Technology in the Classroom: Use of Educational Apps for College Students

Transcrição

1 Technology in the Classroom: Use of Educational Apps for College Students Gustavo Hermínio Salati Marcondes de Moraes (Unicamp Faculdade de Ciências Aplicadas, São Paulo, Brasil) Emerson Feitosa Arrais (Fundação Escola de Comércio Álvares Penteado, São Paulo, Brasil) Abstract This research aimed to identify what are the factors that lead the college student intention to use applications provided by the educational institutions. A survey of 133 students who used educational apps was performed and the analysis was developed through structural equation modeling. The results show that aid in daily academic activities, the enjoyment provided in the use and the habit positively influence the intention to use. Regarding the technical part involved in this procedure (download, install and get information) and the influence of other people, these factors are not influencers of such use. The study expands the understanding of issues related to educational applications, enabling the use of the results to make decisions about the provision and development of applications for this purpose. Keywords: Applications, college students, technological adoption, structural equations. A Tecnologia na Sala de Aula: Utilização de aplicativos educacionais por estudantes universitários Resumo Esta pesquisa teve como objetivo identificar quais são os fatores que levam o estudante universitário à intenção de utilizar aplicativos disponibilizados pelas instituições de ensino. Foi realizada uma pesquisa com 133 estudantes que utilizaram aplicativos educacionais e a análise foi desenvolvida por meio de modelos de equações estruturais. Os resultados evidenciam que o auxílio nas atividades acadêmicas cotidianas, a diversão proporcionada e o hábito influenciam positivamente na intenção de uso. Já a parte técnica envolvida nesse procedimento (baixar, instalar e buscar informações) e a influência de outras pessoas, esses fatores não são influenciadores da utilização. O estudo amplia o entendimento dos aspectos relacionados aos aplicativos educacionais, possibilitando, dessa forma, utilizar-se dos resultados para tomar decisões sobre a disponibilização e desenvolvimento de apps para essa finalidade. Palavras-chave: Aplicativos, estudantes universitários, adoção tecnológica, equações estruturais. Agradecimentos Agradecemos à Fundação Escola de Comércio Álvares Penteado pelo apoio e incentivo no desenvolvimento deste estudo

2 1. Introdução As relações sociais e empresariais têm sofrido profundas alterações devido à utilização das tecnologias da informação e comunicação (TIC), transformando a noção de tempo e espaço (Colombo & Cortezia, 2014). A possibilidade da conectividade em qualquer local e tempo altera a forma de comunicação entre as empresas e seus stakeholders. As questões que envolvem mobilidade permeiam as ações empresariais, que procuram se valer das tendências tecnológicas, buscando novos resultados em seus negócios. As redes sem fio e o acesso a dados e informações por meio de dispositivos móveis se apresentam com uma alternativa de interatividade comum entre empresas (Saccol & Reinhard, 2007). Desde a invenção dos smartphones, a tecnologia de telefonia móvel tem mudado rapidamente (Paterson & Low, 2011). A demanda pelos smartphones e tablets vem aumentando muito, e isso deve-se às suas diversas funções e popularidade. Com esses aparelhos é possível a realização de mensagens instantâneas pela internet, download de aplicativos móveis, conexão com programas de entretenimento de visualização Wi-Fi e de estacionamento (Park e Chen, 2007). Devido à crescente conectividade via dispositivos sem fio, é necessário adaptar as tecnologias para as diversas situações (Cenzi et al., 2008), por meio de aplicativos (apps), que são desenvolvidos como ferramenta de interação das empresas com os clientes, funcionando como software, executando variadas tarefas e aumentando a interatividade dos dispositivos móveis. Com a proliferação dos aplicativos móveis usados nos smartphones, professores e instituições de ensino têm apostado em disponibilizar aplicativos para as disciplinas, oferecendo conteúdo com valor e qualidade para os estudantes. Nesse contexto, a presente pesquisa tem como objetivo entender os motivos que levam o estudante à intenção de baixar e utilizar aplicativos em sala de aula. O objetivo geral do estudo pode ser traduzido pela questão da pesquisa: Quais são os fatores que levam o estudante universitário à intenção de instalar e utilizar um aplicativo para smartphone disponibilizado pelo professor e/ou instituição de ensino? A justificativa para realização da pesquisa está nas suas contribuições práticas e teóricas. Do ponto de vista prático, os resultados podem auxiliar os professores e instituições de ensino no entendimento dos benefícios da utilização das TICs em sala de aula, facilitando a disseminação de informações e ampliando os conhecimentos científicos e tecnológicos

3 Do ponto de vista acadêmico, o estudo pretende adaptar e testar modelos reconhecidos na literatura internacional para um contexto específico e ainda não explorado, adicionando novos construtos e aumentando o entendimento sobre novas tecnologias. O novo modelo apresentado contribui para os estudos em administração, tecnologia e educação, com percepções sobre o comportamento do indivíduo frente a novas tecnologias. 2. Referencial Teórico 2.1 Tecnologias da Informação Móveis e Aplicativos As tecnologias de informação móveis e sem fio (TIMS) abordam temas como telefones celulares, smartphones, tablets, redes sem fio entre outras tecnologias (Saccol, Manica, & Calderwood, 2011). Welin-Berger (2004) apregoa que do ponto de vista empresarial a introdução das TIMS possibilita melhoria nos processos, velocidade no acesso às informações, redução de erro e melhor planejamento. Sob a ótica do consumidor, Saccol, Manica e Calderwood (2011) apresentam ganhos provenientes da disponibilidade de um canal móvel de comunicação para atender às demandas de captação de pedidos no ambiente móvel e também como ferramenta de buscas de informações, gerando redução de tarefas administrativas e de logística e eficiência no trabalho de campo. A funcionalidade de um dispositivo de informação depende da sua interface de comunicação (software), compostas por conjuntos de instruções operacionais utilizados para controlar o processamento das tecnologias (Laudon & Laudon, 2004). A expressão aplicação móvel é usada para classificar o software utilizado em dispositivos móveis (Cenzi et al., 2008). As últimas décadas foram marcadas por uma disseminação acelerada das TIMS (Saccol, Manica, & Calderwood, 2011). A usabilidade e aderência dos cidadãos aos aplicativos pode ser verificada na rotina diária de um usuário de aplicações móveis, que utilizam os smartphones para, por exemplo, escutar músicas, conversar via Skype e assistir filmes (Anderson & Wolff, 2010). De acordo com pesquisa realizada pelo Gartner (2013), a quantidade de downloads de aplicativos em 2013 estava estimada em 102 bilhões, gerando uma receita de $ 26 bilhões, contra $ 18 bilhões em A previsão é que, até 2017, 268 bilhões de apps serão baixados, com uma receita de $ 77 bilhões. Esses números ressaltam a importância e o crescimento desse mercado

4 O presente artigo utilizou como instrumento de informação o estudo dos smartphones e tablets, juntamente com o uso dos aplicativos como software, dentro do contexto universitário. 2.2 Pesquisas sobre adoção tecnológica As pesquisas desenvolvidas sobre adoção da tecnologia têm como seu principal referencial a Teoria Unificada de Aceitação e Utilização de Tecnologia (UTAUT), desenvolvida por Venkatesh, Morris, Davis e Davis (2003). O modelo, que analisa os fatores que favorecem o uso e a intenção de uso de determinada tecnologia, é um dos modelos mais utilizados na literatura de sistemas de informação. Venkatesh et al. (2003) elaboraram o modelo por meio de uma unificação de oito modelos anteriores, contendo quatro construtos considerados determinantes diretos do comportamento de uso da tecnologia. Os construtos apresentados na UTAUT são: Expectativa de Desempenho, Expectativa de Esforço, Influência Social e Condições Facilitadoras. Quase uma década depois da UTAUT, Venkatesh, Thong e Xu (2012) apresentaram a UTAUT 2, que seria um aperfeiçoamento do modelo anterior. A primeira versão foi desenvolvida para o contexto organizacional, enquanto a segunda versão foi elaborada para o contexto do consumidor. Além dos construtos constantes da UTAUT, a nova teoria apresenta três novos construtos: Motivação Hedônica, Valor do Preço e Hábito. O Gráfico 1 apresenta a UTAUT 2. Gráfico 1. UTAUT 2 Fonte: Venkatesh, V., Thong, J. Y. L., Xu, X. (2012)

5 No modelo, a Expectativa de Desempenho avalia em qual medida o indivíduo acredita que a utilização do sistema contribuirá para o desempenho no seu trabalho, e a Expectativa de Esforço é a perspectiva de facilidade pelo indivíduo em relação à utilização do sistema. Influência Social é definida como a intensidade na qual o sujeito compreende a influência que pessoas importantes em seu círculo social exercem para que ele utilize a tecnologia. Condições Facilitadoras são entendidas como a percepção do indivíduo sobre a existência de uma infraestrutura técnica e organizacional para utilização do sistema e a Motivação Hedônica é definida como a diversão ou prazer em utilizar uma tecnologia. O Valor do Preço é a comparação pelo consumidor do benefício percebido com a utilização da tecnologia, incluindo vantagens em relação ao custo monetário. Como último fator, Hábito é definido como a medida em que as pessoas tendem a executar comportamentos automaticamente por causa da aprendizagem. Os autores destacam como moderadores no modelo a Idade, o Sexo e a Experiência. As hipóteses do presente estudo são baseadas e adaptadas dos estudos de Venkatesh et al. (2003) e Venkatesh et al. (2012) A primeira hipótese do presente estudo é em relação ao construto Expectativa de Desempenho do UTAUT. A hipótese formulada é que o estudante acredita que utilizar os aplicativos educacionais pode auxiliar nas atividades acadêmicas cotidianas, agilizar nas atividades de estudo e ser útil para acompanhar as aulas. Hipótese 1: Expectativa de Desempenho influencia de forma positiva a Intenção de Uso de aplicativos educacionais. Expectativa de Esforço e Influências Sociais são construtos utilizados na maioria dos estudos de adoção tecnológica, e estão presentes na UTAUT e UTAUT 2 com alto valor explicativo. Assim, foram considerados no modelo do presente estudo para serem testados. Dessa forma, entende-se que o estudante que consegue adquirir, instalar e buscar informações sobre os apps com facilidade teria maior intenção de utilizar os aplicativos (Hipótese 2). Em relação às Influências Sociais, a hipótese apresentada é que se pessoas que influenciam o comportamento do estudante recomendassem, haveria maior intenção de uso. Hipótese 2: A Expectativa de Esforço influencia positivamente a Intenção de Uso de aplicativos educacionais. Hipótese 3: Influência Social influencia positivamente a Intenção de Uso de aplicativos educacionais. Motivação Hedônica pode ser definida como a diversão ou o prazer em utilizar a tecnologia (Venkatesh, Thong, & Xu, 2012). Alguns pesquisadores do comportamento do

6 consumidor e de sistemas de informação têm utilizado construtos relacionados com a motivação hedônica em seus estudos, e os resultados da variável são relevantes tanto no consumo quanto na utilização da TI (Brown & Venkatesh, 2005; Holbrook & Hirschman, 1982; Nysveen, Pedersen, & Thorbjornsen, 2005; van der Heijden, 2004). Assim, a Hipótese 4 do estudo é relacionada à Motivação Hedônica, entendendo que os estudantes que acham divertido e prazeroso a utilização de apps serão influenciados a utilizá-los. Hipótese 4: Motivações Hedônicas influenciam positivamente a Intenção de Uso de aplicativos educacionais. Hábito vem sendo utilizado em estudos da área de tecnologia com resultados positivos, como nos estudos de Malhotra, Sung e Agarwal (2004) e Limayem, Hirt e Cheung (2007). Venkatesh et al. (2012) também considerou o construto na UTAUT 2 e o resultado obtido foi alto. Para o contexto do presente estudo Hábito foi considerado importante, constituindo-se a Hipótese 5. Assim, a hipótese é que o estudante que tem o hábito de utilizar apps para estudar, assistir vídeos e obter conteúdos das disciplinas, será mais influenciado a utilizar os aplicativos educacionais. Hipótese 5: Hábito influencia positivamente a Intenção de Uso de aplicativos educacionais. 3. Modelo Conceitual da Pesquisa e Hipóteses do Estudo O Gráfico 2 apresenta o modelo teórico para validação dos constructos e testes das hipóteses levantadas. Gráfico 2. Modelo Conceitual da Pesquisa

7 O Quadro 1 apresenta a descrição e a base teórica de cada uma das hipóteses do estudo. Quadro 1. Hipóteses do Estudo Hipóteses Descrição Base Teórica H1 Expectativa de Desempenho influencia de forma positiva a Intenção de Uso de aplicativos educacionais. Venkatesh et al. (2003); Venkatesh et al. (2012). H2 A Expectativa de Esforço influencia positivamente a Intenção de Uso de aplicativos educacionais. Venkatesh et al. (2003); Venkatesh et al. (2012). H3 Influências Sociais influenciam positivamente a Venkatesh et al. (2003); Intenção de Uso de aplicativos educacionais. Venkatesh et al. (2012). H4 Motivações Hedônicas influenciam positivamente a Intenção de Uso de aplicativos educacionais. Venkatesh et al. (2003); Venkatesh et al. (2012). H5 Hábito influencia de forma positiva a Intenção de Uso de aplicativos educacionais. Venkatesh et al. (2003); Venkatesh et al. (2012). 4. Metodologia Foi utilizada uma metodologia quantitativa para o desenvolvimento de pesquisa. Para análise e verificação das hipóteses e do modelo proposto, foi realizada uma pesquisa com 133 estudantes que já utilizaram aplicativos educacionais. O questionário preliminar foi validado por um grupo composto por 4 especialistas da área de tecnologia da informação que já utilizaram modelos de adoção tecnológica. As escalas foram adaptadas de estudos anteriores. As perguntas eram afirmações que os usuários respondiam em uma escala Likert baseada em cinco níveis, que variavam entre os extremos Discordo Totalmente até Concordo Totalmente. A análise dos dados foi realizada por meio da técnica de análise multivariada de modelagem por equações estruturais, que é adequada para situações de múltiplas relações concomitantemente (Chin, Marcolin, & Newsted, 2003; Hair, Anderson, Tatham, & Black, 2005). 5. Descrição e análise dos resultados Foram utilizados os critérios para avaliação de modelos de mensuração reflexivos apresentados por Hair et al. (2013): a) Consistência interna (confiabilidade composta); b) Confiabilidade do indicador; c) Validade convergente (variância média extraída); d) Validade discriminante

8 A Análise Fatorial Confirmatória foi utilizada para examinar a validade convergente e discriminante dos construtos utilizados no modelo estrutural (Hair et al., 2005). Todos os construtos apresentaram indicadores com cargas altas em suas variáveis latentes (Tabela 1), superiores a 0,70, e cargas baixas nas demais variáveis latentes, indicando razoável validade discriminante e convergente (Chin, 1998). Os únicos indicadores que não apresentaram valores superiores a 0,70 foram IU1 e IU4, que apresentaram respectivamente os valores de 0,684 e 0,655, valores muito próximos do aceitável. Tabela 1. Análise Fatorial Confirmatória Construto Variável Expectativa de Motivações Intenção Hábito Desempenho Hedônicas de Uso Expectativa de Desempenho ED1 0,815 0,482 0,353 0,379 Expectativa de Desempenho ED2 0,782 0,439 0,276 0,322 Expectativa de Desempenho ED3 0,898 0,638 0,410 0,476 Motivações Hedônicas MH1 0,460 0,821 0,449 0,432 Motivações Hedônicas MH2 0,578 0,868 0,498 0,477 Motivações Hedônicas MH3 0,570 0,844 0,416 0,416 Hábito HAB1 0,399 0,504 0,900 0,376 Hábito HAB2 0,334 0,473 0,924 0,430 Hábito HAB3 0,429 0,509 0,924 0,460 Intenção de Uso IU1 0,433 0,389 0,236 0,684 Intenção de Uso IU2 0,445 0,418 0,387 0,814 Intenção de Uso IU3 0,258 0,463 0,446 0,766 Intenção de Uso IU4 0,244 0,214 0,253 0,655 Outro indicador utilizado para a validação convergente do modelo é o valor da variância média extraída (AVE) que, como critério para validação, deve apresentar um valor superior a 0,5, de acordo com Hair, Ringle e Sarstedt (2011). Para avaliar o modelo de mensuração, uma medida principal utilizada, além do exame das cargas para cada indicador, é a confiabilidade composta de cada construto (Hair et al., 2005; Hair et al., 2013). A confiabilidade composta descreve o grau em que os indicadores representam o construto latente em comum. Um valor de referência comumente usado para confiabilidade aceitável é 0,70. Foi realizada, também, para analisar a validade convergente, a verificação da consistência interna. Um alto valor de consistência interna no construto indica que todas as variáveis representam o mesmo construto latente. A consistência interna é avaliada por meio do Alpha de Cronbach, que varia de 0 a 1, com altos valores indicando alto nível de consistência. Para estudos exploratórios, valores entre 0,60 e 0,70 são considerados aceitáveis; já para estudos em estágios mais avançados, valores entre 0,70 e 0,90 são considerados satisfatórios (Nunally & Berstein, 1994; Hair et al., 2013). Outro indicador de validade discriminante entre os construtos é calcular a raiz quadrada da variância média extraída dos construtos, que deve ser maior que a correlação

9 entre as variáveis latentes (Fornell & Larcker, 1981). Todos os indicadores mencionados são apresentados na Tabela 2 e estão dentro do estabelecido pelos autores. Tabela 2. Síntese da avaliação dos modelos de mensuração Expectativa de Desempenho Expectativa de Desempenho 0,833 Motivações Hedônicas Motivações Hedônicas 0,635 0,844 Hábito Hábito 0,423 0,540 0,916 Intenção de Uso Intenção de Uso 0,479 0,525 0,463 0,732 AVE 0,694 0,713 0,839 0,537 Confiabilidade Composta 0,872 0,882 0,940 0,821 Alpha de Cronbach 0,781 0,799 0,905 0,714 Para analisar as significâncias dos indicadores foi utilizada a técnica bootstrapping, de acordo com a sugestão de Efron e Tibshirani (1998). A utilização da técnica bootstrapping para analisar a significância das cargas obtidas para as variáveis observáveis não se baseia só em uma estimação de modelo, mas calcula estimativas de parâmetros e seus intervalos de confiança com base em múltiplas estimações (Hair, Anderson, Tatham, & Black, 2005; Hair, Hult, Ringle, & Sarstedt, 2013). De acordo com as recomendações de Hair et al. (2013), foi realizada uma reamostragem de amostras, com reposição de 133 casos. A estatística t de Student analisa a hipótese de que os coeficientes de correlação são iguais a zero. Caso os resultados deste teste indiquem valores superiores a 1,96, a hipótese é rejeitada e a correlação é significante (Efron & Tibshirani, 1998; Hair et al., 2013). A Tabela 3 apresenta os valores dos coeficientes entre os construtos e as respectivas estatísticas t de Student. Os valores foram estimados pela técnica de bootstrapping. Os valores dos relacionamentos de Hábito e Motivações Hedônicas em relação à Intenção de Uso apresentaram valores de t de Student superiores a 1,96 (nível de significância = 5%). O valor do teste t de Expectativa de Esforço e Influência Social ficaram muito abaixo de 1,96. Esses valores significam que os construtos não influenciam positivamente a Intenção de Uso do app educacional, não confirmando as Hipóteses 2 e 3. Tabela 3. Coeficientes do modelo estrutural entre construtos Média Desvio P-valor Estatística T Padrão (bicaudal) Expectativa de Desempenho Intenção de Uso 0,220 0,121 1,856 0,054 Expectativa de Esforço Intenção de Uso 0,024 0,100 0,088 0,930 Influência Social Intenção de Uso -0,031 0,084 0,490 0,624 Hábito Intenção de Uso 0,241 0,095 2,516 0,012 Motivações Hedônicas Intenção de Uso 0,274 0,115 2,349 0,

10 Como os coeficientes dos construtos Expectativa de Esforço e Influência Social associados com o construto Intenção de Uso não obtiveram valores significantes, foram eliminados das análises e validações posteriores. Considerações sobre estas ausências de significâncias serão feitas no tópico Conclusões. A Tabela 4 apresenta os coeficientes do modelo estrutural sem os construtos eliminados. Na primeira análise, o construto Expectativa de Desempenho havia apresentado valor muito próximo do desejado, e na análise apresentada na Tabela 4 o valor já está adequado. Tabela 4. Coeficientes do modelo estrutural entre construtos Média Desvio P-valor Estatística T Padrão (bicaudal) Expectativa de Desempenho Intenção de Uso 0,224 0,097 2,201 0,028 Hábito Intenção de Uso 0,229 0,093 2,462 0,014 Motivações Hedônicas Intenção de Uso 0,270 0,117 2,260 0,024 A análise do coeficiente de determinação (R²) foi realizada com base nos estudos de Cohen (1977). Segundo este autor, o estado de desenvolvimento de grande parte da ciência do comportamento é tal que não muito da variância na variável dependente é previsível. Nesse sentido, o autor propõe uma escala para a classificação do coeficiente de determinação, sendo R² igual a 10% considerado baixo, R² igual a 30% considerado médio e R² igual a 50% considerado alto. O Gráfico 3 apresenta o modelo resultante da pesquisa com a síntese das validações das hipóteses. Gráfico 3. Modelo resultante da pesquisa e síntese das validações das hipóteses Foram testadas variáveis moderadoras como idade e gênero e não foram encontrados efeitos significantes. Finalmente, a partir das validações obtidas com o modelo estrutural, apresenta-se no Quadro 2 a síntese dos testes de hipóteses do estudo

11 Quadro 2. Síntese dos testes de hipóteses do estudo Hipóteses Descrição Resultado H1 Expectativa de Desempenho influencia de forma positiva a Intenção de Uso de aplicativos educacionais. CONFIRMADA H2 A Expectativa de Esforço influencia positivamente a Intenção de NÃO H3 H4 H5 Uso de aplicativos educacionais. Influências Sociais influenciam positivamente a Intenção de Uso de aplicativos educacionais. Motivações Hedônicas influenciam positivamente a Intenção de Uso de aplicativos educacionais. Hábito influencia de forma positiva a Intenção de Uso de aplicativos educacionais. CONFIRMADA NÃO CONFIRMADA CONFIRMADA CONFIRMADA 6. Conclusões O alto valor explicativo do construto Motivações Hedônicas evidencia que os estudantes teriam prazer e achariam divertido utilizar aplicativos educacionais, sendo assim o principal fator influenciador da intenção de uso. No entanto, nota-se que a Expectativa de Esforço não apresentou significância estatística de influência à intenção de uso dos aplicativos. A provável explicação para esse resultado é que os estudantes, em sua maioria, já estão acostumados com os aspectos técnicos dos aplicativos como, por exemplo, adquirir, instalar e buscar informações sobre os apps em lojas virtuais. De acordo com os resultados do estudo, tampouco se comprovou que os usuários são influenciados pela opinião de pessoas que confiam para utilizar os aplicativos. Por se tratar de uma aplicação tecnológica exclusiva para o contexto da instituição de ensino em que o estudante está vinculado, entende-se que esse resultado é plausível. A Expectativa de Desempenho também apresentou valores positivos, ressaltando sua influência sobre a utilização dos apps. Assim, evidencia que os estudantes consideram que os aplicativos podem auxiliar nas atividades cotidianas da vida escolar, agilizando as atividades e a verificação de notas e faltas, por exemplo. Dessa forma, as funcionalidades disponibilizadas no aplicativo pela instituição são fundamentais para sua utilização. Além destes aspectos influenciadores ao uso da tecnologia, o estudo revelou que o hábito é o segundo fator que motiva à intenção de uso dos apps, dada a sua influência positiva significante sobre o uso desta aplicação. Atualmente, a maior parte dos estudantes possuem smartphones e está acostumado a utilizar aplicativos para buscar informações, assistir vídeos e estudar. O valor do coeficiente de determinação do construto Intenção de Uso dos apps igual a 34,8% manifesta uma explicação razoável pela seleção dos construtos analisados. Porém, sugere-se a continuidade deste estudo com a inclusão de outros possíveis construtos, para conseguir um maior fator explicativo

12 Para as instituições de ensino, o estudo amplia o entendimento dos aspectos relacionados aos aplicativos educacionais por parte dos estudantes, possibilitando, dessa forma, utilizar-se dos resultados para tomar decisões sobre a disponibilização e desenvolvimento de aplicativos para essa finalidade. Entendendo que os estudantes utilizariam aplicativos para auxiliar nas atividades educacionais cotidianas, para se divertir e por causa do hábito de usar apps, os gestores podem reconhecer esse canal como uma possibilidade de interação efetiva e positiva com os estudantes. Como recomendações, novos estudos poderiam: - Explorar o modelo em diferentes instituições de ensino e cursos; - Acrescentar novos construtos para aumentar o valor explicativo do modelo; - Inserir moderadores no modelo para analisar diferenças entre perfis (idade, sexo, renda, etc.); - Realizar pesquisas qualitativas com um número menor de estudantes, para aprofundar os resultados

13 REFERÊNCIAS Anderson, C., & Wolff, M. (2010). The web is dead: long live the internet. Revista Wired, [S.l.: S.n.], 17 ago. Brown, S. A., & Venkatesh, V. (2005). Model of Adoption of Technology in the Household: A Baseline Model Test and Extension Incorporating Household Life Cycle. MIS Quarterly, (29:4), pp Cenzi, D., Teixeira, I., Costa, J. G., Dobgenski, J. (2008). Tecnologia de aplicações para dispositivos móveis integrada a banco de dados remoto utilizando software livre. Anuário da Produção Científica dos Cursos de Pós- Graduação, v. 3, n. 3, p , Colombo, M. C., & Cortezia, L, S. D. (2014). Adoção de Aplicativos Para Dispositivos Móveis: Uma Análise Sob a Perspectiva da Utilidade dos Aplicativos em Empresas do Setor Imobiliário. XXXVIII Encontro da ANPAD Enanpad. Rio de Janeiro, Cohen, J. (1977). Statistical Power Analysis for the Behavioral Sciences, ed. 2. New York: Academic Press, The Concept of Power Analysis. Chin, W. W. (1998). The Partial Least Squares Approach to Structural Equation Modeling. In G. A. Marcoulides (Ed.), Modern Methods for Business Research (pp ). Mahwah, NJ: Lawrence Erlbaum. Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A Partial Least Squares Latent Variable Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/Adoption Study. [Article]. Information Systems Research, 14(2), Efron, B., & Tibshirani, R. J. (1998). An introduction to the bootstrap. Chapman & Hall / CRC Press. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, v.18, pp Gartner Group. (2014). Gartner says mobile app stores will see annual downloads reach 102 billion in Set Disponível em: < Acesso em: 30 set Hair, JR. J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2005) Análise multivariada de dados. 5. ed. Porto Alegre: Bookman. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2013). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks: SAGE Publications. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, v. 19, pp

14 Holbrook, M. B., & Hirschman, E. C. (1982). The Experiential Aspects of Consumption: Consumer Fantasies, Feelings, and Fun. Journal of Consumer Research, (9:2), pp Laudon, J. P., Laudon, K. C. (2004). Sistemas de informação gerenciais: administrando a empresa na era digital. 5. ed. São Paulo: Pearson. Limayem, M., Hirt, S. G., & Cheung, C. M. K. (2007). How Habit Limits the Predictive Power of Intentions: The Case of IS Continuance. MIS Quarterly (31:4), pp Luo, J., Ba, S., & Zhang, H. (2012). The Effectiveness of Online Shopping Characteristics and Well-Designed Websites on Satisfaction. MIS Quarterly (36:4): pp Malhotra, N. K., Sung, S. K., & Agarwal, J. (2004). Internet Users' Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model. [Article]. Information Systems Research, 15(4), doi: /isre Nunally, J. C., & Bernstein, I. (1994). Psychometric theory. New York: McGraw-Hill. Nysveen, H., Pedersen, P. E., & Thorbjornsen, H. (2005). Intentions to Use Mobile Services: Antecedents and Cross-Service Comparisons. Journal of the Academy of Marketing Science, (33:3), pp Park, Y., & Chen, J. V. (2007). Acceptance and adoption of the innovative use of smartphone. Industrial Management & Data Systems, vol. 107, n.9, pp Paterson, L., & Low, B. (2011). Student attitudes towards mobile library services for smartphones. Library Hi Tech, Vol. 29 Iss: 3, pp Saccol, A. Z., Manica, A., Calderwood, S. E. (2011). Innovation and adoption of mobile technology in public organizations: the IBGE case. Revista de Administração de empresas - RAE, São Paulo, v. 51, n. 1, p.72-83, jan./fev. Saccol, A. Z., & Reinhard, N. (2007). Tecnologias de informação móveis, sem fio e ubíquas: definições, estado da arte e oportunidades de Pesquisa. Revista de Administração Contemporânea, v. 11, n. 4, p , out./dez. van der Heijden, H. (2004). User Acceptance of Hedonic Information Systems. [Article]. MIS Quarterly, 28(4), Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. [Article]. MIS Quarterly, 27(3),

15 Venkatesh, V., Thong, J. Y. L., & Xu, X (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1),