آمار

تعداد نشریات13
تعداد شماره‌ها237
تعداد مقالات2,406
تعداد مشاهده مقاله3,888,131
تعداد دریافت فایل اصل مقاله2,826,491
اکبری, مرتضی, جوادی, نازنین, دانش, مژگان. (1401). عوامل مؤثر بر تمایل دانشجویان به تداوم استفاده از سیستم‌های یادگیری الکترونیکی. فناوری آموزش, 16(3), 483-498. doi: 10.22061/tej.2022.8233.2640
مرتضی اکبری; نازنین جوادی; مژگان دانش. "عوامل مؤثر بر تمایل دانشجویان به تداوم استفاده از سیستم‌های یادگیری الکترونیکی". فناوری آموزش, 16, 3, 1401, 483-498. doi: 10.22061/tej.2022.8233.2640
اکبری, مرتضی, جوادی, نازنین, دانش, مژگان. (1401). 'عوامل مؤثر بر تمایل دانشجویان به تداوم استفاده از سیستم‌های یادگیری الکترونیکی', فناوری آموزش, 16(3), pp. 483-498. doi: 10.22061/tej.2022.8233.2640
اکبری, مرتضی, جوادی, نازنین, دانش, مژگان. عوامل مؤثر بر تمایل دانشجویان به تداوم استفاده از سیستم‌های یادگیری الکترونیکی. فناوری آموزش, 1401; 16(3): 483-498. doi: 10.22061/tej.2022.8233.2640

عوامل مؤثر بر تمایل دانشجویان به تداوم استفاده از سیستم‌های یادگیری الکترونیکی

فناوری آموزش
مقاله 4، دوره 16، شماره 3 - شماره پیاپی 63، تیر 1401، صفحه 483-498    اصل مقاله (855.36 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/tej.2022.8233.2640
نویسندگان
مرتضی اکبری* ؛ نازنین جوادی؛ مژگان دانش
گروه کارآفرینی فناورانه، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران
تاریخ دریافت: 18 بهمن 1400،  تاریخ بازنگری: 01 تیر 1401،  تاریخ پذیرش: 18 تیر 1401 
چکیده
پیشینه و اهداف: یادگیری الکترونیکی شیوه‌ای برای طراحی، تدوین، ارائه و ارزشیابی آموزش است که از قابلیت‌ها و امکانات الکترونیکی برای کمک به یادگیری بهره می‌گیرد که طی سه دهه گذشته مورد استقبال مؤسسات آموزشی و یادگیرندگان قرار گرفته است. اما به دلیل همه‌گیری COVID-19 یادگیری الکترونیکی در کانون توجه عمومی و سیاسی گسترده‌تر قرار گرفته است. این امر سبب شده تا بررسی رفتار یادگیرندگان در مواجهه با بستر آموزش الکترونیکی و ابعاد مختلف آن مورد توجه قرار گیرد. در این پژوهش نگارنده می­کوشد تا با استفاده از مدل موفقیت سیستم­های اطلاعاتی و نظریه جریان، عوامل اثرگذار بر تداوم استفاده کاربر از یادگیری الکترونیکی را بررسی نماید.
روش‌ها‌: پژوهش حاضر از نظر شیوه گردآوری اطلاعات، توصیفی- همبستگی و از نظر هدف، یک پژوهش کاربردی به‌شمار می­رود. متغیرهای این پژوهش با استفاده از پرسش‌نامه استاندارد مورد مطالعه قرار گرفته است. همچنین در این پژوهش نمونه‌گیری با استفاده از پرسش‌نامه‌های طراحی‌شده که به‌صورت اینترنتی و فیزیکی در میان دانشجویان مجازی ورودی سال ۱۳۹۸ و قبل‌تر در سه دانشگاه (دانشگاه تهران، علامه طباطبایی و الزهرا) در سطح تهران، توزیع و تکمیل شده­اند، به انجام رسیده است. در نهایت حدود ۴۵۰ پرسش‌نامه به‌صورت حضوری و الکترونیکی در میان دانشجویان دوره­های مجازی این سه دانشگاه توزیع شد که از این تعداد ۲۳ پرسش‌نامه بازگردانده نشد و یا بدون پاسخ تحویل داده شدند و حدود ۳۰ مورد نیز به دلیل ناقص بودن پرسش‌نامه حذف شده­اند. در مجموع داده­های مربوط به ۳۹۰ پرسش‌نامه در این مطالعه مورد تجزیه و تحلیل قرار گرفته است. داده­های به‌دست آمده با کمک نرم‌افزارهای SPSS و Smart PLS تحلیل شدند.
یافته‌ها: نتایج این پژوهش حاکی از تأیید کامل چهار فرضیه و معناداری آنها (T-Value بیشتر از 1.96) و رد کامل چهار فرضیه (T-Value کمتر از 1.96) است. فرضیات مورد تأیید شامل تأیید تأثیر مثبت و معنادار کیفیت اطلاعات بر رضایت کاربر، کیفیت خدمات بر رضایت کاربر، لذت بردن بر رضایت کاربر، رضایت کاربر بر تمایل کاربر، کیفیت اطلاعات بر تمایل کاربر، کیفیت سیستم بر تمایل کاربر و لذت بردن بر تمایل کاربر به تداوم استفاده از آموزش الکترونیکی بوده است. براساس نتایج این تحلیل، تأثیرگذارترین عامل بر تمایل کاربر به تداوم استفاده از ابزارهای یادگیری الکترونیکی، لذت بردن کاربر از به­کارگیری سیستم یادگیری الکترونیکی است. علاوه بر این لذت­بردن بیشترین تأثیر را بر رضایت کاربر دارد. فرضیاتی که مورد تأیید واقع نشده است شامل تأثیر کیفیت سیستم و رضایت کاربر، تأثیر تمرکز و رضایت کاربر، تأثیر کیفیت خدمات بر تمایل کاربر به تداوم استفاده از سیستم یادگیری الکترونیکی و تأثیر تمرکز بر تمایل کاربر به تداوم استفاده از سیستم یادگیری الکترونیکی بوده است.
نتیجه‌گیری:  محققان در این پژوهش با بررسی مؤلفه‌های اصلی تأثیرگذار بر موضوع مطالعه در بستر یادگیری الکترونیکی در ایران را به‌طور خاص در میان دانشجویان دوره‌های مجازی سه دانشگاه شهر تهران مورد ارزیابی و مطالعه قرارداده است. غالب این پژوهشگران رضایت را عامل کلیدی مؤثر بر تمایل کاربر به تداوم استفاده از فناوری دانسته­اند. به همین دلیل پژوهشگران با استناد به مطالعات پیشین، عوامل مؤثر بر رضایت کاربر در استفاده از فناوری را شناسایی و مطالعه نموده است. متغیر رضایت به‌عنوان یک متغیر میانجی در نظر گرفته شده و تأثیر آن بر تمایل کاربر به تداوم استفاده از فناوری سنجیده شده است. از میان عوامل مؤثر بر رضایت کاربر، عوامل کیفیت اطلاعات، کیفیت خدمات، کیفیت سیستم، لذت‌بردن و تمرکز مطالعه شده­اند. همچنین تأثیر این متغیرها بر تمایل کاربر به تداوم استفاده از فناوری نیز دو سؤال دیگر این پژوهش را شکل داده است. طبق نتایج، کیفیت سیستم و تمرکز تأثیری بر رضایت کاربران نداشته است. همچنین کیفیت خدمات و تمرکز بر تمایل کاربر به تداوم استفاده از سیستم یادگیری الکترونیکی اثری نداشته است. در نتیجه این یافته‌ها متمایز با پژوهش‌های پیشین بوده است.
کلیدواژه‌ها
یادگیری الکترونیکی؛ مدل ISSM؛ تئوری جریان؛ تمایل به تداوم استفاده از یادگیری الکترونیکی
موضوعات
یادگیری الکترونیکی
عنوان مقاله [English]
Factors affecting students' continued intention to use e-learning systems
نویسندگان [English]
M Akbari؛ N. Javadi؛ M. Danesh
Department of Technological Entrepreneurship, Faculty of Entrepreneurship, University of Tehran, Iran
چکیده [English]
Background and Objectives: E-learning is a method for designing, , editing, presenting, and evaluating education that utilizes electronic capabilities and facilities to aid learning that educational institutions and learners have welcomed over the past three decades. However, because of the COVID-19 epidemic, e-learning has become the focus of wider public and political attention. Therefore, the study of learners' behavior in confrontation with e-learning and its various dimensions have been taken into consideration. In this research, the authors investigate the factors affecting the user's continued use of e-learning by utilizing the Information Systems Success Model and Flow Theory.
Methods: The present study is descriptive-correlative in terms of data collection method and applied research in terms of purpose. The variables of this research have been studied using a standard questionnaire. Furthermore, in this study, sampling was done using designed questionnaires distributed and filled out both online and physically among virtual students admitted to three universities in 2019 and before that (Tehran, Allameh Tabatabai, and Alzahra) located in Tehran. Finally, about 450 questionnaires were distributed in person and electronically among the virtual courses’ students of these three universities among which 23 questionnaires were either not returned or returned without answers, and about 30 cases were deleted due to being incomplete. On the whole, data from 390 questionnaires were analyzed in this study. The obtained data were analyzed using SPSS and Smart PLS software.
Findings: The results of this study indicate complete confirmation of the four hypotheses and their significance (T-Value more than 1.96) and complete rejection of the four hypotheses (T-Value less than 1.96). Approved hypotheses include confirming the positive and significant effect of information quality on user satisfaction, service quality on user satisfaction, enjoyment on user satisfaction, user satisfaction on user, information quality on user intention, system quality on user intention, and enjoyment on user continues continuous intention to use e-learning systems. According to this analysis, the most influential factor in the user's continued intention to use e-learning systems is the user's enjoyment of using the e-learning system. In addition, enjoyment has the most significant impact on user satisfaction. The hypotheses that have not been confirmed include the effect of system quality on user satisfaction, the effect of concentration on user satisfaction, the effect of service quality on the user’s continued intention to use e-learning systems, and the effect of concentration on the user continued to use e-learning systems.
Conclusion: In this study, the researchers have evaluated and studied the main components affecting the subject of the study in the context of e-learning in Iran, specifically among students of virtual courses at three universities in Tehran. Researchers have identified satisfaction as the key factor influencing the user's continued intention to use e-learning systems. So, the researchers have have identified and studied the factors affecting user satisfaction in using e-learning. The satisfaction variable is considered as a mediating variable, and its impact on the user's continued intention to use e-learning systems has been examined. Among the factors affecting user satisfaction, information quality, service quality, system quality, enjoyment, and concentration have been studied. According to the results, system quality and concentration did not affect user satisfaction. Also, service quality and concentration on the user's continued intention to use e-learning systems have not been significant.   
کلیدواژه‌ها [English]
E-Learning, ISSM Model, Flow Theory, Tendency for continued use of e-Learning
مراجع
[1] Ghanbary S, Rezghi Shirsavar H, Ziaee M, Mosleh M. Evaluating the effectiveness of virtual education on health care management students. Journal of healthcare management. 2019; 10(2): 49-60.

[2] Dantas LA, Cunha A. An integrative debate on learning styles and the learning process. Social Sciences & Humanities Open. 2020;2(1):100017.

[3] Gaudin M, Tanguy G, Plagne M, Saussac A, Hansmann Y, Jaulhac B, Kelly M, Ouchchane L, Lesens O. E-learning versus face-to-face training: Comparison of two learning methods for Lyme borreliosis. Infectious Diseases Now. 2021; 52(1):18-22.

[4] Ebner M, Schön S, Braun C, Ebner M, Grigoriadis Y, Haas M, Taraghi B. COVID-19 epidemic as E-learning boost? Chronological development and effects at an Austrian university against the background of the concept of “E-Learning Readiness”. Future Internet. 2020; 12(6): 94.

[5] Szymkowiak A, Melović B, Dabić M, Jeganathan K, Kundi G S. Information technology and Gen Z: The role of teachers, the internet, and technology in the education of young people. Technology in Society. 2021; 65: 101565.

[6] Clement J. Global digital population as of July 2020.

[7] Shi D, Wang T, Xing H, Xu H. A learning path recommendation model based on a multidimensional knowledge graph framework for e-learning. Knowledge-Based Systems. 2020; 195:105618.

[8] Sailer M, Schultz-Pernice F, Fischer F. Contextual facilitators for learning activities involving technology in higher education: The C♭-model. Computers in Human Behavior. 2021; 121: 106794.

[9] Sangrà A, Vlachopoulos D, Cabrera N. Building an inclusive definition of e-learning: An approach to the conceptual framework. International Review of Research in Open and Distributed Learning. 2012;13(2):145-59.

[10] Garrison DR. E-learning in the 21st Century: A Framework for Research and Practice. Routledge; 2011.

[11] Gamalel-Din, S. A. Smart e-Learning: A greater perspective; from the fourth to the fifth generation e-learning. Egyptian Informatics Journal. 2010; 11(1): 39-48.

[12] Bölen MC. Exploring the determinants of users’ continuance intention in smartwatches. Technology in Society. 2020; 60:101209.

[13] Nascimento B, Oliveira T, Tam C. Wearable technology: What explains continuance intention in smartwatches? Journal of Retailing and Consumer Services. 2018; 43:157-69.

[14] Wang C, Teo TS, Liu L. Perceived value and continuance intention in mobile government service in China. Telematics and Informatics. 2020; 48:101348.

[15] Jahanmir SF, Silva GM, Gomes PJ, Gonçalves HM. Determinants of users’ continuance intention toward digital innovations: are late adopters different? Journal of Business Research. 2020; 115:225-33.

[16] Chen CC, Hsiao KL, Li WC. Exploring the determinants of usage continuance willingness for location-based apps: A case study of bicycle-based exercise apps. Journal of Retailing and Consumer Services. 2020; 55:102097.

[17] Lin WS, Wang CH. Antecedences to continued intentions of adopting e-learning system in blended learning instruction: A contingency framework based on models of information system success and task-technology fit. Computers & Education. 2012;58(1):88-99.

[18] E-Learning Center, University of Tehran. [History of the formation and start of e-learning activities at the University of Tehran]. Retrieval from e-learning center of Tehran University. 2020. Persian.

[19] Ahmadi R, Ahmadi G A, Zamyad G. [Investigation and explanation of effective factors in the acceptance and application of e-learning systems among e-learning students of Iran University of Science and Technology]. Journal of Research in Educational Systems. 2012:19: 101-126. Persian.

[20] DeLone WH, McLean ER. Information systems success: The quest for the dependent variable. Information Systems Research. 1992; 3(1):60-95.

[21] DeLone WH, McLean ER. The DeLone and McLean model of information systems success: a ten-year update. Journal of Management Information Systems. 2003; 19(4):9-30.

[22] Csikszentmihalyi M, Larson R. Flow and the Foundations of Positive Psychology. Dordrecht: Springer; 2014.

[23] Guo Z, Xiao L, Van Toorn C, Lai Y, Seo C. Promoting online learners’ continuance intention: An integrated flow framework. Information & Management. 2016 ;53(2):279-95.

[24] Joo YJ, Park S, Shin EK. Students' expectation, satisfaction, and continuance intention to use digital textbooks. Computers in Human Behavior. 2017; 69:83-90.

[25] Chen CC, Tsai JL. Determinants of behavioral intention to use the Personalized Location-based Mobile Tourism Application: An empirical study by integrating TAM with ISSM. Future Generation Computer Systems. 2019; 96:628-38.

[26] Dağhan G, Akkoyunlu B. Modeling the continuance usage intention of online learning environments. Computers in Human Behavior. 2016; 60:198-211.

[27] Chang CC. Exploring the determinants of e‐learning systems continuance intention in academic libraries. Library Management. 2013 Jan 11.

[28] Van der Heijden H. Factors influencing the usage of websites: the case of a generic portal in The Netherlands. Information & management. 2003;40(6):541-9.

[29] Lu Y, Zhou T, Wang B. Exploring Chinese users’ acceptance of instant messaging using the theory of planned behavior, the technology acceptance model, and the flow theory. Computers in human behavior. 2009;25(1):29-39.

[30] Manis KT, Choi D. The virtual reality hardware acceptance model (VR-HAM): Extending and individuating the technology acceptance model (TAM) for virtual reality hardware. Journal of Business Research. 2019; 100:503-513.

[31] Alalwan AA, Baabdullah AM, Rana NP, Tamilmani K, Dwivedi YK. Examining adoption of mobile internet in Saudi Arabia: Extending TAM with perceived enjoyment, innovativeness and trust. Technology in Society. 2018; 55:100-110.

[32] Kim YY, Oh S, Lee H. What makes people experience flow? Social characteristics of online games. International Journal of Advanced Media and Communication. 2005;1(1):76-92.

[33] Ajzen I. The theory of planned behavior. Organizational behavior and human decision processes. 1991 ;50(2):179-211.

[34] Chen SC, Yen DC, Peng SC. Assessing the impact of determinants in e-magazines acceptance: an empirical study. Computer Standards & Interfaces. 2018; 57:49-58.

[35] Dai HM, Teo T, Rappa NA, Huang F. Explaining Chinese university students’ continuance learning intention in the MOOC setting: A modified expectation confirmation model perspective. Computers & Education. 2020; 150:103850.

[36] Bao Y, Hoque R, Wang S. Investigating the determinants of Chinese adult children’s intention to use online health information for their aged parents. International journal of medical informatics. 2017; 102:12-20.

[37] Mouakket S. Factors influencing continuance intention to use social network sites: The Facebook case. Computers in Human Behavior. 2015; 53:102-10.

[38] Susanto A, Chang Y, Ha Y. Determinants of continuance intention to use the smartphone banking services: An extension to the expectation-confirmation model. Industrial Management & Data Systems. 2016; 116: 508-525.

[39] Esteban-Millat I, Martínez-López FJ, Huertas-García R, Meseguer A, Rodríguez-Ardura I. Modelling students' flow experiences in an online learning environment. Computers & Education. 2014; 71:111-123.

[40] Lew SL, Lau SH, Leow MC. Usability factors predicting continuance of intention to use cloud e-learning application. Heliyon. 2019;5(6): e01788.

[41] Nobakht M B. Advanced research method. Tehran: University Jihad Publications. 2017. Persian.

[42] Sarmad Z, Bazargan A, Hejazi E. Research methods in behavioral sciences. Tehran: Agah Publications; 2020. Persian.

[43] Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research. 1981;18(1):39-50.

[44] Barclay D, Higgins C, Thompson R. The partial least squares (PLS) approach to casual modeling: personal computer adoption ans use as an Illustration. Technology Studies: Special Issues on Research Methodology. 1995; 2(2): 284-324.

[45] Ozkara BY, Ozmen M, Kim JW. Exploring the relationship between information satisfaction and flow in the context of consumers’ online search. Computers in Human Behavior. 2016; 63:844-59.

[46] Montesdioca GP, Maçada AC. Measuring user satisfaction with information security practices. Computers & security. 2015; 48:267-80.

آمار
تعداد مشاهده مقاله: 1,327
تعداد دریافت فایل اصل مقاله: 798


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب