ปัจจัยที่มีอิทธิพลต่อการใช้เทคโนโลยีเคลื่อนที่เพื่อเสริมสร้างกระบวนการเรียนรู้ตลอดชีวิต บนพื้นฐานการเรียนรู้ด้วยตนเองในยุควิถีใหม่
คำสำคัญ:
เทคโนโลยีการสื่อสารเคลื่อนที่, การเรียนรู้ตลอดชีวิต, การเรียนรู้ด้วยตนเอง, ทฤษฎีรวมการยอมรับและการใช้เทคโนโลยี, ทฤษฎีความเหมาะสมระหว่างลักษณะงานและลักษณะเทคโนโลยีบทคัดย่อ
งานวิจัยนี้สืบหาองค์ประกอบของเทคโนโลยีเคลื่อนที่ประเภทสมาร์ตโฟนที่เหมาะสมต่อการใช้ในบริบทการเรียนรู้ตลอดชีวิตบนพื้นฐานการเรียนรู้ด้วยตนเอง โดยบูรณาการทฤษฎี UTAUT ร่วมกับทฤษฎี TTF เพื่อสร้างความเข้าใจและอธิบายการยอมรับการใช้เทคโนโลยีเคลื่อนที่สำหรับเสริมสร้างกระบวนการเรียนรู้ตลอดชีวิตบนพื้นฐานการเรียนรู้ด้วยตนเองในยุควิถีใหม่ ผลการสัมภาษณ์แบบกึ่งมีโครงสร้างกับกลุ่มตัวอย่าง 55 คน ด้วยวิธีการสุ่มตามความสะดวก พบว่า การสื่อสารไร้สาย หน่วยประมวลผลและระยะเวลาการทำงานของแบตเตอรี่ คือ 3 องค์ประกอบหลักของสมาร์ตโฟน ที่เป็นปัจจัยส่งเสริมให้เกิดการใช้เทคโนโลยีเคลื่อนที่เพื่อเสริมสร้างกระบวนการเรียนรู้ตลอดชีวิตบนพื้นฐานการเรียนรู้ด้วยตนเอง จากนั้นรวบรวมข้อมูลด้วยแบบสอบถาม จำนวน 3 ตอน กับกลุ่มตัวอย่าง 687 คน และวิเคราะห์ข้อมูลด้วยวิธีการวิเคราะห์แบบจำลองสมการโครงสร้างพบว่าผู้ใช้สื่อประสมผ่านสมาร์ตโฟน ปัจจัยด้านความเหมาะสมระหว่างลักษณะงานและลักษณะเทคโนโลยี (TTF) มีความสัมพันธ์ต่อความคาดหวังในประสิทธิภาพ (PE) ด้วยค่าสัมประสิทธิ์เส้นทางที่ 0.13 และค่า R2 ที่ 0.148 ขณะที่ผู้ใช้เอกสารอิเล็กทรอนิกส์ผ่านสมาร์ตโฟน พบว่า TTF ไม่มีความสัมพันธ์เชิงบวกต่อ PE ด้วยค่าสัมประสิทธิ์เส้นทางที่ -0.07 และค่า R2 ที่ 0.298 แสดงถึงความสำคัญของความเหมาะสมระหว่างงานและเทคโนโลยีที่ได้รับความผันแปรจากประเภทสื่อการเรียนรู้ต่างชนิดกัน และส่งผลต่อความคาดหวังในประสิทธิภาพในที่สุด ดังนั้นการใช้สมาร์ตโฟนกับสื่อการเรียนรู้ที่อาศัยการอ่านเป็นหลัก อาจไม่เหมาะสมสำหรับการเป็นเทคโนโลยีที่ช่วยเสริมสร้างกระบวนการเรียนรู้ตลอดชีวิตบนพื้นฐานการเรียนรู้ด้วยตนเอง เพราะขนาดหน้าจอที่อาจส่งผลต่อการรับรู้และการมองสื่อการเรียนรู้ดิจิทัล แม้ว่าสมาร์ตโฟนจะเป็นเทคโนโลยีที่สร้างแรงจูงใจให้กับผู้เรียนมากขึ้นก็ตาม
เอกสารอ้างอิง
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211.
Alasmari, T., & Zhang, K. (2019). Mobile learning technology acceptance in Saudi Arabian higher education: An extended framework and A mixed-method study. Education and Information Technologies, 24(3), 2127-–2144.
Alawadhi, S., & Morris, A. (2008). The use of the UTAUT model in the adoption of e-government services in Kuwait. In R. H. Sprahue, Jr. (Ed.), Proceedings of the 41st Annual Hawaii International Conference on System Sciences (HICSS 2008) (pp. 219-229). IEEE.
Ambra, J. D., Wilson, C. S., & Akter, S. (2013). Application of the task-technology fit model to structure and evaluate the adoption of e-books by academics. Journal of the American Society for Information Science and Technology Archive, 64(1), 48-64.
Bergman, E. (Ed.). (2000). Information appliances and beyond: Interaction design for consumer products. Morgan Kaufmann.
Brunner, M., & SÜβ, H. M. (2005). Analyzing the reliability of multidimensional measures: An example from intelligence research. Educational and Psychological Measurement, 65(2), 227–240.
CEPAL, N. (2021). Digital technologies for a new future. Economic Commission for Latin America and the Caribbean (ECLAC). https://repositorio.cepal.org/handle/11362/46817
Davis, F. D. (1985). A technology acceptance model for empirically testing new end-user information systems: Theory and results [Doctoral dissertation]. Massachusetts Institute of Technology.
Gierdowski, D. C. (2019). ECAR study of undergraduate students and information technology, 2019. ECAR Research Report. https://library.educause.edu/resources/2019/5/ecar-study-of-community-college-students-and-information-technology
Gonvalve, M. A., Moreira, B. L., Fox, E. A., & Watson, L. T. (2007). What is a good digital library? - A quality model for digital libraries. Information Processing & Management, 43(5), 1416–1437.
Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213-236.
Hair, J. F., Black, W. C., Babi, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
Interaction Design Foundation. (2020). What you need to know about smartphones vs. tablet use of the mobile internet. https://www.interaction-design.org.
Isaac, O., Aldholay, A., Abdullah, Z., & Ramayah, T. (2019). Online learning usage within Yemeni higher education: The role of compatibility and task-technology fit as mediating variables in the IS success model. Computers and Education, 136, 113-129.
Isabwe, G. M. N. (2010). Investigating the usability of iPad mobile tablet in formative assessment of a mathematics course. Proceeding of the International Conference on Information Society (i-Society 2012) (pp. 39-44). IEEE.
Issa, L. F., Alqurashi, K. A., Althomali, T., Alzahrani, T. A., Aljuaid, A. S., & Alharthi, T. M. (2021). Smartphone use and its impact on ocular health among university students in Saudi Arabia. International Journal of Preventive Medicine, 12, 1-7.
Jing, Z., Jinghua, H., & Junquan, C. (2010). Empirical research on use acceptance of mobile search. Tsinghua Science and Technology, 15(2), 235-245.
Kiat, T. Y., Jumintono, Kriswanto, E. S., Sugiri, Handayani, E., Anggarini, Y., & Rofik, M. (2020). The effectiveness of multimedia learning on academic achievement in reproduction topic science subject. Universal Journal of Educational Research, 8(8), 3625-3629.
Lieberman, M. (2019). ‘Students are using mobile even if you aren’t.’ Inside Higher Ed. https://www.insidehighered.com/digital-learning/article/2019/02/27/mobile-devices-transform-classroom-experiences-and
Molina, N. A., Mahan, R. P., & Illingworth, A. J. (2014). Establishing the measurement equivalence of online selection assessments delivered on mobile versus nonmobile devices. International Journal of Selection and Assessment, 22(2), 124-138.
Munir, H. A., Saad, N., Junid, S. A. A. S., Zaidi, A. M. A., Yusoff, M. Z., & Ponniran, A. (2010). Data transfer rate, central processing unit usage and read access memory usage in networked control system via industrial ethernet. In I. Musirin (Ed.), 2010 IEEE International Conference on Power and Energy (pp. 318–323). IEEE.
Nayak, R., Sharma, K. A., Mishra, K. S., Bhattrai, S., Sah, K. N., & Sanyam, D. S. (2020). Smartphone induced eye strain in young and healthy individuals. Journal of Kathmandu Medical College, 9(34), 201-206.
Nunnally, J. C. (1978). Psychometric theory. McGraw-Hill.
O’Connor, S., & Andrews, T. (2018). Smartphones and mobile applications (apps) in clinical nursing education: A student perspective. Nurse Education Today, 69, 172-178.
OECD. (2021). Data portability, interoperability and digital platform competition, OECD Competition Committee Discussion Paper. http://oe.cd/dpic
Park, C. W., Kim, D., Cho, S., & Han, H. J. (2019). Adoption of multimedia technology for learning and gender difference. Computers in Human Behavior, 92, 288-296.
Pattuelli, M. C., & Rabina, D. L. (2010). Forms, effects, function: Lis students’ attitudes toward portable e-book readers. ASLIB Proceedings: New information perspectives, 62(3), 228–244.
Singaram, V. S., Naidoo, K. L., & Singh, S. (2022). Self-directed learning during the COVID-19 pandemic: Perspectives of south African final-year health professions students. Advances in Medical Education and Practice, 13, 1–10.
Sun, S., Xiong, C., & Chang, V. (2018). Acceptance of information and communication technologies in education: An investigation into University’s students’ intentions to use mobile educational apps. International Journal of Enterprise Information Systems, 15(1), 24-44.
Sung, Y. T., Chang, K. E., & Liu, T. C. (2016). The effects of integrating mobile devices with teaching and learning on students’ learning performance: A meta-analysis and research synthesis. Computers and Education, 94, 252-275.
Thong, J. Y. L., Venkatesh, V., Xu, X., Hong, S. J., & Tam, K.Y. (2011). Consumer acceptance of personal information and communication technology service. IEEE Transactions on Engineering Management, 58(4), 613-625.
Vanduhe, V. Z., Nat, M., & Hasan, H. F. (2020). Continuance intentions to use gamification for training in higher education: Integrating the Technology Acceptance Model (TAM), social motivation, and Task Technology Fit (TTF). IEEE Access, 8, 21473-21484.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.
Venkatesh, V., Morris, M. G., Davis, G.B., & Davis, F.D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 245–478.
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), 157-178.
Yen, D. C., Wu, C. S. Cheng, F. F., & Huang, Y. W. (2010). Determinants of user's intention to adopt wireless technology: An empirical study by integrating TTF with TAM. Computer in Human Behavior, 26(5), 906–915.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 วารสารครุศาสตร์อุตสาหกรรม
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
"ข้อคิดเห็น เนื้อหา รวมทั้งการใช้ภาษาในบทความถือเป็นความรับผิดชอบของผู้เขียน"
