Factors Influencing Satisfaction and Future Intention to Use E-Learning at the University Level

Full Text

Динамичное развитие информационных и коммуникационных технологий (ИКТ) преобразует все стороны жизни общества, включая образование. Электронные формы вузовской подготовки стирают временные и пространственные ограничения, удовлетворяя растущий спрос на профессиональное обучение. Пандемия COVID-19 дополнительно усилила значение ИКТ в человеческой деятельности (Fritsch et al., 2021). Сбои в работе образовательных учреждений во многих странах способствовали ускорению цифровизации этой сферы. По данным ЮНЕСКО (UNESCO, 2020), этот процесс затронул 72.4% учащихся в 177 странах. Корректная организация эффективного дистанционного обучения стала серьезным вызовом для образовательных учреждений, потребовавшим более сложных подходов, зачастую принципиально отличных от традиционных очных. Несмотря на готовность организаций к внедрению новых ИКТ и предпринимаемые в этом направлении усилия, успешное применение инструментов электронного обучения в основном зависит от открытости к их использованию и удовлетворенности конечных потребителей (Arteaga Sánchez, Duarte Hueros, 2010; Recker, 2016).

Интерес к электронному образованию, особенно в условиях пандемии, выразился и в росте числа исследований, посвященных выявлению и анализу факторов обращения к электронному формату обучения и успешного применения соответствующих технологий (Yi, Hwang, 2003; Emelyanova, Voronina, 2014). Несмотря на активное продвижение, уровень использования таких технологий или полный отказ от них по-прежнему зависит исключительно от решения пользователей (Recker, 2016). Среди исследователей до сих пор не сложилось консенсуса о том, какие факторы являются в этом вопросе решающими (Weerathunga et al., 2021), поэтому изучение мотивации учащихся остается важной задачей (Jung, Lee, 2018; Emelyanova, Voronina, 2014).

В настоящей статье проанализированы факторы, определяющие уровень удовлетворенности электронным образованием студентов Белостокского технологического университета (Польша), их готовность продолжать такое обучение, а также взаимосвязь между этими переменными. Из числа описанных в литературе рассматриваются такие факторы, как компьютерная грамотность (КГ), благоприятные условия (БУ), удовлетворенность пользователей (УП) и намерение участвовать в электронном образовании в будущем (будущее намерение, БН). Переменные для оценки БН были выбраны на основе обзора публикаций о моделях принятия технологий электронного обучения. Первоочередное внимание было уделено влиянию КГ и БУ на УП, а также эффекту УП в отношении БН. Разработанная модель позволила учесть как внутренний (способность учащихся пользоваться инструментами ИКТ), так и внешний (поддержка пользователей администрацией и ИКТ-персоналом университета) факторы.

Обзор литературы

Под электронным образованием понимается совокупность цифровых инструментов поддержки учебного процесса (OECD, 2020). Применение любых новых технологических решений помимо практической плоскости имеет экономические, социальные, этические и правовые аспекты. В период пандемии обычный учебный процесс, включая различные подходы, инструменты и методы проверки результатов, потребовал быстрой трансформации, к которой многие преподаватели и учащиеся оказались не готовы. Эта тенденция наложилась на общий рост интереса к электронному образованию, подогревающий спрос на исследования данного формата обучения. По прогнозам, в 2022 г. глобальный рынок таких услуг превысит 243 млрд долл. (Duffin, 2020).

Широкий спектр направлений исследований электронного образования обусловлен разнородным составом участников всего цикла обучения, включая планирование, преподавание, применение технологий, повышение качества и оценку результатов. К кругу заинтересованных сторон можно отнести учащихся, технический персонал, преподавателей, образовательные и аккредитационные учреждения, курирующие министерства, поставщиков технологий и учебного материала, ассоциации преподавателей и студенческие объединения.

В центре внимания исследователей находятся предполагаемые преимущества технологий электронного обучения для потребителей и поставщиков образовательных услуг (Kimiloglu et al., 2017; Milićević et al., 2021; Mathivanan et al., 2021; OECD, 2020; Al-Azawei et al., 2017; Chen, Tseng, 2012; Ozdamli, Uzunboylu, 2014), недостатки и барьеры, препятствующие распространению такого формата подготовки (Olum et al., 2020; Yang et al., 2018; Buckley, 2003), а также факторы участия в электронном образовании и эффективность соответствующих инструментов (Kurfal et al., 2017; Dečman, 2015; Hsiao, Yang, 2011).

Системы электронного обучения интересуют исследователей также в контексте моделей принятия технологий, анализирующих факторы пользования теми или иными решениями в настоящее время и в будущем. Примерами применения таких моделей к технологиям электронного обучения служат модель успеха информационных систем Делоне и Маклина (DeLone-McLean Information System Success Model, D&M IS), объединенная теория принятия и использования технологий (Unified Theory of Acceptance and Use of Technology, UTAUT) и модель принятия технологий (Technology Acceptance Model, TAM) (Weerathunga et al., 2021; Ejdys, 2018), а их прототипом выступает концептуальная модель принятия технологий, предложенная Фредом Дэвисом (Fred Davis) (Davis, 1985).

Существуют также модели принятия технологий, разработанные специально для электронного обучения и учитывающие специфику соответствующих решений, например модель принятия электронного обучения (e-Learning Acceptance Model) (Islam, Selim, 2006), модель принятия электронного обучения на основе пользовательского опыта (UX-Based e-Learning Acceptance Framework) (Zardari et al., 2021) или система оценки успеха электронного обучения (Evaluating e-Learning Systems Success, EESS) (Al-Fraihat et al., 2020). Исследователи расширяют подобные модели на базе TAM за счет новых структурных компонентов и изучают связи между ними (Bharadwaj, Deka, 2021). Теоретические конструкции, включенные в модели принятия технологий электронного обучения, представлены в табл. 1.

Табл. 1. Конструкции, использованные в моделях принятия технологий электронного обучения: обзор литературы

В основе практически всех проанализированных TAM электронного обучения лежат различные модификации базовой TAM, а именно такие ее компоненты, как воспринимаемая простота пользования, воспринимаемое удобство пользования (функциональность), отношение к применению технологии, поведенческие намерения и уровень фактического применения системы. Существует несколько моделей, включающих инструменты измерения гедонистических характеристик электронного обучения — удовольствия, радости или веселья. Другими важными элементами моделей выступают такие характеристики, как КГ, недоверие, боязнь и трудоемкость в освоении компьютеров. В недавних исследованиях периода пандемии COVID-19 появились новые переменные TAM: страх перед вакцинацией и ускорением распространения COVID.

Обзор литературы, посвященной применению модели UTAUT для анализа участия в электронном образовании, позволяет сделать вывод, что большинство исследователей включают в исходную модель шесть основных элементов: ожидаемые результаты, ожидаемые трудозатраты, социальный имидж, условия поддержки, намерения пользователей и использование системы. Исходная модель модифицируется за счет дополнительных конструкций в зависимости от интересов конкретного исследователя. В период пандемии 2019–2020 гг. фиксируется рост интереса к роли социальной изоляции или страха заразиться COVID-19 при принятии решения об участии в электронном образовании. Как и в случае TAM, переменные модели UTAUT часто отражают характеристики преподавателей (инструкторов), качество учебной программы и методических материалов или способ проведения занятий.

В базовую модель D&M IS были добавлены переменные пользовательского опыта в отношении оцениваемых технологий и практики работы в интернете. Интересным новым компонентом D&M IS стали характеристики учащихся: упорство (определяемое как стабильный интерес), настойчивость и стремление к достижению долгосрочных целей (Aparicio et al., 2017).

Большинство исследований посвящены реализации решений электронного обучения двумя группами пользователей — преподавателями/инструкторами тренингов/курсов и участниками электронного образования (студентами, учениками, сотрудниками), причем вторая группа привлекает повышенное внимание исследователей. Такие работы фокусируются преимущественно на выявлении факторов успеха электронных технологий подготовки, анализе взаимосвязи качества специализированных систем, уровня их применения, УП и на оценке вклада индивидуальных характеристик и навыков преподавателей и учащихся в другие переменные моделей.

Существующие исследования выявили две основные категории факторов, определяющих УП: внутренние, связанные с индивидуальными характеристиками пользователей (компетенции, навыки, мотивация и отношение), и внешние (поддержка и помощь пользователям). Важнейшим внутренним фактором, по-видимому, остается КГ как воспринимаемая способность пользователя выполнять те или иные задачи с помощью компьютера. Обзор литературы подтверждает, что КГ и БУ оказываются наиболее распространенными внешними переменными TAM (Jimenez et al., 2021), причем КГ лидирует с заметным отрывом (Salloum et al., 2019; Al-Emran et al., 2018; Abdullah et al., 2016; Williams et al., 2015), поскольку определяет уровень мотивации и стремления к участию в электронном образовании (Baber, 2021). Во время пандемии COVID-19 КГ может играть защитную роль и способствовать формированию более гибкой атмосферы, располагающей к принятию технологий (Al-Maroof et al., 2021). Переменная «поддержка электронного обучения» и ее связь с КГ требуют дальнейшего изучения (Alamri et al., 2020).

Переменная БУ также выступает значимым внешним фактором, отражающим УП технологией/системой и организационной и технической инфраструктурой преодоления барьеров, с которыми сопряжено ее применение. Пандемия COVID-19 вынудила Белостокский технологический университет срочно перейти на дистанционное обучение, на начальном этапе внедрения которого поддержка со стороны администрации была решающим фактором УП.

Модель исследования и гипотезы

Охарактеризуем каждую из четырех выявленных в ходе анализа литературы переменных (КГ, БУ, УП и БН) для включения в предлагаемую модель.

• КГ отражает уверенность пользователя в своей способности выполнять те или иные учебные задачи с помощью системы электронного обучения (Pituch, Lee, 2006) или эффективно взаимодействовать с компьютером (Compeau, Higgins, 1995). Иначе говоря, имеется в виду оценка человеком своей способности пользоваться компьютером и решать возникающие в этой связи проблемы (Venkatesh, Davis, 1996).
• БУ показывают, насколько, по мнению пользователя технологии/системы, существующая организационная и техническая инфраструктура обеспечивает ее эффективное использование и преодоление возникающих препятствий. Эта переменная также включает возможности получения технической помощи и доступ к ресурсам/инфраструктуре, облегчающим применение технологии (Venkatesh et al., 2003).
• УП показывает, насколько пользователь удовлетворен возможностями системы, и определяется как уровень восприятия им потребностей, целей и ожиданий, связанных с применением данной системы (Sanchez-Franco, 2009).
• БН означает заранее принятое решение (Petter, McLean, 2009), т. е. в нашем случае — запланированное продолжительное участие в электронном образовании, а также побуждение к этому других.

Связь между указанными переменными выступает предметом нашего исследования.

Компьютерная грамотность и удовлетворенность

Для целей нашей статьи под КГ понимается способность пользоваться системой электронного обучения для выполнения конкретных учебных задач (Pituch, Lee, 2006) или уверенность пользователя в своей способности эффективно работать с ПК (Compeau, Higgins, 1995). Иначе говоря, речь идет о субъективной оценке пользователем своих навыков взаимодействия с компьютером и решения возникающих в этой связи проблем (Venkatesh, Davis, 1996). Низкий уровень КГ может свидетельствовать о неспособности решать подобные проблемы, особенно в рамках сложных систем, и подорвать желание пользоваться устройством. Многие исследования подтверждают, что эта характеристика учащихся в значительной степени определяет их БН (Zardari et al., 2021; Ahmad et al., 2020; Ameen et al., 2019).

В работе (Al-Fraihat et al., 2020) показано, что КГ выступает одним из ключевых факторов УП. Опыт такого обучения, понимание системы и способность применять ее при решении различных задач коррелируют с положительным отношением к электронному образованию и УП (Al-Fraihat et al., 2020). Если различные форматы обучения считать целевыми информационными системами, то положительный эффект КГ в отношении участия в электронном образовании возрастает (Hsiao, Yang, 2011). Согласно исследованию (Alenezi, Karim 2010) КГ может повысить уровень использования учащимися систем электронного обучения, а развитие этого навыка способствует улучшению восприятия ими систем профессиональной подготовки (Mouakket, Bettayeb, 2015).

Сказанное позволяет сформулировать следующую гипотезу:

H1. Компьютерная грамотность (КГ) положительно влияет на удовлетворенность электронным образованием (УП).

Благоприятные условия и удовлетворенность

При неизменности содержания эта переменная в разных моделях принятия технологий называется по-разному. В модели UTAUT применяется термин «условия поддержки», в модели D&M IS — «качество сервиса», под которым понимается эффективность поддержки пользователей системы (Wang, Wang, 2009).

УП участников виртуального обучения и полученные ими результаты зависят от технологии, систем поддержки и инфраструктуры, предоставляемых учебным заведением (Passmore, 2000). Благоприятные условия (БУ) могут влиять на восприятие и поведение пользователей и уровень применения системы в каждом конкретном случае (Venkatesh et al., 2003; Venkatesh et al., 2012; Karaali et al., 2011). «Качество сервиса» в существенной степени обусловливает УП.

На основании изложенного можно сформулировать вторую гипотезу.

Н2. Благоприятные условия (БУ) положительно влияют на удовлетворенность электронным образованием (УП).

Удовлетворенность и намерение участвовать в будущем

Пользователи технологий могут выражать степень своей удовлетворенности качеством информации и системы (Gulc, 2020, 2021), что служит показателем их отношения к электронному образованию (Wu et al., 2010). В модели D&M IS УП выступает ключевым детерминантом применения технологических систем (DeLone, McLean, 2003). Многие авторы именно этот показатель считают ключевым фактором БН (Aldammagh et al., 2021; Ejdys, Gulc, 2020; Arain et al., 2019; Chang, 2013; Hassanzadeh et al., 2012). УП также рассматривается как важный инструмент прогнозирования БН (Rajeh et al., 2021; Yekefallah et al., 2021). В модели, предложенной в работе (Kim et al., 2010), переменные, отражающие УП, входят в конструкцию отношения (например: «С учетом всех обстоятельств, мне нравится пользоваться ИКТ-системой, я вполне удовлетворен»). Результаты данного исследования подтвердили статистическую значимость указанных переменных для БН (Kim et al., 2010).

С учетом сказанного третья гипотеза принимает следующий вид.

Н3. Удовлетворенность пользователей (УП) положительно влияет на намерение участвовать в электронном образовании в будущем (БН).

Теоретическая модель, отражающая связи между рассмотренными переменными, представлена на рис. 1; источники, описывающие каждую переменную, в сводном виде приведены в табл. 2.

Рис. 1. Теоретическая модель

Табл. 2. Краткий список литературы о переменных, использованных в теоретической модели

Метод исследования

Данные

Сбор эмпирических данных осуществлялся с помощью структурированных анкет и форм компьютерного онлайн-опроса, разосланных в виде ссылки студентам Белостокского технического университета по внутренней электронной почте в феврале–марте 2021 г. Из 5779 получателей анкету заполнили 803 респондента (отклик 13.9%), 344 (42.8%) из которых — женщины, 459 (57.2%) — мужчины.

Показатели

Ни один из четырех использованных в предлагаемой теоретической модели показателей не поддается непосредственному наблюдению, поэтому их измерение потребовало ввода нескольких наблюдаемых переменных, оцениваемых по семибалльной шкале Лайкерта, где 1 — «совершенно не согласен», 7 — «полностью согласен». Обзор литературы изначально позволил очертить круг из 18 показателей: пяти — для измерения КГ, четырех— для оценки БУ, пяти — для переменной УП и четырех — для БН.

С помощью подтверждающего факторного анализа (ПФА) было проверено соответствие измеренных переменных применяемым конструкциям. Для оценки параметров модели был избран обобщенный метод наименьших квадратов как наименее чувствительный к допущениям о нормальном распределении. Из модели были исключены переменные со значением коэффициента регрессии ниже 0.7 и с абсолютными значениями стандартизованных остаточных ковариаций выше 2 (Ejdys, Halicka, 2018). Тем самым набор показателей для дальнейшего анализа сократился до 12 пунктов. Список переменных, полученных по результатам ПФА, представлен в табл. 3; сводные данные о соответствии модели приведены в табл. 4.

Табл. 3. Конструкции и показатели: результаты подтверждающего факторного анализа

Табл. 4. Сводные данные соответствия модели ПФА

Согласованность шкалы была проверена с помощью коэффициента альфы Кронбаха, значение которого ниже 0.7 требует корректировки показателя. Для оценки конвергентной валидности применялись два индикатора: средняя извлеченная дисперсия (average variance extracted, AVE) (Fornell, Larcker, 1981) и составная надежность (composite reliability, CR). Значения AVE выше 0.5 подтверждают, что индикатор корректно отражает характеристики переменных модели; значения CR выше 0.7 свидетельствуют о надежности измерений (Hair et al., 2013).

Надежность измерений в соответствии со значениями альфы Кронбаха варьировала в диапазоне 0.873–0.934. AVE и CR также оказались выше ожидаемого уровня, что подтвердило конвергентную валидность шкалы. Исключение ряда переменных улучшило показатели соответствия модели ПФА (см. табл. 4). Описательная статистика, значения альфы Кронбаха, средней извлеченной дисперсии и совокупной надежности представлены в табл. 5.

Табл. 5. Описательная статистика, альфа Кронбаха, средняя извлеченная дисперсия и составная надежность

Результаты

Корректность модели измерения была оценена с помощью критерия хи-квадрат (χ2). Его величина оказалось статистически значимой (χ2=136.262, p<0.001), подтвердив хорошее соответствие модели вводным данным. Другим показателем такого соответствия выступало значение ≤3 отношения хи-квадрат к степени свободы (χ2/df), в нашем случае составившее 2.839. Результаты применения этих и нескольких других индексов для оценки общего соответствия моделей структурных уравнений (structural equation modelling, SEM) и их приемлемые значения представлены в табл. 6.

Табл. 6. Результаты проверки гипотез

Проверка гипотез с помощью метода обобщенных наименьших квадратов (GLS-SEM) показала статистическую значимость всех проверенных связей, тем самым доказав все три гипотезы (Н1, Н2 и Н3). Результаты их проверки и степени соответствия модели представлены в табл. 7. На рис. 2 показаны оценки структурных связей отдельных конструкций и переменных с помощью программного приложения AMOS.

Табл. 7. Индексы соответствия модели

Рис. 2. Модель измерения

Обсуждение

Полученные результаты позволили подтвердить гипотезы H1 и H2 о связи компьютерной грамотности (КГ), благоприятных условий (БУ) и удовлетворенности пользователей (УП) и статистически значимый эффект первых двух показателей в отношении последнего (при некотором перевесе БУ над КГ). Под КГ понимается способность пользователей самостоятельно применять инструменты электронного обучения даже в отсутствие подобного опыта. Наличие таких навыков может объясняться поколенческим фактором — молодые респонденты принадлежат к «интернет-поколению», т. е. росли в постоянном контакте с компьютерными технологиями.

Хотя отдельные переменные КГ получили высокие оценки, средние результаты оказались следующими:

• КГ1 (утверждение «Я могу пользоваться инструментами электронного образования без посторонней помощи») — 6.24;
• КГ2 (утверждение «Я могу пользоваться инструментами электронного образования даже без специальных инструкций») — 6.16;
• КГ3 (утверждение «Я могу пользоваться инструментами электронного образования, даже если не пользовался ими раньше») — 5.94.

Данные результаты подтверждают, что студенты чувствуют себя уверенно, а их цифровые навыки позволяют без затруднений и стресса применять новые инструменты электронного обучения. Наличие соответствующего опыта повышает уверенность и усиливает желание пользоваться новыми решениями, зачастую основанными на старых и потому интуитивно понятными. Выводы о связи КГ с УП соответствуют результатам других исследований. Так, в работах (Zardari et al., 2021; Ahmad et al., 2020) показано, что КГ в значительной степени определяет БН, а в исследовании (Al-Fraihat et al., 2020) она характеризуется как ключевой детерминант УП.

Переменная БУ, определяющая степень УП, описывает факторы внешней среды, включая предоставляемую университетом организационную и техническую поддержку. Некоторые утверждения анкеты в отношении БУ были оценены ниже переменных КГ, а средние результаты оказались следующими:

• БУ1 (утверждение «В ходе электронного образования я могу рассчитывать на техническую поддержку университета») — 4.56;
• БУ2 (утверждение «В случае возникновения проблем, связанных с функционированием инструментов электронного образования, я могу рассчитывать на помощь») — 4.88;
• БУ3 (утверждение «Университет предоставляет профессиональную поддержку пользователям инструментов электронного образования в виде размещенных на сайте четких и понятных инструкций и справочников») — 4.65.

Выводы о связи БУ и УП соответствуют результатам предыдущих исследований. Многие авторы полагают, что инфраструктурная, технологическая и иная поддержка со стороны учебных заведений влияет на УП и успехи участников электронного обучения (Passmore, 2000; Venkatesh et al., 2003; Venkatesh et al., 2012). Выводы, полученные в работе (Al-Fraihat et al., 2020), подтверждают, что обеспечение высокого качества услуг (БУ) может повысить уровень УП. В исследовании (Al-Sabawy et al., 2013) продемонстрирован значительный эффект качества системы в отношении переменной УП как студентов, так и у преподавателей.

Анализ влияния КГ и БУ на переменную УП (стандартизованные коэффициенты регрессии) показал, что в случае БУ (коэффициент 0.511) эффект значительно выше, чем в случае КГ (коэффициент 0.384). Это позволяет заключить, что университету следует работать над совершенствованием тех аспектов БУ, которые получили относительно более низкие оценки, что обязательно отразится на уровне УП.

Результаты анализа связи УП с БН согласуются с результатами предшествующих исследований. Установлено, что УП в значительной степени определяет БН, как отмечено в работе (Zardari et al., 2021). Исследование (Alyoussef, 2021) подтвердило, что УП положительно влияет на применение инструментов электронного образования, обеспечивая продолжение обучения и устойчивую академическую успеваемость студентов.

Заключение

Предметом нашего исследования стали детерминанты УП и БН в сфере электронного образования. На основе анализа литературы были отобраны две конструкции, определяющие УП. Одна из них, а именно КГ, относится к индивидуальным характеристикам пользователей; вторая, БУ, выступает внешним фактором. В попытке выяснить, какие факторы в большей степени способствуют УП, была установлена статистическая значимость всех выявленных связей. Тем самым подтверждены все три гипотезы (Н1, Н2 и Н3): более высокий уровень КГ и БУ повышают УП, причем эффект БУ оказался сильнее.

Выполненный анализ позволил прийти к нескольким методологическим и практическим выводам. Подтвержденная надежность разработанных индикаторов свидетельствует об их практической полезности для будущих исследований. Фактическая ценность полученных результатов для участников электронного обучения состоит в повышении эффективности соответствующих решений и их дальнейшем распространении. Поскольку поддержка таких форматов подготовки существенно влияет на уровень УП, необходим квалифицированный персонал, способный обеспечить работу рассматриваемого инструментария и сопровождение студентов. Поддержка состоит в предоставлении инструкций по пользованию электронными средствами обучения и прямом контакте с учащимися в случае возникновения технических проблем, что положительно скажется на восприятии ими электронного образования и удовлетворении их потребностей. Студенты здесь выступают клиентами, в удовлетворенности которых заинтересован университет.

К очевидным ограничениям предпринятого исследования относится выборка из студентов единственного университета, за пределами которой остались преподаватели и факторы, определяющие их УП и БН. Для простоты модели и облегчения анализа связей между основными факторами набор исследуемых конструкций был сведен к минимуму при допущении о постоянстве других детерминант принятия технологий электронного обучения. Такое сужение круга используемых конструкций может ограничить сферу применения данной модели в будущем. Другое искажение связано с тем, что при оценке факторов удовлетворенности участием в электронном образовании респонденты оценили личную характеристику (КГ) выше, чем внешнюю (БУ), на которую они не могут повлиять.

Полученные результаты намечают направления дальнейших исследований, в частности, включение преподавателей и ИКТ-персонала университетов в анализ детерминант удовлетворенности системами электронного обучения и намерения пользоваться ими в будущем.

Исследование профинансировано Министерством науки и высшего образования (the Ministry of Science and Higher Education) в рамках программы «Передовые исследования» (Excellent Science) (контракт № DNK/SN/465770/2020). Его результаты изначально были представлены в рамках 11-й Международной конференции по инженерному, проектному и производственному менеджменту (11th International Conference on Engineering, Project, and Production Management — EPPM2021).

About the authors

Joanna Ejdys

Author for correspondence.
Email: j.ejdys@pb.edu.pl

Professor

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Fig. 1. The theoretical model

Download (70KB)

Indexing metadata

3. Fig. 2. Measurement model

Download (159KB)

Indexing metadata