بررسی تأثیر عوامل مؤثر کیفی بر منافع آموزش الکترونیکی با نقش میانجی رضایت درک‌شده و سودمندی درک‌شده

سیدی راد, سیده زهرا; تاجفر, امیرهوشنگ

doi:10.22061/tej.2022.8422.2667

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مدیریت، دانشکده علوم انسانی، دانشگاه پیام نور، مرکز تهران غرب، تهران، ایران

https://doi.org/10.22061/tej.2022.8422.2667

چکیده

پیشینه و اهداف: این پژوهش با هدف بررسی اثرگذاری عوامل کیفی مؤثر بر موفقیت سیستم‌های آموزش الکترونیک انجام شده است. مدل این پژوهش براساس مدل EESS و اعمال تغییرات به‌دست آمده از تحقیقات قبلی است و شامل مؤلفه‌های مختلف کیفی از جمله کیفیت فنی سیستم، کیفیت اطلاعات، کیفیت خدمات، کیفیت سیستم آموزشی، کیفیت عوامل حمایتی، کیفیت یادگیرنده و کیفیت مربی و کیفیت محتوای آموزشی میشود.
در این پژوهش تأثیرات این هشت عامل کیفی بر «سودمندی درک‌شده» و «رضایت درک‌شده» و همچنین میزان تأثیرات «سودمندی درک‌شده» بر «رضایت درک‌شده» بررسی شدهاند.
روش‌ها:‌ جامعه آماری شامل 270 نفر از دانشجویان کارشناسی ارشد مدیریت فناوری اطلاعات است که در نیم سال دوم سال تحصیلی 1399-1400 در دو دانشگاه مشغول به تحصیل بودند و از سیستم LMS با مشخصات تقریباً مشابه استفاده می‌کردند. تعداد 152 پرسش‌نامه معتبر جمع‌آوری شده است. از پرسش‌نامه با طیف لیکرت پنج‌تایی برای جمع‌آوری داده‌ها استفاده شد که شامل 3 سؤال عمومی و 51 سؤال مرتبط با متغیرهای مدل است.
تجزیه‌وتحلیل فرضیه‌های تحقیق با استفاده از تکنیک حداقل مربعات جزئی انجام شده و از نرم‌افزار Smart PLS 3 برای انجام آزمون‌ها و آزمایش فرضیه‌ها استفاده شده است.
یافته‌ها: نتایج تحلیل نشان می‌دهد کیفیت فنی، کیفیت یادگیرنده و کیفیت محتوای آموزشی بر میزان رضایت ادراک شده از سیستم آموزش الکترونیکی تأثیر می‌گذارد. کیفیت اطلاعات، کیفیت سرویس، کیفیت سیستم آموزشی، کیفیت خدمات حمایتی و کیفیت استاد بر میزان رضایت ادراک شده از سیستم آموزش الکترونیکی تأثیری ندارد. کیفیت اطلاعات، کیفیت یادگیرنده و استاد و کیفیت محتوای آموزشی بر سودمندی درک‌شده از سیستم آموزش الکترونیک مؤثر هستند. کیفیت فنی و کیفیت سرویس و کیفیت سیستم آموزشی و کیفیت عوامل حمایتی تأثیری بر میزان سودمندی درک‌شده ندارد.
سودمندی ادراک شده به میزان قابل توجهی بر رضایت ادراک شده مؤثر است و همچنین سودمندی ادراک شده و رضایت ادراک شده، به میزان قابل توجهی بر منافع استفاده از سیستم آموزش الکترونیک تأثیر دارد.
نتیجه‌گیری: نتایج این تحقیق، نتایج حاصل از سایر تحقیقات انجام شده در خصوص اثر کیفیت بر موفقیت سیستم‌های آموزش الکترونیک را تأیید می‌کند و نشان می‌دهد که عوامل مختلف کیفی با اثرگذاری بر «رضایت درک‌شده» و «سودمندی درک‌شده» بر منافع یادگیرندگان مؤثرند و منجر به موفقیت سیستم‌های آموزش الکترونیک خواهند شد. نتایج تحلیل آماری نشان میدهد که افزایش کیفیت سیستم آموزش الکترونیک می‌تواند منافع یادگیرندگان از جمله افزایش دانش و موفقیت تحصیلی، بهبود روند یادگیری، ارتباط اثربخش با سایر دانشجویان و اساتید، همچنین صرفه‌جویی در زمان و هزینه را تأمین کند.
نتایج تحقیق اهمیت کیفیت یادگیرنده، کیفیت استاد و کیفیت محتوای آموزشی را در موفقیت سیستم آموزش الکترونیک به خوبی نشان می‌دهد و این موضوع نشانگر اهمیت آموزش در جهت بالا بردن توانایی فنی استفاده از سیستم و بررسی روشهایی برای افزایش اشتیاق و تشویق یادگیرندگان و استادان در استفاده از سیستم، همچنین تطبیق هرچه بیشتر محتوای درسی ارائه شده با سطح دانش و نیازمندی یادگیرندگان است. همچنین افزایش کیفیت اطلاعات شامل وجود و در دسترس بودن اطلاعات مورد نیاز، سهولت استفاده، به‌روز بودن، وضوح و نحوه‌ نمایش اطلاعات(قلم‌ها، تصاویر،..) تا حد زیادی در موفقیت سیستم مؤثر است.
انجام پژوهش مناسب در یک جامعه آماری با رشته تحصیلی متفاوت می‌تواند اطلاعات دقیق‌تری در خصوص ارتباط بین رشته تحصیلی با موفقیت سیستم آموزش الکترونیک ارائه دهد. در صورت تفاوت نتایج، در پژوهش‌های آینده می‌توان به بررسی میزان نیازمندی به سیستم‌های سفارشی‌سازی شده برای رشته‌های تحصیلی مختلف پرداخت.

کلیدواژه‌ها

20.1001.1.20080441.1400.16.1.14.2

موضوعات

آموزش الکترونیکی

عنوان مقاله [English]

Investigating the effects of quality factors on the benefits of e-learning with the mediating role of perceived satisfaction and perceived usefulness

نویسندگان [English]

z. seyedi raad
A. H. Tajfar

Department of Management, Payame Noor University, Western Tehran Branch, Tehran, Iran

چکیده [English]

Background and Objectives: The aim of this study was to investigate the effects of quality factors on the success of e-learning systems. This research is based on the EESS model with applying the changes obtained from previous studies and includes various qualitative components such as technical system quality, information quality, educational system quality, service quality, support system quality, learner quality, instructor quality, and content quality. In this study, the effects of these eight qualitative factors on "perceived usefulness" and "perceived satisfaction" as well as the effects of "perceived usefulness" on "perceived satisfaction" have been investigated.
Methods: The statistical population includes 270 graduate students of information technology management who were studying in the second semester of the academic year 2020-2021 at two universities and were using a learning management system (LMS) with almost similar characteristics. 152 valid questionnaires have been collected. The five Likert scale questionnaire, including 3 general questions and 51 questions related to model variables, was used to collect data. The analysis of research hypotheses was performed using the PLS technique and Smart PLS 3 was applied to administer the tests and examine the hypotheses.
Findings: The results of the analysis show that technical quality, learner quality and content quality affect the perceived satisfaction of the e-learning system. Information quality, service quality, educational system quality, support system quality and instructor quality do not affect the perceived satisfaction of the e-learning system. Information quality, learner quality, instructor quality and content quality affect the perceived usefulness of the e-learning system. Technical quality, service quality, educational system quality, and support factors quality do not affect the perceived usefulness. The perceived usefulness significantly affects the perceived satisfaction and also the perceived usefulness and the perceived satisfaction significantly affect the benefits of using the e-learning system.
Conclusions: The results of this study empirically confirm the results of other studies on the effect of quality on the success of e-learning systems and show that different qualitative factors affect the benefits of the learners by influencing the "perceived satisfaction" and the "perceived usefulness" and, as a result, they will lead to the success of e-learning systems. The results of statistical analysis show that increasing the quality of the e-learning system can provide the benefits of the learners such as increasing knowledge and academic success, improving the learning process, effective communication with other students and instructors, as well as saving time and money. The research results show the importance of the quality of the learner, the instructor and the content in the success of the e-learning system and this issue shows the importance of education in increasing the technical ability to use the system and examine the methods to increase enthusiasm and encourage the learners and the instructors to use the system as well as adjust the provided course content as much as possible with the level of knowledge and needs of the learners. In addition, increasing the information quality including the existence and availability of the required information, the ease of use, the up-to-dateness and clarity of the information and its presentation method (pens, images, etc.) are greatly effective on the success of the e-learning system. Conducting appropriate research in a statistical population with a different field of study can provide more accurate information about the relationship between the field of study and the success of the e-learning system. In case of finding any differences in the results, the future studies can examine the extent to which customized systems are needed for different fields of study.

کلیدواژه‌ها [English]

E-Learning
E-learning success
E-learning evaluation
DeLone and McLean information systems success model
E-learning satisfaction

COPYRIGHTS
©2022 The author(s). This is an open access article distributed under the terms of the Creative Commons Attribution (CC BY 4.0), which permits unrestricted use, distribution, and reproduction in any medium, as long as the original authors and source are cited. No permission is required from the authors or the publishers.

مراجع

[1] Rezaei rad M. [Identifying the success factors in e- learning programs]. Research in Curriculum Planning. 2012; 9(33): 106-115. Persian.

[2] Elahi S, Kanaani F, Shayan A. [Designing a framework for effective factors on virtual students’ tendency to the electronic learning and its assessment]. IRPHE. 2011; 17 (2): 59-80. Persian.

[3] Farajillahi M, Pahlavani Nejad D, Mousa Kazemi S, Shobeiri S. [Study of the effect of quality (information-education-technical-services) on learner satisfaction in the e-learning system]. Journal of Educational Planning Studies. 2013; 1(2): 113-129. Persian.

[4] Hassanzadeh A, Kanaani F, Elahi S. [A model for measuring e-learning systems success in universities]. Expert Systems with Applications. 2012; 39(12): 10959–10966.

[5] Hasanzade A, karimzadegan moghadam D, motaghian H. [Assessing the factors influencing university instructors' adoption of web-based learning systems using an iIntegrated model]. IQBQ. 2013; 17 (1): 41-72. Persian.

[6] Khodadad Hoseiny SH, Noori A, Zabihi M R. [E-learning acceptance in higher education: Application of flow theory, technology acceptance model & e-service quality]. IRPHE. 2013; 19 (1): 111-136. Persian.

[7] Mohammadi H. [Investigating users' perspectives on e-learning: An integration of TAM and IS success model]. Computers in Human Behavior. 2015; 45: 359-374.Persian.

[8] Khorasani A, Alami F, Razavizadeh S. [Identifying the critical success factors in the academic e-learning centers (qualitative study). Information and Communication Technology in Educational Sciences. 2017; 7(26):5-37. Persian.

[9] Abbasi Kasani H, Shams G. [A research synthesis of critical success factors of e-learning: A model development]. Technology of Education Journal (TEJ). 2018; 13(1): 25-39. Persian.

[10] Moradi N. Investigating the relationship between LMS system quality and educational effectiveness [master’s thesis]. Tehran, Iran: Mehr Alborz Virtual Higher Education Institute; 2018. Persian.

[11] Rajabi M, Soltani H. Prioritizing key elements of electronic learning achievement with AHP / CFA approach at Shiraz University electronic education faculty. Journal of New Approaches in Educational Administration. 2019; 10(38): 237-264. Persian.

[12] Zahedifard m. Investigating the impact of system quality, information and services on the effectiveness of e-learning courses and analyzing its consequences [master’s thesis]. Razavi Khorasan: Sanabad Golbahar Institute of Higher Education; 2020. Persian.

[13] Niyazi M, Barekat G, Bahmaie L. Factors affecting the quality of e-learning in Farhangian University of Khuzestan Province: based on grounded theory approach. Educational Development of Judishapur. 2021; 12(1): 235-247. Persian.

[14] Lin HF. Measuring online learning systems success: applying the updated DeLone and McLean model. Cyber Psychol Behav. 2007;10(6):817-820.

[15] Pei-Chen Sun, Ray J. Tsai, Glenn Finger, Yueh-Yang Chen, Dowming Yeh. What drives a successful e-Learning? An empirical investigation of the critical factors influencing learner satisfaction. Computers & Education. 2008; 50( 4): 1183-1202.

[16] Sandjojo N, Tenia W. Measuring e-learning systems success: Implementing D & M is success model. 2015 4th International Conference on Interactive Digital Media (ICIDM) :2015 Dec 1-5: Bandung, Indonesia.

[17] Marjanovic U, Delić M, Lalic B. Developing a model to assess the success of e-learning systems: evidence from a manufacturing company in transitional economy. Information Systems and e-Business Management. 2016; 14(2): 253–272.

[18] Seta H B, Wati T, Muliawati A, Hidayanto AN. E-learning success model: An extension of DeLone and McLean IS success model. Indonesian Journal of Electrical Engineering and Informatics. 2018; 6(3): 281–291.

[19] James C, Chin k, Howard L. Examining e-learning systems success continuance intention user by integrating TAM and DMIS model. Proceedings of the IEEE. 2019. 1-10.

[20] Seliana N, Suroso A, Yuliati L. Evaluation of e-learning implementation in the university using Delone and Mclean success model. Journal Aplikasi Manajemen. 2020; 18(2): 345 - 352.

[21] Lee EY, Jennifer Jeon YJ. The difference of user satisfaction and net benefit of a mobile learning management system according to self-directed learning: An investigation of cyber university students in hospitality. Sustainability. 2020; 12(7): 1-13.

[22] Shahzad A, Hassan R, Aremu AY, Hussain A, Lodhi RN. Effects of COVID-19 in E-learning on higher education institution students: the group comparison between male and female. Quality & quantity.2021; 55: 805-826.

[23] Davari A, Rezazadeh A. Structural equation modeling with PLS. Tehran: Iranian Students Booking Agency; 2014. Persian.

[24] Hair JF, Black WC, Babin B, Anderson RE. Multivariate data analysis (7th ed.). New Jersey: Prentice Hall; 2010.

[25] Chin WW. The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern methods or business research (pp. 295-358). Mahwah, NJ: Lawrence Erlbaum. 1998.

[26] Al-Fraihat D, Joy M, Masa'deh R, Sinclair J. Evaluating E-learning systems success: An empirical study. Computers in Human Behavior. 2020; 102: 67-86.

[27] Mulhem A, Wang S. Investigating the effects of quality factors and organizational factors on university students’ satisfaction of e-learning system quality. Cogent Education. 2020; 7(1).

[28] Seddon PB, Kiew MY. A partial test and development of the DeLone and McLean model of IS success. Australian Journal of Information Systems. 1994; 4(1): 99–110.

[29] Seddon PB. A specification and extension of the DeLone and McLean model of IS success. Information Systems Research. 1997; 8(3): 240–253.

[30] Klobas JE, McGill TJ. The role of involvement in learning management system success. Journal of Computing in Higher Education. 2010; 22(2): 114–134.

[31] Eom S, Ashill NJ, Arbaugh JB, Stapleton JL. The role of information technology in e-learning systems success. Human Systems Management. 2012; 31(3–4): 147–163.

[32] Sari N, Yanuartha W, Yani M, Dewa S. Evaluation of e-learning implementation during the Covid-19 with the DeLone and McLean models. International Journal of Information System & Technology. 2021; 4(2): 637-644.

[33] Chen HJ. Linking employees' e-learning system use to their overall job outcomes: An empirical study based on the IS success model. Computers & Education. 2010; 55(4): 1628–1639.

[34] Gorla N, Somers TM. The impact of IT outsourcing on information systems success. Information and Management. 2014; 51(3): 320–335.

[35] Kim K, Trimi S, Park H, Rhee S. The impact of CMS quality on the outcomes of e‐learning systems in higher education: An empirical study. Decision Sciences Journal of Innovative Education. 2012; 10(4): 575–587.

[36] Tarhini A, Hone k, Liu X. Factors affecting students’ acceptance of e-learning environments in developing countries: A structural equation modeling approach. International Journal of Information and Education Technology. 2013; 3(1): 54-59.

[37] Almaiah MA, Jalil MA, Man M. Extending the TAM to examine the effects of quality features on mobile learning acceptance. Journal of Computers in Education. 2016; 3(4): 453–485.

[38] Ozkan S, Koseler R. Multi-dimensional students' evaluation of e-learning systems in the higher education context: An empirical investigation. Computers & Education. 2009; 53(4): 1285–1296.

[39] Ong CS, Lai JY, Wang YS. Factors affecting engineers' acceptance of asynchronous e-learning systems in high-tech companies. Information Management. 2004; 41(6): 795–804.

[40] Klobas JE, McGill TJ. The role of involvement in learning management system success. Journal of Computing in Higher Education. 2010; 22(2): 114–134.

[41] Sun PC, Tsai RJ, Finger G, Chen YY, Yeh D. What drives a successful e-learning? An empirical investigation of the critical factors influencing learner satisfaction. Computers and Education. 2008; 50(4): 1183–1202.

[42] Cidral WA, Oliveira T, Di Felice M, Aparicio M. E-learning success determinants: Brazilian empirical study. Computers & Education. 2018; 122: 273–290.

[43] Lwoga E. Critical success factors for adoption of web-based learning management systems in Tanzania. International Journal of Education and Development using ICT. 2014; 10(1).

[44] Badeleh, A. [The effects of electronic content and workshop teaching method on learning and retention of mathematics]. Educational Psychology. 2017; 13(44): 131-151. Persian.

[45] Lin Y, Chung P, Yeh R, Chen Y. An empirical study of college students’ learning satisfaction and continuance intention to stick with a blended e-learning environment. International Journal of Emerging Technologies In Learning. 2016; 11(02): 63-66.

[46] Davis FD, Bagozzi RP, Warshaw PR. User acceptance of computer technology: A comparison of two theoretical models. Management Science. 1989; 35(8): 982–1003.

[47] Arbaugh JB. Virtual classroom characteristics and student satisfaction with internet-based MBA courses. Journal of Management Education. 2000; 24(1): 32–54.

[48] Al-Sabawy AY, Cater-Steel A, Soar J. Measuring e-learning system success [doctoral dissertation]. Queensland University of Southern Queensland: 2013.

[49] Limayem M, Cheung CM. Understanding information systems continuance: The case of Internet-based learning technologies. Information Management. 2008; 45(4): 227–232.

[50] Hwang H G, Chang IC, Chen F J, Wu SY. Investigation of the application of KMS for diseases classifications: A study in a Taiwanese hospital. Expert Systems with Applications. 2008; 34(1): 725–733.

[51] Park S, Zo H, Ciganek AP, Lim GG. Examining success factors in the adoption of digital object identifier systems. Electronic Commerce Research and Applications. 2011; 10(6): 626–636.

[52] Lee YH, Hsieh YC, Hsu CN. Adding innovation diffusion theory to the technology acceptance model: Supporting employees' intentions to use e-learning systems. Journal of Educational Technology and Society. 2011; 14(4): 124-137.

[53] Hasan M, Maarop N, Samy G N, Baharum H I, Abidin W Z, Hassan NH. Developing a success model of Research Information Management System for research affiliated institutions. 2017 International Conference on Research and Innovation in Information Systems (ICRIIS): 2017 August 10: Langkawi, Malaysia.

نامه به سردبیر

سر دبیر نشریه فناوری آموزش، با تواضع انتشار نامه های واصله از نویسندگان و خوانندگان و بحث در سامانه نشریه را ظرف 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و یا قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این شامل نقد در مورد تحقیقات اصلی مقاله نمی باشد.

توچه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:

[1]نامه هایی که شامل گزارش از آمار، واقعیت ها، تحقیقات یا نظریه ها هستند، لازم است همراه با منابع معتبر و مناسب باشند، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد

[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود

[3] نامه ها نباید بیش از 300 کلمه باشد

[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند

[5] به نامه های ناشناس ترتیب اثر داده نمی شود

[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.

[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.