Autoria: Anatalia Saraiva Martins Ramos, Jaqueline Emília Silva, Maria Luiza Azevedo de Carvalho

Transcrição

1 Fatores que Influenciam o Uso de um Ambiente Virtual de Aprendizagem por Alunos de Graduação em Administração na Modalidade a Distância: uma pesquisa exploratóriodescritiva estendendo o Modelo de Aceitação da Tecnologia Autoria: Anatalia Saraiva Martins Ramos, Jaqueline Emília Silva, Maria Luiza Azevedo de Carvalho Resumo O artigo identifica os fatores que influenciam a adoção de um Ambiente Virtual de Aprendizagem (AVA) segundo um modelo teórico de aceitação da tecnologia (TAM). Através de um levantamento de dados, cujo instrumento de coleta foi um questionário estruturado, obteve-se uma amostra de 244 alunos de um curso de Administração oferecido na modalidade a distância. Empregando técnicas de análise fatorial e de regressão linear, verificou-se que, além dos construtos tradicionais do TAM, os fatores norma subjetiva, qualidade da informação, autoeficácia computacional e atuação da tutoria podem ser aplicados para a compreensão do uso do AVA por parte dos alunos. Palavras-Chave: Modelo de Aceitação de Tecnologia, Ambiente Virtual de Aprendizagem, Norma Subjetiva, Qualidade da Informação, Autoeficácia computacional, Tutoria. 1

2 1. Introdução A adoção da TI tem sido estudada por diversos autores que buscam entender a aceitação individual da tecnologia em ambientes de aprendizagem eletrônica. Observa-se que a maioria dos estudos utiliza o Modelo de Aceitação de Tecnologia (TAM) (Davis, 1989) e seus dois constructos básicos: Utilidade percebida (perceived usefulness - PU) e facilidade de uso percebida (perceived ease of use - PEOU), variando as propostas de influência destas variáveis na atitude, intenção ou uso real dos sistemas estudados, bem como no acréscimo de diferentes variáveis externas às pesquisas, como autoeficácia computacional, norma subjetiva e experiência de uso (Gong, Xu & Yu, 2004; Lee, Lee & Lee, 2006; Stoel & Lee, 2003; Oliveira & Ramos, 2009). A adoção da tecnologia de informação pode ser observada em diversos contextos, sendo estudada tanto do ponto de vista organizacional quanto individual ao longo dos anos. Um dos contextos estudados de forma crescente nos últimos anos é o de ambientes virtuais de aprendizagem (AVA) (Cheng et al., 2011; Hong et al., 2011; Huang et al., 2012; Kiraz & Ozdemir, 2006; Martins & Kellermanns, 2004; Pituch & Lee, 2006; Sanchez-Franco, 2010; Sugar et al, 2005; Teo & Noyes, 2011). No contexto do presente artigo, o AVA é considerado como sinônimo de educação a distância (EaD) e de e-learning. A EaD vem assumindo, cada vez mais, uma posição de destaque no cenário educacional da sociedade contemporânea (Jaeger & Accorssi, 2001). O ensino a distância via internet está promovendo a ascensão da conveniência e flexibilidade de estrutura para os estudantes, rompendo o paradigma de que os mesmos devem necessariamente dirigir-se às salas de aula para aprender (Daugherty & Funke, 1998). Embora seja perceptível o crescimento no número de cursos a distância, ainda existem algumas dificuldades a serem superadas para que haja um amplo desenvolvimento desta modalidade de ensino. Uma realidade presente neste cenário é a alta evasão dos alunos. De acordo com o ABRAEAD (2007), nos cursos de graduação a distância, 96% da evasão ocorre nos primeiros semestres do curso. Além disso, uma pesquisa constatou que a adaptação a modalidade a distância é um dos fatores que mais contribui para que ocorra evasão (Pacheco et al., 2007). A adoção da tecnologia de informação (TI) vem sendo bastante estudada tanto do ponto de vista organizacional quanto individual em diversos contextos, ao longo dos anos. Um desses contextos é o de sistemas ou ambientes de aprendizagem virtual (AVA), empregados como plataforma de ensino para a educação a distância (EaD). Diante da dimensão que vem tomando a EaD no Brasil, vários estudos tentam entender o funcionamento deste método de ensino, seja do ponto de vista da evasão (Abbad et al., 2006; Pacheco et. al., 2007), da intenção de continuidade (Oliveira & Ramos, 2009), da utilização no cenário empresarial (Ghedine,Testa & Freitas, 2008), dos fatores inibidores e facilitadores (Lee, 2008), da implantação (Carvalho Neto et al,. 2006, da diferença com a modalidade presencial, da influência social (Lee et al., 2006), dentre outros. No entanto, não foram identificados estudos no campo da aceitação de tecnologia onde a atuação da tutoria seja considerada uma variável externa que influencia a percepção de utilidade e a percepção de facilidade de uso desse tipo de sistema. À luz desse contexto, apresenta-se o seguinte problema: Quais são os fatores que influenciam o uso de um ambiente virtual de aprendizagem por alunos de graduação em Administração a Distância? Para endereçar este problema, o trabalho busca identificar as variáveis que influenciam o aluno a usar um AVA, permitindo, assim, entender o que leva os alunos a adotarem o uso desse tipo de tecnologia. As variáveis analisadas foram: qualidade da informação, autoeficácia computacional, norma subjetiva, atuação do tutor, percepção de facilidade de uso e utilidade de uso e uso real. O artigo está estruturado da seguinte forma: inicia-se com esta introdução, que contextualiza o problema de pesquisa. O referencial teórico contempla uma breve caracterização de sistemas de educação a distância, apresenta modelos de adoção de 2

3 tecnologia e expõe o modelo de pesquisa. Em seguida, são apresentadas a metodologia, as análises e a discussão dos resultados. O estudo encerra-se com as considerações finais. 2. Referencial Teórico 2.1 Ambiente Virtual de Aprendizagem A denominação Ambiente Virtual de Aprendizagem (AVA) não tem obtido uma clara conceituação na literatura. Carvalho & Spinola (2001) não se surpreendem com o fato desse conceito não ser consensual, uma vez que ele envolve um grande número de enfoques e está relacionado a uma nova e complexa tecnologia de informação (TI). Assumimos que o AVA possui três critérios fundamentais: i) conexão em rede; ii) disponibilização de conteúdos para o aluno via computador; e iii) adoção de soluções que vão além dos paradigmas tradicionais de treinamento (Rosenberg, 2002). Seguindo a terminologia de Cheng (2006), podemos definir o AVA como sendo o on-line learning, onde o aprendizado é alcançado por meio de mídias como internet. Nesse estudo, são termos equivalentes ao AVA o e-learning, educação a distância, sistemas de aprendizagem eletrônica e web-based learning (WBL). 2.2 Modelos de adoção de tecnologia Amplamente adotado no meio acadêmico da área de gestão de sistemas de informação, o modelo de aceitação de tecnologia (TAM) foi projetado para compreender a relação causal entre variáveis externas de aceitação dos usuários e o uso real do computador, buscando entender o comportamento do usuário através do conhecimento da utilidade percebida, pois as pessoas tendem a usar ou não uma tecnologia com o objetivo de melhorar seu desempenho no trabalho, e da percepção de facilidade de uso (Davis, 1986). Uma meta-análise feita por Lee, Kozar & Larsen (2003) demonstrou que os vários estudos que utilizam o TAM como modelo de referência acrescentam novos fatores que são úteis para entender o processo de adoção de tecnologia por um indivíduo. Tais estudos foram aplicados com base em diferentes sistemas de informação, como o , groupware, processadores de texto, planilha, internet, e-commerce, entre outros, utilizando-se de variáveis externas como acessibilidade, experiência anterior, percepção de prazer, visibilidade, qualidade do sistema, normas subjetivas, entre outros. Apesar de o modelo TAM explicar razoavelmente bem a aceitação de usuários de uma tecnologia, algumas limitações devem ser destacadas. Primeiramente, é difícil contemplar em um único modelo todas as variáveis envolvidas no ambiente real de trabalho do usuário. Além disso, o TAM não leva em consideração variações temporais. As variáveis são medidas e verificadas uma vez, e refletem as percepções naquele momento do tempo. Por fim, o TAM assume que não existem impeditivos ou barreiras que podem impedir a utilização do sistema pelo usuário, enquanto, na realidade, o acesso dos usuários a determinados recursos necessários pode afetar a possibilidade de uso (Taylor & Todd, 1995). Em virtude das lacunas ainda deixadas pelo TAM, novas versões do modelo foram desenvolvidas ao longo do tempo. Nessa perspectiva, Davis & Venkatesh (2000) desenvolveram o TAM2, uma extensão do modelo TAM que contempla, além das variáveis já conhecidas do TAM (utilidade percebida e facilidade de uso percebida), construtos relativos ao processo de influência social (norma subjetiva, imagem e voluntariedade), bem como ao processo instrumental cognitivo (relevância do trabalho, qualidade, demonstrabilidade de resultados e experiência). Posteriormente, Venkatesh et al. (2003) criaram um modelo unificado que integrava os elementos de oito modelos que trabalham a aceitação da tecnologia, desenvolvendo, assim, a Teoria Unificada de Aceitação e Uso da Tecnologia (UTAUT). Continuando a evolução, Venkatesh & Bala (2008) desenvolveram o TAM3, ampliando o modelo anterior para integrar a autoeficácia computacional, a percepção de controle externo, a ansiedade computacional, o lúdico computacional, a percepção de diversão e a usabilidade, sendo algumas dessas 3

4 variáveis mediadas pela experiência de uso. No entanto, de todas as teorias e modelos relacionados à adoção da tecnologia, o TAM é considerado o mais amplamente utilizado para descrever a aceitação de TI e sistemas de informação pelos indivíduos (Lee, Kozar & Larsen, 2003; Cheng et al., 2011; Hong et al., 2011; Huang et al., 2012; Kiraz & Ozdemir, 2006; Martins & Kellermanns, 2004; Pituch & Lee, 2006; Sanchez-Franco, 2010; Sugar et al, 2005; Teo & Noyes, 2011). No presente estudo, fazemos uma adaptação do TAM para investigar a adoção de um AVA baseado no software livre Moodle. 2.3 Modelo de pesquisa Além das variáveis utilidade percebida e facilidade de uso percebida, ambas propostas pelo modelo TAM, nosso modelo testa as variáveis: norma subjetiva, percepção da qualidade da informação, percepção da autoeficácia computacional, bem como a percepção de atuação do tutor com relação ao uso de um sistema de aprendizagem eletrônico Facilidade de uso e utilidade percebida As pesquisas que se propõem a estudar a adoção da tecnologia por meio do TAM comumente utilizam os construtos facilidade de uso e utilidade percebida em seus modelos, encontrando significativos graus de explicação atribuídos a eles. No campo da EaD, com o intuito de analisar as percepções em relação aos recursos que podem facilitar ou inibir a adoção de AVA por parte de estudantes, Lee (2008) propõe uma extensão do TAM que compreende as perspectivas dos recursos intra e extraorganizacionais que incluem o suporte e treinamento computacionais, bem como a acessibilidade de equipamentos. Foram entrevistados 107 estudantes para a realização da pesquisa. Os resultados da pesquisa indicaram que a utilidade percebida é positivamente afetada pela facilidade de uso, pelo suporte e treinamento computacional interno, como também pelo suporte computacional externo na visão dos alunos. Já a facilidade de uso percebida foi positivamente afetada pelo suporte e treinamento interno, bem como pelo suporte, treinamento e acessibilidade de equipamentos externos. Da mesma maneira, os estudos relacionados a adoção de AVA seguem esta perspectiva (Oliveira & Ramos, 2008; Vasconcellos, 2008; Roca & Gagne, 2008; Raaij & Schepers, 2008). Diante disso, propomos as seguintes hipóteses relacionadas a estas variáveis: H 1 : A utilidade percebida exerce influência direta e positiva sobre o uso do sistema de aprendizagem eletrônico; H 2 : A facilidade de uso percebida exerce influência direta e positiva sobre o uso do sistema de aprendizagem eletrônico; H 3 : A facilidade de uso percebida exerce influência direta e positiva sobre a utilidade percebida do sistema de aprendizagem eletrônico Norma subjetiva A norma subjetiva (NS) é determinada pela percepção do indivíduo de que as referências sociais acham que ele deve ou não realizar um determinado comportamento. Essa pessoa está motivada a agir de acordo com os referentes mesmo quando não é a favor de determinado comportamento. Os referentes podem ser superiores: pais ou professores; ou pares: amigos ou colegas (Taylor & Todd, 1995). Proveniente de modelos comportamentais, o construto NS foi testado inicialmente sobre a intenção comportamental. Posteriormente, diversos autores identificaram a importância desta variável para o entendimento do comportamento de aceitação da tecnologia e, desde então, a NS tem sido estudada em diversos ambientes de TI como internet, e-learning e sistemas de informação organizacionais diversos (Yang & Choi, 2001; Malhotra & Galletta, 1999; Lee, Lee & Lee, 2006; Raaij & Schepers, 2008). Na EaD, um estudante pode acreditar que o professor pensa que ele deve utilizar o AVA, por exemplo. Se esse aluno está fortemente motivado para cumprir com as expectativas 4

5 do professor, pode ocorrer um impacto positivo sobre a norma subjetiva (Lee, 2006). Embora o efeito das normas subjetivas sobre a intenção não seja conclusivo, existe um conjunto significativo de estudos no que se refere à importância do papel da norma subjetiva sobre a utilização da tecnologia, direta ou indiretamente percebidos, onde foi encontrado um efeito direto da norma subjetiva sobre as intenções de uso quando o uso de sistemas de informação é obrigatório (Taylor & Todd, 1995; Venkatesh & Davis, 2000; Hsu & Lu, 2004). Do mesmo modo, teorizamos que o efeito direto da norma subjetiva sobre o uso de um AVA pode ser encontrado quando o professor/instituição obriga a sua utilização, pois a pressão da obrigatoriedade do uso do AVA permite aos estudantes superarem a barreira da utilização do sistema. Propomos a verificação da seguinte hipótese: H 4. A norma subjetiva exerce influência direta e positiva sobre a utilidade percebida Percepção da qualidade da informação Os resultados de estudos empíricos indicam que a qualidade da informação é um fator importante para a satisfação dos usuários com os sistemas de informação que, uma vez satisfeitos, tendem a utilizar esses sistemas (Delone & Mclean, 2003; Mckinney, Yoon & Zahedi, 2002). Em seu clássico estudo sobre o modelo de sucesso para sistemas de informação (SI), Delone & McLean (1992) estudaram seis categorias responsáveis pelo sucesso de um SI. Dentre elas, os autores destacam a qualidade da informação. Esses mesmos autores propuseram uma atualização no modelo TAM para sistemas de comércio eletrônico (Delone & McLean, 2003). No referido estudo, a qualidade da informação foi medida por cinco variáveis, sendo três delas resgatadas da proposta do estudo anterior (relevância, acurácia, atualidade, completude e compreensão) e duas (personalização e segurança) acrescentadas em virtude do contexto estudado. A importância da qualidade da informação pode ser verificada também no âmbito da EaD (Chiu et al., 2005; Chiu, Chiu & Chang, 2007). Para Chiu et al. (2005), a qualidade da informação em sistemas e-learning está relacionada com a atualidade, relevância e acurácia das informações geradas pelo referido sistema. Chiu, Chiu & Chang (2007) reafirmam a importância da relevância e da acurácia no entendimento da qualidade da informação, acrescentando que a completude e a facilidade de compreensão definem a qualidade da informação dos materiais de cursos online. Dessa forma, pressupõe-se que existe uma alta probabilidade de que o aluno considere a qualidade da informação como exercendo um efeito positivo sobre a aprendizagem, e, portanto, sobre a utilidade de usar o sistema, sendo razoável a colocação da seguinte hipótese para a pesquisa: H 5. A percepção da qualidade da informação exerce influência direta e positiva sobre a utilidade percebida Percepção da autoeficácia computacional A autoeficácia é um construto originado da Teoria Social Cognitiva desenvolvida por Bandura (1982) que diz respeito às crenças das pessoas acerca da sua própria capacidade de executar tarefas específicas. Compeau & Higgins (1995) adaptaram o conceito de autoeficácia para ambientes específicos de tecnologia da informação, que ficou conhecida como autoeficácia computacional e diz respeito à crença dos indivíduos com relação à sua capacidade de usar um computador. A autoeficácia tem sido estudada amplamente no cenário do ensino e aprendizagem (Compeau & Higgins, 1995; Gong, Xu & Yu; 2004; Ong & Lai, 2006), com resultados que demonstram que níveis mais elevados de autoeficácia conduzem a um melhor desempenho na aprendizagem. A autoeficácia computacional desempenha um papel crítico em termos do seu efeito sobre a facilidade de uso (Gong, Xu & Yu, 2004; Ong & Lai, 2006) e utilidade percebida (Ong & Lai, 2006), porque a confiança dos indivíduos nas suas habilidades e conhecimentos 5

6 computacionais podem influenciar o seu julgamento da facilidade ou dificuldade de realizar uma tarefa específica utilizando uma nova TI, bem como a sua percepção da utilidade ou benefício por utilizá-la. Este estudo examina se a autoeficácia computacional é um antecedente da PEOU e PU alterando as três distintas, mas interligadas, dimensões da autoeficácia computacional propostas por Compeau & Higgins (1995), que são a grandeza (magnitude da autoeficácia), a força e a capacidade de generalização. No contexto do e-learning, os estudantes com uma elevada magnitude de autoeficácia computacional acreditarão em sua capacidade de usar o AVA para receber educação. Nesse caso, não dependerão de um constante apoio e assistência (Lee, 2006). A "força da autoeficácia computacional" é interpretada como reflexo do poder de autojulgamento por parte dos indivíduos (Compeau & Higgins, 1995). Estudantes que possuam níveis elevados de força de autoeficácia computacional serão confiantes na sua capacidade de superar os obstáculos e alcançar aprendizagem, com a utilização do ELS. Aqueles com menor força de autoeficácia computacional terão menor confiança na sua capacidade de usar o sistema, e serão, portanto, mais facilmente dissuadidas pelas dificuldades encontradas (Lee, 2006). A terceira dimensão pressupõe que estudantes com uma menor capacidade de generalização da autoeficácia computacional tendem a utilizar apenas alguns dos dispositivos de software e hardware do AVA. Em contrapartida, aqueles com maior capacidade de generalização da autoeficácia computacional terão maior confiança na sua capacidade de utilizar diferentes dispositivos de software e hardware (Lee, 2006). Considerando a literatura utilizada foram propostas as seguintes hipóteses para este estudo: H 6. A Autoeficácia computacional exerce influência direta e positiva sobre a utilidade percebida; H 7. A Autoeficácia computacional exerce influência direta e positiva sobre a facilidade de uso percebida Percepção da atuação do tutor Diversos estudos relacionados com o tema da EaD refletem a importância do papel do tutor para o bom desempenho, bem como para a participação dos alunos nos cursos e- learning. Esses estudos revelam que, dentre os elementos internos que interferem na continuidade dos alunos nos cursos EAD, a figura do tutor tem se mostrado uma variável com elevado grau de explicação (Pacheco et al. 2007; Xenos, Pierrakeas & Pintelas, 2002; Tresman, 2002; Abbad, Carvalho & Zerbini, 2006). Com o objetivo de verificar quais são os principais fatores que influenciam na evasão dos estudantes de Administração a distância, Pacheco et al. (2007) identificaram que o relacionamento, bem como a motivação e incentivo por parte do tutor, constituem fatores citados como decisivos por parte dos alunos para o abandono de um curso a distância. Smet, Keer & Valcke (2008) buscaram compreender o comportamento dos tutores em grupos de discussão de alunos. Nesse estudo, o suporte social e motivacional do tutor mostrou ter uma importância contínua para a evolução do aluno nos debates online. Sob outra perspectiva, Zhang, Perris & Yeung (2005) afirmam que especialização tecnológica do tutor ou coordenador de curso terá um impacto evidente em como a Internet é usada no curso e- learning. Com base nos estudos descritos nessa seção, é possível perceber que a atuação do tutor no curso, por meio das funções acadêmica, institucional e orientadora, pode motivar os alunos a utilizar a tecnologia de e-learning, tanto por meio da demonstração da facilidade de uso do sistema, bem como da utilidade do mesmo para o aprendizado do aluno, influenciando, assim, o uso do sistema de aprendizagem eletrônica. Diante da lacuna de pesquisas anteriores que abordem este fator e o agregue ao modelo TAM, nosso estudo propõe as seguintes hipóteses: H 8. A percepção da atuação do tutor exerce influência direta e positiva sobre a utilidade percebida; H 9. A percepção da atuação do tutor exerce influência direta e positiva sobre a facilidade de uso Representação do modelo 6

7 Com base no exposto, o modelo que envolve as variáveis apresentadas acima e será utilizado nesta pesquisa é apresentado na figura 1. No referido modelo, as relações entre as variáveis propostas, bem como as hipóteses sugeridas na pesquisa podem ser observadas. Figura 1: Modelo de pesquisa 3. Procedimentos metodológicos A presente pesquisa buscou identificar quais os fatores que afetam a adoção de um AVA por parte dos alunos do curso de Administração a Distância de uma instituição federal de ensino superior (IFES). Para a consecução do objetivo proposto, adotou-se uma postura quantitativa, uma vez que se trabalhou essencialmente com escalas numéricas. É um estudo exploratório, pois está se propondo a testar uma variável nova; e descritivo porque se tem um modelo e se deseja investigar se suas premissas são corroboradas em um caso particular. O ambiente virtual de aprendizagem utilizado pelos alunos respondentes dessa pesquisa foi o Moodle, que é um software livre que fornece apoio ao processo de aprendizado, e que possui ampla difusão nas instituições educacionais. Franciosi et al. (2007) afirmam que o Moodle é um ambiente colaborativo de aprendizagem e abrange um contexto mais amplo no qual a utilização da tecnologia permite o compartilhamento de ações, com as quais todos atuam ao mesmo tempo como professores-aluno. Para operacionalização das variáveis o estudo utilizou-se basicamente de escalas já desenvolvidas e testadas na literatura para medir todas as construções avaliadas. As seguintes escalas foram usadas neste estudo: Uso Real: operacionalizado pela medição da frequência e intensidade de uso da plataforma Moodle; Utilidade Percebida: escalas de Davis, Bagozzi & Warshaw (1989); Venkatesh & Davis (2000); Lee et al. (2006), quatro indicadores; Facilidade de uso percebida: escalas de Davis, Bagozzi & Warshaw (1989) Venkatesh & Davis (2000); Lee et al. (2006), três indicadores; Norma subjetiva: Venkatesh et al., (2003); Lee et al. (2006), dois indicadores; Qualidade das informações: escalas de Delone & Mclean, (2003); Chiu et al. (2005); Chiu, Chiu & Chang (2007), cinco indicadores; Autoeficacia computacional: escalas de Compeau & Higgins, (1995); Gong; Xu & Yu (2004); Ong & Lai, (2006), três indicadores; Atuação do tutor: escala de Aretio (2002), três indicadores. O referido questionário foi composto por três blocos de perguntas. O primeiro bloco 7

8 teve como objetivo apreender a percepção dos alunos do curso de Administração a distância em relação aos fatores que influenciam o uso do sistema de aprendizagem eletrônico (elearning). Para isso, foi utilizada uma escala numérica de discordância e concordância, na qual os valores variavam de 1 (discordo totalmente) a 10 (concordo totalmente). O segundo bloco do questionário destinou-se a descrever o perfil de uso do sistema de aprendizagem eletrônico dos alunos do curso, através das variáveis: frequência e intensidade de uso, e o último bloco do questionário destinou-se a descrever o perfil demográfico dos alunos. A população dessa pesquisa compreendeu os alunos regularmente matriculados no semestre letivo de do curso de graduação em Administração na modalidade a distância (EaD) de uma universidade federal. Encontravam-se regularmente matriculados 389 alunos, distribuídos por cinco polos de ensino, localizados em duas capitais e três cidades do interior. A amostra da pesquisa é representada por 244 estudantes, correspondente à 62,72% do universo. A coleta dos dados se deu através do preenchimento do instrumento de pesquisa durante um encontro presencial de uma das disciplinas do curso em questão. Para identificar a associação entre as variáveis independentes com a variável dependente foi utilizada a estatística inferencial, mais precisamente, as técnicas de análise fatorial e regressão linear simples e múltipla. O processo de análise fatorial teve por objetivo obter variáveis latentes que explicassem os construtos teóricos desenvolvidos no estudo, realizando uma análise fatorial confirmatória (Hair et al., 2005; Malhotra, 2006). Já em relação a análise da regressão, que consiste em determinar uma função matemática que busca descrever o comportamento de determinada variável, denominada dependente, com base nos valores de uma ou mais variáveis, denominadas independentes (Cunha & Coelho, 2007), utilizou-se o método de estimação MMQ também conhecido como Método dos Mínimos Quadrados, uma vez que este método tem por objetivo obter a menor quantidade possível de resíduos (Cunha & Coelho, 2007). 4. Análise dos dados e discussão dos resultados Conforme os dados da tabela 1, os resultados da pesquisa mostraram que a maioria dos alunos é do sexo masculino, possuem mais de 40 anos de idade e são casados. Os dados corroboram com a constatação feita no Anuário Brasileiro e Estatístico da EAD, onde foi confirmado que a idade média dos alunos dos cursos a distância é maior do que na educação presencial (ABRAEAD, 2008). Característica Gênero Feminino Masculino Não responderam Estado civil Casado Solteiro Divorciados União estável Outros Idade anos anos Mais de 30 anos Não responderam Formação Superior incompleto Superior completo Percentual de todos os respondentes 69% 28% 3% 68% 18% 7% 3% 4% 2 % 8% 87% 3% 52% 9% 8

9 Cursando graduação 35% Outros 4% Tabela 1: Perfil da amostra Verificou-se, ainda, que a boa parte dos alunos já chegou a iniciar algum curso de graduação, não o tendo concluído e que quase todos os respondentes nunca haviam tido nenhum tipo de experiência anterior com a EaD. Além disso, a maioria dos alunos afirmou frequentar o ambiente virtual de aprendizagem de forma regular e se considerou razoavelmente ativo na plataforma de aprendizagem Moodle. Dada essa descrição inicial dos dados, verificou-se, por meio do Alpha de Cronbach, a consistência interna dos itens ao modelo. Alcançou-se um coeficiente de aproximadamente 0,912 o que demonstrou um elevado nível de consistência nas escalas (Malhotra, 2006; Hair et al, 2005). Após esta verificação, deu-se início ao processo de análise fatorial para a criação das variáveis latentes do modelo teórico da pesquisa. Os resultados estão expostos na tabela 2. Fatores Indicadores Média SD KMO Variância Total Eu acho moodle fácil de usar. 8,83 1,35 Minha interação com a plataforma de 0,608 1,745 Facilidade de 8,39 1,59 aprendizagem é clara e compreensível. Uso Interagir com moodle não requer muito esforço 7,81 2,24 mental. Usar o moodle melhora o meu desempenho de Utilidade aprendizagem. 8,47 1,59 percebida Usar o moodle torna o meu aprendizado mais 0,847 3,180 8,57 1,44 produtivo. Usar o moodle melhora a eficácia do meu aprendizado. 8,48 1,49 Acho que o moodle é útil para o meu aprendizado. 9,00 1,27 Eu estou apto a operar o moodle com menos suporte e assistência. 8,04 1,99 Autoeficácia Eu estou confiante que eu posso superar qualquer 7,77 1,72 Computacional obstáculo quando eu uso o moodle. 0,649 1,732 Eu acredito que eu posso utilizar diferentes softwares de aprendizagem eletrônica para receber educação. 8,89 1,40 O conteúdo do material do curso fornecido pelo moodle é completo. 7,66 1,89 O conteúdo do material do curso fornecido pelo 8,24 1,63 moodle é de fácil compreensão. Qualidade da O conteúdo do material do curso fornecido pelo 0,846 2,990 Informação 8,58 1,62 moodle é relevante. O conteúdo do material do curso fornecido pelo moodle é preciso. 8,30 1,55 O conteúdo do material do curso fornecido pelo moodle é atual. 8,76 1,36 Meus professores acham que eu devo usar a Norma plataforma. 9,00 1,37 0,500 1,316 Subjetiva Meus amigos acham que eu devo usar a plataforma. 7,92 1,96 Estímulo do tutor para uso da plataforma 9,24 1,26 Atuação do Apoio do tutor para esclarecimento de dúvidas de Tutor conteúdo 9,12 1,37 0,714 2,266 Fornecimento sistemático de informação de atividades da EaD pelo tutor 9,38 1,15 Tabela 2: Fatores, indicadores e medidas estatísticas Conforme se verifica na Tabela 2, o valor do eigenvalue do fator uso é superior ao 9

10 proposto na literatura. Tal constatação reforça a adequacidade do processo de análise fatorial, bem como a consistência na explicação do fator em questão. O fator apresenta um autovalor de 1,608, permanecendo acima de 1. No que se refere a variância é possível verificar que a variância explicada pelo fator latente é de 80, 410%. Todos os processos de análise fatorial resultaram em um KMO igual ou superior a 0,5, valor apontado pela literatura como sendo o ponto de corte para significância do procedimento (Malhotra, 2006; Hair et al., 2005). O processo de análise fatorial também possibilitou verificar o eigenvalue (autovalor) e a variância dos fatores criados. Para Malhotra (2006), fatores com autovalor inferior a 1 não são representativos, pois seu poder explicativo é igual ao de uma variável isolada. Já em relação a variância, o autor recomenda que os fatores extraídos respondam por, no mínimo, 60% da variância total explicada do modelo. Foi possível verificar que os valores do eigenvalue são superiores ao proposto pela literatura. O fator da Utilidade percebida apresentou o maior índice de autovalor (3,180), seguido dos fatores Qualidade da informação (2,990) e Atuação da tutoria (2,266). Autoeficácia computacional e Norma subjetiva apresentaram os menores índices de autovalores (1,732 e 1,316), porém, ambos permaneceram acima de 1. No que se refere à variância, é possível verificar que a variância explicada pelos fatores latentes na maioria dos casos supera e em outros se aproxima do valor ideal proposto por Malhotra (2006), que argumenta que a variância total do modelo deve se aproximar dos 60%. O fator que apresentou a maior variância total explicada foi Utilidade percebida, com 79,512% de variância total acumulada. O fator Atuação do tutor apresentou a segunda maior variância (75,526%) e, em seguida observa-se o fator Norma Subjetiva com o terceiro maior percentual de variância total acumulada (65,814%). Os outros três fatores analisados Qualidade da informação, Facilidade de uso e Autoeficácia computacional, obtiveram uma variância total acumulada próxima dos 60%. Após a confirmação das seis variáveis latentes da pesquisa, deu-se início ao processo de verificação das hipóteses norteadoras do estudo por meio da técnica de análise de regressão linear simples e múltipla. As hipóteses H 1 e H 2 foram testadas através da análise de regressão múltipla. Nesse sentido, buscou-se verificar a influência das percepções de utilidade e facilidade de uso na variável dependente Uso do sistema de aprendizagem eletrônica. Os dados da tabela 3 referem-se aos coeficientes do modelo de regressão múltipla. Os referidos dados possibilitam identificar que o Uso possui uma relação positiva com o construto utilidade percebida, sendo esta de 0,381. COEFICIENTES Modelo Coeficientes Não Padronizados Coeficientes Padronizados t Sig. B Erro Padrão Beta Constante -,007, ,113,911 Utilidade de sistema 0,381 0,061 0, ,000 Tabela 3: Coeficientes de regressão das hipóteses H 1 e H 2 Foi verificada a influência das variáveis: facilidade e utilidade de uso sobre o Uso do sistema de aprendizagem eletrônica. Além disso, observou-se que a utilidade percebida influencia positivamente o uso do sistema quando este é representado pela intensidade de uso, confirmando a H 1, ou seja, quanto maior a utilidade percebida do sistema, mais intenso é uso do mesmo. Este resultado corrobora com os resultados da pesquisa de Gong, Xu & Yu (2004), que também verificaram uma significativa relação entre a utilidade percebida e a intenção de uso do sistema de aprendizagem eletrônico. De acordo com os autores, as relações pelo modelo TAM foram confirmadas em seu estudo, com destaque para a utilidade percebida, que 10

11 exerceu efeito direto e mais significativo na intenção de uso. Já a Hipótese H 2 não pode ser confirmada, uma vez que os resultados sugeriram que os indicadores relacionados à facilidade de uso do sistema não exercem nenhuma influência estatística significante sobre a intenção no uso do e-learning. Embora divergente do resultado encontrado por Pituch & Lee et al.(2006), que identificaram que o uso é positivamente influenciado pela facilidade de uso percebida pelos alunos, o resultado encontrado nesta pesquisa pode ser justificado pela característica de uso obrigatório do sistema por parte dos alunos pesquisados. Ou seja, independente da facilidade de uso percebida pelos alunos, eles deverão usar o ambiente virtual, pois esta é condição determinante para a participação no curso oferecido na modalidade a distância. Os dados da tabela 4 possibilitam identificar que a utilidade percebida possui uma relação positiva com os construtos facilidade de uso, norma subjetiva e qualidade da informação. Isso significa que quando essas variáveis aumentam, utilidade percebida também é incrementada na razão dos coeficientes B dessas variáveis. Por meio da análise do nível de significância dos coeficientes, constatou-se que as relações entre as variáveis do estudo são significantes, uma vez que todos os níveis de significância encontrados são menores que 0,05. Observou-se, também, que o construto que mais influencia a utilidade percebida é a qualidade da informação, seguida dos construtos norma subjetiva e autoeficácia computacional, sendo esse último o que menos influencia a intenção de comportamento. COEFICIENTES Coeficientes Não Coeficientes Modelo Padronizados Padronizados t Sig. B Erro Padrão Beta Constante 3,380E-16 0,043,000 1,000 Qualidade da 0,495 0,050 0,495 9,991 0,000 Informação Norma Subjetiva 0,285 0,049 0,283 5,779 0,000 Facilidade de Uso 0,153 0,053 0,153 2,908 0,004 Tabela 4: Coeficientes de regressão das hipóteses H 3, H 4, H 5, H 6 e H 8 Nesse sentido, observou-se que as hipóteses H 3, H 4 e H 5 testadas por meio da análise de regressão múltipla foram confirmadas. Esses resultados corroboram com os que foram encontrados por Lee et al. (2006) que, por meio de sua pesquisa, identificou que a norma subjetiva exerce uma significativa influência sobre a variável utilidade percebida. Além disso, o autor identificou a forte influência da autoeficácia computacional sobre a utilidade percebida por parte dos alunos. No que se refere à variável qualidade da informação, o resultado encontrado neste estudo é coerente com estudos que identificaram a importância desta variável em ambientes de aprendizagem eletrônica (Chiu et al., 2005; Chiu, Chiu & Chang, 2007). Em seu estudo, Chiu, Chiu e Chang (2007) confirmaram a hipótese de que a qualidade da informação influencia positivamente a satisfação dos alunos em cursos e- learning. Chiu et al. (2005) confirmaram a hipótese de que a qualidade influencia a satisfação dos usuários do e-learning e esta, por sua vez, influencia a intenção de uso destes usuários. Por outro lado, verificou-se que as hipóteses H 8 e H 6 não puderam ser aceitas, uma vez que não se mostraram significativas na análise. Da mesma forma como ocorreu na H2, é provável que a rejeição dessas hipóteses se dê pelo fato do uso do e-learning ser obrigatório, ou seja, os alunos devem utilizar o sistema independentemente da atuação dos tutores ou da percepção de que são capazes para utilizá-lo, pois esta é a única maneira de participar do curso. As hipóteses H 7 e H 9 foram analisadas por meio da análise de regressão múltipla a fim de verificar se as percepções de autoeficácia computacional e da atuação da tutoria influenciam a facilidade de uso percebida pelos alunos. 11

12 Os dados evidenciados pela tabela 5 possibilitam a percepção de que a facilidade de uso percebida possui uma relação positiva com os construtos autoeficácia computacional e atuação da tutoria. Nesse sentido, observa-se que quando essas variáveis aumentam a facilidade de uso percebida também é incrementada na razão dos coeficientes B dessas variáveis. Por meio da análise do nível de significância dos coeficientes, constatou-se que as relações entre as variáveis do estudo são significantes, uma vez que todos os níveis de significância encontrados são menores que 0,05. COEFICIENTES Modelo Coeficientes Não Padronizados Coeficientes Padronizados t Sig. B Erro Padrão Beta Constante -0,005 0,045-0, Autoeficácia Computacional 0,605 0,051 0, Atuação da Tutoria 0,206 0,05 0,209 4,096 0 Tabela 5: Coeficientes de regressão das hipóteses H 7 e H 9 Por fim, observou-se que o construto autoeficácia computacional exerce uma maior influência sobre a facilidade de uso percebida do que o construto atuação da tutoria. No que se refere à percepção da autoeficácia, o resultado está coerente com pesquisas anteriores, uma vez que a autoeficácia no uso dos computadores tem sido apontada na literatura como uma variável que influencia positivamente a facilidade de uso percebida (Lee, 2006; Gong, Xu & Yu, 2004; Yuen & Ma, 2008). Lee et al. (2006) constatou que o construto autoeficácia computacional demonstra uma significativa influência sobre a facilidade de uso percebida pelos alunos. Gong, Xu & Yu (2004) também verificaram a influência da autoeficácia computacional na facilidade de uso percebida por parte dos alunos, identificando uma forte influência deste construto na variável dependente em questão. O estudo de Yuen & Ma (2008) percebeu que a autoeficácia computacional foi um determinante significativo para facilitar a percepção de uso e, portanto, de utilizar a tecnologia e-learning. A pesquisa demonstrou que a autoeficácia aumenta a confiança dos alunos no uso da tecnologia em geral. No tocante à atuação da tutoria, O resultado era esperado em virtude da importância atribuída na literatura à figura do tutor, em cursos na modalidade à distância. Nesse sentido, observa-se que a atuação do tutor influencia a percepção dos alunos em relação a facilidade de usar o ambiente virtual de aprendizagem pesquisado, o que possivelmente poderá ter uma influência sobre o uso de um sistema de aprendizagem eletrônica. 5. Considerações finais Esta pesquisa se propôs a identificar os fatores que influenciam a adoção do e-learning por parte dos alunos do curso de Administração a distância de uma instituição de ensino, tendo como base o TAM. A novidade desse estudo é que acrescentamos algumas outras variáveis que se mostraram relevantes na literatura levantada sobre o e-learning, sendo elas: norma subjetiva, qualidade da informação, autoeficácia computacional e atuação da tutoria. A maior contribuição dessa pesquisa é elucidar algumas questões importantes sobre a percepção de utilização de sistemas de informação no ambiente de ensino dentro do contexto brasileiro de uma IFES, testando um modelo teórico que tem obtido relevância na área de sistema de informação. A análise fatorial confirmou a adequação de todos os construtos propostos na pesquisa por meio dos testes de KMO - Kayser Meyer-Olkin, bem como por meio da análise do autovalor e da variância total explicada. Além disso, foi avaliada a consistência interna dos itens que compuseram cada fator e do conjunto de fatores por meio do Alpha de Cronbach. A 12

13 confirmação dos fatores latentes permitiu a realização da análise de regressão múltipla. A análise de regressão linear múltipla demonstrou que a utilidade percebida influencia positivamente o uso do sistema. Ou seja, quanto maior a utilidade percebida do sistema, mais intenso é uso do mesmo. Assim, os alunos acreditam que quanto maior o desempenho de sua aprendizagem maior o uso do ambiente virtual. Já as hipóteses H 2, H 6 e H 8, não foram confirmadas no modelo. As hipóteses que não puderam ser aceitas referem-se aos construtos da autoeficácia computacional e da atuação da tutoria, quando analisados em relação a utilidade percebida, bem como ao construto facilidade de uso, quando relacionado ao uso do sistema de aprendizagem eletrônico. Em ambos os casos, acredita-se que um dos motivos de rejeição das referidas hipóteses está relacionado ao ambiente de uso obrigatório do curso de Administração a distância, onde independentemente da atuação da tutoria, da autoeficácia computacional ou da facilidade de uso percebida, os alunos devem usar o e-learning. Outro motivo está relacionado ao caráter exploratório da pesquisa, que buscou conhecer as possíveis influências no uso e testou pela primeira vez a variável atuação da tutoria associada ao modelo TAM. Uma das limitações do estudo diz respeito ao fato de este ter sido desenvolvido em apenas uma instituição de ensino, em um contexto particular de um software livre. Nesse sentido, observa-se que os resultados aqui encontrados não podem ser generalizados para outras organizações e contextos. Outra limitação refere-se ao recorte transversal do estudo, uma vez que a percepção dos respondentes foi levantada em apenas um momento no tempo, sendo assim uma fotografia das opiniões dos alunos em um determinado momento. Também não se fez uma aplicação de modelagem de equações estruturais (MEE) a qual poderia prover uma outra representação da rede de relações entre os construtos investigados neste estudo. Com o intuito de ampliar as discussões sobre a adoção do e-learning e prosseguir com futuras abordagens, outros estudos que validem as variáveis adicionadas ao modelo TAM devem ser realizados. Nesse sentido, além de aplicar a pesquisa em outras instituições de ensino, pode-se estender o estudo para o contexto organizacional, buscando analisar resultados que representem o comportamento de uso dos indivíduos neste ambiente. Além disso, estudos que associem outros variáveis pertinentes a adoção do e-learning em ambientes de uso não obrigatório podem ser desenvolvidos, como nos MOOCs (massive open online courses). Referências ABBAD, G.; CARVALHO, R. S.; ZERBINI, T. Evasão em curso via internet: explorando variáveis explicativas. RAE eletrônica, São Paulo, v. 5, n. 2, ABRAED. Um em cada 73 brasileiros estuda a distância. Disponível em: < Acesso em: 20 jun ARETIO, L. G. La educación a distancia. 2. ed. Barcelona: Ariel, BANDURA, A. Self-efficacy mechanism in human agency, American Psychologist, v. 37, n. 2, p , CARVALHO NETO, S.; ZWICKER, R.; CAMPANHOL, E. M. Ensino on-line na graduação de administração: um estudo de prós, contras e da possibilidade de implantação de um ambiente virtual de aprendizagem em uma IES do estado de São Paulo. In: ENANPAD, 30., 2006, Salvador. XXX EnANPAD. Salvador: ANPAD, p CD-ROM. CARVALHO, M. A.; SPINOLA, M. E-learning: a nova fronteira do aprendizado. In: ENEGEP, 21., 2001, Salvador. XXI Encontro Nacional de Engenharia de Produção. CHANG, S-C; TUNG, F-C. An empirical investigation of students' behavioural intentions to use the online learning course websites. British Journal of Educational Technology, Oxford, v. 39, n. 1, p.71-83, CHENG, B.; WANG, M.; YANG, S.; PENG, K. Acceptance of competency-based workplace 13

14 e-learning systems: Effects of individual and peer learning support. Computers & Education, v. 57, n. 2, p , CHENG, K-W. A Research study on students' level of acceptance in applying elearning for business courses: a case study on a technical college in Taiwan. The Journal of American Academy of Business, Cambridge, v. 8, n. 2, p , mar CHIU, C.; et al. An empirical analysis of the antecedents of web-based learning continuance. Computers & Education, v. 49, p , CHIU, C.; et al. Usability, quality, value and e-learning continuance decisions. Computers & Education, v. 45, p , CHIU, C.; CHIU, C.; CHANG, H. Examining the integrated influence of fairness and quality on learners satisfaction and Web-based learning continuance intention. Info Systems J, p , COMPEAU, D. R.; HIGGINS, C. A. Computer self-efficacy: development of a measure and initial test. MIS Quarterly, v. 19, n. 2, p , CUNHA, J. V. A.; COELHO, A. C. Regressão linear múltipla. In: CORRAR, Luiz J.; PAULO, Edilson; DIAS FILHO, José Maria. Análise Multivariada. São Paulo: Atlas, p DAUGHERTY, Martha; FUNKE, Barbara L.. University faculty and student perceptions of web-based instruction. Journal of Distance Education, Washington, v. 13, n. 1, p.21-39, set DAVIS, F. D. A technology acceptance model for empirically testing new end-user information systems: theory and results p. Thesis (Doctorate at the sloan school of management) Massachusetts, DAVIS, F. D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, v. 13, n. 3, p , DAVIS, F. D.; BAGOZZI, R. P.; WARSHAW, P. R. User acceptance of computer technology: a comparison of two theoretical models. Management Science, v. 35, n. 8, p , ago 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, 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, FRANCIOSI, B.R.T.I.; MEDEIROS, M. F.; COLLA, A. L. Caos, criatividade e ambientes de aprendizagem. In: MEDEIROS, Marilú F.; FARIA, Elaine T. (Orgs.). Educação a distância: Cartografias Pulsantes em Movimento. Porto Alegre: EDIPUCRS, GHEDINE, T.; TESTA, M. G.; FREITAS, H. M. R. Educação a distância via internet em grandes empresas brasileiras. RAE - Revista de Administração de Empresas, São Paulo, v. 48, n. 4, p.49-63, GONG, M.; XU, Y.; YU, Y. An enhanced technology acceptance model for web-based learning. Journal of Information Systems Education, v. 15, n. 4, p , HAIR, A.; TATHAM, B. Análise multivariada de dados. 5. ed. São Paulo: Bookman, HONG, J.; HWANG, M.; HSU, H.; WONG, W.; CHEN, M. Applying the technology acceptance model in a study of the factors affecting usage of the Taiwan digital archives system. Computers & Education, v. 57, n. 3, p , HSU, C-L; LU, H-Pg. Why do people play on-line games?: an extended TAM with social influences and flow experience. Information & Management, v. 41, p , HUANG, A.; YANG, S.; LIAW, S. A study of user s acceptance on situacional mashups in situational language teaching. British Journal of Education Technology, v. 43, n.1, p.52,

15 JAEGER, F. P.; ACCORSSI, A. Tutoria em educação a distância. Disponível em < Acesso em: 15 out KIRAZ, E.; OZDEMIR, D. The Relationship between Educational Ideologies and Technology Acceptance in Pre-service Teachers. Educational Technology & Society, v. 9, n. 2, p , LEE, Y-C. The role of perceived resources in online learning adoption. Computers & Education, v. 50, p , LEE, Y.; KOZAR, K. A.; LARSEN, K. R.T. The technology acceptance model: past, present, and future. The communications of the association for information systems, v. 12, n. 50, LEE, Y.; LEE, J.; LEE, Z. Social Influence on technology acceptance behavior: Self-identity theory perspective. The Data Base For Advances In Information Systems, New York, v. 37, n. 2, p.60-75, set MALHOTRA, Y.; GALLETTA, D. F. Extending the Technology Acceptance Model to Account for Social Influence: Theoretical Bases and Empirical Validation. Proceedings of the 32nd Hawaii International Conference on System Sciences. Hawaii: IEEE, p MARTINS, L.L.; KELLERMANNS, F.W. A Model of Business School Students Acceptance of a Web-Based Course Management System. Academy of Management Learning and Education, v. 3, n. 1, p. 7-26, MCKINNEY, V.; YOON, K; ZAHEDI, F.M. The measurement of Web-customer Satisfaction: An Expectation and Disconfirmation Approach. Information Systems Research, v. 13, n. 3, p , OLIVEIRA, B. M. K.; RAMOS, A. S. M. Utilidade percebida, facilidade de uso e autoeficácia na intenção de continuidade de utilização do moodle: uma pesquisa com alunos de um projeto piloto da Universidade Aberta do Brasil. In.: Encontro de Administração da Informação, 2., 2009, Recife. Anais... Recife: ANPAD, ONG, C-S; LAI, J.-Y. Gender differences in perceptions and relationships among dominants of e-learning acceptance. Computers in Human Behavior, n. 22, p , PACHECO, A. S.V. et al. Fatores que influenciam na evasão nos cursos de graduação na modalidade a distância. In: ENADI, 1, 2007, Florianópolis. I Encontro de Administração da Informação. Florianópolis: ANPAD, p CD-ROM. PITUCH, K. A.; LEE, Y. The influence of system characteristics on e-learning use. Computer & Education, v. 47, n. 2, p , RAAIJ, E. M. V. SCHEPERS, J. The acceptance and use of a virtual learning environment in china. Computers & Education, v. 50, p , REYNOLDS, K. A. Going the distance with distance learning: an analysis of motivational factors that influence e-learning course completion rates f. Master Of Science In Information Resource Management, Air Force Institute of Technology, Ohio, ROCA, J. C.; GAGNE, M. Understanding e-learning continuance intention in the workplace: a self-determination theory perspective. Computers in Human Behavior, v. 24, p , SANCHEZ-FRANCO; M.J. WebCT The quasimoderating effect of perceived affective quality on an extending Technology Acceptance Model. Computers & Education, v.54, n.1, p: 7-46, SMET, M.; KEER, H. V.; VALCKE, M. Blending asynchronous discussion groups and peer tutoring in higher education: an exploratory study of online peer tutoring behaviour. Computers & Education, v. 50, p , STOEL, L.; LEE, K. H. Modeling the effect of expirience on student acceptance of Web- 15