qua cách tiếp cận các phương pháp hỗn hợp. Thứ nhất, các yếu tố quyết định việc
áp dụng điện toán đám mây cho HPC được xem xét bằng cuộc khảo sát với 121 người ra quyết định HPC trên
toàn thế giới [22]. Thứ hai, phương pháp Delphi sửa đổi đã được tiến hành với 13 chuyên gia để xác định và
ưu tiên các vấn đề quan trọng trong việc áp dụng điện toán đám mây cho HPC. Phần còn lại của bài viết này
được tổ chức như sau. Trong phần tiếp theo, chúng tôi thảo luận về các tài liệu liên quan trong bối cảnh
điện toán đám mây. Hai lý thuyết thích hợp được tích hợp để phát triển mô hình nghiên cứu trong Phần 3. Các
phương pháp và kết quả cho các giai đoạn định lượng và định tính của nghiên cứu được trình bày lần lượt
trong Phần 4 và 5. Những vấn đề này sẽ được thảo luận ở Phần 6. Bài viết kết thúc bằng bản tóm tắt những
đóng góp, những hạn chế và cơ hội cho nghiên cứu trong tương lai của nghiên cứu.

2. Phê bình văn học

Bài viết này tìm cách kiểm tra việc áp dụng điện toán đám mây cho HPC bằng cách tận dụng công nghệ
tài liệu áp dụng trong lĩnh vực IS.

2.1. Áp dụng công nghệ trong hệ thống thông tin

Vào những năm 1960, nghiên cứu về áp dụng đổi mới bắt đầu với việc Rogers tìm cách hiểu điều gì đã
ảnh hưởng đến quyết định áp dụng đổi mới nông nghiệp của nông dân, với những đổi mới được mô tả là một
ý tưởng, thực tiễn hoặc đối tượng được coi là mới đối với một cá nhân hoặc tổ chức [23]. Công việc ban
đầu trong lĩnh vực này tập trung vào đặc điểm của cá nhân áp dụng đổi mới hoặc đặc điểm của đổi mới [23].
Kể từ những năm 1980, các nhà nghiên cứu đã tập trung vào việc tìm hiểu các yếu tố thúc đẩy việc áp dụng
các công nghệ khác nhau, dẫn đến sự phát triển của một dòng tài liệu vững chắc và một số lý thuyết.
Những lý thuyết này có thể được thảo luận theo hai loại: (i) lấy người áp dụng làm trung tâm và (ii)
lấy sự đổi mới hoặc tổ chức làm trung tâm. Các lý thuyết phổ biến được trình bày trong Bảng 1.
Phần lớn các mô hình trong loại đầu tiên đều dựa trên lý thuyết về hành động hợp lý (TRA) [24], trong
đó thừa nhận rằng hành vi của các cá nhân được hình thành dựa trên niềm tin và thái độ nổi bật của họ đối
với hành vi đó. Mặc dù TRA không quy định những niềm tin nổi bật này là gì nhưng nó đã được tận dụng làm
nền tảng cơ bản của một số mô hình sau này bắt đầu bằng mô hình chấp nhận công nghệ (TAM). TAM liệt kê nhận
thức về tính hữu ích và nhận thức về tính dễ sử dụng là niềm tin nổi bật hình thành nên sự chấp nhận và sử
dụng các công nghệ mới của cá nhân [25,26]. TAM đã được tận dụng để kiểm tra việc áp dụng công nghệ trong
nhiều bối cảnh khác nhau và điều chỉnh để tạo ra nhiều mô hình mới.
Venkatesh và cộng sự. [21] đã kiểm tra lại các mô hình công nghệ phổ biến để tạo ra Lý thuyết thống nhất về
chấp nhận và sử dụng công nghệ (UTAUT). UTAUT đề xuất rằng khả năng một cá nhân sẽ chấp nhận một công nghệ
mới dựa trên nhận thức của họ về kỳ vọng về hiệu suất (tương tự như nhận thức về tính hữu ích), kỳ vọng về
nỗ lực (tương tự như nhận thức về tính dễ sử dụng), ảnh hưởng xã hội và các điều kiện thuận lợi để áp
dụng. Lý thuyết đầu tiên trong loại thứ hai là lý thuyết Khuếch tán đổi mới (DOI), cho rằng quyết định áp
dụng công nghệ bị ảnh hưởng bởi các đặc điểm đổi mới: (i) lợi thế tương đối, (ii) khả năng tương thích,
(iii) độ phức tạp, (iv) khả năng quan sát và (v) khả năng dùng thử [23].
Tương tự như DOI, Khung TOE do Tornatzky và Fleischer đề xuất [27] gợi ý rằng việc áp dụng CNTT bị ảnh
hưởng bởi ba bối cảnh—(i) công nghệ, (ii) tổ chức và (iii) môi trường.

Những bối cảnh này nhất quán với lý thuyết DOI ở chỗ bối cảnh công nghệ kết hợp các đặc điểm đổi mới. Lý
thuyết TOE cũng bao gồm các yếu tố tổ chức, chẳng hạn như quy mô công ty, mức độ sẵn sàng về công nghệ,
năng lực của nhân viên và sự hỗ trợ của quản lý cấp cao [6–9,28,29]. Phù hợp với DOI và TOE, mô hình HOT-
fit, được đề xuất bởi Yusof et al. [30], khẳng định rằng các yếu tố tổ chức và công nghệ là yếu tố quyết
định việc áp dụng IS thành công. Mô hình HOT-fit cũng đưa ra yếu tố con người, cho rằng thái độ và năng
lực của người dùng cũng có tác động tích cực đến việc áp dụng công nghệ [30]. Các lý thuyết từ cả hai
loại đã được tận dụng để nghiên cứu việc áp dụng trên phạm vi rộng
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 4 trên 17

nhiều bối cảnh với một số cách điều chỉnh và kết hợp được sử dụng. Tuy nhiên, trong khi sức mạnh dự đoán
của các lý thuyết lấy người áp dụng làm trung tâm đã được thiết lập và các yếu tố con người có liên
quan, chúng tôi lập luận rằng bản chất phức tạp của HPC dẫn đến một cách tiếp cận rộng hơn có xem xét các
yếu tố tổ chức và công nghệ.

Bảng 1. Lý thuyết áp dụng công nghệ.

Người mẫu (Các) tác giả Kích thước/Yếu tố được bao gồm

Lý thuyết dựa trên cá nhân

Niềm tin của cá nhân

Lý thuyết hành động hợp lý Thái độ đối với hành vi (ATT)

Fishbein và Azjen (1975)
(TRA) Chuẩn mực chủ quan (SN)
Ý định hành vi

Mô hình chấp nhận công nghệ Cảm nhận hữu ích (PU)
Davis và cộng sự. (1989)
(TÂM) Cảm nhận dễ sử dụng (PEOU)

Thái độ đối với hành vi phỏng theo TRA

Lý thuyết về hành vi dự kiến
Ajzen (1991) Chuẩn chủ quan phỏng theo TRA (SN)
(TPB)
Nhận thức kiểm soát hành vi (PBC)

Kỳ vọng về hiệu suất (PE)

Nỗ lực mong đợi (EE)
UTAUT Venkatesh và cộng sự, (2003) Ảnh hưởng xã hội (SI)
Điều kiện thuận lợi (FC)
Người điều hành: giới tính, tuổi tác, kinh nghiệm,
tình nguyện

Các lý thuyết dựa trên sự đổi mới và môi trường rộng lớn hơn

Lợi thế tương đối

Dễ sử dụng

Hình ảnh
Truyền bá đổi mới
Rogers (1995; 2003) Hiển thị
(DOI)
Khả năng tương thích

Kết quả chứng minh

Tính tự nguyện sử dụng

Công nghệ: đặc điểm đổi mới, tính sẵn có

Công nghệ-Tổ chức-Môi trường
Tornatzky và Fleischer (1990) Tổ chức: quy mô, hỗ trợ quản lý, nguồn lực
(TOE)
tổ chức
Môi trường bên ngoài: quy mô doanh nghiệp, áp lực bên
ngoài, ngành, quy định, tài chính

Con người: sự hài lòng của người dùng

Con người-Tổ chức-Công nghệ Fit
Yusof và cộng sự. (2008) Tổ chức: cơ cấu, môi trường
(HẤP DẪN)
Công nghệ: yếu tố định hướng chất lượng

2.2. Nghiên cứu ứng dụng công nghệ trong điện toán đám mây

Vì đánh giá của chúng tôi không xác định được bất kỳ nghiên cứu nào trước đây đã điều tra các yếu tố ảnh

hưởng đến quyết định áp dụng điện toán đám mây cho các ứng dụng HPC, điều quan trọng là phải xem lại những lý

thuyết nào đã được sử dụng trong bối cảnh điện toán đám mây rộng hơn. Một đánh giá gần đây về tài liệu về việc

áp dụng điện toán đám mây cho thấy nhiều nghiên cứu không sử dụng được các lý thuyết áp dụng công nghệ hiện

hành [31]. Hơn nữa, những nghiên cứu áp dụng khung hướng dẫn thiếu một cách tiếp cận thống nhất với các nghiên

cứu điều chỉnh và kết hợp các yếu tố của lý thuyết DOI, TOE và HOT-fit. Trong số các lý thuyết này, các yếu tố

ảnh hưởng đến điện toán đám mây có thể được phân thành bốn nhóm: (i) yếu tố con người như tính đổi mới của cá

nhân, nhận thức về năng lực kỹ thuật [9,30]; (ii) các yếu tố tổ chức bao gồm nguồn lực phù hợp, sự hỗ trợ của

lãnh đạo cấp cao, lợi ích gián tiếp được nhận thấy và lợi thế tương đối [7,9,32]; (iii) các yếu tố công nghệ

như nhận thức về độ phức tạp, tính tương thích, độ tin cậy và bảo mật của đổi mới [3,5,33]; và (iv) các yếu tố

môi trường như áp lực cạnh tranh, chính sách của chính phủ và hỗ trợ của đối tác [2,7,9,29]. Tài liệu hiện có

tận dụng những lý thuyết này để hiểu việc áp dụng điện toán đám mây được trình bày trong Bảng 2.
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 5 trên 17

Bảng 2. Tài liệu về áp dụng điện toán đám mây.

Học Bối cảnh Lý thuyết Yếu tố con người Yếu tố công nghệ Yếu tố tổ chức Nhân tố môi trường

Lợi thế tương đối (S) Kích thước (S) Hỗ trợ nhà cung cấp (S)
Việc áp dụng Điện toán đám mây của các công ty ở Đài Loan
Thấp và cộng sự. (2011) TOE không áp dụng
Độ phức tạp (NS) Hỗ trợ của lãnh đạo cấp cao (S) Áp lực cạnh tranh (S)
(111 phản hồi khảo sát)
Khả năng tương thích (NS) Sự sẵn sàng về CNTT (NS)

Lợi thế tương đối (S) Kích thước (S) Phạm vi (S)

Việc áp dụng Điện toán đám mây của các doanh nghiệp vừa và nhỏ ở Anh Sự không chắc chắn (S) Hỗ trợ quản lý cấp cao (S) Hỗ trợ nhà cung cấp (S)
Alshamaila và cộng sự. (2013) TOE không áp dụng

(15 cuộc phỏng vấn với các doanh nghiệp vừa và nhỏ) Độ phức tạp (S) Tính đổi mới (S) Áp lực cạnh tranh (NS)

Khả năng dùng thử (S) Hỗ trợ CNTT (S) Ngành (S)

Lợi thế tương đối (S)

Việc áp dụng điện toán đám mây ở Đài Loan
Lâm và Trần (2012) DOI không áp dụng
AĐộ phức tạp (S) N/AN/
(19 cuộc phỏng vấn)
Khả năng tương thích (S)

Việc áp dụng điện toán đám mây trong các doanh nghiệp vừa và nhỏ Độ tin cậy (S)
Gupta và cộng sự. (2013) không áp dụng Dễ sử dụng (S) Tiết kiệm chi phí) không áp dụng

(211 phản hồi khảo sát) An ninh cảm nhận (S)

Việc áp dụng điện toán đám mây giữa các công ty ở Đài Loan Lợi ích cảm nhận được (S) Năng lực CNTT (S)
Hsu và cộng sự. (2014) TOE không áp dụng Áp suất bên ngoài (NS)
(200 câu trả lời khảo sát) Mối quan tâm kinh doanh (S-) Kích thước (NS)

TOE Tính đổi mới (9) Tính phức tạp (5) Lợi thế tương đối (11) Chính sách của chính phủ (7)

Áp dụng điện toán đám mây tại các bệnh viện Đài Loan Năng lực CNTT HOT-FIT (2) Nhận thức về an ninh (1) Hỗ trợ quản lý cấp cao (4) Áp lực cạnh tranh (10)
Liên và cộng sự. (2014)
(60 câu trả lời khảo sát) Chi phí (3) Nguồn lực đầy đủ (6)

Khả năng tương thích (8) Lợi ích (12)

DOI Lợi thế tương đối (S) Kích thước (S) Chính sách của chính phủ (NS)
TOE Độ phức tạp (S) Hỗ trợ của lãnh đạo cấp cao (S) Áp lực cạnh tranh (NS)

Việc áp dụng điện toán đám mây giữa các công ty Tây Ban Nha Khả năng tương thích (NS)
Oliveria và cộng sự. (2014) không áp dụng

(369 câu trả lời khảo sát) Chi phí (S)

Bảo mật (NS)

Mức độ sẵn sàng về công nghệ (S)

Áp dụng đám mây trong sản xuất và bán lẻ Độ phức tạp (S)
Wu và cộng sự. (2013) DOI không áp dụng không áp dụng không áp dụng

các công ty ở Mỹ (289 câu trả lời khảo sát) Khả năng tương thích (S)
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 6 trên 17

Như đã nhấn mạnh ở trên, có một số sự kết hợp của các lý thuyết này và việc phân loại các biến số
trái ngược nhau như các yếu tố con người, tổ chức hoặc kỹ thuật. Tuy nhiên, một số quan sát có thể được
thực hiện. Thứ nhất, không có mô hình thống trị nào để khám phá việc áp dụng công nghệ, nhưng có nhiều
điểm tương đồng giữa các lý thuyết được vận dụng. Hơn nữa, xu hướng kết hợp nhiều lý thuyết cũng thể
hiện rõ trong bối cảnh này. Cách tiếp cận này phù hợp do có sự bổ sung cho nhau của nhiều lý thuyết áp
dụng công nghệ phổ biến. Ví dụ, các lý thuyết DOI, TOE và HOT-fit bổ sung cho nhau để cung cấp sự hiểu
biết toàn diện về các yếu tố chính quyết định việc áp dụng công nghệ [3,7,9]. Thứ hai, xét về yếu tố con
người và HOT-fit, Lian et al. [9] nhận thấy sự ủng hộ đối với ảnh hưởng của tính đổi mới và năng lực CNTT
đối với việc áp dụng điện toán đám mây ở các bệnh viện ở Đài Loan. Do đó, điều quan trọng là phải khám phá
vai trò của yếu tố con người trong bối cảnh HPC. Thứ ba, liên quan đến các yếu tố tổ chức được liệt kê
trên các mô hình TOE và HOT-fit, nhận thấy lợi ích gián tiếp [8], hỗ trợ quản lý cấp cao [1,5,6] và năng
lực CNTT của công ty đều ảnh hưởng đến việc áp dụng điện toán đám mây [5,8] . Thứ tư, một số đặc điểm đổi
mới từ DOI và yếu tố công nghệ từ HOT-fit, TOE đã nhận được sự ủng hộ. Điều này bao gồm vai trò của độ
phức tạp và khả năng tương thích từ DOI được cho là có ảnh hưởng đến việc áp dụng điện toán đám mây ở
Đài Loan [32] và bảo mật [9]. Cuối cùng, nghiên cứu trước đây đưa ra những hỗ trợ hỗn hợp về tầm quan
trọng của các yếu tố môi trường từ TOE trong bối cảnh điện toán đám mây với áp lực cạnh tranh [5,7,8], hỗ
trợ pháp lý [7] và áp lực đối tác [6], tất cả đều được cho là không đáng kể trong bối cảnh đám mây. Trong
nghiên cứu này, chúng tôi tập trung vào việc kết hợp hai lý thuyết DOI và HOT-fit vì hai lý do chính. Thứ
nhất, sự ủng hộ hỗn hợp về tầm quan trọng của các yếu tố môi trường và vai trò của chính phủ không có lợi
cho trọng tâm của nghiên cứu này vì thị trường HPC trải rộng khắp các quốc gia và ngành công nghiệp. Thứ
hai, DOI và HOT-fit bao gồm phần lớn các thành phần TOE và thường được sử dụng để giải thích việc áp dụng
công nghệ và cung cấp sự hiểu biết toàn diện hơn về việc áp dụng điện toán đám mây [8,9,34].

3. Mô hình nghiên cứu và giả thuyết

Lý thuyết DOI khẳng định rằng các đặc điểm đổi mới nổi bật sẽ khác nhau tùy theo bối cảnh [35]. Vì vậy, bắt buộc

phải xem xét bối cảnh nghiên cứu khi quyết định các yếu tố áp dụng công nghệ phù hợp [34]. Vì vậy, chúng tôi dựa trên

DOI và HOT-fit để phát triển khung được đề xuất trong Hình 1.

Hình 1. Khung đề xuất.

3.1. Yếu tố con người

Tính đổi mới của cá nhân biểu thị sự cởi mở của một cá nhân đối với công nghệ mới. Các nghiên cứu cho
thấy nhận thức đổi mới của một cá nhân có thể ảnh hưởng đến cách họ phản ứng với các công nghệ mới [9,36].
Do đó, khả năng đổi mới của cá nhân có thể dự đoán liệu một người có ý định áp dụng đổi mới sớm hơn những người khác

hay không [5,36]. Do sự chậm trễ trong việc áp dụng điện toán đám mây trong bối cảnh HPC, chúng tôi cho rằng những

người ra quyết định đổi mới có nhiều khả năng áp dụng hơn. Do đó, chúng tôi đặt ra:
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 7 trên 17

Giả thuyết 1 (H1). Sự đổi mới của cá nhân có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Để nâng cao tính sẵn sàng về mặt công nghệ, các tổ chức cần phải có nguồn nhân lực chuyên môn (ví
dụ: nhân viên HPC có năng lực và/hoặc nhân viên CNTT) có kiến thức và kỹ năng triển khai điện toán đám
mây cho HPC. Do đó, năng lực công nghệ của nhân viên có thể ảnh hưởng đến việc áp dụng điện toán đám mây
cho khối lượng công việc HPC. Các nghiên cứu cho thấy chuyên môn về CNTT là cần thiết đối với các tổ chức
có ý định áp dụng điện toán đám mây [5,9,29]. Mặc dù chuyên môn này có thể khác nhau tùy thuộc vào loại
dịch vụ điện toán đám mây, nhưng chúng tôi thừa nhận rằng năng lực kỹ thuật có liên quan đến HPC, vì các
tổ chức sử dụng HPC thường sử dụng phần mềm độc quyền, được cấu hình chặt chẽ hoặc chuyên dụng yêu cầu
chuyên môn chuyên môn. Vì vậy, chúng tôi đề xuất:

Giả thuyết 2 (H2). Năng lực CNTT/IS có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Giả thuyết 3 (H3). Năng lực của HPC có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

3.2. Yếu tố công nghệ

Sự phức tạp thể hiện sự khó khăn được nhận thấy trong việc sử dụng một sự đổi mới [23]. Các tổ chức có xu

hướng áp dụng các công nghệ mới dễ sử dụng, vì các công nghệ phức tạp có thể dẫn đến giảm khả năng áp dụng [29].

Vì vậy, chúng tôi thừa nhận:

Giả thuyết 4 (H4). Độ phức tạp có liên quan tiêu cực đến việc áp dụng điện toán đám mây cho HPC.

Khả năng tương thích đề cập đến “mức độ mà một sự đổi mới được coi là phù hợp với các giá trị hiện
có, kinh nghiệm trong quá khứ và nhu cầu của những người áp dụng tiềm năng” [6]. Các tổ chức ít có khả
năng áp dụng điện toán đám mây nếu nó không tương thích với các giá trị này, vì việc áp dụng có thể yêu
cầu những điều chỉnh lớn trong quy trình của tổ chức và học hỏi đáng kể [6,37]. Khả năng tương thích đã
được phát hiện là có ảnh hưởng đến việc áp dụng điện toán đám mây [5]. Nó bao gồm nhiều kỳ vọng bao gồm
hiệu suất và khả năng tương thích đám mây với các thông lệ hiện có trong tổ chức và HPC.
Vì vậy, chúng tôi đề xuất:

Giả thuyết 5 (H5). Khả năng tương thích có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Trong bối cảnh HPC trên đám mây, các báo cáo của ngành gợi ý mối lo ngại trong cộng đồng HPC rằng điện toán

đám mây có thể không phải là phương tiện đáng tin cậy để xử lý khối lượng công việc HPC và tốc độ liên lạc trên

đám mây có thể không đủ để xử lý việc di chuyển dữ liệu cần thiết cho khối lượng công việc đó [ 12 ,38,39]. Những

lo ngại về bảo mật luôn được báo cáo là rào cản lớn đối với việc áp dụng điện toán đám mây [12]. Bảo mật được cho

là có liên quan trực tiếp đến độ tin cậy của hệ thống điện toán đám mây và có mối liên hệ tích cực với quyết định

áp dụng điện toán đám mây với nhận thức cao hơn về bảo mật làm tăng ý định áp dụng [14]. Vì vậy, chúng tôi đưa ra

giả thuyết:

Giả thuyết 6 (H6). Độ tin cậy và bảo mật được cảm nhận có mối quan hệ tích cực với việc áp dụng điện toán đám mây

cho HPC.

3.3. Yếu tố tổ chức

Việc áp dụng điện toán đám mây đòi hỏi phải tích hợp các tài nguyên và môi trường hỗ trợ
[40]. Sự tham gia của quản lý cấp cao vào quá trình triển khai và quyết định áp dụng điện toán
đám mây là cần thiết vì nó đảm bảo rằng sẽ có đủ nguồn lực được phân bổ để hỗ trợ triển khai
[5] và giá trị của việc áp dụng sẽ được truyền đạt trong toàn tổ chức [6].
Vì vậy, chúng tôi đề xuất:
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 8 trên 17

Giả thuyết 7 (H7). Sự hỗ trợ của quản lý cấp cao có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Nguồn lực đầy đủ đề cập đến các nguồn lực cần thiết cho việc áp dụng điện toán đám mây.
Các nghiên cứu trước đây cho thấy các tổ chức có các nguồn lực cần thiết có nhiều khả năng áp dụng điện toán đám

mây hơn [41]. Việc áp dụng điện toán đám mây cho HPC là một dự án lớn đòi hỏi sự cam kết của ban lãnh đạo cấp cao,

nhiều thời gian, tiền bạc, nguồn nhân lực có năng lực và năng lực công nghệ [9,42]. Như vậy:

Giả thuyết 8 (H8). Nguồn lực đầy đủ có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Các tài liệu hiện có cho thấy rằng điện toán đám mây mang lại cho các tổ chức những lợi ích trực tiếp và gián

tiếp. Ví dụ: điện toán đám mây cho phép các tổ chức có quyền truy cập vào phần cứng, phần mềm hoặc cơ sở hạ tầng

CNTT khác không có sẵn trong trung tâm dữ liệu của họ [8]. Những lợi thế như vậy được gọi là lợi ích trực tiếp.

Ngoài những lợi ích trực tiếp này, tổ chức còn được thúc đẩy bởi những lợi ích gián tiếp, chẳng hạn như cải thiện

hình ảnh tổ chức, lợi thế cạnh tranh hoặc mối quan hệ với khách hàng hoặc đối tác kinh doanh [43]. Chúng tôi thừa

nhận:

Giả thuyết 9 (H9). Lợi ích gián tiếp có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

Việc áp dụng điện toán đám mây cho phép các tổ chức giảm chi phí vốn ban đầu và chi phí hoạt động, từ đó giúp

họ đạt được lợi thế giảm chi phí [41,44]. Các nghiên cứu cho thấy việc giảm chi phí có liên quan tích cực đến nhận

thức của tổ chức về tính dễ sử dụng và tiện lợi của việc áp dụng điện toán đám mây, do đó làm tăng ý định áp dụng

[33]. Cơ sở hạ tầng HPC có chi phí vận hành cực kỳ cao so với CNTT thông thường [17]. Vì vậy, chúng tôi đặt ra:

Giả thuyết 10 (H10). Việc giảm chi phí có liên quan tích cực đến việc áp dụng điện toán đám mây cho HPC.

4. Các yếu tố ảnh hưởng đến việc áp dụng đám mây cho HPC

4.1. Phương pháp luận

Một bảng câu hỏi được thiết kế để kiểm tra khung đề xuất được trình bày ở trên. Giai đoạn đầu tiên
của thiết kế bảng câu hỏi liên quan đến việc tìm nguồn cung ứng các mục đã được xác thực để đại diện cho
tất cả các biến trong khung. Tất cả các mục đều có nguồn gốc từ tài liệu áp dụng công nghệ và được điều
chỉnh để phù hợp với bối cảnh của HPC. Nhận thức về tính đổi mới (bốn mục), năng lực HPC (sáu mục), năng
lực CNTT/IS (năm mục), độ phức tạp (năm mục) và nguồn lực đầy đủ (bốn mục) được điều chỉnh từ [9].
Sáu hạng mục dùng để đo lường lợi ích gián tiếp được điều chỉnh từ [9,43]. Hỗ trợ quản lý cấp cao (ba mục) và khả

năng tương thích (bốn mục) được điều chỉnh từ [9,37]. Bốn mục để đo lường độ tin cậy và bảo mật được điều chỉnh

từ [45], trong khi các mục giảm chi phí được điều chỉnh từ [9,45].

Mỗi mục được đo lường theo thang đo Likert năm điểm. Biến phụ thuộc trong nghiên cứu này là một mục tự
phát triển, trong đó hỏi người trả lời liệu tổ chức của họ đã triển khai điện toán đám mây cho khối lượng
công việc HPC hay chưa. Bước thứ hai liên quan đến thử nghiệm thí điểm. Nghiên cứu này là một phần của dự
án quốc tế rộng lớn hơn, CloudLightning [46]. Bảng câu hỏi đã được thử nghiệm thí điểm giữa các học giả
quốc tế trong tập đoàn thuộc các lĩnh vực kỹ thuật và kinh doanh để khám phá khả năng hiểu.
Sau một số thay đổi nhỏ về cách diễn đạt, bảng câu hỏi đã được thử nghiệm thí điểm giữa các thành viên
trong ngành của tập đoàn dự án. Bước thứ ba liên quan đến việc tuyển dụng người trả lời. Do HPC là một
thị trường nhỏ thâm dụng kiến thức nên cơ sở dữ liệu đã được phát triển để tuyển dụng những người ra
quyết định của HPC, bao gồm các nhân viên C-Suite ở nhiều ngành khác nhau từ dầu khí đến gen, cũng như các
nhà điều tra chính tại các trường đại học. Những người ra quyết định đã được xác định thông qua tìm kiếm trực tuyến.
Cuộc khảo sát được phân phối tới 619 người ra quyết định HPC trên toàn thế giới bằng cách sử dụng các địa chỉ email
công khai.
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 9 trên 17

Tổng cộng có 121 người tham gia đã hoàn thành cuộc khảo sát. Tỷ lệ phản hồi 19,55% này được coi là đủ
do số lượng tổ chức tương đối nhỏ trên thị trường HPC. Trong mẫu có 53,30% là

có trụ sở tại Liên minh Châu Âu, 36,10% ở Bắc Mỹ và phần còn lại trên toàn thế giới. Người trả lời'

bối cảnh tổ chức bao gồm học thuật (58,20%), thương mại (27,90%) và chính phủ (9,80%).

Trong số những người trả lời này, 45,1% cho biết họ đã áp dụng điện toán đám mây cho HPC trong

tổ chức của họ, trong khi 54,9% cho biết họ chưa áp dụng. Những người trả lời đã báo cáo một loạt các
các chức danh công việc liên quan bao gồm CEO, CTO, Giáo sư, Nhà nghiên cứu, Nhà khoa học, Giám đốc, Trưởng phòng Nghiên cứu và

Phát triển tên nhưng một số ít. Phân phối này cho phép chúng tôi so sánh các yếu tố dự đoán việc áp dụng

cho người nhận con nuôi và người không nhận con nuôi. Vì tỷ lệ phản hồi thấp hơn một chút so với khuyến nghị

ngưỡng (36+/ 13) [47], độ lệch không phản hồi đã được kiểm tra để kiểm tra tính đại diện của
câu trả lời trong nghiên cứu này. Theo dõi Wilcox et al. [48], chúng tôi đã kiểm tra độ lệch không phản hồi bằng cách so sánh

các biến số tổ chức từ những người trả lời sớm với những người trả lời muộn. Con số

của người dùng HPC, việc sử dụng HPC hàng tuần và mức độ quen thuộc của người trả lời với HPC được sử dụng làm

so sánh các biến tổ chức. Kết quả t-test cho thấy không có sự khác biệt đáng kể

sự khác biệt giữa người trả lời sớm và người trả lời muộn đối với bất kỳ biến nào trong số này. Vì vậy, mẫu được

được coi là đại diện. Phân tích nhân tố khám phá được thực hiện trên phần mềm SPSS 23 để kiểm tra độ tin cậy

và tính hiệu lực của các biện pháp đối với tất cả các cấu trúc chính trong bối cảnh mới của HPC. Phân tích nhân tố bằng

phương pháp phân tích thành phần chính và phép xoay VARIMAX được sử dụng để kiểm định phân biệt và

giá trị còn lại. Các giá trị Kaiser–Meyer–Olkin (KMO) của ba chiều đều cao hơn giá trị
ngưỡng 0,70, cho thấy các mục này phù hợp để tiến hành phân tích nhân tố. Ba yếu tố

được tạo ra dưới chiều hướng con người; tính đổi mới cá nhân, năng lực kỹ thuật của HPC,

và năng lực kỹ thuật CNTT/IS. Ba yếu tố cũng được tạo ra dưới khía cạnh công nghệ;
phức tạp, khả năng tương thích, độ tin cậy và bảo mật. Một mục từ cấu trúc bảo mật là

giảm để tăng độ tin cậy. Bốn yếu tố được tạo ra theo chiều hướng tổ chức;

lợi ích gián tiếp, nguồn lực đầy đủ, hỗ trợ quản lý cấp cao và giảm chi phí. Tất cả Cronbach
giá trị alpha lớn hơn 0,60, cho thấy các thước đo này đáng tin cậy [49]. Tất cả món đồ

được tải vào cấu trúc dự kiến của họ với hệ số tải trên 0,60. Như vậy, giá trị hội tụ

và giá trị phân biệt cho từng cấu trúc đã đạt được. Điểm tổng hợp của tất cả các yếu tố

đã được tính toán để phân tích dữ liệu tiếp theo. Như thể hiện trong Bảng 3, người trả lời xếp hạng tính đổi mới,

tính tương thích, độ phức tạp, lợi ích gián tiếp và giảm chi phí là những yếu tố quan trọng nhất ảnh hưởng đến
việc áp dụng điện toán đám mây.

Bảng 3. Thống kê mô tả.

Kích thước Nhân tố Có nghĩa là Std. Dev. Thứ hạng

Nhận thức về tính đổi mới 3,81 0,68 1

Nhân loại Năng lực HPC 3,21 1,02 6

Năng lực CNTT/IS 2,79 0,99 10

Lợi ích gián tiếp 3,38 0,77 4

Nguồn lực đầy đủ Giảm 2,88 0,9 9

Tổ chức
chi phí Hỗ trợ 3,15 0,9 7

quản lý cấp cao 2,89 0,87 số 8

Khả năng tương thích

3,47 0,79 2

Công nghệ Độ tin cậy và bảo mật 3,25 0,81 5

Độ phức tạp 3,45 0,8 3

Để so sánh nhận thức của người chấp nhận và người không chấp nhận, một loạt thử nghiệm t đã được tiến hành.

Các kết quả được trình bày trong Bảng 4 cho thấy những người áp dụng và không áp dụng có tác động đáng kể

nhận thức khác nhau về một số yếu tố, cụ thể là năng lực HPC, khả năng tương thích, lợi ích gián tiếp,

nguồn lực phù hợp, sự hỗ trợ của quản lý cấp cao và giảm chi phí. Không có gì đáng ngạc nhiên, những

sự khác biệt trung bình cho thấy những người áp dụng nhận thức việc áp dụng điện toán đám mây cho HPC tích cực hơn
hơn những người không chấp nhận.
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 10 trên 17

Bảng 4. Kết quả T-test về nhận thức giữa người áp dụng và người không áp dụng.

Giá trị T của người chấp nhận Người không chấp nhận

Tính đổi mới cá nhân 3,89 (0,73) 3,75 (0,63) 1,08

Năng lực HPC 3,48 (1,01) 2,98 (0,98) 2,71 **
Năng lực CNTT/IS 2,94 (0,97) 2,67 (1,02) 1,43
Độ phức tạp 3,40 (0,87) 3,49 (0,73) 0,60
Khả năng tương thích 3,75 (0,71) 3,23 (0,78) 3,86 **
Độ tin cậy và bảo mật 3,32 (0,94) 3,19 (0,69) 0,84
Hỗ trợ quản lý cấp cao 3.14 (0.85) 2,67 (0,83) 3,02 **
Nguồn lực đầy đủ 3,14 (0,99) 2,67 (0,77) 2,85 **
Lợi ích gián tiếp 3,71 (0,65) 3,40 (0,64) 3,10 (0,66) 6,13 **
Giảm chi phí 2,94 (0,75) 3,66 **

Lưu ý: Các số trong ngoặc là độ lệch chuẩn; ** p < 0,01.

4.2. Kiểm tra giả thuyết

Để kiểm tra khung, phân tích hồi quy logistic được thực hiện trong SPSS 23 (Bảng 5).
Các hệ số lạm phát phương sai (VIF) và giá trị dung sai được tính toán để kiểm tra tính đa cộng tuyến của

những yếu tố này. Điểm VIF dao động từ 1,07 đến 2,14, tất cả đều dưới ngưỡng 3. Các giá trị dung sai
dao động từ 0,47 đến 0,93, tất cả đều cao hơn điểm giới hạn là 0,10. Những kết quả này cho thấy đa cộng tuyến
không phải là vấn đề [49].

Bảng 5. Kết quả hồi quy logistic.

cộng tác

B SE Wald Sig. Dung sai VIF

Sự đổi mới cá nhân 0,04 0,36 0,01 0,91 0,93 1,07

Năng lực HPC 0,65 * 0,32 4,03 0,04 0,53 1,89

Năng lực CNTT/IS 0,56 0,34 2,75 0,09 0,56 1,78

Độ phức tạp 0,24 0,32 0,56 0,45 0,86 1.16

Khả năng tương thích

0,30 0,42 0,50 0,48 0,47 2.12

Độ tin cậy và bảo mật 0,54 0,35 2,36 0,12 0,72 1,39

Hỗ trợ quản lý hàng đầu 0,49 0,37 1,75 0,18 0,47 2.14

Nguồn lực đầy đủ 0,40 0,37 1,16 0,28 0,48 2.09

Lợi ích gián tiếp 2,02 ** 0,55 13,51 0,00 0,47 2.14
Giảm chi phí 0,04 0,43 0,01 0,92 0,49 2.04
Không thay đổi 6,76 2,42 7,83 0,01

Hosmer và Lemeshow: 3,12 (p = 0,93); 2 log khả năng: 117,23; Cox và Snell R2: 0,325; giả Nagelkerke
R2: 0,423. ** p < 0,01.; * p < 0,05.

Đánh giá mô hình. Kiểm định tổng thể các hệ số của mô hình khám phá xem liệu các hệ số độc lập

các biến trong mô hình có thể giải thích sự thay đổi của biến phụ thuộc. Một kết quả quan trọng gợi ý
rằng các biến độc lập có thể cải thiện khả năng dự đoán của các biến phụ thuộc. Trong trường hợp này,
chi bình phương là 44,54, với bậc tự do là 10 và giá trị ý nghĩa dưới 0,01 (p = 0,00)
tiết lộ rằng mười yếu tố quan tâm có thể cải thiện đáng kể khả năng dự đoán của điện toán đám mây
quyết định nhận con nuôi.

Thống kê mức độ phù hợp. Bài kiểm tra Hosmer và Lemeshow cho điểm c2 (8) là 3,12, với

giá trị ý nghĩa là 0,93. Kết quả không có ý nghĩa này cho thấy sự phù hợp có thể chấp nhận được giữa
quyết định áp dụng dự đoán và quyết định áp dụng thực tế. 2 log khả năng ( 2 LL) và Nagelkerke
giả R-bình phương cũng được tính toán để cho thấy sức mạnh của mô hình nghiên cứu trong việc giải thích
biến thể dữ liệu. Giá trị 2 LL càng thấp thì mô hình càng phù hợp. Trong trường hợp này, khả năng ghi nhật ký 2

giá trị 117,23 là chấp nhận được. Nagelkerke Pseudo R bình phương thể hiện mức độ biến thể
giải thích bằng mô hình. Mô hình này giải thích được 42,3% sự khác biệt trong việc áp dụng điện toán đám mây.

Kiểm tra thống kê cho các yếu tố dự đoán riêng lẻ. Thống kê chi bình phương Wald được sử dụng để kiểm tra

khả năng dự đoán của từng người dự đoán. Kết quả cho thấy lợi ích gián tiếp (p < 0,01) và HPC
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 11 trên 17

năng lực (p < 0,05) là những yếu tố dự báo có ý nghĩa thống kê về việc áp dụng điện toán đám mây. Như vậy, H3 và

H9 đã được hỗ trợ. Lợi ích gián tiếp và năng lực của HPC có mối quan hệ tích cực với năng lực của tổ chức
khả năng áp dụng điện toán đám mây cho HPC. Nhận thức về năng lực CNTT/IS đang đến gần

ý nghĩa (p = 0,09).
Quyền lực phân biệt đối xử. Phân tích hồi quy logistic cũng cho thấy độ chính xác dự đoán của

mô hình nghiên cứu (Bảng 6). Mô hình mang lại tỷ lệ dự đoán chính xác là 79% đối với người không áp dụng và 75%

dành cho người nhận nuôi. Tỷ lệ dự đoán đúng tổng thể là 77%. Những kết quả này minh họa rằng những yếu tố dự đoán này

có khả năng phân biệt đủ cao hơn mô hình lựa chọn ngẫu nhiên.

Bảng 6. Kết quả dự đoán đúng.

Không chấp nhận Áp dụng % đúng

Không nhận nuôi

62 0 100
Đường cơ sở
Nhận nuôi 55 0 0
Tổng thể % 53

Không nhận nuôi

49 13 79
Cuối cùng
Nhận nuôi
14 41 75
Tổng thể % 77

5. Các vấn đề nghiêm trọng ảnh hưởng đến HPC trên đám mây

5.1. Phương pháp luận

Để trả lời RQ2, một phương pháp Delphi sửa đổi đã được tiến hành để thu thập ý kiến chuyên gia về các vấn đề quan trọng.

các vấn đề và vấn đề liên quan đến việc áp dụng HPC trên đám mây. Nó được xem là thích hợp

phương pháp do phương pháp luận linh hoạt và phù hợp với các chủ đề có kiến thức hạn chế như

trong nghiên cứu này [50]. Các câu hỏi của Delphi cho phép các nhà nghiên cứu đạt được quan điểm đồng thuận từ một nhóm

chuyên gia về các vấn đề quan trọng bằng cách sử dụng phản hồi bằng văn bản [51]. Một cách tiếp cận trực tuyến để thu thập dữ liệu là

được sử dụng vì nó làm giảm thời gian giữa các lần lặp [52]. Trong nghiên cứu này, quy trình Delphi trực tuyến gồm bốn vòng

được tiến hành như được nêu trong Hình 2 dưới đây. Nghiên cứu bao gồm 13 chuyên gia tham gia từ năm quốc gia.
nước bao gồm đại diện từ các trường đại học và trung tâm nghiên cứu, các doanh nghiệp vừa và nhỏ và các công ty đa quốc gia.

Hình 2. Quy trình Delphi đã sửa đổi.

Trong mỗi vòng, các chuyên gia được yêu cầu đưa ra nhận xét và xem xét cẩn thận các kết quả.

nhận xét của những người tham gia khác và tinh chỉnh nhận xét của họ cũng như sắp xếp lại các vấn đề cho đến khi

đã đạt được sự đồng thuận trong nhóm. Trong nghiên cứu này, mỗi vòng của Delphi đều có một mục tiêu riêng biệt.

Mục đích của vòng một là xác định tất cả các vấn đề tiềm ẩn mà tương lai của HPC trên đám mây phải đối mặt.

Những người tham gia được yêu cầu xác định các vấn đề quan trọng mà HPC phải đối mặt trên đám mây trong thời gian gần và

tương lai xa hơn. Những quan điểm này được đối chiếu bằng khảo sát trực tuyến và gửi lại cho người tham gia

để họ xếp hạng các vấn đề theo thứ tự quan trọng. Ở vòng hai, những người tham gia được yêu cầu một lần nữa

xem xét tất cả các vấn đề và được nhắc nhở về xếp hạng ban đầu của họ. Họ cũng được trình bày các kết quả
từ các chuyên gia khác và được yêu cầu suy ngẫm về ý kiến của riêng mình và quyết định có thay đổi hay không
cấp bậc mà họ đã phân công. Quá trình này tiếp tục trong vòng ba và bốn cho đến khi đạt được sự đồng thuận.

Dữ liệu thu được từ quy trình Delphi được phân tích phù hợp với mô hình nghiên cứu.
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 12 trên 17

5.2. Những phát hiện

Những người tham gia đã xác định và đạt được sự đồng thuận về năm vấn đề quan trọng chính hiện đang ảnh

hưởng đến việc áp dụng HPC trên đám mây và có khả năng ảnh hưởng đến việc áp dụng trong vòng 1 đến 5 năm tới. Các
vấn đề được xếp hạng như sau:

1. Mối quan tâm về bảo vệ dữ liệu [Công nghệ | Tổ chức]

2. Những lo ngại về tuân thủ [Công nghệ | Tổ chức]
3. Những lo ngại về bảo mật [Công nghệ]
4. Mối quan tâm về kiểm soát dữ liệu [Công nghệ | Tổ chức]
5. Những lo ngại về quyền riêng tư [Công nghệ | Tổ chức]

Những người tham gia lo lắng về các ràng buộc pháp lý và tác động của việc sử dụng đám mây cũng như sự

thiếu minh bạch về bảo mật trung tâm dữ liệu liên quan đến đám mây. Về mặt này, những người tham gia có nhiều mối

quan ngại giống như các bên liên quan khác trong ngành và người tiêu dùng về các lỗ hổng được nhận thấy của đám

mây từ góc độ bảo vệ dữ liệu cũng như những tác động đối với họ và tổ chức của họ, đặc biệt khi họ đang xử lý dữ

liệu nhạy cảm về mặt thương mại hoặc nhạy cảm về cá nhân. . Những người cung cấp thông tin nhấn mạnh rằng những

lo ngại này chủ yếu liên quan đến việc sử dụng đám mây công cộng chứ không phải đám mây riêng, nơi lợi thế là kiểm

soát và bảo mật. Tuy nhiên, như những người cung cấp thông tin cũng lưu ý, việc kiểm soát và bảo mật này phải

trả giá về mặt vốn và chi phí hoạt động, tính linh hoạt và độ co giãn. Những người tham gia xem tất cả những vấn

đề này vẫn còn quan trọng trong tương lai dài hạn (hơn 5 năm) mặc dù có xếp hạng hơi khác một chút như được nêu

dưới đây:

1. Những lo ngại về quyền riêng tư [Công nghệ | Tổ chức]

2. Những lo ngại về bảo mật [Công nghệ]
3. Mối quan tâm về bảo vệ dữ liệu [Công nghệ | Tổ chức]
4. Mối quan tâm về kiểm soát dữ liệu [Công nghệ | Tổ chức]
5. Những lo ngại về tuân thủ [Công nghệ | Tổ chức]

Xếp hạng dài hạn cho thấy rằng bảo mật sẽ vẫn là một vấn đề quan trọng, nhưng những lo ngại về quyền riêng

tư bên ngoài sẽ quan trọng hơn nhiều so với những lo ngại về kiểm soát và bảo vệ dữ liệu nội bộ nói chung.

Điều này cho thấy sự thay đổi trọng tâm từ các vấn đề hoặc áp lực nội bộ sang các vấn đề bên ngoài.
Bất chấp những phát hiện chính này từ nghiên cứu Delphi, cần lưu ý rằng những người cung cấp thông
tin đã thảo luận về nhiều vấn đề vượt ra ngoài các phạm trù con người, tổ chức và công nghệ, cụ thể
là vấn đề về hiệu suất hoặc nhận thức xung quanh hiệu suất. Bằng cách này, nghiên cứu thứ hai này đã
đóng góp đáng kể ở chỗ nó giải thích khía cạnh tương thích từ Nghiên cứu 1 để xác định một số mối lo
ngại tiềm ẩn về khả năng của cơ sở hạ tầng đám mây để đạt được cùng mức hiệu suất như HPC thông thường.
Một số người cung cấp thông tin nhấn mạnh hiệu quả hoạt động là vấn đề cốt lõi trong 5 năm tới và lâu dài hơn

nhưng từ những góc độ khác nhau. Những người ủng hộ HPC lưu ý những lo ngại xung quanh bản thân công nghệ, bao

gồm nhận thức về khả năng tương thích khối lượng công việc và tốc độ truyền thông để phù hợp với nhu cầu của HPC.

Ngoài ra, họ lưu ý mối quan tâm của tổ chức bao gồm kinh phí và nguồn lực. Ngược lại, những người ủng hộ đám mây

cho rằng, các yếu tố con người, bao gồm cả những nhận thức có thể còn thiếu sót về điện toán đám mây, có thể cản

trở sự sẵn sàng của các cá nhân trong việc xem xét, chưa nói đến việc áp dụng điện toán đám mây trong bối cảnh

này. Mặc dù vậy, tác động công nghệ của hiệu suất không được xếp hạng cao do có thỏa thuận rằng trong nhiều

trường hợp, điện toán đám mây có thể phù hợp, ví dụ: khối lượng công việc được kết hợp lỏng lẻo như kết xuất

hình ảnh 3D, chương trình MATLAB hoặc mô phỏng và trong các trường hợp khác thì không phù hợp, ví dụ : , khối

lượng công việc đòi hỏi tốc độ giao tiếp giữa các bộ xử lý cao. Tương tự như vậy, mặc dù không được xếp hạng là

mối quan tâm lớn nhưng giáo dục và đào tạo cũng như nhu cầu về giáo dục đại học để cung cấp nguồn nhân lực cho

cả sinh viên tốt nghiệp HPC và điện toán đám mây đều được tất cả mọi người ghi nhận.

6. Thảo luận

Tích hợp DOI và HOT-fit, các phát hiện định lượng của chúng tôi cho thấy rằng các yếu tố tổ chức và con người

ảnh hưởng đáng kể đến quyết định áp dụng điện toán đám mây của tổ chức cho HPC. Đặc biệt,
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 13 trên 17

nhận thức của người ra quyết định về lợi ích gián tiếp và năng lực HPC hiện có dự đoán các quyết định áp
dụng điện toán đám mây của họ với tỷ lệ dự đoán chính xác tổng thể là 77%. Mặc dù vậy, những phát hiện định
tính của chúng tôi cho thấy rằng các vấn đề về tổ chức và công nghệ liên quan đến quyền riêng tư và bảo
mật dữ liệu là mối quan tâm đáng kể hiện nay và sẽ còn tồn tại trong tương lai.

Yếu tố con người. Kết quả chỉ ra rằng, mặc dù tính đổi mới cao nhưng điều này không nhất thiết dẫn đến việc áp

dụng điện toán đám mây. Phát hiện này không nhất quán với các nghiên cứu trước đây [5,9].

Thống kê mô tả được báo cáo trong Bảng 3 cho thấy tính đổi mới của cá nhân là yếu tố được xếp hạng hàng đầu trong

việc áp dụng điện toán đám mây cho HPC. Vì vậy, những lý do đằng sau sự không nhất quán này đáng được điều tra thêm.

Kết quả cũng cho thấy các tổ chức có năng lực HPC vượt trội nhận thấy mình sở hữu khả năng tính
toán tiên tiến hơn và do đó sẵn sàng áp dụng điện toán đám mây hơn [8].
Mối quan hệ không đáng kể giữa năng lực CNTT và việc áp dụng có thể là do các tổ chức có đủ chuyên môn về CNTT có thể

đã trải qua một số thay đổi công nghệ cần thiết cho điện toán đám mây, làm giảm tác động của năng lực công nghệ đối với

việc áp dụng điện toán đám mây nhưng lại có tác động gia tăng về phạm vi của đám mây. thực hiện tính toán [6]. Các tài

liệu hiện tại cũng báo cáo các kết quả khác nhau với một số tác động tích cực được báo cáo [8,29,32], trong khi các tài

liệu khác báo cáo kết quả không đáng kể [6,34]. Do đó, yếu tố con người đòi hỏi phải điều tra thêm.

Yếu tố công nghệ. Không có yếu tố công nghệ nào—khả năng tương thích, độ phức tạp, độ tin cậy và bảo mật—ảnh

hưởng đến việc áp dụng điện toán đám mây cho HPC. Tuy nhiên, có thể có những cách giải thích khác cho những kết

quả này. Đầu tiên, các tổ chức có thể nhận ra rằng lợi ích của việc áp dụng điện toán đám mây cho HPC có thể lớn

hơn mức độ phức tạp được nhận thấy. Vì vậy, họ có thể áp dụng điện toán đám mây cho HPC để tối đa hóa những lợi

ích được nhận thấy này. Thứ hai, kết quả có thể phản ánh các khái niệm đám mây khác nhau. Các đám mây riêng thuần

túy và các đám mây lai có thể không có cùng mối lo ngại về bảo mật như các đám mây công cộng mặc dù điều này còn

bị tranh cãi rộng rãi (ví dụ, xem [39]). Thứ ba, nếu các tổ chức nhận thấy mình có năng lực công nghệ hiện có vượt

trội, họ có thể áp dụng điện toán đám mây bất kể tính tương thích giữa điện toán đám mây và các hệ thống hoặc quy

trình HPC hiện có của họ. Thứ tư, mặc dù bảo mật đám mây vẫn là mối quan tâm lớn [5], nhưng những tiến bộ công

nghệ trong việc đảm bảo quyền riêng tư và bảo mật dữ liệu trên nền tảng điện toán đám mây có thể giúp các tổ chức

tin tưởng hơn khi triển khai các dịch vụ đám mây [7,39]. Hơn nữa, như nghiên cứu của Delphi nhấn mạnh, quyền riêng

tư và bảo mật dữ liệu đều là mối quan tâm đáng kể đối với HPC trên đám mây ngày nay và trong tương lai, vấn đề này

cần được ngành điện toán đám mây giải quyết.

Các yếu tố tổ chức. Chỉ những lợi ích gián tiếp được nhận thấy mới ảnh hưởng đáng kể đến quyết
định áp dụng điện toán đám mây của HPC. Điều này phù hợp với các nghiên cứu trước đây [3,8,29], cho
thấy lợi ích gián tiếp có ảnh hưởng mạnh mẽ đến việc áp dụng [33]. Ý nghĩa hữu ích nảy sinh từ điều
này là các nhà cung cấp dịch vụ điện toán đám mây nên nêu bật tập hợp lợi ích rộng hơn liên quan đến
việc áp dụng điện toán đám mây cho HPC cho khách hàng của họ để tăng khả năng áp dụng của họ. Đáng ngạc
nhiên là nguồn lực đầy đủ và sự hỗ trợ của quản lý cấp cao không ảnh hưởng đến việc áp dụng điện toán
đám mây cho HPC. Những kết quả này mâu thuẫn với nhiều nghiên cứu trước đây [5–7,29]. Cuối cùng, việc
giảm chi phí không ảnh hưởng đến việc áp dụng điện toán đám mây cho HPC. Điều này có thể dành riêng
cho HPC vì HPC thường liên quan đến chuyên môn về máy tính và khoa học, trong đó việc ra quyết định
được giao cho những người có chuyên môn cần thiết. Tương tự, HPC có mức chi phí cao so với chi phí CNTT nói chung.
Điều này cũng có thể phản ánh đặc điểm lấy mẫu. Mẫu bao gồm các tổ chức hoạt động trong thị trường HPC truyền thống chứ

không phải các doanh nghiệp vừa và nhỏ. Việc sử dụng điện toán đám mây để tiết kiệm chi phí là một lợi ích được báo

cáo rộng rãi đối với các doanh nghiệp nhỏ hoặc mới [32]. Tuy nhiên, khi các tổ chức lớn hơn có đủ nguồn lực thì họ ít

có khả năng áp dụng điện toán đám mây nhằm mục đích giảm chi phí.

7. Kết luận

Việc hiện thực hóa các lợi ích của HPC phần nào bị hạn chế do yêu cầu chi phí ban đầu lớn . Bài
viết này sử dụng HOT-fit và DOI (i) để xác định các yếu tố quyết định việc áp dụng điện toán đám mây
cho HPC và (ii) gợi ý ý kiến chuyên gia về các vấn đề mà HPC phải đối mặt trên đám mây trong tương lai
gần và dài hạn. Bài viết có hai đóng góp quan trọng. Đầu tiên, việc nghiên cứu
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 14 trên 17

kết hợp DOI với các lý thuyết phù hợp với HOT để cung cấp cái nhìn toàn diện về các yếu tố quyết định việc áp

dụng điện toán đám mây cho HPC. Như đã chỉ ra trước đó, còn thiếu nghiên cứu về việc áp dụng điện toán đám

mây trong lĩnh vực HPC. Vì vậy, nghiên cứu này cung cấp những hiểu biết quan trọng và trả lời các yêu cầu làm

rõ về các yếu tố thúc đẩy và cản trở việc áp dụng điện toán đám mây trong các bối cảnh khác nhau [31]. Thứ

hai, bài viết này đóng góp cả về tài liệu lẫn thực tiễn bằng cách cung cấp những hiểu biết sâu sắc cho các nhà

cung cấp dịch vụ đám mây với những phát hiện gợi ý rằng các nhà cung cấp dịch vụ đám mây nên nhấn mạnh những

lợi ích gián tiếp của việc áp dụng điện toán đám mây cho HPC trong hoạt động truyền thông của họ tới khách

hàng tiềm năng và giải quyết cụ thể các vấn đề cũng như mối lo ngại liên quan đến dữ liệu. sự riêng tư và bảo

mật. Tuy nhiên, giống như tất cả các nghiên cứu khác, bài viết này không phải không có những hạn chế. Chúng

bao gồm việc sử dụng người cung cấp thông tin đơn lẻ, cỡ mẫu nhỏ và khả năng đại diện quá mức trong mẫu từ

cộng đồng học thuật. Kết quả sẽ chắc chắn hơn với dữ liệu từ nhiều người trả lời và từ một mẫu lớn hơn. Khi

xem xét tính đa dạng của mẫu, việc so sánh thái độ đối với các mô hình triển khai đám mây khác nhau (công

khai, riêng tư, kết hợp, liên kết và cộng đồng) và các mô hình dịch vụ (IAAS, PAAS, SAAS) có thể mang lại

những hiểu biết sâu sắc . Hơn nữa, nghiên cứu trong tương lai có thể khám phá vai trò của các yếu tố này theo

thời gian để xem yếu tố nào có ảnh hưởng nhiều hơn trong ngắn hạn và dài hạn. Chúng tôi hy vọng rằng nghiên

cứu này có thể cung cấp thông tin cho nghiên cứu trong tương lai nhằm tìm cách khám phá việc áp dụng và đồng

hóa các công nghệ mới trong bối cảnh phức tạp.

Đóng góp của tác giả: Khái niệm hóa, TL, GF và AG; phương pháp luận, TL và GF; thu thập dữ liệu, TL và AG; phân
tích, TL, AG, GF và PR; nguồn lực, TL và PR; thảo luận, TL, AG, GF và PR; viết—chuẩn bị bản thảo gốc, TL, AG, GF và
PR; viết—đánh giá và chỉnh sửa, TL, AG, GF và PR
Tất cả các tác giả đã đọc và đồng ý với phiên bản đã xuất bản của bản thảo.

Tài trợ: Công việc này được tài trợ một phần bởi Chương trình Nghiên cứu và Đổi mới Horizon 2020 của Liên
minh Châu Âu thông qua dự án CloudLightning (http://www.cloudlightning.eu) theo Thỏa thuận tài trợ số
643946, Viện Kinh doanh Kỹ thuật số Ireland và bởi Trung tâm Điện toán Đám mây và Thương mại Ireland
(IC4), một trung tâm công nghệ Enterprise Ireland/IDA.

Xung đột lợi ích: Các tác giả tuyên bố không có xung đột lợi ích.

Các từ viết tắt

Các chữ viết tắt sau đây được sử dụng trong bản thảo này:

trí tuệ nhân tạo

Trí tuệ nhân tạo

Phân tích dữ liệu lớn BDA
Giám đốc điều hành Giám đốc điều hành

CTO Giám đốc Công nghệ

DOI Sự rườm rà của việc cải tiến

HOT-fit Phù hợp về con người, tổ chức và công nghệ

Máy tính hiệu năng cao HPC
Cơ sở hạ tầng IAAS như một dịch vụ

IC4 Trung tâm Điện toán Đám mây và Thương mại Ireland
CNTT Công nghệ truyền thông và thông tin
IDC Tập đoàn dữ liệu quốc tế
LÀ Hê thông thông tin
NÓ công nghệ thông tin
Nền tảng PAAS như một dịch vụ

Phần mềm SAAS dưới dạng dịch vụ

Mô hình chấp nhận công nghệ TAM

TOE Công nghệ, tổ chức và môi trường
TRA Lý thuyết hành động hợp lý
Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ của UTAUT
Machine Translated by Google

Internet Tương Lai 2020, 12, 135 15 trên 17

Người giới thiệu

1. Oliinyk, tôi.; Echikson, Cuộc cách mạng thanh toán của W. Châu Âu. Kích thích đổi mới thanh toán đồng thời bảo vệ quyền riêng tư của

người tiêu dùng. http://aei.pitt.edu/94533/ (truy cập vào ngày 11 tháng 8 năm 2020).

2. Maqueira-Marín, JM; Bruque-Cámara, S.; Minguela-Rata, B. Các yếu tố quyết định môi trường trong việc áp dụng Điện toán đám mây trong kinh

doanh. Quản lý Ấn Độ. Hệ thống dữ liệu 2017, 117, 228-246. [Tham khảo chéo]

3. Phaphoom, N.; Vương, X.; Samuel, S.; Helmer, S.; Abrahamsson, P. Một nghiên cứu khảo sát về các rào cản kỹ thuật chính ảnh hưởng đến

quyết định áp dụng dịch vụ đám mây. J. Hệ thống. Phần mềm. 2015, 103, 167–181. [Tham khảo chéo]

4. Cegielski, CG; Jones-Nông dân, A.; Ngô, Y.; Hazen, BT Áp dụng công nghệ điện toán đám mây trong chuỗi cung ứng. Int. J. Nhà hậu cần.

Quản lý. 2012, 23, 184–211. [Tham khảo chéo]

5. Alshamaila, Y.; Papagiannidis, S.; Li, F. Việc áp dụng điện toán đám mây của các doanh nghiệp vừa và nhỏ ở phía đông bắc nước Anh:

Một khuôn khổ đa quan điểm. J. Enterp. Thông tin Quản lý. 2013, 26, 250–275. [Tham khảo chéo]

6. Thấp, C.; Chen, Y.; Wu, M. Tìm hiểu các yếu tố quyết định việc áp dụng điện toán đám mây. Quản lý Ấn Độ. Hệ thống dữ liệu

2011, 111, 1006–1023. [Tham khảo chéo]

7. Oliveira, T.; Thomas, M.; Espadanal, M. Đánh giá các yếu tố quyết định việc áp dụng điện toán đám mây: Phân tích các lĩnh vực sản xuất

và dịch vụ. Thông tin Quản lý. 2014, 51, 497–510. [Tham khảo chéo]

8. Hsu, PF; Ray, S.; Li-Hsieh, YY Kiểm tra ý định áp dụng điện toán đám mây, cơ chế định giá, mô hình triển khai. Int. J. Inf. Quản lý. 2014,

34, 474–488. [Tham khảo chéo]

9. Liên, JW; Yên, DC; Wang, YT Một nghiên cứu mang tính khám phá nhằm tìm hiểu các yếu tố quan trọng ảnh hưởng đến quyết định áp dụng

điện toán đám mây tại bệnh viện Đài Loan. Int. J. Inf. Quản lý. 2014, 34, 28–36. [Tham khảo chéo]

10. Geist, A.; Reed, DA Một cuộc khảo sát về những thách thức mở rộng quy mô điện toán hiệu năng cao. Int. J. Hiệu suất cao.

Máy tính. ứng dụng. 2017, 31, 104–113. [Tham khảo chéo]

11. Zenios, SA Điện toán hiệu năng cao trong tài chính: 10 năm qua và những năm tiếp theo. Tính toán song song.

1999, 25, 2149–2175. [Tham khảo chéo]

12.IDC . Dự báo HPC rộng hơn trên toàn thế giới 2014–2018: Máy chủ, Lưu trữ, Phần mềm, Phần mềm trung gian và Dịch vụ; IDC: Framingham, MA,

Hoa Kỳ, 2015.

13. Nghiên cứu Hyperion. Cập nhật thị trường HPC; Nghiên cứu Hyperion: Saint Paul, MN, Hoa Kỳ, 2018.

14. Gupta, A.; Milojicic, D. Đánh giá các ứng dụng hpc trên đám mây. Trong Kỷ yếu của Hội nghị thượng đỉnh Cirrus mở lần thứ sáu năm 2011,

Atlanta, GA, Hoa Kỳ, ngày 12–13 tháng 10 năm 2011; IEEE: Piscataway, NJ, Hoa Kỳ, 2011; trang 22–26.

15. Mauch, V.; Kunze, M.; Hillenbrand, M. Điện toán đám mây hiệu năng cao. Thế hệ tương lai. Máy tính. Hệ thống.

2013, 29, 1408–1416. [Tham khảo chéo]

16. Aldinucci, M.; Rabellino, S.; Pironti, M.; Spiga, F.; Viviani, P.; Drocco, M.; Guerzoni, M.; Boella, G.; Mellia, M.; Margara, P.; et al.

HPC4AI: Một nỗ lực nền tảng liên kết AI theo yêu cầu. Trong Kỷ yếu của Hội nghị Quốc tế ACM lần thứ 15 về Biên giới Máy tính, Ischia,

Ý, ngày 8–10 tháng 5 năm 2018; trang 279–286.

17. Lynn, T. Giải quyết sự phức tạp của HPC trên đám mây: Sự xuất hiện, tự tổ chức, tự quản lý và phân tách các mối quan tâm. Về tính không

đồng nhất, tính toán hiệu năng cao, khả năng tự tổ chức và đám mây; Palgrave Macmillan: Luân Đôn, Vương quốc Anh, 2018; trang 1–30.

18. Beck, R.; Tönker, M. Tăng cường khả năng động thông qua các giải pháp lưới trong đám mây ảo hóa.

Trong Kỷ yếu của Hội nghị Quốc tế về Hệ thống Thông tin lần thứ 33 (ICIS 2012), Orlando, FL, Hoa Kỳ, 16–19 tháng 12 năm 2012.

19. Thackston, R.; Fortenberry, R. Điện toán hiệu năng cao: Những cân nhắc khi quyết định thuê hoặc mua.

Trong Kỷ yếu của Kỷ yếu SAIS 2015, Đảo Hilton Head, SC, Hoa Kỳ, ngày 20–21 tháng 3 năm 2015.

20. Evangelinos, C.; Hill, C. Điện toán đám mây cho các ứng dụng hpc khoa học song song: Tính khả thi của việc chạy các mô hình khí hậu-đại

dương kết hợp trên amazons ec2. Tỷ lệ 2008, 2, 2–34.

21. Venkatesh, V.; Morris, MG; Davis, GB; Davis, FD Sự chấp nhận của người dùng đối với công nghệ thông tin: Hướng tới một

cái nhìn thống nhất. Quản lý. Thông tin Hệ thống. Q. 2003, 27, 425–478. [Tham khảo chéo]

22. Lynn, T.; Lương, X.; Gourinovitch, A.; Morrison, Nhật Bản; Cáo, G.; Rosati, P. Tìm hiểu các yếu tố quyết định điện toán đám mây và tùy

chọn cho điện toán hiệu năng cao. Trong Kỷ yếu của Hội nghị Quốc tế Hawaii về Khoa học Hệ thống lần thứ 51 (HICSS-51), Đại học Hawaii

tại Manoa, Làng Waikoloa, HI, Hoa Kỳ, ngày 2–6 tháng 1 năm 2018; trang 3894–3903.

23. Rogers, Truyền bá đổi mới của EM; Simon và Schuster: New York, NY, Mỹ, 2003.

24. Cá, M.; Ajzen, I. Niềm tin, Thái độ, Ý định và Hành vi: Giới thiệu về Lý thuyết và Nghiên cứu;

Công ty xuất bản Addison Wesley: Boston, MA,USA, 1977.

Machine Translated by Google

Internet Tương Lai 2020, 12, 135 16 trên 17

25. Davis, FD Nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng và sự chấp nhận của người dùng đối với công nghệ thông tin.

Quản lý. Thông tin Hệ thống. Q. 1989, 13, 319–340. [Tham khảo chéo]

26. Davis, FD; Bagozzi, RP; Warshaw, PR Sự chấp nhận của người dùng đối với công nghệ máy tính: So sánh hai

các mô hình lý thuyết Quản lý. Khoa học. 1989, 35, 982–1003. [Tham khảo chéo]

27. Tornatzky, L.; Fleischer, M. Quá trình đổi mới công nghệ; Lexingt. Sách: Lexington, MA, USA, 1990;

Tập 165.

28. Rogers, E. Truyền bá những đổi mới, tái bản lần thứ 4; The Free Press: Detroit, MI, USA, 1995; trang 15–23.

29. Gangwar, H.; Ngày, H.; Raoot, A. Đánh giá về việc áp dụng CNTT: Những hiểu biết sâu sắc từ các công nghệ gần đây.

J. Enterp. Thông tin Quản lý. 2014, 27, 488–502. [Tham khảo chéo]

30. Yusof, MM; Papazafeiropoulou, A.; Paul, RJ; Stergioulas, LK Điều tra các khung đánh giá cho

các hệ thống thông tin y tế. Int. J. Med. Thông báo. 2008, 77, 377–385. [Tham khảo chéo]

31. Asatiani, A. Tại sao lại là mây? Đánh giá Aa về các yếu tố quyết định việc áp dụng đám mây trong các tổ chức. Trong Kỷ yếu của Hội nghị Châu

Âu về Hệ thống Thông tin 2015 (ECIS 2015), Münster, Đức, 26–29 tháng 5 năm 2015.

32. Lin, A.; Chen, NC Điện toán đám mây như một sự đổi mới: Nhận thức, thái độ và sự áp dụng. Int. J. Inf. Quản lý.

2012, 32, 533–540. [Tham khảo chéo]

33. Gupta, P.; Seetharaman, A.; Raj, JR Việc sử dụng và áp dụng điện toán đám mây của các doanh nghiệp vừa và nhỏ. Int. J. Inf. Quản lý. 2013,

33, 861–874. [Tham khảo chéo]

34. Ngô, Y.; Cegielski, CG; Hazen, BT; Hall, DJ Điện toán đám mây hỗ trợ cơ sở hạ tầng hệ thống thông tin chuỗi cung ứng: Hiểu khi nào nên chuyển

sang đám mây. J. Quản lý chuỗi cung ứng. 2013, 49, 25–41.

[Tham khảo chéo]

35. Hazen, BT; Ngô, Y.; Sankar, CS; Jones-Farmer, LA Một khuôn khổ được đề xuất cho giáo dục

phổ biến đổi mới. J. Giáo dục. Technol. Hệ thống. 2012, 40, 301–321. [Tham khảo chéo]

36. Agarwal, R.; Prasad, J. Một định nghĩa mang tính khái niệm và hoạt động về tính đổi mới của cá nhân trong lĩnh vực công nghệ thông tin. Thông

tin Hệ thống. Res. 1998, 9, 204–215. [Tham khảo chéo]

37. Premkumar, G.; Roberts, M. Áp dụng công nghệ thông tin mới ở các doanh nghiệp nhỏ ở nông thôn. Omega

1999, 27, 467–484. [Tham khảo chéo]

38. Joseph, E.; Sorensen, B.; Norton, A.; Conway, S. Những điểm nổi bật trong nghiên cứu về HPC, HPDA-AI, Điện toán đám mây, Điện toán lượng tử,

Cuộc đua Exascale toàn cầu và Những người đoạt giải thưởng Sáng tạo; Nghiên cứu Hyperion: Saint Paul, MN, Hoa Kỳ, 2018.

39. Dịch vụ web của Amazon, Intel. Thách thức các rào cản đối với điện toán hiệu suất cao trên đám mây; Amazon

Dịch vụ web: Seattle, WA, Hoa Kỳ, 2019.

40. Lee, S.; Kim, Kj Các yếu tố ảnh hưởng đến sự thành công trong triển khai hệ thống thông tin dựa trên Internet.

Máy tính. Ừm. Cư xử. 2007, 23, 1853–1880. [Tham khảo chéo]

41. Hayes, B. Điện toán đám mây. Cộng đồng. ACM 2008, 51, 9–11. [Tham khảo chéo]

42. Chang, IC; Hwang, HG; Hùng, MC; Lin, MH; Yên, DC Các yếu tố ảnh hưởng đến việc áp dụng chữ ký điện tử: Quan điểm của lãnh đạo phòng thông

tin bệnh viện. Quyết định. Hệ thống hỗ trợ 2007, 44, 350–359.

[Tham khảo chéo]

43. Quan, KK; Chau, PY Một mô hình dựa trên nhận thức về việc áp dụng EDI trong các doanh nghiệp nhỏ sử dụng khuôn khổ công nghệ-tổ chức-môi

trường. Thông tin Quản lý. 2001, 38, 507–521. [Tham khảo chéo]

44. Marston, S.; Lý, Z.; Bandyopadhyay, S.; Trương, J.; Ghalsasi, A. Điện toán đám mây—Quan điểm kinh doanh.

Quyết định. Hệ thống hỗ trợ 2011, 51, 176–189. [Tham khảo chéo]

45. Soliman, KS; Janz, BD Một nghiên cứu thăm dò nhằm xác định các yếu tố quan trọng ảnh hưởng đến quyết định thành lập

Hệ thống thông tin liên tổ chức dựa trên Internet. Thông tin Quản lý. 2004, 41, 697–706. [Tham khảo chéo]

46. Lynn, T.; Xiong, H.; Đồng, Đ.; Momani, B.; Gravvanis, GA; Filelis-Papadopoulos, CK; Elster, AC; Khan, MMZM; Tzovaras, D.; Giannoutakis, KM;

et al. CLOUDLIGHTNING: Khung cho Đám mây không đồng nhất tự tổ chức và tự quản lý. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 6 về Khoa học

dịch vụ và điện toán đám mây (CLOSER 2016), Rome, Ý, ngày 23–25 tháng 4 năm 2016; trang 333–338.

47. Baruch, Y. Tỷ lệ phản hồi trong nghiên cứu học thuật-Một phân tích so sánh. Ừm. Liên hệ. 1999, 52, 421–438.

[Tham khảo chéo]

48. Wilcox, JB; Bellenger, DN; Rigdon, EE Đánh giá tính đại diện của mẫu trong khảo sát công nghiệp. J. Xe buýt.

Chợ Ấn Độ. 1994, 9, 51–61. [Tham khảo chéo]

49. Tóc, JF; Anderson, RE; Babin, BJ; Black, Phân tích dữ liệu đa biến WC: Quan điểm toàn cầu, tái bản lần thứ 7; Pearson: Thượng Saddle River,

NJ, Mỹ, 2010.

Machine Translated by Google

Internet Tương Lai 2020, 12, 135 17 trên 17

50. Skulmoski, GJ; Hartman, FT; Krahn, J. Phương pháp Delphi cho nghiên cứu sau đại học. J. Inf. Technol. Giáo dục. Res.

2007, 6, 1–21. [Tham khảo chéo]

51. Delbecq, AL; Văn de Ven, AH; Gustafson, DH Group Kỹ thuật lập kế hoạch chương trình: Hướng dẫn về danh nghĩa

Quy trình Nhóm và Delphi; Scott, Quản đốc: Northbrook, IL, Hoa Kỳ, 1975.

52. Steinert, M. Phương pháp tiếp cận Delphi trực tuyến dựa trên sự bất đồng quan điểm: Một công cụ nghiên cứu mang tính khám phá.

Technol. Dự báo. Sóc. Chang. 2009, 76, 291–300. [Tham khảo chéo]

c 2020 của các tác giả. Được cấp phép MDPI, Basel, Thụy Sĩ. Bài viết này là một bài viết truy cập mở được

phân phối theo các điều khoản và điều kiện của Creative Commons Attribution

(CC BY) giấy phép (http://creativecommons.org/licenses/by/4.0/).