image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3415
EXAME DOS FATORES QUE AFETAM A PREFERÊNCIA DE EDUCAÇÃO
ABERTA E E-LEARNING COM O MODELO DE EQUAÇÕES ESTRUTURAIS
EXAMEN DE LOS FACTORES QUE AFECTAN LA PREFERENCIA DE LA
EDUCACIÓN ABIERTA Y E-LEARNING CON EL MODELO DE ECUACIÓN
ESTRUCTURAL
EXAMINATION OF THE FACTORS AFFECTING THE PREFERENCE OF OPEN
EDUCATION AND E-LEARNING WITH THE STRUCTURAL EQUATION MODEL
Mehmet Sinan BAŞAR
1
Fatma SÖNMEZ ÇAKIR
2
RESUMO
:
O objetivo deste estudo é investigar os fatores que afetam a preferência por sistemas
de e-learning usados como ferramenta básica ou de apoio tanto na educação aberta quanto na
educação formal. O conjunto de dados utilizado neste estudo foi obtido a partir de um
questionário aplicado a estudantes universitários selecionados aleatoriamente que fizeram
cursos com o sistema de e-learning. O questionário foi aplicado a 561 pessoas e estatísticas
descritivas foram calculadas com base nos dados obtidos. Para modelar e analisar as relações
dos fatores que afetam direta e indiretamente a preferência dos sistemas de e-learning, foi
estabelecida a Modelagem de Equações Estruturais. Como resultado da análise, foram
determinadas as variáveis que afetam direta ou indiretamente a preferibilidade dos sistemas de
e-learning. Além do efeito positivo da infraestrutura do sistema de informação sobre outras
variáveis do modelo, foi revelado o efeito de mediação do sistema de gestão da aprendizagem
sobre a infraestrutura do sistema de informação e a preferência.
PALAVRAS-CHAVE
:
E-learning. Sistema de gerenciamento de aprendizado. Sistemas de
informação. Preferência.
RESUMEN
:
El objetivo de este estudio es investigar los factores que inciden en la preferencia
de los sistemas de e-learning utilizados como herramienta básica o de apoyo tanto en la
educación abierta como en la educación formal. El conjunto de datos utilizado en este estudio
se obtuvo de un cuestionario aplicado a estudiantes universitarios seleccionados al azar que
tomaron cursos con el sistema e-learning. El cuestionario se aplicó a 561 personas y se
calcularon estadísticas descriptivas a partir de los datos obtenidos. Para modelar y analizar
las relaciones de los factores que afectan directa e indirectamente la preferencia de los sistemas
de e-learning, se estableció el Modelado de Ecuaciones Estructurales. Como resultado del
análisis se determinaron las variables que directa o indirectamente inciden en la preferencia
de los sistemas e-learning. Además del efecto positivo de la infraestructura del sistema de
información sobre otras variables del modelo, se reveló el efecto de mediación del sistema de
gestión del aprendizaje sobre la infraestructura del sistema de información y la preferencia.
1
Universidade Atatürk, Erzurum – Turquia. Professor adjunto. Faculdade de Educação a Distância. ORCID:
https://orcid.org/0000-0002-6741-6268. E-mail: sinanb@atauni.edu.tr
2
Universidade Bartin, Erzurum – Turquia. Professora adjunta. Sistemas de Gerenciamento de Informação.
ORCID: https://orcid.org/0000-0001-5845-9162. E-mail: fsonmez@bartin.edu.tr
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3416
PALABRAS
CLAVE
:
E-learning. Sistema para el manejo del aprendimiento. Sistemas de
información. Preferibilidad.
ABSTRACT
:
The aim of this study is to investigate the factors that affect the preference of e-
learning systems used as a basic or supportive tool in both open education and formal
education. The data set used in this study was obtained from a questionnaire applied to
randomly selected university students who took courses with the e-learning system. The
questionnaire was applied to 561 people and descriptive statistics were calculated based on the
obtained data.
For modeling and analyzing the relationships of the factors that directly and
indirectly affect the preference of e-learning systems, Structural Equation Modeling was
established. As a result of the analysis, the variables that directly or indirectly affect the
preferability of the e-learning systems were determined. In addition to the positive effect of the
information system infrastructure on other variables in the model, the mediation effect of the
learning management system on the information system infrastructure and preferability was
revealed.
KEYWORDS
:
E-learning. Learning management system. Information systems. Preferability.
Introdução
As tecnologias de computador afetam e transformam todos os aspectos da vida. É
inevitável ver efeitos importantes na educação. Novas tecnologias também estão sendo
desenvolvidas e utilizadas na educação. Holmgren
et al.
(2017) afirmaram que a digitalização
é um processo complexo que requer mudanças em larga escala. A transformação digital na
educação começou com a digitalização dos materiais do curso e continuou com a interação e
virtualização dos processos educacionais. Os conceitos mais proeminentes são educação a
distância e
e-learning
(aprendizagem eletrônica). As mudanças nas tecnologias educacionais,
nos métodos de ensino e nos sistemas de ensino levaram ao surgimento de instituições
educacionais alternativas aos modelos tradicionais de educação. A adoção e sustentabilidade
do
e-learning
depende de sua preferência sobre os métodos tradicionais. O fator mais
importante na preferência é que os processos de aprendizagem sejam orientados para o aluno.
Em comparação com o aprendizado presencial tradicional em sala de aula, que se concentra em
instrutores que têm controle sobre o conteúdo da sala de aula e o processo de aprendizado, o
e-
learning
oferece um ambiente de aprendizado individualizado e centrado no aluno (FALLAH
et al.
, 2000; HILTZ; TUROFF, 2002; MORALES
et al.
, 2001; PICCOLI
et al.
, 2001).
O
e
-learning
não tem restrições de tempo e local ou é muito flexível. Outras vantagens
da educação a distância e do
e-learning
são que elas fornecem acesso repetitivo e irrestrito à
informação e são mais econômicas (ZHANG
et al.
, 2004). Essas vantagens são decorrentes do
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3417
uso das tecnologias da informação na educação a distância. Para obter sucesso no uso da
tecnologia, os usuários devem primeiro aceitá-la e estar convencidos de que ela apoiará seu
aprendizado. A facilidade de aprendizado e uso e a satisfação do usuário são outros fatores
importantes na preferência pelas tecnologias de informação (HARA; KLING, 2000; MAKI
et
al.
, 2000). Para preferência, os sistemas de
e-learning
devem oferecer materiais de curso de
qualidade. Os materiais digitais precisam apoiar positivamente os processos de aprendizagem
e atingir os objetivos de aprendizagem. Os materiais do curso e as ferramentas complementares
de treinamento aumentam a preferência pelo
e-learning
em termos de sucesso e satisfação do
usuário. Outra dimensão da educação a distância e
e-learning
é o sistema de gerenciamento de
aprendizagem, que constitui a parte de software do sistema de informação. A principal tarefa
do LMS é fornecer interação entre usuários, tutoriais e materiais do curso. O sucesso destes
sistemas e a forma como atingem os seus objetivos são fatores importantes na sua preferência.
O objetivo principal de usar as ferramentas mencionadas acima é o sucesso do aluno. Esse
conceito, definido como sucesso acadêmico, inclui tanto o sucesso no aprendizado quanto a
aprovação em um curso. Qual meta de sucesso é mais importante depende das percepções dos
usuários.
Neste estudo, são investigados os efeitos da infraestrutura do sistema de informação no
sistema de gerenciamento de aprendizagem, sucesso acadêmico, qualidade dos materiais do
curso e preferência. Também foi realizada uma ampla revisão da literatura sobre o assunto. Na
primeira parte, essas questões foram discutidas e essas abordagens foram testadas com
hipóteses. A ênfase do estudo é que o efeito mediador do desempenho acadêmico sobre o efeito
positivo da infraestrutura de sistemas de informação na preferência não é mencionado na
literatura. Neste estudo, a análise da variável mediadora foi realizada para enriquecer e
esclarecer ainda mais a relação entre a infraestrutura do sistema de informação e a preferência.
Teoria
Infraestrutura do Sistema de Informação
Os componentes básicos dos sistemas de informação são hardware, software, banco de
da
dos, redes de comunicação de dados, modelos de processamento de dados, usuários etc.
Dentre esses componentes, hardware de computador e redes de computadores são elementos de
infraestrutura. Além disso, as tecnologias de transmissão de dados e os sistemas de segurança
de dados são elementos importantes que compõem a infraestrutura de processamento da
informação. Os critérios mais importantes usados na avaliação do sucesso total dos sistemas de
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3418
informação são o sucesso físico e a satisfação do usuário. A realização física é alcançada usando
escalas padrão (largura de banda, número de sinais etc.). Rockart (1982) definiu o sucesso como
a implementação real de um sistema que foca nos aspectos técnicos da tecnologia. Como o
sucesso total é determinado pelo elemento mais fraco do sistema, o sucesso da infraestrutura
do sistema de informação é tão importante quanto todos os elementos do modelo. A satisfação
do usuário é outro método utilizado para avaliar o sucesso total do sistema de informação. A
satisfação do usuário é um método de avaliação em que o grau de atendimento às expectativas
dos usuários é mais significativo do que as medidas de sucesso físico. Portanto, o sucesso do
sistema pode ser medido pela satisfação do usuário alcançada como resultado do uso eficiente
(RAYMOND, 1990; DELONE, 1988; IGBARIA
et al.
, 1998; RAYMOND, 1985; YAP
et al.
,
1992).
Ives e Olson (1984) examinam o sucesso do sistema em termos de qualidade do sistema,
uso do sistema, comportamento do usuário e satisfação do usuário. DeLone e McLean (2003),
DeLone (1988) e Seddon
et al.
(1999) sugeriram o uso de qualidade do sistema, qualidade da
informação, qualidade do serviço, satisfação do usuário e benefícios percebidos pelo usuário
para medir o sucesso do sistema. Existem muitos outros modelos comportamentais
desenvolvidos para medir o sucesso do sistema. A teoria básica na qual esses modelos se
baseiam é a teoria do comportamento planejado (AJZEN, 1991). De acordo com essa teoria,
que modela como atitudes e comportamentos afetam a intenção, a qualidade da informação é
medida pela completude, oportunidade, precisão, relevância e continuidade da saída da
informação (DELONE, 1988; DELONE; MCALEAN, 2003; PETTER
et al.
, 2008). A
frequência de uso de um sistema de informação é medida pelo número real de acessos aos
sistemas durante um determinado período de tempo (DAVIS, 1989; DELONE; MCLEAN,
2003; URBACH
et al.
, 2010).
Outro modelo amplamente utilizado discute o sucesso do sistema como duas partes:
qua
lidade do sistema e qualidade do serviço. A qualidade do sistema é medida por variáveis
como funcionalidade, facilidade de uso, confiabilidade, qualidade dos dados, portabilidade,
integração, usabilidade, confiabilidade, adaptabilidade e tempo de resposta (DELONE;
MCLEAN, 2003; PETTER
et al.
, 2012). A teoria do sucesso dos sistemas de informação afirma
que um dos critérios de sucesso é a satisfação dos indivíduos com o uso de um sistema. A
qualidade do serviço enfoca o efeito da satisfação do usuário na melhoria da qualidade das
interações futuras (PITT
et al.
, 1995). Quando os usuários avaliam a qualidade do serviço, eles
comparam suas expectativas e os efeitos reais de seu uso do sistema (CONRATH; MIGNEN,
1990). A qualidade do serviço pode ser medida pela concretude, confiabilidade, sensibilidade
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3419
e empatia. O suporte dado ao usuário é um importante indicador da qualidade do sistema
(DELONE; MCLEAN, 2003).
Qualidade dos materiais do curso
Qualidade da informação é a capacidade de um sistema distribuir informações úteis
(APARICIO
et al.
, 2016). A qualidade da informação depende da qualidade da saída do sistema,
ou seja, da qualidade da informação que o sistema produz principalmente na forma de relatórios.
Nos sistemas de
e-learning
, as informações são coletadas na forma de materiais do curso e
distribuídas aos alunos. A qualidade dos materiais do curso está relacionada com a exatidão,
precisão, integridade, compreensibilidade, significância, relevância, adequação,
comparabilidade, oportunidade e confiabilidade do conteúdo existente (DELONE; MCLEAN,
1992; PETTER
et al.
, 2008; RAI
et al.
, 2002; SWAID; WIGAND 2009). As técnicas de ensino
e as tecnologias de informação usadas para preparar os materiais do curso também afetam a
qualidade. O conteúdo que os alunos utilizarão nas atividades de sala de aula ou aprendizagem
individual (vídeos, slides, guias, fóruns, links etc.) deve ser compreensível e adequado às suas
necessidades. Materiais e mídias digitais fornecem um suporte valioso no processo de
aprendizagem (PICCOLI
et al.
, 2001; SUN
et al.
, 2008). Portanto, o presente estudo assume
que:
H1: A qualidade da infraestrutura do sistema de informação afeta positivamente a
qualidade dos materiais do curso.
Sistema de Gestão de Aprendizagem
Ao avaliar a qualidade do sistema de sistemas de gerenciamento de aprendizagem, é
muito importante que os materiais do curso e os usuários do sistema de informação sejam
voluntários. Se o aluno usar o sistema por necessidade, critérios como continuidade e frequência
de uso serão insuficientes para medir a satisfação. Nesse caso, a relação entre frequência de uso
e satisfação não pode ser considerada, pois o aumento do uso não é resultado da satisfação do
aluno, mas porque é exigido pelo conteúdo do curso (BAROUDI
et al.
, 1986; CHENEY;
DICKSON, 1982; SRINIVASAN, 1985; LAWRENCE; LOW, 1993).
A qualidade dos sistemas de gestão da aprendizagem está relacionada a como a função
e
o desempenho do sistema nos processos de aprendizagem são percebidos (SAKAGUCHI;
FROLICK, 1997). Embora algumas características notáveis, como escalabilidade,
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3420
padronização e segurança, que são válidas para outros sistemas, sejam mencionadas, o sucesso
do Sistema de Gestão de Aprendizagem é avaliado de forma mais descritiva pela atividade de
aprendizagem (SAKAGUCHI; FROLICK, 1997). Para contribuir com os propósitos da
atividade de aprendizagem, é importante que as informações e metodologia fornecidas pelos
materiais do curso, bem como os elementos de hardware e rede que fornecem acesso à
informação, atendam às necessidades. A facilidade de uso do sistema e sua eficácia em fornecer
feedback útil aos alunos são características que dão suporte à satisfação do usuário e à qualidade
do sistema. Neste estudo, serão testadas as seguintes hipóteses sobre o sucesso dos sistemas de
gestão da aprendizagem: A relação entre a qualidade do sistema e a satisfação do usuário é
amplamente utilizada para medir o sucesso do sistema (RAI
et al.
, 2002; GUIMARAES
et al.
,
2003; GUIMARAES
et al.
, 2002; GUIMARAES
et al.
, 2003; al., 2006). A qualidade do sistema
é avaliada em função da percepção do usuário sobre o uso da tecnologia da informação
(DELONE e MCLEAN 2003). A satisfação do usuário é o resultado da interação bem-sucedida
entre um sistema de informação e seus usuários. Ao mesmo tempo, avalia-se que os alunos
estão satisfeitos na medida em que acreditam que suas necessidades de informação são
atendidas pelo sistema (IVES
et al.
, 1983).
Neste estudo, a seguinte suposição sobre o sucesso dos sistemas de gerenciamento de
aprendizagem será testada:
H2: A qualidade dos sistemas de informação afeta positivamente a qualidade do sistema
de gestão da aprendizagem.
Sucesso acadêmico
Os resultados de aprendizagem explicam os principais objetivos do curso, e o sucesso
do curso e dos alunos é medido pelo fato de esses resultados terem sido alcançados. O modelo
mais utilizado para explicar o sucesso dos sistemas de informação no contexto do
e-learning
é
o modelo de sucesso do sistema de informação desenvolvido por DeLone e McLean. Este
modelo leva em consideração os benefícios líquidos ao medir a qualidade do aprendizado, e os
elementos que compõem a qualidade são definidos como qualidade do sistema, qualidade da
informação e qualidade do serviço. (DELONE; MCLEAN 1992; APARICIO
et al.
, 2016; HEO;
HAN, 2003; MOHAMMADI, 2015; WANG
et al.
, 2007).
Quando a literatura é examinada, vê-se que os estudos sobre o sucesso da aprendizagem
s
e concentram nos sistemas de gerenciamento de cursos, e o efeito dos professores na
aprendizagem está em primeiro plano. A principal área de aplicação desses estudos são as aulas
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3421
de tecnologia equipadas com ferramentas digitais em vez da web. Esses estudos têm pontos em
comum muito fortes com a educação aberta e o ensino a distância. Estes são o sucesso
acadêmico, o aprendizado avançado e a capacitação dos alunos. Em termos de sucesso do
e-
learning
, para além do planeamento dos processos de ensino e atuação dos formadores, os
métodos e ferramentas oferecidos ao utilizador são fatores importantes que determinam a
satisfação (PAYNE
et al.
, 2011; BUZZARD
et al.
, 2011; HOLLENBECK
et al.
, 2011).
Ao medir o sucesso acadêmico, não é suficiente, por si só, avaliar a eficiência na
aprendizagem. O sucesso do aluno na aprovação do curso é também um fator importante que
aumenta a satisfação e apoia a frequência de utilização das tecnologias de
e-learning
. A
qualidade do sistema e a qualidade dos materiais do curso têm um impacto no sucesso. O
sucesso dos alunos nos exames é uma variável importante que mede se os sistemas de
e-
learning
podem atingir seus objetivos. O sucesso no exame é considerado um resultado comum
do uso do material do aluno, do uso do sistema e do sucesso no aprendizado. O fato de os alunos
perceberem que os sistemas de
e-learning
facilitam o acesso ao conteúdo, a plataforma é bem
estruturada e os auxilia na aprovação do curso, pode ser um fator de incentivo ao uso do sistema
de
e-learning
(RAI
et al.
2002; PETTER
et al.
, 2008). O sucesso na aprovação em cursos pode
ser medido e avaliado mais facilmente do que outros efeitos dos processos de
e-learning
. Como
o sucesso da aprovação no curso pode mostrar claramente o resultado líquido, é uma escala
eficaz para a avaliação custo-benefício dos processos de
e-learning
. Pode dar pistas importantes
para medir a satisfação, principalmente nos casos em que a participação no sistema é
obrigatória. Portanto, as seguintes premissas serão usadas neste estudo:
H3: A qualidade dos materiais do curso afeta positivamente o sucesso acadêmico
H4: A qualidade do sistema de gestão da aprendizagem afeta positivamente o sucesso
acadêmico.
H5: A qualidade da infraestrutura do sistema de informação afeta positivamente o
sucesso acadêmico.
Preferência
Existem duas dimensões para a preferência por sistemas de educação aberta ou a
d
istância: preferência em relação a outros sistemas de educação e preferência em relação a
outros sistemas de educação aberta. Em ambas as dimensões, entre os motivos de preferência,
destacam-se a qualidade do sistema, a satisfação e o cumprimento das necessidades. O uso das
mídias digitais é inevitável quando o instrutor e o aluno não podem se encontrar no mesmo
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3422
local e/ou no mesmo horário. O usuário deve primeiro saber usar a tecnologia digital
(alfabetização) nos processos de aprendizagem e ser persuadido (adotar e aceitar) a usá-la
(DAVIS, 1989). Quando os estudos na literatura são examinados, vê-se que os fortes
indicadores de satisfação percebida pelo usuário são qualidade do sistema, uso do sistema,
comportamentos e atitudes dos usuários, e há uma relação muito forte entre satisfação e sucesso
do sistema (IVES; OLSON, 1984). A satisfação dos alunos é baseada em sua experiência
positiva de uso do sistema. As experiências positivas dos alunos podem ter um efeito positivo
nos resultados individuais percebidos em termos de correspondência das necessidades dos
alunos com sua autoeficácia (PICCOLI
et al.
, 2001). Embora a relação entre a satisfação e o
uso do sistema seja vista como controversa nos casos em que o uso do sistema é obrigatório,
isso não afeta negativamente a relação entre a satisfação do aluno e a preferência pelo sistema
de
e-learning
. Quando os sistemas abertos ou
e-learning
são avaliados quanto à sua adequação
ao uso pretendido, pode-se argumentar que tanto a realização da aprendizagem quanto o
benefício dos conhecimentos e competências adquiridos são eficazes na satisfação e na escolha.
Neste estudo, pretende-se analisar o efeito de outros fatores além da satisfação na preferência.
O efeito da Infraestrutura do Sistema de Informação no sucesso acadêmico foi testado com a
hipótese H5. O efeito do desempenho acadêmico na preferência foi testado com H6. Nesse caso,
seria apropriado investigar se o sucesso acadêmico tem um efeito variável de mediação entre a
infraestrutura do sistema de informação e a preferência. Portanto, as seguintes suposições serão
usadas para preferência:
H6: O sucesso acadêmico afeta positivamente a preferência.
H7: A infraestrutura do sistema de informação tem um efeito positivo na preferência.
H8: O sucesso acadêmico tem um efeito de mediação entre a infraestrutura do sistema
de informação e a preferência.
Método
A população do estudo é composta por estudantes do ensino superior matriculados em
um
curso superior e cursando disciplinas na modalidade
E-learning
. No período de 2019-2020,
o ensino de graduação em instituições de ensino superior na Turquia conta com
aproximadamente 4,5 milhões de estudantes. Durante o período da pandemia, quase todos esses
alunos passaram a receber uma educação com o sistema de
e-learning
. Um pré-teste de 45
unidades foi realizado para determinar se a escala criada era compreensível. Como resultado
deste teste, 3 afirmações foram excluídas por não apresentarem a carga fatorial adequada. O
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3423
Alfa de Cronbach para toda a escala foi de 0,903. Após a elaboração da escala, um formulário
de pesquisa foi enviado para 700 alunos matriculados em diferentes universidades selecionados
aleatoriamente, e a análise dos dados foi feita a partir das respostas. Os dados dos 568 alunos
que responderam ao questionário foram submetidos a processos de limpeza de dados e redução
de ruído. De acordo com Yazıcıoğlu
e Erdoğan (2004), uma amostra de 384 alunos no nível de
significância de 5% é suficiente se o tamanho da população for de 10 milhões. A escala foi
incluída na análise de dados com os dados de 561 participantes. A participação na pesquisa foi
feita de forma voluntária e as informações dos participantes foram coletadas anonimamente. Os
participantes, que tiveram tempo suficiente para evitar que o problema de viés de método
comum ocorresse, foram solicitados a responder às declarações demográficas e 1-5 Likert
(discordo totalmente-concordo totalmente) do questionário. Para determinar se há um problema
de CMB no programa Smart PLS, os valores de valor VIF do modelo interno foram verificados.
Se esses valores forem menores que 3,3, pode-se decidir que não há problema de CMB. Para
dados atuais, os valores do VIF interno são menores que 3,3. Primeiro, as informações
demográficas são fornecidas na parte do aplicativo. De acordo com o modelo de pesquisa
apresentado na Figura 1, as variáveis foram incluídas no programa SmartPLS 3.2. Depois que
as informações de confiabilidade e validade da escala e cargas fatoriais foram dadas, a análise
de caminho foi realizada para testar as hipóteses.
Medidas
Ao medir as abordagens do usuário em relação à qualidade dos materiais do curso
usados no sistema de
e-learning
, foram usadas as questões da escala no estudo de Mtebe e
Raisamo (2014; Cronbach Alpha: 0,937). Para medir as abordagens do usuário em relação aos
Sistemas de Gerenciamento de Aprendizagem usados no
e-learning
, Kim
et al.
(2012; Alfa de
Cronbach: 0,930) e Cidral
et al.
(2018; Cronbach Alpha: 0,939) utilizaram as escalas. Ao medir
as abordagens dos usuários em relação aos sistemas de sucesso acadêmico usados no
e-learning
,
Cidral
et al.
(2018), Mtebe e Raisamo (2014) utilizaram as escalas. No estudo, as escalas
utilizadas por Freeze
et al.
(2010), Cidral
et al.
(2018) foram usadas para medir a preferência.
Para medir as abordagens dos usuários em relação à Infraestrutura do Sistema de Informação
usada no
e-learning
, Freeze
et al.
(2010; Cronbach Alpha: 0,950) utilizaram as escalas.
Como o estudo foi realizado em estudantes universitários, a faixa etária dos participantes
e
stava entre 18 e 25 anos. Dos alunos que responderam ao questionário, 217 (38,6%) são do
sexo feminino e 344 (61,4%) do sexo masculino. Todos os participantes estão estudando na
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3424
universidade. Desses alunos, 70% estão matriculados na educação formal e 30% na educação a
distância. Uma vez que as mudanças nos horários de aula podem afetar as decisões,
primeiramente, foi testado se há diferença entre as notas médias atribuídas pelos alunos da
educação formal e a distância à escala com o teste t para amostras independentes. Sig. calculado
com base no resultado obtido (0,000 <0,05), foi decidido que não havia diferença entre as
pontuações médias dadas no nível de significância de 5%. Da mesma forma, o efeito do gênero
nas pontuações dadas também foi examinado. O resultado do teste t de amostra independente,
desde que valor de Sig. seja (0,000 <0,05), foi determinado que não há diferença entre as
pontuações médias atribuídas por sexo. Por esses motivos, não houve prejuízo em analisar
coletivamente os dados.
Quadro de investigação
O modelo de pesquisa apresentado na Figura 1 foi estabelecido de acordo com as
expressões da escala e hipóteses obtidas como resultado da pesquisa bibliográfica. Nesse
modelo, os efeitos positivos da variável independente sobre a variável dependente foram
testados nas hipóteses entre H1 e H7. A hipótese H8 é estabelecida para a análise do efeito da
mediação.
Figura 1 –
Modelo de pesquisa
Fonte: Elaborado pelos autores
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3425
Achados
Foram testadas as relações das variáveis Infraestrutura do Sistema de Informação (ISI),
Qualidade dos Materiais do Curso (CMQ), Sistema de Gestão da Aprendizagem (LMS),
Sucesso Acadêmico (AS), Preferência (P) apresentadas na Figura 1. Além disso, foram também
examinados os valores do efeito de mediação entre as variáveis Infraestrutura do Sistema de
Informação e Preferência da variável Sucesso Acadêmico.
O resultado do teste Kaiser Mayer Olkin no programa SPSS foi 0,895 e o valor p do
resultado do Teste de Bartlett foi obtido como 0,000. Esses resultados mostraram que os dados
são adequados para a análise fatorial. Após esses processos, o programa SmartPLS foi utilizado
para obter pesos fatoriais e medir a confiabilidade e validade do modelo. Os resultados da
Análise Fatorial Confirmatória realizada para revelar a relação entre expressões e variáveis são
apresentados na Figura 2. O modelo de pesquisa apresentado na Figura 1 foi expresso de forma
diferente para que as variáveis e expressões não sejam confundidas. Os valores inscritos nos
círculos mostram os valores de R ao quadrado. A seta entre os dois círculos mostra a direção
da relação e o valor escrito nela é o valor do Coeficiente de Caminho entre as duas variáveis. A
seta entre cada círculo e as caixas ao seu redor indicam as expressões da variável e os valores
acima dessas setas fornecem os valores da carga fatorial. Para SmartPLS, os valores de carga
fatorial devem estar acima de 0,70. Detalhes dos valores dados na Figura 2 são mostrados no
Quadro 1.
Figure 2 –
Resultado da Análise Fatorial
Fonte: Elaborado pelos autores
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3426
Quadro 1 –
Carregamentos de Fatores (FL), Pesos de Fatores (FW), Valores t e Valores de
Fator de Inflação de Variância (VIF)
Itens
FL
FW
R Square
Valor
T
VIF
IS1:
O sistema fornece acesso à informação em alta
velocidade.
0,785 0,247 18,841 1,891
IS2: Não tenho problemas para visualizar ou baixar
os materiais do curso.
0,825 0,261 24,267 2,285
IS3: Acho que o sistema é seguro.
0
,
812
0
,
202
17
,
436
3
,
466
IS4: Posso acessar facilmente o sistema de
qualquer dispositivo.
0,902 0,233 39,001 4,555
IS5: Consigo acessar facilmente o sistema a partir
de qualquer aplicativo.
0,888 0,243 33,305 3,241
CM1: Materiais digitais no conteúdo do sistema
são úteis.
0,908 0,261
0,286
37,053 3,414
CM2: Os materiais digitais no conteúdo do sistema
estão atualizados.
0,866 0,301 28,605 2,845
CM3: Os materiais digitais no conteúdo do sistema
são suficientes para o processo de aprendizagem.
0,949 0,334 87,232 4,223
CM4: Os materiais digitais no conteúdo do sistema
são um suporte em termos de
técnicas de
aprendizagem.
0,808 0,229 13,210 2,403
LM1: O sistema está bem configurado.
0
,
809
0
,
173
0,350
12
,
029
2
,
405
LM2: O sistema é fácil de usar.
0
,
860
0
,
203
26
,
072
2
,
890
LM3: O sistema suporta a comunicação com
tutores e outros alunos.
0,788 0,192 13,266 2,121
LM4: O sistema participa ativamente do processo
de aprendizagem
0,903 0,222 36,314 4,467
LM5: O sistema me ajuda a acompanhar os
processos de aprendizagem.
0,902 0,196 31,204 4,463
AS1: Se eu aprendo os assuntos da aula, o
sucesso
de passar na tarefa vem automaticamente.
0,839 0,207
0,594
21,734 2,764
AS2: Prefiro trabalhar com questões de avaliação
e testes experimentais enquanto me preparo para o
exame.
0,849 0,199 24,704 3,653
AS3: Se o conteúdo do curso me
interessa, posso
estudar com mais regularidade e eficácia e terei
sucesso.
0,820 0,196 21,189 3,342
AS4: O sucesso no curso é uma meta que pode ser
alcançada com estudo e não com inteligência e
talento.
0,814 0,216 15,751 2,841
AS5: O ambiente
digital tem um efeito positivo no
meu rendimento escolar.
0,717 0,225 12,838 2,558
AS6: Eu gosto da experiência de aprendizado
digital.
0,719 0,222 13,024 2,557
P1: Prefiro o sistema de ensino a distância ou
e
-
learning
, pois as disciplinas educacionais atendem
às minhas necessidades.
0,760 0,266
0,563
14,545 1,908
P2: Prefiro sistemas a distância ou
e
-
learning
, pois
eles me fornecem conhecimentos/habilidades novs
e úteis.
0,795 0,261 16,242 1,800
P3: Eu preferiria sistemas a distância ou
e
-
learning
, pois vão ajudar no desenvolvimento da
minha carreira.
0,741 0,198 12,725 1,971
P4: Tenho uma atitude e avaliação positiva do
funcionamento dos sistemas a distância ou
e-
learning
0,817 0,277 15,899 2,207
P5: Gostaria de estudar em outras áreas com
sistemas a distância ou
e
-
learning
.
0,773 0,281 13,375 1,818
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3427
Fonte: Elaborado pelos autores
Os valores dessas variáveis e suas expressões de medição são fornecidos no Quadro 1.
As cargas fatoriais mostram a relação das expressões com os fatores durante a realização da
análise fatorial. Pesos de fator mostra os pesos de expressões em variáveis. Os pesos dos fatores
indicam se há um problema de multicolinearidade entre as expressões, e os pesos dos fatores
não devem ser negativos se o modelo é reflexivo ou formativo (HAIR
et al.
, 2017; ADIGÜZEL
et al.
, 2020). Ao examinar o Quadro 1, pode-se observar que todos os valores dos pesos fatoriais
são positivos. As cargas fatoriais para todas as cinco variáveis foram encontradas acima de 0,70.
R Square mostra quanto do argumento explica a mudança na variável dependente. A parte
explicada entre as variáveis é definida da seguinte forma para determinados coeficientes.
Valores de R quadrado maiores que 0,75 são interpretados como altos, entre 0,75 e 0,50 como
médios e entre 0,50 e 0,25 como correlação fraca (HENSELER
et al.
, 2009; ÖZDEMIR
et al.
,
2022). Como todos os valores de R quadrado no Quadro estão entre os valores 0,50 e 0,25, isso
significa que há uma relação média entre as variáveis. Os valores de T indicam a adequação das
expressões para a variável latente. Esses valores devem ser maiores que 1,96, que é o valor do
Quadro t no nível de significância de 5%. Valores maiores que 1,96 indicam que as expressões
são significativas para a variável latente. Todos os valores t calculados são maiores que 1,96.
Os valores do Fator de inflação de variação (VIF) foram examinados para verificar se há
problemas de multicolinearidade. Se o valor VIF obtido como resultado da análise for maior
que 10, há definitivamente um problema de Multicolinearidade. Quando os valores de VIF não
são superiores a 3, não há problema de linearidade múltipla (DIAMANTOPOULOS; SIGUAW,
2006). Se os valores de VIF estiverem abaixo de 5, não há problema de linearidade múltipla
(HAIR
et al.
, 2017). Para SmartPLS, este valor é limitado a 3. Ao examinar a coluna VIF,
percebe-se que não há problema de multicolinearidade no modelo. Nas etapas da análise
fatorial, todas as variáveis e expressões do modelo apresentaram resultados adequados
(ADIGÜZEL
et al.
, 2020).
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3428
Quadro 2 –
Construir Confiabilidade e Validade
Número de ítens
Alfa de
Cronbach
Rho_A
Confiabilidade
composta (CR)
Variância Média
Extraída (AVE)
AS
6
0
,
882
0
,
881
0
,
911
0
,
632
CMQ
4
0
,
907
0
,
927
0
,
935
0
,
782
ISI
5
0
,
898
0
,
901
0
,
925
0
,
712
LMS
5
0
,
927
0
,
932
0
,
943
0
,
735
P
5
0
,
837
0
,
843
0
,
884
0
,
605
Fonte: Elaborado pelos autores
O coeficiente alfa de Cronbach é o estimador mais utilizado da confiabilidade de testes
e escalas (HOGAN
et al.
, 2013). Os valores de Alfa de Cronbach foram todos acima de 0,81.
É interpretado como "Alto" entre 0,81 <α <1,00. Rho_A; O coeficiente é um coef
iciente que
indica se os dados são consistentes e mostra o nível de confiabilidade dos itens do fator
resultante (DIJKSTRA; HENSELER, 2015). Se esse coeficiente estiver acima de 0,70, indica
medição confiável e dados consistentes (RATZMANN
et al.
, 2016). Todos os valores
calculados de Rho_A são maiores que 0,70. Em outras palavras, pode-se dizer que os dados
dessa escala são consistentes e confiáveis. Os valores de Confiabilidade Composta (CR), um
dos valores que mostram a confiabilidade do modelo, estão acima de 0,70 para cada variável.
Os valores de AVE devem ser iguais ou superiores a 0,50 para poder aderir adequadamente à
validade do modelo, e todos os valores obtidos são tanto superiores a 0,50 como inferiores ao
CR da variável relevante. O coeficiente Rho_A indica se os itens do fator são confiáveis. O
valor da Variação Média Extraída (AVE) fornece a Validade Convergente da escala. Para
garantir a Validade Convergente, o valor da AVE deve ser maior que 0,50 e o valor do CR deve
ser maior que 0,70 (HAIR
et al.
, 2019; ADIGUZEL
et al.
, 2020). Os valores de AVE e CR
mostram novamente que a escala é confiável e válida.
Quadro 3 –
Correlação de Variáveis Latentes, Validade Discriminante e Índice de Ajuste
Valores de Correlação e Validade
Discriminante (Critério Fornell Larcker)
Heterotrait
-
Monotrait (HTMT) Ratios
AS
CMQ
ISI
LMS
P
AS
CMQ
ISI
LMS
AS
0.795*
CMQ
0.672
0.884*
0.747
ISI
0.646
0.535
0.844*
0.703
0.580
LMS
0.567
0.432
0.591
0.857*
0.619
0.477
0.640
P
0.713
0.609
0.638
0.569
0.778*
0.819
0.690
0.721
0.624
Fonte: Elaborado pelos autores
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3429
Segundo o critério de Fornell Larcker (1981), quando uma variável latente é comparada
consigo mesma, o valor de validade obtido deve ser maior que todos os valores na mesma
coluna e mesma linha do Quadro (FORNELL, LARCKER, 1981). Outro valor de controle de
validade discriminante é a razão HTMT e esse valor deve ser menor que 0,85 (CLARK;
WATSON, 1995; KLINE, 2011; ADIGÜZEL
et al.
, 2020) ou 0,90 (GOLD
et al.
, 2001), a
Validade Discriminante não poderia ser alcançada. O Quadro 3 mostra as correlações entre as
variáveis latentes e os resultados do Critério de Fornell-Larcker e as Proporções heterotraço-
monotraço (HTMT) para Validade Discriminante. Existe um nível adequado de correlação
entre as variáveis. Nas colunas de validade discriminante, aqueles mostrados em negrito e um
asterisco são os coeficientes dados de acordo com os critérios de Fornell-Larcker. Os valores
abaixo fornecem os coeficientes de correlação entre as variáveis. Os valores mostrados em
negrito no Quadro para os Critérios Fornell-Larcker são maiores do que todos os valores de
linha e coluna na seção reservada para este critério. Ao mesmo tempo, todos os valores HTMT
são menores que 0,85 como referência. Ambos os resultados mostram que o modelo fornece
validade de separação.
Quando os resultados do modelo de caminho fornecidos no Quadro 4 são examinados,
pode-se ver que os valores t de todos os coeficientes de caminho são maiores que 1,96 e os
valores p são menores que 0,05. Este resultado indica que todas as hipóteses são suportadas e
os caminhos são significativos. Existe uma relação positiva significativa entre as variáveis.
Quadro 4 –
Coeficientes de caminho e resultados de teste para hipóteses
Hip.
Caminhos
Coeficientes de
caminho
Estatística T
Valores P
Conclusão
H1
ISI
CMQ
0
,
535
7
,
661
0
,
000
Aceito
H2
ISI
LMS
0
,
591
8
,
463
0
,
000
Aceito
H3
CMQ
AS
0
,
431
5
,
140
0
,
000
Aceito
H4
LMS
AS
0
,
211
2
,
148
0
,
032
Aceito
H5
ISI
AS
0
,
281
2
,
739
0
,
000
Aceito
H6
AS
P
0
,
516
6
,
016
0
,
000
Aceito
H7
ISI
P
0
,
309
3
,
777
0
,
000
Aceito
Fonte: Elaborado pelos autores
A aceitação das hipóteses também mostra que os dados coletados corroboram a
literatura. As hipóteses entre H1-H7, que foram estabelecidas com suas justificativas na seção
de literatura, foram aceitas. Os efeitos da infraestrutura do sistema de
E-learning
, que é o foco
do estudo, são revelados em cada teste de hipótese. O efeito de mediação da variável Sucesso
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3430
Acadêmico entre as variáveis ISI e P constitui o outro foco do estudo. Os resultados da análise
de caminho são apresentados no Quadro 5 abaixo.
Quadro 5 –
Coeficientes de caminho e resultados de teste para hipóteses
Hip.
Caminhos
Coeficientes de
caminho
Estatística T
Valores P
Conclusão
H8
ISI
AS
P
0
,
145
2
,
721
0
,
007
Aceito
Fonte: Elaborado pelos autores
Análise de caminho para ISI
AS
P dá resultados positivos. Consequentemente, ao
passar da variável ISI para a variável P, a variável AS é uma variável adequada. A hipótese H8
foi aceita. Para determinar a extensão desse efeito, os valores de VAF foram examinados. Os
resultados são apresentados no Quadro 6.
Quadro 6 –
Resultados do Efeito Mediador
Hip. Caminhos
Coeficientes
de caminho
(a)
Coeficientes
de caminho
(b)
Coeficientes
de caminho
(c)
VAF Conclusão
H8
ISI
AS
P
0,281
0,516
0,309
0,319
Admissão/Parcial
Fonte: Elaborado pelos autores
Na última parte do aplicativo, o efeito mediador do AS foi investigado. No estudo de
impacto do mediador para testar a hipótese H8, foi utilizado o valor de VAF sugerido por Nitzl
e Hirsch (2016). Ao calcular o valor VAF; equação VAF = a*b/(a*b+c) é usada. Se os valores
do VAF estiverem abaixo de 20%, é mencionado efeito mediador zero, enquanto 20-80% do
valor do VAF significa parcial e mais de 80% significa efeito mediador total (HAIR
et al.
,
2017). Quando o Quadro 6 é examinada, pode-se ver que a variável AS tem um efeito de
variável de mediação para a hipótese H8. A variável AS para a hipótese H8 tem um efeito
mediador parcial.
Discussões e conclusão
O uso de sistemas de
e-learning
e
m vez de educação formal, dependendo das condições
ambientais atuais, é importante para a execução eficaz do processo pandêmico. Neste período,
a adoção e sustentabilidade dos sistemas de
e-learning
, cuja utilização se generalizou em todo
o mundo, depende da sua preferência em relação aos métodos tradicionais. Não se pode esperar
que uma aplicação que não seja adotada seja sustentável. Por isso, é inevitável o retorno à
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3431
educação formal quando as condições de pandemia desaparecerem. Um modelo de
e-learning
preferencial em comparação com os sistemas de ensino tradicionais pode continuar a ser
implementado em condições normais. Como o
e-learning
requer o uso extensivo de tecnologias
de computação, para que o modelo seja bem-sucedido, os usuários devem aceitar a tecnologia
e estar convencidos de que ela apoiará seu aprendizado. A facilidade de aprendizado, uso e
satisfação do usuário de sistemas baseados em tecnologias da informação são fatores
importantes para a preferência. Ao mesmo tempo, a qualidade dos materiais do curso e das
ferramentas auxiliares de formação também dão suporte à preferência em termos de sucesso e
satisfação do usuário. Os materiais digitais utilizados são também um fator importante para o
sucesso e preferência do sistema de
e-learning
, sendo que o sucesso dos sistemas de gestão da
aprendizagem tem um papel importante na garantia da utilização ativa deste fator. Os sistemas
mencionados podem ser fortalecidos em termos de preferência, garantindo o sucesso
acadêmico.
Este artigo apresenta um referencial teórico que inclui os efeitos da variável
Infraestrutura do Sistema de Informação sobre o Sistema de Gestão da Aprendizagem, o
Sucesso Acadêmico, a Qualidade dos Materiais do Curso e a Preferência. Com base na teoria,
um modelo foi proposto e validado empiricamente em universidades turcas. Este estudo mostra
que as publicações fornecidas no modelo de pesquisa na Figura 1 são confirmadas, todas as
hipóteses são suportadas e aceitas. A Infraestrutura do Sistema de Informação tem um efeito
positivo em todas as outras variáveis. O destaque do estudo. O sucesso acadêmico teve um
efeito de mediação sobre o efeito positivo da Infraestrutura do Sistema de Informação na
Preferência. Na análise, verificou-se que a variável AS teve um efeito mediador parcial na
interação Infraestrutura do Sistema de Informação e Preferência. Esse resultado contribuiu com
a literatura para a análise de relações semelhantes.
REFERENCES
ADIGÜZEL, Z.; SÖNMEZ ÇAKIR, F.;
KÜÇÜKOĞLU
, I. The Effects of Organizational
Communication and Participative Leadership on Organizational Commitment and Job
Satisfaction in Organisations,
BMIJ
, v. 8, n. 4, p. 829-856, 2020. DOI:
http://dx.doi.org/10.15295/bmij.v8i4.1593.
AJZEN, I. The theory of planned behavior.
Organizational Behavior and Human Decision
Processes
, v. 50, n. 2, p. 179-211, 1991. DOI: http://dx.doi.org/10.1016/0749-5978(91)
90020-T.
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3432
APARICIO, M.; BACAO, F.; OLIVEIRA, T. Cultural impacts on e-learning systems'
success.
The Internet and Higher Education
, v. 31, p. 58-70, 2016.
BAROUDI, J. J., OLSON, M. H.; IVES, B. An empirical study of the impact of user
involvement on system usage and information satisfaction.
Communications of the ACM
, v.
29, p. 232-238, 1986.
BUZZARD, C.
et al
. The use of digital technologies in the classroom: A teaching and
learning perspective.
Journal of Marketing Education
, v. 33, n. 2, p. 131–139, 2011.
CHENEY, P. H.; DICKSON, W. Organizational characteristics and information systems: an
exploratory investigation.
Academy of Management Journal
, v. 25, n. 1, p. 170-184, 1982.
CIDRAL, W. A.; OLIVEIRA T.; FELICE, M.; APARICIO, M. E-learning success
determinants: Brazilian empirical study.
Computers and Education
, v. 122, p. 273-290,
2018.
CLARK, L. A.; WATSON, D. Constructing validity: Basic issues in objective scale
development.
Psychological assessment
, v. 7, n. 3, p. 309, 1995.
CONRATH, D. W.; MIGNEN, O. P. What is being done to measure user satisfaction with
EDP/MIS.
Information and Management
, v. 19, n. 1, p. 7-19, 1990. DOI:
http://dx.doi.org/10.1016/0378-7206(90)90010-F.
DAVIS, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information
technology.
MIS Quarterly (MISQ)
, v. 13, 3, p. 319-339, 1989.
DELONE, W. H. Determinants of success for computer usage in small business
. MIS
Quarterly (MISQ)
, v. 12, n. 1, p. 51-61, 1988.
DELONE, W. H.; MCLEAN, E. R. Information systems success: The quest for the dependent
variable.
Information Systems Research
, v. 3, n. 1, p. 60-95, 1992.
DELONE, W. H.; MCLEAN, E. R. The DeLone and McLean model of information systems
success: A ten-year update.
Journal of Management Information Systems
, v. 19, n. 4, p. 9-
30, 2003. DOI: http://dx.doi.org/10.1073/pnas.0914199107.
DIAMANTOPOULOS, A.; SIGUAW, J. A. Formative versus reflective indicators in
organizational measure development: A comparison and empirical illustration.
British
Journal of Management
, v. 17, n. 4, p. 263-282, 2006.
DIJKSTRA, T. K.; HENSELER, J. Consistent partial least squares path modeling.
MIS
Quarterly (MISQ)
, v. 39, n. 2, p. 297-316, 2015.
FALLAH, M. H.; HOW, W. J.; UBELL, R. Blind scores in a graduate test:Conventional
compared with Web-based outcomes.
ALN Magazine
, v. 4, n. 2, 2000.
FORNELL,
C.; LARCKER, D. F. Evaluating structural equation models with unobservable
variables and measurement error.
Journal of Marketing Research
, v. 18, n. 1, p. 39–50,
1981. DOI: https://doi.org/10.2307/3151312.
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3433
FREEZE R. D.; ALSHARE K. A.; LANE P. L.; WEN H. J. IS Success Model in E-Learning
Context Based on Students' Perceptions.
Journal of Information Systems Education
, v. 21,
n. 2, 2010.
GOLD, A. H.; MALHOTRA, A.; SEGARS, A. H. Knowledge management: an
organizational capabilities perspective.
Journal of Management Information Systems
, v.
18, n. 1, p. 185–214, 2001.
GUIMARAES, T.; ARMSTRONG, C. P.; O'NEAL, Q. Empirically testing some important
factors for expert systems quality.
Quality Management Journal
, v. 13, n. 3, p. 28-38, 2006.
GUIMARAES, T.; STAPLES, S.; MCKEEN, J. Important human factors for systems
development success: A user focus.
In
: SHAYO, C. (Ed.).
Strategies for Managing IS
Personnel
. Idea Group Publishing, 2003.
HAIR, F.
et al
. A primer on partial least squares structural equation modeling (PLS-SEM). 2.
ed. Sage Publications, 2017.
HAIR, J. F.
et al
. When to use and how to report the results of PLS-SEM.
European
Business Review
, v. 31, n. 1, p. 2-24, 2019.
HARA, N.; KLING, R. Students’ distress with a Web-based distance education course: an
ethnographic study of participants’ experiences.
Information, Communication and Society,
v. 3, n. 4, p. 557–579, 2000.
HENSELER, J.; RINGLE, C. M.; SINKOVICS, R. R.
The Use of Partial Least Squares
Path Modeling in International Marketing
. Advances in International Marketing. Bingley:
Emerald, 2009.
HEO, J.; HAN, I. Performance measure of information systems (IS) in evolving computing
environments: An empirical investigation.
Information and Management
, v. 40, n. 4, p.
243-256, 2003. DOI: http://dx.doi.org/10.1016/S0378-7206(02)00007-1.
HILTZ, S. R.; TUROFF, M. What makes learning networks effective? Commun.
ACM,
45(4), 56–59. 2002.
HOGAN, T. P.; BENJAMIN, A.; BREZINSKI, K. L. Reliability methods: A note on the
frequency of use of various types.
Educationaland Psychological Measurement
, v. 60, p.
523-531, 2000.
HOLLENBECK, C. R.; MASON, C. H.; SONG, J. H. Enhancing student learning in
marketing courses: An exploration of fundamental principles for websiteplatforms.
Journal
of Marketing Education
, v. 33, n. 2, p. 171-182. DOI:
http://dx.doi.org/10.1016/j.chb.2005.10.006.
HOLMGREN, R. HAAKE, U.; SÖDERSTRÖM, T. Firefighter learning at a distance: a
longitudinal study.
Journal of Computer Assisted Learning
, v. 33, n. 5, p. 500–512, 2017.
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3434
IGBARIA, M.; ZINATELLI, N.; CAVAYE, A. L. M. Analysis of information technology
success in small firms in New Zealand.
International Journal of Information
Managemen
t, v. 18, n. 2, 103e119, 1998.
IVES, B.; OLSON, M. H. User involvement and MIS success: A review of research.
Management Science
, v. 30, n. 5, p. 586-603, 1984.
IVES, B.; OLSON, M.; BAROUDI, J. The Measurement of User Satisfaction.
Communications of the ACM
, v. 26, n. 10 785-793, 1983.
KIM, K.
et al
. The Impact of CMS Quality on the Outcomes of E-learning Systems in Higher
Education: An Empirical Study.
Decision Sciences Journal of Innovative Education
, v. 10,
n. 4, p. 575-587, 2012.
KLINE, R. B.
Principles and practice of structural equation
. The Guilford Press, 2011.
LAWRENCE, M.; LOW, G. Exploring individual user satisfaction within user-led
development.
MIS Quarterly (MISQ)
, p. 195-208, 1993.
MAKI, R. H.
et al
. Evaluation of a Web-based introductory psychology course: learning and
satisfaction in online versus lecture courses.
Behavior Research Methods, Instruments, and
Computers
, v. 32, n. 2, p. 230–239, 2000.
MOHAMMADI, H. Investigating users' perspectives on e-learning: An integration of TAM
and IS success model.
Computers in Human Behavior
, v. 45, p. 359-374, 2015.
MORALES, C.; CORY, C.; BOZELL, D. A comparative efficiency study between a live
lecture and a Web-based live-switched multi-camera streaming video distance learning
instructional unit.
In:
INFORMATION RESOURCES MANAGEMENT ASSOCIATION
INTERNATIONAL CONFERENCE, 2001, Toronto.
Proceedings
[…]. Toronto, Ontario,
2001. p. 63–66.
MTEBE J. S.; RAISAMO R. A model For Assessing Learning Management System Success
in Higher Education in Sub-Saharan Countries.
EJISDC
, v. 61, n. 7, p. 1-17, 2014.
NITZL, C.; HIRSCH, B. The drivers of a superior’s trust formation in his subordinate: The
manager–management accountant example.
Journal of Accounting and Organizational
Change
, v. 12, n. 4, p. 472-503, 2016.
ÖZDEMIR, S.; SONMEZ CAKIR, F.; ADIGUZEL, Z. "Examination of customer relations
management in banks in terms of strategic, technological and innovation capability",
Journal
of Contemporary Marketing Science
, v. 2, p. 176-195, 2022. DOI:
https://doi.org/10.1108/JCMARS-12-2021-0044.
PAYNE, N. J.
et al
. Placing a hand in the fire: Assessing the impact of a YouTube
experiential learning project on viral marketing knowledge acquisition.
Journal of
Marketing Education
, n. 2, p. 204-216, 2011.
image/svg+xml
Exame dos fatores que afetam a preferência de educação aberta e e-learning com o modelo de equações estruturais
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI: https://doi.org/10.22633/rpge.v26i00.17468
3435
PETTER, S.; DELONE, W.; MCLEAN, E. Measuring information systems success: models,
dimensions, measures, and interrelationships.
European Journal of Information Systems
, v.
17, n. 3, p. 236-263, 2008.
PETTER, S.; DELONE, W.; MCLEAN, E. R. The past, present, and future of IS success.
Journal of the Association for Information Systems
, v. 13, n. 5, p. 341-362, 2012.
PICCOLI, G.; AHMAD, R.; IVES, B. Web-based virtual learning environments: A research
framework and a preliminary assessment of effectiveness in basic IT skills training.
MIS
Quarterly
, v. 25, n. 4, p. 401–426, 2001.
PITT, L. F.; WATSON, R. T.; KAVAN, C. B. Service quality: A measure of information
systems effectiveness.
MIS Quarterly (MISQ)
, 173e187. 1995.
RAI, A.; LANG, S.; WELKER, R. Assessing the validity of IS success models: An empirical
test and theoretical analysis.
MIS Quarterly (MISQ)
, v. 13, n. 1, p. 50-69, 2002.
RATZMANN, M.; GUDERGAN, S. P.; BOUNCKEN, R. Capturing heterogeneity and PLS-
SEM prediction ability: Alliance governance and innovation.
Journal of Business Research
,
v. 69, n. 10, p. 4593-4603, 2016.
RAYMOND, L. Organization context and information systems success: A contingency
approach.
Journal of Management Information Systems
, v. 6, n. 4, p. 5-20, 1990.
RAYMOND, L. Organizational characteristics and MIS success in the context of small
business.
MIS Quarterly (MISQ)
, v. 9, n. 1, v. 37, 1985. DOI:
http://dx.doi.org/10.2307/249272.
ROCKART, J. F. The changing role of the information systems executive: A critical success
factors perspective.
MIS Quarterly Special Issue
, dec. 1982.
SAKAGUCHI, T.; FROLICK, M. A review of data warehousing literature.
Journal of Data
Warehousing
, v. 2, n. 1, p. 34-54, 1997.
SEDDON, P. B.
et al
. Dimensions of information systems success. Commun.
AIS
, v. 2, n. 3,
1999.
SRINIVASAN, A. Alternative measure of systems effectiveness: Association and
implications.
MIS Quarterly (MISQ)
, v. 9, n. 3, p. 243-253, 1985.
SUN, P.-C.
et al
. What drives a successful e-Learning? An empirical investigation of the
critical factors influencing learner satisfaction.
Computers and Education
, v. 50, n. 4, p.
1183-1202, 2008. DOI: http://dx.doi.org/10.1016/j.compedu.2006.11.007.
SWAID, S. I.; WIGAND, R.T. Measuring the Quality of E-Service: Scale Development and
Initial Validation.
Journal of Electronic Commerce Research
, v. 10, n. 13, 2009.
URBACH, N.; SMOLNIK, S.; RIEMPP, G. An empirical investigation of employee portal
success.
The Journal of Strategic Information Systems
, v. 19, n. 3, 184e206, 2010.
http://dx.doi.org/10.1016/j.jsis.2010.06.002.
image/svg+xml
Mehmet Sinan BAŞAR
e
Fatma SÖNMEZ ÇAKIR
RPGE
– Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3436
WANG, Y.-S.; WANG, H.-Y.; SHEE, D. Y. Measuring e-learning systems success in an
organizational context: Scale development and validation.
Computers in Human Behavior
,
v. 23, n. 4, p. 1792-1808, 2007.
YAP, C.; SOH, C.; RAMAN, K. Information systems success factors in small business.
Omega
, v. 20, n. 5-6, p. 597-609, 1992. DOI: http://dx.doi.org/10.1016/0305-0483(92)
90005-R.
ZHANG, D.
et al
. Can E-
Learnıng Replace Classroom Learning,
Communıcatıons Of The
Acm
, v. 47, n. 5, 2004.
Como referenciar este artigo
BAŞAR
, M. S.; SÖNMEZ ÇAKIR, F. Exame dos fatores que afetam a preferência de educação
aberta e e-learning com o modelo de equações estruturais.
Revista on line de Política e Gestão
Educacional
, Araraquara, v. 26, n. 00, e022159, 2022. e-ISSN: 1519-9029. DOI:
https://doi.org/10.22633/rpge.v26i00.17468
Submetido em
: 15/07/2022
Revisões requeridas em
: 17/08/2022
Aprovado em
: 20/10/2022
Publicado em
: 30/12/2022
Processamento e edição: Editora Ibero-Americana de Educação.
Correção, formatação, normalização e tradução.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3415
EXAMINATION OF THE FACTORS AFFECTING THE PREFERENCE OF OPEN
EDUCATION AND E-LEARNING WITH THE STRUCTURAL EQUATION MODEL
EXAME DOS FATORES QUE AFETAM A PREFERÊNCIA DE EDUCAÇÃO ABERTA
E E-LEARNING COM O MODELO DE EQUAÇÕES ESTRUTURAIS
EXAMEN DE LOS FACTORES QUE AFECTAN LA PREFERENCIA DE LA
EDUCACIÓN ABIERTA Y E-LEARNING CON EL MODELO DE ECUACIÓN
ESTRUCTURAL
Mehmet Sinan BAŞAR
1
Fatma SÖNMEZ ÇAKIR
2
ABSTRACT
:
The aim of this study is to investigate the factors that affect the preference of e-
learning systems used as a basic or supportive tool in both open education and formal education.
The data set used in this study was obtained from a questionnaire applied to randomly selected
university students who took courses with the e-learning system. The questionnaire was applied
to 561 people and descriptive statistics were calculated based on the obtained data.
For
modeling and analyzing the relationships of the factors that directly and indirectly affect the
preference of e-learning systems, Structural Equation Modeling was established. As a result of
the analysis, the variables that directly or indirectly affect the preferability of the e-learning
systems were determined. In addition to the positive effect of the information system
infrastructure on other variables in the model, the mediation effect of the learning management
system on the information system infrastructure and preferability was revealed.
KEYWORDS
:
E-learning. Learning management system. Information systems. Preferability.
RESUMO
:
O objetivo deste estudo é investigar os fatores que afetam a preferência por
sistemas de e-learning usados como ferramenta básica ou de apoio tanto na educação aberta
quanto na educação formal. O conjunto de dados utilizado neste estudo foi obtido a partir de
um questionário aplicado a estudantes universitários selecionados aleatoriamente que fizeram
cursos com o sistema de e-learning. O questionário foi aplicado a 561 pessoas e estatísticas
descritivas foram calculadas com base nos dados obtidos. Para modelar e analisar as relações
dos fatores que afetam direta e indiretamente a preferência dos sistemas de e-learning, foi
estabelecida a Modelagem de Equações Estruturais. Como resultado da análise, foram
determinadas as variáveis que afetam direta ou indiretamente a preferibilidade dos sistemas de
e-learning. Além do efeito positivo da infraestrutura do sistema de informação sobre outras
variáveis do modelo, foi revelado o efeito de mediação do sistema de gestão da aprendizagem
sobre a infraestrutura do sistema de informação e a preferência.
PALAVRAS-CHAVE
:
E-learning. Sistema de gerenciamento de aprendizado. Sistemas de
informação. Preferência.
1
Atatürk University, Erzurum
–
Turkey. Associate Professor. Distance Education Faculty. ORCID:
https://orcid.org/0000-0002-6741-6268. E-mail: sinanb@atauni.edu.tr
2
Bartin University, Erzurum
–
Turkey. Associate Professor. Management Information Systems. ORCID:
https://orcid.org/0000-0001-5845-9162. E-mail: fsonmez@bartin.edu.tr
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3416
RESUMEN
:
El objetivo de este estudio es investigar los factores que inciden en la preferencia
de los sistemas de e-learning utilizados como herramienta básica o de apoyo tanto en la
educación abierta como en la educación formal. El conjunto de datos utilizado en este estudio
se obtuvo de un cuestionario aplicado a estudiantes universitarios seleccionados al azar que
tomaron cursos con el sistema e-learning. El cuestionario se aplicó a 561 personas y se
calcularon estadísticas descriptivas a partir de los datos obtenidos. Para modelar y analizar
las relaciones de los factores que afectan directa e indirectamente la preferencia de los sistemas
de e-learning, se estableció el Modelado de Ecuaciones Estructurales. Como resultado del
análisis se determinaron las variables que directa o indirectamente inciden en la preferencia
de los sistemas e-learning. Además del efecto positivo de la infraestructura del sistema de
información sobre otras variables del modelo, se reveló el efecto de mediación del sistema de
gestión del aprendizaje sobre la infraestructura del sistema de información y la preferencia.
PALABRAS
CLAVE
:
E-learning. Sistema para el manejo del aprendimiento. Sistemas de
información. Preferibilidad.
Introduction
Computer technologies affect and transform every aspect of life. It is inevitable to see
important effects in education. New technologies are also being developed and used in
education. Holmgren
et al.
(2017) stated that digitalization is a complex process that requires
large-scale changes. Digital transformation in education started with the digitalization of course
materials and continued with the interaction and virtualization of educational processes. The
most prominent concepts are distance education and e-learning. Changes in educational
technologies, teaching methods and education systems have led to the emergence of alternative
educational institutions to traditional education models. The adoption and sustainability of e-
learning depends on its preference over traditional methods. The most important factor in
preferability is that learning processes are being student-oriented. Compared to traditional face-
to-face classroom learning, which focuses on instructors who have control over the classroom
content and learning process, e-learning offers a learner-centered, self-paced learning
environment (FALLAH
et al.
, 2000; HILTZ; TUROFF, 2002; MORALES
et al.
, 2001;
PICCOLI
et al.
, 2001).
E-learning has no time and place restrictions or is very flexible. Other advantages of
distance education and e-learning are that it provides repetitive and unrestricted access to
information and is more cost-effective (ZHANG
et al.
, 2004). These advantages are the result
of the use of information technologies in distance education. For success in using technology,
users must first accept the technology and be convinced that it will support their learning. Being
easy to learn and use, and user satisfaction are other important factors in the preference of
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3417
information technologies (HARA; KLING, 2000; MAKI
et al.
, 2000). For preferability, e-
learning systems should offer quality course materials. Digital materials need to positively
support learning processes and achieve learning goals. Course materials and complementary
training tools increases the preference of e-learning in terms of user success and user
satisfaction. Another dimension of distance education and e-learning is the learning
management system, which constitutes the software part of the information system. The main
task of the LMS is to provide interaction between users, tutorials and course materials. The
success of these systems and the way they achieve their goals are important factors in their
preference. The primary purpose of using the tools mentioned above is student success. This
concept, which is defined as academic success, includes both learning success and passing a
course. Which success goal is more important depends on users' perceptions.
In this study, the effects of information system infrastructure on learning management
system, academic success, quality of course materials, and preferability are investigated. A
comprehensive literature review was also conducted on this subject. In the first part, these issues
were discussed and these approaches were tested with hypotheses. The emphasis of the study
is that the mediating effect of academic achievement on the positive effect of information
systems infrastructure on preferability is not mentioned in the literature. In this study, mediator
variable analysis was performed to further enrich and clarify the relationship between
information system infrastructure and preferability.
Theory
Information System Infrastructure
Basic components of information systems are hardware, software, database, data
communication networks, data processing models, users, etc. Among these components,
computer hardware and computer networks are infrastructure elements. In addition, data
transmission technologies and data security systems are important elements that make up the
information processing infrastructure. The most important criteria used in evaluating the total
success of the information systems are physical success and user satisfaction. Physical
achievement is achieved using standard scales (bandwidth, number of signals etc.). Rockart
(1982) defined success as the actual implementation of a system that focuses on the technical
aspects of technology. Since the total success is determined by the weakest element of the
system, the success of the information system infrastructure is as important as all the elements
in the model. User satisfaction is another method used to evaluate the total success of the
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3418
information system. User satisfaction is an evaluation method in which the degree of meeting
the expectations of the users is more significant than the physical success measures. Therefore,
the success of the system can be measured by the user satisfaction achieved as a result of
efficient use (RAYMOND, 1990; DELONE, 1988; IGBARIA
et al.
, 1998; RAYMOND, 1985;
YAP
et al.
, 1992).
Ives and Olson (1984) examine system success in terms of system quality, system usage,
user behavior and user satisfaction. DeLone and McLean (2003), DeLone (1988) and Seddon
et al.
(1999) suggested using system quality, information quality, service quality, user
satisfaction, and perceived user benefits to measure system success. There are many other
behavioral models developed to measure system success. The basic theory on which these
models are based on the theory of planned behavior (AJZEN, 1991). According to this theory,
which models how attitudes and behaviors affect intention, the quality of information is
measured by the completeness, timeliness, accuracy, relevance, and continuity of the
information output (DELONE, 1988; DELONE; MCALEAN, 2003; PETTER
et al.
, 2008).
The frequency of use of an information system is measured by the actual number of accesses to
the systems during a given period of time (DAVIS, 1989; DELONE; MCLEAN, 2003;
URBACH
et al.
, 2010).
Another widely used model discusses the success of the system as two parts: system
quality and service quality. System quality is measured by variables such as functionality, ease
of use, reliability, data quality, portability, integration, usability, reliability, adaptability, and
response time (DELONE; MCLEAN, 2003; PETTER
et al.
, 2012). Information systems
success theory states that one of the success criteria is the satisfaction of individuals from using
a system. Service quality focuses on the effect of user satisfaction on improving the quality of
future interactions (PITT
et al.
, 1995). When users rate the quality of service, they compare
their expectations and the actual effects of their use of the system (CONRATH; MIGNEN,
1990). Service quality can be measured by concreteness, reliability, sensitivity, and empathy.
The support given to the user is an important indicator of the quality of the system (DELONE;
MCLEAN, 2003).
Course Materials Quality
Quality of information is the ability of a system to distribute useful information
(APARICIO
et al.
, 2016). Information quality depends on the quality of the system output, that
is, the quality of the information the system produces primarily in the form of reports. In e-
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3419
learning systems, information is collected in the form of course materials and distributed to
students. The quality of course materials is related to the accuracy, precision, completeness,
comprehensibility, significance, relevance, adequacy, comparability, timeliness, and reliability
of existing content (DELONE; MCLEAN, 1992; PETTER
et al.
, 2008; RAI
et al.
, 2002;
SWAID; WIGAND 2009). Teaching techniques and information technologies used for
preparing course materials also affect the quality. The content that students will use in
classroom activities or individual learning (videos, slides, guides, forums, links etc.) should be
understandable and appropriate to their needs. Digital materials and media provide valuable
support in the learning process (PICCOLI
et al.
, 2001; SUN
et al.
, 2008). Therefore, the current
study assumes that:
H1: The quality of information system infrastructure positively affects the quality of
course materials.
Learning Management System
While evaluating the system quality of learning management systems, it is very
important that both course materials and information system users are volunteers. If the student
uses the system out of necessity, criteria such as the continuity and frequency of use will be
insufficient to measure satisfaction. In this case, the relationship between frequency of use and
satisfaction cannot be considered, since increased use is not as a result of student satisfaction,
but because it is required by the course content (BAROUDI
et al.
, 1986; CHENEY; DICKSON,
1982; SRINIVASAN, 1985; LAWRENCE; LOW, 1993).
The quality of learning management systems is related to how the function and
performance of the system in learning processes are perceived (SAKAGUCHI; FROLICK,
1997). Although some remarkable features such as scalability, standardization, and security,
which are valid for other systems, are mentioned, the success of Learning Management System
is most descriptively evaluated by learning activity (SAKAGUCHI; FROLICK, 1997). In order
to contribute to the purposes of the learning activity, it is important that the information and
methodology provided by the course materials, as well as the hardware and network elements
that provide access to information, meet the needs. The user-friendliness of the system and its
effectiveness in providing useful feedback to students are features that support user satisfaction
and system quality. In this study, the following assumptions about the success of learning
management systems will be tested: The relationship between system quality and user
satisfaction is widely used when measuring system success (RAI
et al.
, 2002; GUIMARAES
et
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3420
al.
, 2003; GUIMARAES
et al.
, 2006). System quality is evaluated as a function of the user's
perception of using information technology (DELONE and MCLEAN 2003). User satisfaction
is the result of successful interaction between an information system and its users. At the same
time, it is evaluated that students are satisfied to the extent that they believe that their
information needs are met by the system (IVES
et al.
, 1983).
In this study, the following assumption regarding the success of learning management
systems will be tested:
H2: The quality of information systems positively affects the quality of the learning
management system.
Academic Success
Learning outputs explain the main objectives of the course, and the success of both the
course and the students is measured by whether these outcomes have been achieved. The most
widely used model to explain the success of information systems in the context of e-learning is
the Information System success model developed by DeLone and McLean. This model takes
net benefits into account while measuring learning quality, and the elements that make up
quality are defined as system quality, information quality, and service quality (DELONE;
MCLEAN 1992; APARICIO
et al
., 2016; HEO; HAN, 2003; MOHAMMADI, 2015; WANG
et al.
, 2007).
When the literature is examined, it is seen that studies on learning achievement focus
on course management systems, and the effect of teachers on learning is at the forefront. The
main application area of such studies is technology classes equipped with digital tools instead
of the web. These studies have very strong commonalities with the Open education and
Distance learning. These are academic success, advanced learning, and empowering students.
In terms of e-learning success, in addition to the planning of teaching processes and the
performance of trainers, the methods and tools offered to the user are important factors that
determine satisfaction (PAYNE
et al.
, 2011; BUZZARD
et al.
, 2011; HOLLENBECK
et al.
,
2011).
While measuring academic success, it is not sufficient alone that to evaluate the
efficiency in learning. The success of the student in passing the course is also an important
factor that increases satisfaction and supports the frequency of use of e-learning technologies.
System quality and the quality of course materials have an impact on success. The success of
students in exams is an important variable that measures whether e-learning systems can
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3421
achieve their goals. Exam success is considered as a common result of student's material usage,
system usage, and learning success. The fact that students realize that e-learning systems
provide easy access to content, the platform is well-structured, and it supports them in passing
the course, may be an incentive factor for the use of the e-learning system (RAI
et al.
2002;
PETTER
et al.,
2008). Success in passing courses can be measured and evaluated more easily
than other effects of e-learning processes. Since the success of passing the course can clearly
show the net result, it is an effective scale for the benefit-cost evaluation of e-learning processes.
It can give important clues to measure satisfaction, especially in cases where participation in
the system is mandatory. Therefore, the following assumptions will be used in this study:
H3: The quality of course materials positively affect academic success
H4: The quality of the learning management system positively affects academic success.
H5: The quality of the information system infrastructure positively affects academic
success.
Preferability
There are two dimensions to preference of open or distance education systems:
Preferability over other education systems and preferability over other open education systems.
In both dimensions, system quality, satisfaction, and compliance with the needs come to the
fore among the reasons for preference. The use of digital media is inevitable when the instructor
and the student cannot come together in the same place and/or at the same time. The user must
first know how to use digital technology (literacy) in learning processes and be persuaded
(adopt and accept) to use it (DAVIS, 1989). When the studies in the literature are examined, it
is seen that the strong indicators of perceived satisfaction by the user are system quality, system
usage, users' behaviors and attitudes, and there is a very strong relationship between satisfaction
and system success (IVES; OLSON, 1984). Students' satisfaction is based on their positive
experience of using the system. Positive experiences of students can have a positive effect on
perceived individual outcomes in terms of matching students' needs with their self-efficacy
(PICCOLI
et al.
, 2001). Although the relationship between satisfaction and system use is seen
as controversial in cases where system use is mandatory, this does not negatively affect the
relationship between student satisfaction and the preference of the e-learning system. When
open or e-learning systems are evaluated in terms of their suitability for their intended use, it
can be argued that both the learning achievement and the benefit of the acquired knowledge
and competencies are effective in satisfaction and choice. In this study, it is aimed to analyze
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3422
the effect of factors other than satisfaction on preferability. The effect of Information System
Infrastructure on Academic success was tested with the H5 hypothesis. The effect of academic
achievement on preferability was tested with H6. In this case, it would be appropriate to
investigate whether academic success has a mediation variable effect between the information
system infrastructure and preferability. Therefore, the following assumptions will be used for
preferability:
H6: Academic success positively affects preference.
H7: Information system infrastructure has a positive effect on preferability.
H8: Academic success has a mediation effect between information system infrastructure
and preferability.
Method
The population of the study is composed of higher education students enrolled in a
higher education program and taking courses through the E-learning system. In the period 2019-
2020 undergraduate education in higher education institutions in Turkey, there are
approximately 4.5 million students. During the pandemic period, almost all of these students
started to receive an education with the e-learning system. A pre-test of 45 units was conducted
to determine whether the scale created was understandable. As a result of this test, 3 statements
were excluded because they did not show the appropriate factor load. Cronbach Alpha for the
whole scale was found to be 0.903. After the scale was prepared, a survey form was sent to 700
randomly selected enrolled in different universities students from the registered students, and
data analysis was made using the answers. The data of 568 students who answered the
questionnaire were subjected to data cleaning and noise reduction processes. According to
Yazıcıoğlu and Erdoğan (2004), a sample of 384 students at the 5% significance level is
sufficient if the population size is 10 million. The scale was included in data analysis with the
data of 561 participants. Participation in the survey was done on a voluntary basis and the
information of the participants has collected anonymously. Participants, who were given
enough time to prevent the Common Method Bias problem from occurring, were asked to
respond to the demographic and 1-5 Likert (Strictly Disagree-Strongly Agree) statements of the
questionnaire. In determining whether there is a CMB problem in the Smart PLS program, Inner
Model VIF value values were checked. If these values are less than 3.3, it can be decided that
there is no CMB problem. For current data, Inner VIF Value values are less than 3.3. First,
demographic information is given in the application part. In accordance with the research model
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3423
given in Figure 1 variables were included in the SmartPLS 3.2 program. After the reliability
and validity information of the scale and factor loads were given, path analysis was performed
to test the hypotheses.
Measures
When measuring user approaches regarding the Course Materials Quality used in the e-
learning system, the scale questions in the Mtebe and Raisamo (2014; Cronbach Alpha: 0.937)
study were used. For measuring user approaches regarding Learning Management Systems
used in e-learning Kim
et al.
(2012; Cronbach Alpha: 0.930) and Cidral
et al.
(2018; Cronbach
Alpha: 0.939) used the scales. While measuring user approaches regarding Academic Success
systems used in e-learning Cidral
et al.
(2018), Mtebe and Raisamo (2014) used the scales. In
the study, scales used by Freeze
et al.
(2010), Cidral
et al.
(2018) were used to measure the
preferability. For measuring user approaches regarding Information System Infrastructure used
in e-learning Freeze
et al.
(2010; Cronbach Alpha: 0.950) used the scales.
Since the study was conducted on university students, the age range of the participants
was between 18-25. 217 (38.6%) of the students who answered the survey are Female and 344
(61.4%) are Male. All of the participants are studying at university. 70% of these students are
enrolled in formal education and 30% distance education. Since the changes in class hours may
affect the decisions, firstly, whether there is a difference between the mean scores given by the
formal and distance education students to the scale was tested with the independent sample t-
test. Sig. Calculated based on the result obtained. (0.000 <0.05), it was decided that there was
no difference between the mean scores given at the 5% significance level. Likewise, the effect
of gender on the given scores was also examined. The result of the independent sample t-test,
Since Sig. value is (0.000 <0.05), it has been determined that there is no difference between the
mean scores given by gender. For these reasons, there was no harm in collectively analyzing
the data.
Research Framework
The research model given in Figure1 was established according to the scale expressions
and hypotheses obtained as a result of the literature research. In this model, the positive effects
of the independent variable on the dependent variable were tested in the hypotheses between
H1 and H7. H8 Hypothesis is established for mediation effect analysis.
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3424
Figure 1
–
Research Model
Source: Devised by the authors
Findings
The relationships of Information System Infrastructure (ISI), Course Materials Quality
(CMQ), Learning Management System (LMS), Academic Success (AS), Preferability (P)
variables given in Figure 1 were tested. Besides, the mediation effect values between
Information System Infrastructure and Preferability variables of the Academic Success variable
were also examined.
Kaiser Mayer Olkin test result in SPSS program was 0.895 and Bartlett Test result p
value was obtained as 0.000. These results showed that the data are suitable for factor analysis.
After these processes, the SmartPLS program was used to obtain factor weights and measuring
the reliability and validity of the model. The results of the Confirmatory Factor Analysis
performed to reveal the relationship between expressions and variables are given in Figure 2.
The research model given in Figure 1 has been expressed differently so that the variables and
expressions are not confused. The values inscribed in the circles show the R square values. The
arrow between the two circles shows the direction of the relationship and the value written on
it is the Path Coefficient value between the two variables. The arrow between each circle and
the boxes around it indicates the expressions of the variable and the values above these arrows
give the factor loading values. For SmartPLS, factor loading values are preferred to be above
0.70. Details of the values given in Figure 2 are shown in Table 1.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3425
Figure 2
–
Factor Analysis Result
Source: Devised by the authors
Table 1
–
Factor Loadings (FL), Factor Weights (FW), t Values and Variance Inflation Factor
(VIF) Values
Items
FL
FW
R Square
T Value
VIF
IS1: The system provides high speed information
access.
0.785
0.247
18.841
1.891
IS2: I have no problem viewing or downloading
course materials.
0.825
0.261
24.267
2.285
IS3: I think the system is safe.
0.812
0.202
17.436
3.466
IS4: I can easily access the system from any
device.
0.902
0.233
39.001
4.555
IS5: I can easily access the system from any
application.
0.888
0.243
33.305
3.241
CM1: Digital materials in the system content are
useful.
0.908
0.261
0.286
37.053
3.414
CM2: Digital materials in the system content are
up-to-date.
0.866
0.301
28.605
2.845
CM3: Digital materials in the system content are
sufficient for the learning process.
0.949
0.334
87.232
4.223
CM4: Digital materials in the system content are
supportive in terms of learning techniques.
0.808
0.229
13.210
2.403
LM1: The system is well configured.
0.809
0.173
0.350
12.029
2.405
LM2: The system is easy to use.
0.860
0.203
26.072
2.890
LM3: The system supports communication with
tutors and other students.
0.788
0.192
13.266
2.121
LM4: The system actively participates in the
learning process
0.903
0.222
36.314
4.467
LM5: The system helps me keep track of learning
processes.
0.902
0.196
31.204
4.463
AS1: If I learn lesson subjects, the success of
passing the lesson comes automatically.
0.839
0.207
0.594
21.734
2.764
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3426
AS2: I prefer to work with evaluation questions
and trial tests while preparing for the exam.
0.849
0.199
24.704
3.653
AS3: If the course content interests me, I can study
more regularly and effectively and I will be
successful.
0.820
0.196
21.189
3.342
AS4: Course success is a goal that can be achieved
with study rather than intelligence and talent.
0.814
0.216
15.751
2.841
AS5: The digital environment has a positive effect
on my learning performance.
0.717
0.225
12.838
2.558
AS6: I enjoy the digital learning experience.
0.719
0.222
13.024
2.557
P1: I prefer distance or e-learning system as
educational subjects meet my needs.
0.760
0.266
0.563
14.545
1.908
P2: I prefer distance or e-learning systems as they
give me new and useful knowledge / skills.
0.795
0.261
16.242
1.800
P3: I would prefer distance or e-learning systems
as they will help in developing my career.
0.741
0.198
12.725
1.971
P4: I have a positive attitude and evaluation of the
functioning of distance or e-learning systems
0.817
0.277
15.899
2.207
P5: I would like to study in other fields with
distance or e-learning systems.
0.773
0.281
13.375
1.818
Source: Devised by the authors
The values of these variables and their measurement expressions are given in Table 1.
Factor loadings show the relationship of expressions with the factors while performing factor
analysis. Factor Weights shows the weights of expressions in variables. Factor weights indicate
whether there is a multicollinearity problem between expressions, and factor weights should
not be negative whether the model is reflective or formative (HAIR
et al.
, 2017; ADIGÜZEL
et al.
, 2020). When Table 1 is examined, it can be seen that all factor weight values are positive.
Factor loadings for all five variables were found over 0.70. R Square shows how much of the
argument explains the change in the dependent variable. The part explained between the
variables is defined as follows for certain coefficients. R square values greater than 0.75 are
interpreted as high, between 0.75 and 0.50 as medium, and between 0.50 and 0.25 as weak
correlation (HENSELER
et al.
, 2009; ÖZDEMIR
et al.
, 2022). Since all R square values in the
table are between 0.50 and 0.25 values, it means there is a medium relationship between
variables. T values indicate expressions' suitability for the latent variable. These values are
required to be greater than 1.96, which is the t table value at the 5% significance level. Values
greater than 1.96 indicate that expressions are meaningful for the latent variable. All calculated
t values are greater than 1.96. Variance Inflation Factor (VIF) values were examined to see if
there are multicollinearity problems. If the VIF value obtained as a result of the analysis is
greater than 10, there is definitely a Multicollinearity problem. When VIF values are not above
3, there is no multiple linearity problem (DIAMANTOPOULOS; SIGUAW, 2006). If VIF
values are below 5, there is no multiple linearity problem (HAIR
et al.
, 2017). For SmartPLS,
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3427
this value is limited to 3. When the VIF column is examined, it can be seen that there is no
multicollinearity problem in the model. In the factor analysis stages, all model variables and
expressions gave appropriate results (ADIGÜZEL
et al.
, 2020).
Table 2
–
Construct Reliability and Validity
Number of Items
Cronbach’s
Alpha
Rho_A
Composite
Reliability (CR)
Average Variance
Extracted (AVE)
AS
6
0.882
0.881
0.911
0.632
CMQ
4
0.907
0.927
0.935
0.782
ISI
5
0.898
0.901
0.925
0.712
LMS
5
0.927
0.932
0.943
0.735
P
5
0.837
0.843
0.884
0.605
Source: Devised by the authors
Cronbach alpha coefficient is the most widely used estimator of the reliability of tests
and scales (HOGAN
et al.
, 2013). Cronbach’s Alpha values were all over 0.81. It is interpreted
as "High" between 0.81 <α <1.00. Rho_A; The coefficient is a coefficient that indicates whether
the data is consistent and shows the reliability level of the resulting factor items (DIJKSTRA;
HENSELER, 2015). If this coefficient is above 0.70, it indicates reliable measurement and data
is consistent (RATZMANN
et al.
, 2016). All calculated Rho_A values are greater than 0.70. In
other words, it can be said that the data for this scale are consistent and reliable. Composite
Reliability (CR)values, one of the values showing model reliability, are above 0.70 for each
variable. AVE values must be 0.50 or higher in order to be able to properly adhere to the validity
of the model, and all values obtained are both above 0.50 and less than the CR of the relevant
variable. The Rho_A coefficient indicates whether factor items are reliable. Average Variance
Extracted (AVE) value gives the Convergent Validity of the scale. In order to ensure
Convergent Validity, the AVE value must be greater than 0.50 and the CR value must be greater
than 0.70 (HAIR
et al.
, 2019; ADIGUZEL
et al.
, 2020). AVE and CR values show again that
the scale is reliable and valid.
Table 3
–
Latent Variables Correlation, Discriminant Validity and Fit Index
Correlation Values and Discriminant Validity
(Fornell Larcker Criterion)
Heterotrait-Monotrait (HTMT) Ratios
AS
CMQ
ISI
LMS
P
AS
CMQ
ISI
LMS
AS
0.795*
CMQ
0.672
0.884*
0.747
ISI
0.646
0.535
0.844*
0.703
0.580
LMS
0.567
0.432
0.591
0.857*
0.619
0.477
0.640
P
0.713
0.609
0.638
0.569
0.778*
0.819
0.690
0.721
0.624
Source: Devised by the authors
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3428
According to Fornell Larcker (1981) criterion, when a latent variable is compared with
itself, the validity value obtained should be greater than all values in the same column and same
row of the table (FORNELL, LARCKER, 1981). Another discriminant validity control value
is the HTMT ratio and this value should be less than 0.85 (CLARK; WATSON, 1995; KLINE,
2011; ADIGÜZEL
et al.
, 2020) or 0.90 (GOLD
et al.
, 2001), Discriminant Validity could not
be achieved. Table 3 shows the correlations between latent variables and Fornell-Larcker
Criterion results and Heterotrait-Monotrait (HTMT) ratios for Discriminant Validity. There is
an appropriate level of correlation between the variables. In the Discriminant Validity columns,
those shown with bold and an asterisk are the coefficients given according to Fornell-Larcker
criteria. The values below give the correlation coefficients between variables. Values shown in
bold in the table for Fornell-Larcker Criteria are greater than all row and column values in the
section reserved for this criterion. At the same time, all HTMT values are less than 0.85 as
reference. Both results show that the model provides separation validity.
When the path model results given in Table 4 are examined, it can be seen that the t
values of all path coefficients are greater than 1.96 and the p values are less than 0.05. This
result indicates that all hypotheses are supported and the paths are significant. There is a
significant positive relationship between the variables.
Table 4
–
Path coefficients and test results for hypotheses
Hip.
Paths
Path Coefficients
T Statistics
P Values
Conclusion
H1
ISI
→
CMQ
0.535
7.661
0.000
Accepted
H2
ISI
→
LMS
0.591
8.463
0.000
Accepted
H3
CMQ
→
AS
0.431
5.140
0.000
Accepted
H4
LMS
→
AS
0.211
2.148
0.032
Accepted
H5
ISI
→
AS
0.281
2.739
0.000
Accepted
H6
AS
→
P
0.516
6.016
0.000
Accepted
H7
ISI
→
P
0.309
3.777
0.000
Accepted
Source: Devised by the authors
The acceptance of the hypotheses also shows that the data collected support the
literature. The hypotheses between H1-H7, which were established with their justifications in
the literature section, were accepted. The effects of the E-learning system infrastructure, which
is the focus point of the study, are revealed in each hypothesis test. The mediation effect of
Academic Success variable between ISI and P variables constitutes the other focus of the study.
Path analysis results are given in the Table 5. below.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3429
Table 5
–
Path coefficients and test results for hypotheses
Hip.
Paths
Path Coefficients
T Statistics
P Values
Conclusion
H8
ISI
→
AS
→
P
0.145
2.721
0.007
Accepted
Source: Devised by the authors
Path analysis for ISI
→
AS
→
P gives positive results. Accordingly, while going from ISI
variable to P variable, variable AS is a suitable variable. H8 hypothesis was accepted. To
determine the extent of this effect, VAF values were examined. The results are given in Table
6.
Table 6
–
Mediator Effect Results
Hip.
Paths
Path
Coef.
(a)
Path
Coef.
(b)
Path
Coef.
(c)
VAF
Conclusion
H8
ISI
→
AS
→
P
0.281
0.516
0.309
0.319
Admission/Partial
Source: Devised by the authors
In the last part of the application, the mediator effect of AS has been investigated. In the
mediator impact study for testing of the H8 hypothesis, the VAF value suggested by Nitzl and
Hirsch (2016) was used. While calculating the VAF value; VAF = a*b/(a*b+c) equation is used.
If VAF values are below 20%, zero mediator effect is mentioned, while 20-80% of VAF value
means partial and more than 80% means full mediator effect (HAIR
et al.
, 2017). When Table
6. is examined, it can be seen that AS variable has a mediation variable effect for the H8
hypothesis. AS variable for H8 hypothesis has a partial mediator effect.
Discussions and conclusion
The use of e-learning systems instead of formal education depending on today's
environmental conditions is important for the effective execution of the pandemic process. In
this period, the adoption and sustainability of e-learning systems, whose use has become
widespread all over the world, depends on their preference over traditional methods. An
application that is not adopted cannot be expected to be sustainable. For this reason, it is
inevitable to return to formal education when the pandemic conditions disappear. A preferred
e-learning model compared to traditional education systems can continue to be implemented
under normal conditions. Since e-learning requires the extensive use of computing
technologies, for the model to be successful, users must accept technology and be convinced
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3430
that it will support their learning. Easy learning, use, and user satisfaction of systems based on
information technologies are important factors for preferability. At the same time, the quality
of course materials and auxiliary training tools also support preferability in terms of user
success and satisfaction. The digital materials used are also an important factor for the success
and preferability of the e-learning system, and the success of learning management systems has
an important role in ensuring the active use of this factor. The mentioned systems can be made
stronger in terms of preferability by ensuring academic success.
This article presents a theoretical background that includes the effects of the Information
System Infrastructure variable on the Learning Management System, Academic Success,
Course Materials Quality, and Preferability. Based upon theory, a model was proposed and
validated empirically in Turkish universities. This study shows that the publications given in
the research model in Figure1 are confirmed, all hypotheses are supported and accepted.
Information System Infrastructure has a positive effect on all other variables. The highlight of
the study. Academic success had a mediation effect on the positive effect of Information System
Infrastructure on Preferability. In the analysis, it was found that the AS variable had a partial
mediator effect in the interaction of Information System Infrastructure and Preferability. This
result contributed to the literature for the analysis of similar relationships.
REFERENCES
ADIGÜZEL, Z.; SÖNMEZ ÇAKIR, F.;
KÜÇÜKOĞLU
, I. The Effects of Organizational
Communication and Participative Leadership on Organizational Commitment and Job
Satisfaction in Organisations,
BMIJ
, v. 8, n. 4, p. 829-856, 2020. DOI:
http://dx.doi.org/10.15295/bmij.v8i4.1593.
AJZEN, I. The theory of planned behavior.
Organizational Behavior and Human Decision
Processes
, v. 50, n. 2, p. 179-211, 1991. DOI: http://dx.doi.org/10.1016/0749-5978(91)
90020-T.
APARICIO, M.; BACAO, F.; OLIVEIRA, T. Cultural impacts on e-learning systems'
success.
The Internet and Higher Education
, v. 31, p. 58-70, 2016.
BAROUDI, J. J., OLSON, M. H.; IVES, B. An empirical study of the impact of user
involvement on system usage and information satisfaction.
Communications of the ACM
, v.
29, p. 232-238, 1986.
BUZZARD, C.
et al
. The use of digital technologies in the classroom: A teaching and
learning perspective.
Journal of Marketing Education
, v. 33, n. 2, p. 131
–
139, 2011.
CHENEY, P. H.; DICKSON, W. Organizational characteristics and information systems: an
exploratory investigation.
Academy of Management Journal
, v. 25, n. 1, p. 170-184, 1982.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3431
CIDRAL, W. A.; OLIVEIRA T.; FELICE, M.; APARICIO, M. E-learning success
determinants: Brazilian empirical study.
Computers and Education
, v. 122, p. 273-290,
2018.
CLARK, L. A.; WATSON, D. Constructing validity: Basic issues in objective scale
development.
Psychological assessment
, v. 7, n. 3, p. 309, 1995.
CONRATH, D. W.; MIGNEN, O. P. What is being done to measure user satisfaction with
EDP/MIS.
Information and Management
, v. 19, n. 1, p. 7-19, 1990. DOI:
http://dx.doi.org/10.1016/0378-7206(90)90010-F.
DAVIS, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information
technology.
MIS Quarterly (MISQ)
, v. 13, 3, p. 319-339, 1989.
DELONE, W. H. Determinants of success for computer usage in small business
. MIS
Quarterly (MISQ)
, v. 12, n. 1, p. 51-61, 1988.
DELONE, W. H.; MCLEAN, E. R. Information systems success: The quest for the dependent
variable.
Information Systems Research
, v. 3, n. 1, p. 60-95, 1992.
DELONE, W. H.; MCLEAN, E. R. The DeLone and McLean model of information systems
success: A ten-year update.
Journal of Management Information Systems
, v. 19, n. 4, p. 9-
30, 2003. DOI: http://dx.doi.org/10.1073/pnas.0914199107.
DIAMANTOPOULOS, A.; SIGUAW, J. A. Formative versus reflective indicators in
organizational measure development: A comparison and empirical illustration.
British
Journal of Management
, v. 17, n. 4, p. 263-282, 2006.
DIJKSTRA, T. K.; HENSELER, J. Consistent partial least squares path modeling.
MIS
Quarterly (MISQ)
, v. 39, n. 2, p. 297-316, 2015.
FALLAH, M. H.; HOW, W. J.; UBELL, R. Blind scores in a graduate test:Conventional
compared with Web-based outcomes.
ALN Magazine
, v. 4, n. 2, 2000.
FORNELL, C.; LARCKER, D. F. Evaluating structural equation models with unobservable
variables and measurement error.
Journal of Marketing Research
, v. 18, n. 1, p. 39
–
50,
1981. DOI: https://doi.org/10.2307/3151312.
FREEZE R. D.; ALSHARE K. A.; LANE P. L.; WEN H. J. IS Success Model in E-Learning
Context Based on Students' Perceptions.
Journal of Information Systems Education
, v. 21,
n. 2, 2010.
GOLD, A. H.; MALHOTRA, A.; SEGARS, A. H. Knowledge management: an
organizational capabilities perspective.
Journal of Management Information Systems
, v.
18, n. 1, p. 185
–
214, 2001.
GUIMARAES, T.; ARMSTRONG, C. P.; O'NEAL, Q. Empirically testing some important
factors for expert systems quality.
Quality Management Journal
, v. 13, n. 3, p. 28-38, 2006.
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3432
GUIMARAES, T.; STAPLES, S.; MCKEEN, J. Important human factors for systems
development success: A user focus.
In
: SHAYO, C. (Ed.).
Strategies for Managing IS
Personnel
. Idea Group Publishing, 2003.
HAIR, F.
et al
. A primer on partial least squares structural equation modeling (PLS-SEM). 2.
ed. Sage Publications, 2017.
HAIR, J. F.
et al
. When to use and how to report the results of PLS-SEM.
European
Business Review
, v. 31, n. 1, p. 2-24, 2019.
HARA, N.; KLING
, R. Students’ distress with a Web
-based distance education course: an
ethnographic study of participants’ experiences.
Information, Communication and Society,
v. 3, n. 4, p. 557
–
579, 2000.
HENSELER, J.; RINGLE, C. M.; SINKOVICS, R. R.
The Use of Partial Least Squares
Path Modeling in International Marketing
. Advances in International Marketing. Bingley:
Emerald, 2009.
HEO, J.; HAN, I. Performance measure of information systems (IS) in evolving computing
environments: An empirical investigation.
Information and Management
, v. 40, n. 4, p.
243-256, 2003. DOI: http://dx.doi.org/10.1016/S0378-7206(02)00007-1.
HILTZ, S. R.; TUROFF, M. What makes learning networks effective? Commun.
ACM,
45(4), 56
–
59. 2002.
HOGAN, T. P.; BENJAMIN, A.; BREZINSKI, K. L. Reliability methods: A note on the
frequency of use of various types.
Educationaland Psychological Measurement
, v. 60, p.
523-531, 2000.
HOLLENBECK, C. R.; MASON, C. H.; SONG, J. H. Enhancing student learning in
marketing courses: An exploration of fundamental principles for websiteplatforms.
Journal
of Marketing Education
, v. 33, n. 2, p. 171-182. DOI:
http://dx.doi.org/10.1016/j.chb.2005.10.006.
HOLMGREN, R. HAAKE, U.; SÖDERSTRÖM, T. Firefighter learning at a distance: a
longitudinal study.
Journal of Computer Assisted Learning
, v. 33, n. 5, p. 500
–
512, 2017.
IGBARIA, M.; ZINATELLI, N.; CAVAYE, A. L. M. Analysis of information technology
success in small firms in New Zealand.
International Journal of Information
Managemen
t, v. 18, n. 2, 103e119, 1998.
IVES, B.; OLSON, M. H. User involvement and MIS success: A review of research.
Management Science
, v. 30, n. 5, p. 586-603, 1984.
IVES, B.; OLSON, M.; BAROUDI, J. The Measurement of User Satisfaction.
Communications of the ACM
, v. 26, n. 10 785-793, 1983.
KIM, K.
et al
. The Impact of CMS Quality on the Outcomes of E-learning Systems in Higher
Education: An Empirical Study.
Decision Sciences Journal of Innovative Education
, v. 10,
n. 4, p. 575-587, 2012.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3433
KLINE, R. B.
Principles and practice of structural equation
. The Guilford Press, 2011.
LAWRENCE, M.; LOW, G. Exploring individual user satisfaction within user-led
development.
MIS Quarterly (MISQ)
, p. 195-208, 1993.
MAKI, R. H.
et al
. Evaluation of a Web-based introductory psychology course: learning and
satisfaction in online versus lecture courses.
Behavior Research Methods, Instruments, and
Computers
, v. 32, n. 2, p. 230
–
239, 2000.
MOHAMMADI, H. Investigating users' perspectives on e-learning: An integration of TAM
and IS success model.
Computers in Human Behavior
, v. 45, p. 359-374, 2015.
MORALES, C.; CORY, C.; BOZELL, D. A comparative efficiency study between a live
lecture and a Web-based live-switched multi-camera streaming video distance learning
instructional unit.
In:
INFORMATION RESOURCES MANAGEMENT ASSOCIATION
INTERNATIONAL CONFERENCE, 2001, Toronto.
Proceedings
[…]. Toronto, Ontario,
2001. p. 63
–
66.
MTEBE J. S.; RAISAMO R. A model For Assessing Learning Management System Success
in Higher Education in Sub-Saharan Countries.
EJISDC
, v. 61, n. 7, p. 1-17, 2014.
NITZL, C.; HIRSCH
, B. The drivers of a superior’s
trust formation in his subordinate: The
manager
–
management accountant example.
Journal of Accounting and Organizational
Change
, v. 12, n. 4, p. 472-503, 2016.
ÖZDEMIR, S.; SONMEZ CAKIR, F.; ADIGUZEL, Z. "Examination of customer relations
management in banks in terms of strategic, technological and innovation capability",
Journal
of Contemporary Marketing Science
, v. 2, p. 176-195, 2022. DOI:
https://doi.org/10.1108/JCMARS-12-2021-0044.
PAYNE, N. J.
et al
. Placing a hand in the fire: Assessing the impact of a YouTube
experiential learning project on viral marketing knowledge acquisition.
Journal of
Marketing Education
, n. 2, p. 204-216, 2011.
PETTER, S.; DELONE, W.; MCLEAN, E. Measuring information systems success: models,
dimensions, measures, and interrelationships.
European Journal of Information Systems
, v.
17, n. 3, p. 236-263, 2008.
PETTER, S.; DELONE, W.; MCLEAN, E. R. The past, present, and future of IS success.
Journal of the Association for Information Systems
, v. 13, n. 5, p. 341-362, 2012.
PICCOLI, G.; AHMAD, R.; IVES, B. Web-based virtual learning environments: A research
framework and a preliminary assessment of effectiveness in basic IT skills training.
MIS
Quarterly
, v. 25, n. 4, p. 401
–
426, 2001.
PITT, L. F.; WATSON, R. T.; KAVAN, C. B. Service quality: A measure of information
systems effectiveness.
MIS Quarterly (MISQ)
, 173e187. 1995.
image/svg+xml
Mehmet Sinan BAŞAR and Fatma SÖNMEZ ÇAKIR
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3434
RAI, A.; LANG, S.; WELKER, R. Assessing the validity of IS success models: An empirical
test and theoretical analysis.
MIS Quarterly (MISQ)
, v. 13, n. 1, p. 50-69, 2002.
RATZMANN, M.; GUDERGAN, S. P.; BOUNCKEN, R. Capturing heterogeneity and PLS-
SEM prediction ability: Alliance governance and innovation.
Journal of Business Research
,
v. 69, n. 10, p. 4593-4603, 2016.
RAYMOND, L. Organization context and information systems success: A contingency
approach.
Journal of Management Information Systems
, v. 6, n. 4, p. 5-20, 1990.
RAYMOND, L. Organizational characteristics and MIS success in the context of small
business.
MIS Quarterly (MISQ)
, v. 9, n. 1, v. 37, 1985. DOI:
http://dx.doi.org/10.2307/249272.
ROCKART, J. F. The changing role of the information systems executive: A critical success
factors perspective.
MIS Quarterly Special Issue
, dec. 1982.
SAKAGUCHI, T.; FROLICK, M. A review of data warehousing literature.
Journal of Data
Warehousing
, v. 2, n. 1, p. 34-54, 1997.
SEDDON, P. B.
et al
. Dimensions of information systems success. Commun.
AIS
, v. 2, n. 3,
1999.
SRINIVASAN, A. Alternative measure of systems effectiveness: Association and
implications.
MIS Quarterly (MISQ)
, v. 9, n. 3, p. 243-253, 1985.
SUN, P.-C.
et al
. What drives a successful e-Learning? An empirical investigation of the
critical factors influencing learner satisfaction.
Computers and Education
, v. 50, n. 4, p.
1183-1202, 2008. DOI: http://dx.doi.org/10.1016/j.compedu.2006.11.007.
SWAID, S. I.; WIGAND, R.T. Measuring the Quality of E-Service: Scale Development and
Initial Validation.
Journal of Electronic Commerce Research
, v. 10, n. 13, 2009.
URBACH, N.; SMOLNIK, S.; RIEMPP, G. An empirical investigation of employee portal
success.
The Journal of Strategic Information Systems
, v. 19, n. 3, 184e206, 2010.
http://dx.doi.org/10.1016/j.jsis.2010.06.002.
WANG, Y.-S.; WANG, H.-Y.; SHEE, D. Y. Measuring e-learning systems success in an
organizational context: Scale development and validation.
Computers in Human Behavior
,
v. 23, n. 4, p. 1792-1808, 2007.
YAP, C.; SOH, C.; RAMAN, K. Information systems success factors in small business.
Omega
, v. 20, n. 5-6, p. 597-609, 1992. DOI: http://dx.doi.org/10.1016/0305-0483(92)
90005-R.
ZHANG, D.
et al
. Can E-
Learnıng Replace Classroom Learning,
Communıcatıons Of The
Acm
, v. 47, n. 5, 2004.
image/svg+xml
Examination of the factors affecting the preference of open education and e-learning with the structural equation model
RPGE
–
Revista on line de Política e Gestão Educacional, Araraquara, v. 26, n. 00, e022159, 2022. ISSN: 1519-9029
DOI:
https://doi.org/10.22633/rpge.v26i00.17468
3435
How to reference this article
BAŞAR, M. S.; SÖNMEZ ÇAKIR, F
.
Examination of the factors affecting the preference of
open education and e-learning with the structural equation model
.
Revista on line de Política
e Gestão Educacional
, Araraquara, v. 26, n. 00, e022159, 2022. e-ISSN: 1519-9029. DOI:
https://doi.org/10.22633/rpge.v26i00.17468
Submitted
: 15/07/2022
Required revisions
: 17/08/2022
Approved
: 20/10/2022
Published
: 30/12/2022
Processing and Editing: Editora Ibero-Americana de Educação.
Correction, formatting, normalization and translation.