A evolução da plataforma de Internet, as novas tecnologias de comunicação e monitoramento, bem como o surgimento do fenômeno das mídias sociais, permitem a geração, a coleta e o intercâmbio de uma vasta quantidade de dados de várias fontes, como dispositivos móveis, sensores, baixados livros, jogos, sons e imagens. Diariamente, esses usuários compartilham suas preferências, opiniões, amigos e estilos de vida, fornecendo uma rica fonte de informações sobre seu comportamento e preferências, desafiando os RAs a lidar com essa quantidade de dados e continuar fornecendo boas recomendações aos usuários. Agora, os RAs devem incluir dados de fontes externas, como informações de conexão social do usuário (por exemplo, amigos próximos, colegas, colegas de escola, influenciadores e preferências de marca) para aumentar a captura e entendendimento das necessidades dos consumidores, a fim de sugerir produtos que melhor atendam aos interesses dos consumidores, evoluindo para agentes de recomendação de big data. Estudos existentes mostraram que os clientes precisam confiar no RA antes de usá-lo. No entanto, apesar do fato de haver muitas discussões sobre confiança na literatura de SI, apenas algumas abordam o problema da confiança no contexto de big data e analytics. Poucos trabalhos associados a big data e analytics têm uma preocupação secundária sobre os temas de confiança e desconfiança. Para preencher essa lacuna, foi realizado um experimento com quatrocentos alunos para avaliar o grau de confiança e desconfiança nos Agentes de Recomendação de Big Data - BDRA. No contexto da seleção de um programa de intercâmbio (por exemplo, estudar no exterior). Desenvolvemos três artigos que cobrem: (1) os antecedentes de confiança e desconfiança no BDRA, (2) a influência contextual das crenças de confiança na adoção de agentes de recomendação de big data e (3) o poder das crenças de desconfiança do BDRA no conseqüentes usando a lente teórica de aceitação e resistência do usuário. Através desses três resultados diferentes de estudos, foi possível estender as teorias de confiança, desconfiança, aceitação do usuário e resistência do usuário, adicionando novos constructos, validando a literatura anterior e incluindo desconfiança e big data na literatura de Agentes de Recomendação. O estudo também construiu e testou um modelo nomológico de confiança e desconfiança relacionada à agentes de recomendação de big data - BDRA.