DataGramaZero - Revista de Informação - v.13 n.4 ago12
ARTIGO 02
----------------------------------------------------------------------------------------------------------------------------------------------------------
A disseminação da aprendizagem com mobilidade (M-learning) The dissemination of learning with monility,(M-learning)
por Jorge Brantes Ferreira e Jorge Ferreira da Silva e Helga Campos e Maria Luíza A. de Carvalho e Angilberto Sabino de Freitas e Amarolinda Saccol e Eliane Schlemmer
Resumo: Este artigo revisa a literatura de aprendizagem com mobilidade (m-learning) e de modelos de aceitação e adoção de tecnologia com o objetivo de identificar a situação atual acerca dos estudos sobre a adoção do m-learning, almejando propor um modelo para avaliar a intenção de uso do m-learning no contexto brasileiro. O artigo aprofunda a compreensão da literatura acerca das teorias e fatores relacionados à adoção do m-learning. Ao modelo proposto, adaptado do Modelo de Aceitação de Tecnologia (TAM), foram introduzidos dois construtos, compatibilidade e autoeficácia, com o intuito de melhor avaliar a intenção de uso dessa tecnologia. Palavras-chaves: Modelos de aceitação de tecnologia; Aprendizagem com mobilidade; Mlearning .
Abstract: This paper reviews the present m-learning and technology acceptance literature in order to portrait the current state of mobile learning (m-learning) research. This work ultimately aims propose an extended model to evaluate users’ intentions to accept m-learning in the Brazilian higher education context. The paper offers an in-depth evaluation of the literature reviewed, related to the theories and factors impacting upon m-learning adoption. The proposed model, an extension of the Technology Acceptance Model (TAM), introduces two constructs, compatibility and self-efficacy, with the goal to better assess users’ intentions regarding the adoption of the evaluated technology.
Keywords: Technology acceptance models; Mobile learning; M-learning M -learning
Introdução
As mais recentes tecnologias móveis e sem fio (como telefones celulares, smartphones, tablets, notebooks) oferecem um conjunto de possibilidades para a aprendizagem. Elas permitem trocar informações, compartilhar idéias, experiências, resolver dúvidas, acessar uma vasta gama de recursos e materiais didáticos, incluindo texto, imagens, áudio, vídeo, e-books, artigos, notícias online, conteúdos de blogs, microblogs e jogos no exato momento em que se faz necessário. Por causa do potencial de uso generalizado desses dispositivos móveis, argumenta-se que o mobile learning (m-learning) seja a próxima onda dentre os novos ambientes de aprendizagem (Goh e Kinshuk, 2004;. Hsu, 2006).
De acordo com a empresa de consultoria Teleco , o Brasil fechou o ano de 2011 com 242 milhões celulares, sendo que desses, 44 milhões (18,2%) são de assinantes na modalidade póspago. Já em nível global, a consultoria MobiThinking apontou em dezembro de 2011 já existirem quase 6 bilhões de assinaturas de telefones celulares, o que representa, em uma conta crua, um número de celulares equivalente à aproximadamente 85% da população mundial. Sem entrar na discussão de que algumas pessoas possam possuir mais de uma assinatura, o que diminuiria esses percentuais, o fato é que uma parcela considerável da população hoje possui acesso a esses serviços tanto no modelo pós-pago quanto no modelo pré-pago, o que torna essa arena um ambiente bastante promissor para a prática de ensino e aprendizagem. Nesse contexto, o m-learning se apresenta como uma nova forma de ensino, capaz de ajudar as pessoas a adquirirem conhecimento e habilidade de forma ubíqua com o apoio das diversas tecnologias móveis.
Entretanto, a despeito de existir um discurso eufórico em relação ao m-learning, o conhecimento sobre a sua prática e utilização ainda está em fase embrionária, e seus
fundamentos teóricos ainda não amadureceram (Muyinda, 2007). Apesar do alto grau de inserção dos dispositivos móveis na sociedade atual, a simples disponibilidade dessa tecnologia por si só não garante que o seu potencial será utilizado em termos de aprendizagem, nem aceito de forma homogênea por todos. Isso se traduz na percepção de que, até agora, o m-learning ainda não tem causado grande impacto no contexto educacional (Liu, Han & Li, 2010). No Brasil, em particular, quase não há relatos na literatura acerca de experiências com o uso de m-learning.Por outro lado, apesar de já existirem alguns estudos que buscam entender que fatores influenciam a intenção de uso e o uso efetivo pelos usuários em relação ao m-learning (Huang, 2007; Phuangthong & Malisawan, 2005; Wang, 2009), ainda é incipiente o entendimento sobre a questão da adoção de tecnologias móveis em ambientes educacionais (Pozzi, 2007). Em particular, as questões a respeito de como promover a aceitação do m-learning pelos usuários ainda se encontram em grande parte sem solução. A luz desse argumento, acreditamos que uma revisão da literatura relevante sobre a adoção de tecnologia e, em particular, sobre a adoção do m-learning é essencial para que possamos ampliar o âmbito do nosso entendimento teórico afim de identificar os possíveis fatores que influenciam os indivíduos a adotarem o m-learning.
Nesse contexto postula-se a seguinte questão de pesquisa: Que fatores podem influenciar os usuários a adotarem o m-learning? Ao pesquisar a literatura pertinente, os objetivos deste trabalho são dois: (1) identificar a situação atual acerca dos estudos sobre adoção do m learning e (2) propor um modelo para avaliar a intenção de uso ou uso efetivo do m-learning. Busca-se então caracterizar a aceitação dos usuários em relação ao m-learning, conforme estipulado por modelos de aceitação de tecnologia existentes. O artigo está estruturado da seguinte forma. Inicia-se com esta introdução, que contextualiza o problema de pesquisa e expõe os objetivos do trabalho. Em seguida, conceitua-se o que é o m-learning para então revisar modelos de adoção de tecnologia existentes na literatura e a aplicação desses na avaliação da adoção do m-learning. Por fim, propõem-se, para futuro teste empírico, um modelo para avaliar a intenção de uso do m-learning e sua aceitação no ambiente brasileiro. O trabalho encerra-se com as considerações finais do artigo.
Mobile Learning (M-learning) ou Aprendizagem com Mobilidade Com recursos cada vez mais avançados presentes nos dispositivos móveis, abre-se um leque de oportunidades para que as instituições de ensino passem a aplicar essas tecnologias ao processo de ensino, tanto em suporte ao ambiente presencial quanto para públicos localizados em áreas remotas. Por meio do m-learning, indivíduos podem realizar atividades de aprendizagem utilizando dispositivos para acessar material didático e para se comunicar, a qualquer hora e em qualquer lugar (Clyde, 2004; Gay, 2001;. Hill & Roldan, 2005).
Geddes (2004, p.1) define o m-learning (Mobile Learning) ou Aprendizagem com Mobilidade como a ‘aquisição de conhecimento e habilidades por meio de tecnologia móvel em qualquer lugar e em qualquer tempo’. Para Geddes, o m-learning tem potencial para iniciar uma nova
era de treinamentos e educação. Segundo Saccol et al. (2010), é possível usar as tecnologias móveis e sem fio para acessar um ambiente virtual de aprendizagem com diversos objetivos como a de realizar um curso, interagir com colegas, buscar ou postar materiais em qualquer lugar ou momento. Os recursos permitem interagir com colegas e professores, enviando e recebendo mensagens sobre atividades educacionais (por meio de SMS ou chats), receber ou enviar lembretes de naturezas distintas, participar de fóruns, entregar trabalhos, fazer reuniões de estudo, tirar dúvidas (Motiwalla, 2007), responder a um “quiz” pelo celular, acessar um vídeo ou áudio (Gjedde, 2008) e aprender por meio do uso de jogos móveis (Ardito , 2008). Além do mais, facilita o processo de captar e organizar informações em processos de aprendizagem que podem ocorrer em lugares específicos, como por exemplo, um museu ou uma visita a um ambiente de trabalho (Vavoula, 2009). Outros recursos incluem ouvir um podcast em MP3 com comentários ou sínteses de um professor ou colegas após uma aula, realização de encontros para trabalho e estudo de forma síncrona (webconferências) com vídeo, chat, áudio, texto e câmera, de onde quer que os participantes estejam, mesmo que esses se encontrem em situação de trânsito (Evans, 2008). Por fim, trabalhadores podem participar de um processo de capacitação ou treinamento em campo sobre um novo processo ou produto (Brown & Metcalf, 2008; Peters, 2005).
Com esse conjunto de possibilidades de aplicação das tecnologias móveis e sem fio, na medida em que nos deslocamos, podemos ter acesso a elementos que podem enriquecer a aprendizagem em contato com o mundo. Assim, Saccol, (2010) propõem uma definição mais ampla de m-learning como sendo: “processos de aprendizagem apoiados pelo uso de tecnologias da Informação ou comunicação Móveis e Sem Fio, e que tem como característica fundamental a mobilidade dos aprendizes, que podem estar fisicamente/geograficamente distante uns dos outros e também de espaços formais de educação, tais como salas de aula, salas de formação, capacitação e treinamento ou local de trabalho” (Saccol, 2010, p. 25)
Segundo Mallat, (2006), o principal aspecto do m-learning é a mobilidade. De acordo com Kakihara & Sørensen (2001), o conceito de mobilidade consiste de três dimensões distintas da interação humana: (1) a dimensão temporal, (2) a dimensão espacial, e (3) a mobilidade contextual. Assim, para a devida compreensão do conceito de m-learning, é necessário compreender que a mobilidade pode ser entendida de diversas formas (Kakihara & Sørensen, 2002; Kukulska-Hulme et al., 2009; Lyytinen & Yoo, 2002; Saccol, 2010; Sharples, 2000; Sherry & Salvador, 2002, Sorensen, 2008): (1) há a mobilidade física dos aprendizes, ou seja, durante os deslocamentos das pessoas elas podem querer aproveitar oportunidades para aprender; (2) há a mobilidade da tecnologia que significa que diversos dispositivos móveis podem ser utilizados quando o aprendiz está em movimento, ex: smartphone, tablet, etc; (3) já a mobilidade conceitual propõe que estamos sempre aprendendo, e a nossa atenção tem que ser compartilhada entre os diferentes conceitos e conteúdos com os quais temos contato
diariamente; (4) no que se refere a mobilidade social/interacional argumenta-se que aprendemos em contato com diferentes grupos sociais, incluindo família, colegas de trabalho, etc; (5) e por fim há a mobilidade temporal, em que se pode aprender em diferentes momentos.
Entretanto, é importante fazer uma distinção acerca do m-learning por aquilo que o diferencia de outras práticas, como o e-learning. Segundo Wagner & Wilson (2005), a aprendizagem móvel não deve ser vista como e-learning transferido para dispositivos móveis. Em vez disso, eles afirmam que o valor dos dispositivos móveis como ferramentas de aprendizagem encontra-se na sua capacidade de permitir às pessoas conectarem-se a materiais previamente baixados a qualquer momento em qualquer local, além de facilitar a conexão entre todos em qualquer hora e lugar. Assim, o m-learning oferece maior controle e autonomia sobre a própria aprendizagem. Além do mais, possibilita a aprendizagem em contexto, ou seja, no local, horário e nas condições que o aprendiz julgar mais adequadas. Possibilita também a continuidade e conectividade entre contextos. Por exemplo, enquanto o aprendiz se move em determinada área ou ao longo de um evento pode estar em constante contato e conectado com seus pares e com conteúdos didáticos. E por fim, colabora para a espontaneidade e o oportunismo no processo de aprendizagem, uma vez que o aprendiz pode aproveitar tempos, espaços e quaisquer oportunidades para aprender de forma espontânea, de acordo com seus interesses e necessidades (Kukulska-Hulme, 2009; Sharples, 2000; Traxler, 2009; Winters, 2007). Então, se o e-learning leva o aluno para além da sala de aula tradicional, o m-learning o leva para além da sala de aula e também para além de um local fixo (Cmuk, 2007).
Apesar do imenso potencial e benefícios que podem ser proporcionados pelo uso dessa tecnologia, diversas limitações têm sido apontadas. Do ponto de vista tecnológico, muitos pesquisadores argumentam que há muitas restrições técnicas que podem impedir a adoção do m-learning. Wang, (2009) apontam que os desafios técnicos em fazer a adaptação dos serviços existentes de e-learning para m-learning são grandes, e que os usuários podem ainda não estar inclinados a aceitar o m-learning. Essas restrições, como discutido por Maniar e Bennett (2007), incluem aspectos como o tamanho pequeno da tela e sua pouca resolução; falta de capacidade para entrada de dados; baixa capacidade de armazenamento de dados; baixa largura de banda; a velocidade limitada do processador; curta duração da bateria; problemas de software e interoperabilidade e falta de padronização. Entretanto, com o avanço dos atuais smartphones, alguns desses problemas já estão em vias de solução. Dispositivos como os aparelhos de celular mais modernos já possuem boa capacidade de processamento e de armazenamento de dados, tamanho e resolução de tela mais adequados, acesso mais rápido a internet e baterias de duração mais longa, o que parece fazer desses aparelhos ferramentas promissoras para o m-learning, se comparadas aos celulares de três ou quatro anos atrás, quando foi publicada essa pesquisa. Além do mais, os tablets parecem surgir como um dispositivo propício para a prática do m-learning. Diante desse cenário, o quadro 1 contrapõe uma série de benefícios e limitações que também precisam ser consideradas em relação às práticas de m-learning.
Quadro 1: Benefícios e limitações do m-learning
Fonte: Saccol et al. (2010, p. 34-35)
Percebe-se que o sucesso do m-learning pode depender ou não dos usuários estarem dispostos a adotar a nova tecnologia que é diferente do que eles estão acostumados. É importante notar que nos contextos de m-learning é exigido dos alunos um grande grau de autonomia, repassando a eles grande responsabilidade pela sua própria aprendizagem. Ao contrário da aprendizagem em contextos convencionais, como o presencial, o uso do mlearning postula a ser uma nova opção ao invés de uma responsabilidade obrigatória. Assim, as questões-chave para o sucesso do m-learning estão na vontade subjetiva e cognitiva do indivíduo em se engajar em atividades de m-learning. Para compreender como um tecnologia pode ser disseminada, apresenta-se o arcabouço teórico para avaliar a aceitação de tecnologia e algumas pesquisas que já aplicaram essa teoria ao m-learning.
Modelos e teorias sobre aceitação de tecnologia Historicamente, o foco principal das diversas linhas de pesquisa sobre aceitação de tecnologia esteve na implementação e utilização de novas tecnologias de informação (computadores pessoais, processadores de texto, planilhas eletrônicas, internet, vídeo conferência, e-mail, pacotes de software e etc) no ambiente de trabalho e para tarefas produtivas, buscando analisar os fatores que influenciavam a utilização ou a intenção de uso das tecnologias (Agarwal & Prasad, 1999; 2000; Davis, 1989; Hendrickson, 1993; Igbaria, 1995; Igbaria, 1996; Mathieson, 1991; Venkatesh, 1999; Venkatesh & Davis, 2000; Venkatesh, 2003). Entretanto, a utilização desses modelos tem sido estendida para outros contextos fora do ambiente organizacional, como os trabalhos de Childers, (2001), avaliando o uso de internet por consumidores, de Suh e Han (2003) sobre o uso de comunidades virtuais, ou o artigo de Devraj, (2002) sobre compras pela internet.
A base teórica para estes estudos se desenvolveu a partir da Teoria da Ação Intencional (do inglês Theory of Reasoned Action - TRA) de Fishbein e Ajzen (1975), da qual derivaram, entre outros, o Modelo de Aceitação de Tecnologia (Technology Acceptance Model - TAM) de Davis (1989) e Davis, (1989), o Modelo do Processo de Difusão de Tecnologia da Informção (Straub, 1994), a Teoria do Comportamento Planejado (Theory of Planned Behaviour - TPB) de Ajzen
(1991) e a Teoria Unificada de Aceitação e Uso de Tecnologia (Unified Theory of Acceptance and Use of Technology - UTAUT) de Venkatesh, (2003), que é uma tentativa de unificar diversos modelos anteriores.
Teorias que deram origem aos modelos de aceitação de tecnologia A Teoria da Ação Intencional (TRA) (figura 1) é originária da psicologia social e foi desenvolvida para explicar o comportamento humano, não sendo um modelo proposto exclusivamente para avaliar o processo de aceitação de tecnologia. Estabelece que o desempenho de um determinado comportamento de um indivíduo é determinado por suas intenções comportamentais e esta intenção comportamental, por sua vez, é determinada por dois aspectos: a sua atitude e as normas subjetivas em que operam.
Figura 1: Teoria da Ação Intencional (TRA)
Fonte: Adaptado de Fishbein & Ajzen (1975).
Segundo Fishbein e Ajzen (1975), a atitude pode ser definida como os sentimentos, positivos ou negativos, que um indivíduo possui em relação a um comportamento alvo e reflete sua a disposição pessoal em se engajar em um comportamento, representando sua avaliação pessoal de acordo com suas crenças que, favorável ou desfavoravelmente, influenciam essa intenção. O outro componente, normas subjetivas, se refere à percepção que um indivíduo tem sobre a opinião de pessoas que lhe são importantes a respeito do fato de que ele deva ou não adotar o comportamento em questão, isto é, está calcado na percepção de uma avaliação externa a respeito de adotar ou não determinado comportamento (Fishbein & Ajzen, 1975). Ajzen (1991) estende o modelo Teoria da Ação Intencional com o objetivo de fazer uma predição da intenção do comportamento e do comportamento em situações no qual um indivíduo possui controle incompleto. Assim, um terceiro construto é introduzido independente da atitude a das normas subjetivas: o controle comportamental percebido, e o modelo resultante foi chamado de Teoria do Comportamento Planejado (TPB) (figura 2).
Figura 2: Teoria do Comportamento Planejado (TPB)
Fonte: Ajzen (1991).
O controle comportamental percebido reflete a crença que um indivíduo detém sobre a disponibilidade de recursos e de oportunidades (ou fatores que dificultam ainda mais o desempenho do comportamento). Em conjunto, a atitude, as normas subjetivas e a percepção de controle comportamental contribuem diferentemente para a formação da intenção comportamental que se presume ser o antecedente do comportamento. Com base nesses modelos, foram desenvolvidos diversos outros para avaliar particularmente o uso de tecnologias associadas a sistemas de informação e comunicação. Dois modelos tem se destacado nessa literatura e serão discutidos mais a fundo a seguir, juntamente com seus respectivos construtos e estruturas: o Modelo de Aceitação de Tecnologia (TAM) de Davis (1989) e Davis et al. (1989) e a Teoria Unificada de Aceitação e Uso de Tecnologia (UTAUT) de Venkatesh et al. (2003).
O modelo de aceitação de tecnologia (TAM) O Modelo de Aceitação de Tecnologia (TAM) (Davis, 1989), derivado da Teoria da Ação Intencional (TRA), foi concebido como um modelo parcimonioso, desenvolvido especificamente para avaliar a adoção de tecnologia de computadores e tecnologias relacionadas. O argumento teórico do modelo enfatiza duas variáveis que influenciam a atitude: a utilidade percebida e a percepção de facilidade de uso. Ajzen e Fishbein (1980) afirmam que a atitude em relação a um objeto influencia as intenções de uso de tal objeto, consequentemente, influenciando o comportamento em relação ao objeto (isto é, ao seu uso). Assim, dentro do modelo, a utilidade percebida significa a medida pela qual as pessoas acreditam que a tecnologia vai ajudá-las a fazer um trabalho melhor. Para Davis, (1989), a utilidade percebida era caracterizada como a probabilidade de melhoria de desempenho em tarefas relacionadas ao seu trabalho que o indivíduo enxergava ser possível por meio do uso de uma dada tecnologia.Posteriormente, essa definição foi ampliada para contextos fora do ambiente de trabalho, com a utilidade vindo a significar simplesmente as melhorias percebidas por um indivíduo em sua produtividade ou eficiência em qualquer tarefa, proporcionadas pelo uso de determinada tecnologia. Já a percepção de facilidade de uso representa a percepção que o indivíduo possui acerca do esforço que terá que despender para usar a nova tecnologia. Essas duas variáveis espelham duas das características da inovação descritas no modelo de difusão de Rogers: vantagem relativa e complexidade. Posteriormente, Davis. (1989) expandiram o modelo, chamado de Modelo de Aceitação de Tecnologia 2 ou Modelo de Aceitação de Tecnologia "estendido", sugerindo a inclusão de variáveis externas a ele (Figura 3).
Figura 3 – O Modelo de Aceitação de Tecnologia (TAM)
Fonte: Davis, (1989)
No entanto, os próprios autores do Modelo de Aceitação de Tecnologia original (Davis, 1989), ao testar o modelo sem o construto atitude, em ambientes onde a escolha do uso da tecnologia era mandatória (por exemplo, em empresas que adotam um novo sistema que deve ser obrigatoriamente usado por todos os funcionários), perceberam que o modelo se comportava igualmente bem com ou sem a atitude mediando a intenção de uso. Em cenários onde o uso da tecnologia é voluntário, a atitude se mostrou relevante e um fator determinante do uso, apesar de sua relação direta com a intenção de uso não ficar comprovada (Jackson, 1997). Uma possível explicação para a conclusão de que a atitude não é um construto essencial para o Modelo de Aceitação de Tecnologia, de acordo com Taylor e Todd (1995b), é o fato de que, para ambientes de trabalho, o desempenho da tecnologia é o fator mais importante, com os gostos ou sentimentos pessoais dos possíveis usuários não exercendo influência significativa sobre a intenção de uso ou o uso concretizado. Davis, (1989) destacam também que, para aplicar esses construtos na compreensão da aceitação de tecnologia, é necessário medir atitudes e crenças em relação ao uso da tecnologia e não à tecnologia em si (simplesmente como conceito ou idéia, desligada do uso prático), uma vez que indivíduos podem possuir visões positivas sobre tecnologias novas, mas não estarem dispostos a adotálas ou utilizá-las.
Testado exaustivamente ao longo dos anos no campo de sistema de informações (Legris, 2003; Yousafzai, 2007) e tendo servido de base para a criação e teste de vários modelos posteriores (Kulviwat, 2007), Yousafzai (2007) atestam que a grande popularidade do Modelo de Aceitação de Tecnologia pode estar associada ao fato de o modelo ser parcimonioso, específico para o contexto de inovações tecnológicas e capaz de produzir explicações e predições adequadas para a aceitação de diversas tecnologias em diferentes ambientes. Além disso, o Modelo de Aceitação de Tecnologia possui uma base teórica sólida e várias escalas validadas para a medição de seus construtos, o que facilita a sua aplicação e replicação nas mais distintas condições e contextos.
Teoria Unificada de Aceitação e Uso de Tecnologia (UTAUT) Em uma tentativa de propor um modelo de aceitação, uso e difusão de tecnologia mais abrangente, Venkatesh (2003) propõem o modelo UTAUT, Teoria Unificada de Aceitação e Uso de Tecnologia, no qual integra elementos de oito teorias diversas. Os oito modelos
consistem da Teoria da Ação Intencional (TRA) (Fishbein & Ajzen, 1975), o Modelo de Aceitação de Tecnologia (TAM) (Davis, 1989), o Modelo Motivacional (MM) (Davis, 1992), a Teoria do Comportamento Planejado (TPB) (Ajzen, 1991), o Modelo de Aceitação de Tecnologia combinado com o Teoria do Comportamento Planejado (C-TAM-TPB) (Taylor & Todd, 1995a), o Modelo de Utilização de PC (MPCU) (Triandis, 1977; Thompson, 1991), a teoria da difusão da inovação (Rogers, 2003; Moore & Benbasat, 1991) e a teoria cognitiva social (Bandura, 1986; Compeau & Higgins, 1995).
Venkatesh (2003) teorizam que quatro construtos, expectativa de desempenho, expectativa de esforço, influencia social, condições facilitadoras, todos moderados pela idade, experiência, sexo e voluntariedade de uso teriam influência direta sobre a intenção de uso e o uso efetivo da tecnologia. O modelo (Figura 4) foi elaborado e testado para modelar a adoção de novos sistemas e tecnologias da informação em ambientes de trabalho, na mesma linha do Modelo de Aceitação de Tecnologia original. No entanto, a Teoria Unificada de Aceitação e Uso de Tecnologia possui uma sólida base teórica e sugere construtos que poderiam ser utilizados e testados também para a adoção de tecnologias em outros contextos, como no caso de Vasconcelos (2008) e Brauer (2008), que usaram o modelo para avaliar o e -learning no ambiente corporativo.
Figura 4 – A Teoria Unificada de Aceitação e Uso da Tecnologia (UTAUT)
Fonte: Venkatesh, (2003)
Segundo Venkatesh, (2003), a expectativa de desempenho é definida como o grau em que um indivíduo acredita que usar uma tecnologia irá ajudá-lo a alcançar níveis superiores de desempenho em suas tarefas de trabalho. É baseado no construto utilidade percebida do Modelo de Aceitação de Tecnologia (Davis, 1989) e no construto vantagem relativa da teoria de difusão de inovações de Rogers (2003). Já a expectativa de esforço é definida como o grau de facilidade associado ao uso de uma tecnologia e é similar a construtos presentes em outros modelos, como a facilidade de uso percebida ou o construto complexidade, também presente na teoria de difusão de inovações de Rogers. Venkatesh, (2003) afirmam que o construto expectativa de esforço (e seus similares em outros modelos) é significante na previsão da intenção de uso, particularmente nos primeiros estágios da adoção (Thompson, 1994).
Por sua vez, o construto influência social representa o grau de percepção de um indivíduo sobre o quão importante é, para pessoas próximas e relevantes, que ele utilize a tecnologia. É similar ao construto normas subjetivas presente na Teoria da Ação Intencional de Fishbein e Ajzen (1975) e na Teoria do Comportamento Planejado de Ajzen (1991). Venkatesh e Davis (2000) sugerem, no entanto, que os efeitos da influência social são mais relevantes em ambientes onde a adoção é mandatória, mas apontam para o fato de que, em ambientes onde a adoção é voluntária, pode existir necessidade de conformação com a opinião de pessoas próximas ou com grupos de referência, o que tornaria a influência social um construto igualmente significativo na determinação da aceitação de novas tecnologias. Por fim, o construto condições facilitadoras mede até que ponto um indivíduo acredita que a infraestrutura organizacional e técnica existente na empresa permite e suporta a utilização da tecnologia a ser adotada. Esse construto é similar ao construto controle percebido da Teoria do Comportamento Planejado (Ajzen, 1991) e ao construto compatibilidade da teoria de difusão de inovações de Rogers (2003).
Venkatesh et al. (2003) testaram a Teoria Unificada de Aceitação e Uso de Tecnologia empiricamente e os resultados apresentaram forte suporte para as relações e construtos propostos no modelo, com efeitos diretos significativos sobre a intenção de uso da tecnologia sendo verificados para os seguintes construtos: expectativa de desempenho, expectativa de esforço e influência social. Além disso, foram confirmados efeitos diretos da intenção de uso e do construto condições facilitadoras sobre o uso concretizado da tecnologia. Venkatesh et al. (2003) ainda testaram e verificaram efeitos significativos de variáveis moderadoras como sexo e idade. O modelo foi capaz de explicar 70% da variância presente na intenção de uso de uma tecnologia, representando uma melhora substancial sobre os outros modelos de aceitação de tecnologia. O Modelo de Aceitação de Tecnologia, por exemplo, segundo Venkatesh, (2003), para os mesmos dados, só foi capaz de explicar 38% do variância. O arcabouço teórico apresentado descreve a origem e dois dos principais modelos encontrados na literatura para analisar o comportamento e a intenção de uso de tecnologia em geral. A seguir são apresentadas aplicações desses modelos ao m-learning.
Aplicações dos modelos de aceitação de tecnologia ao ambiente de ensino Por considerar que as tecnologias de informação e comunicação usadas para o processo de ensino e aprendizagem são, de fato, tecnologias da computação ou relacionadas, diversos pesquisadores tem usado esse arcabouço teórico para investigar o processo de aceitação e difusão das tecnologias digitais no ambiente de ensino
No que diz respeito ao e-learning, o uso desses modelos tem sido amplamente documento na literatura (Arbaugh, 2005; Cheng, 2011; Hong, 2011; Huang, 2012; Kiraz & Ozdemir, 2006; Martins & Kellermanns, 2004; Pituch & Lee, 2006; Sanchez-Franco, 2010; Sugar, 2005; Teo &
Noyes, 2011; Zayim,). Já em relação ao m-learning, apesar de já existirem trabalhos relatados tanto usando o modelo Modelo de Aceitação de Tecnologia (Huang, 2007; Liu, Han & Li, 2010; Liu, Li & Carlsson, 2010; Lu & Viehland, 2009; Park, 2011; Suki & Suki, 2011) quanto o modelo da Teoria Unificada de Aceitação e Uso de Tecnologia (Wang, 2009), ainda é incipiente a pesquisa e os resultados são inconclusivos, principalmente pelo fato do m-learning ainda ser um fenômeno relativamente recente e ainda pouco conhecido.
Aplicações dos modelos de aceitação de tecnologia ao Mobile Learning Liu, Han & Li (2010) fizeram uma ampla revisão da literatura sobre Modelo de Aceitação de Tecnologia e a Teoria Unificada de Aceitação e Uso de Tecnologia e adaptaram as estruturas básicas do Modelo de Aceitação de Tecnologia para propor um modelo para avaliar a adoção do m-learning sob a ótica de serviços, do aprendiz e da perspectiva de consumidor. Segundo o framework proposto, a adoção do m-learning é influenciada pela percepção de mobilidade (Kaigin & Basoglu; 2006; Mallat, 2008) que o indivíduo possui acerca de seu uso. Outro construto que influencia a decisão do indivíduo, sob a ótica do m-learning como serviço oferecido, é a percepção de qualidade (Chiu, 2005; Liaw, 2008), separada em duas dimensões: percepção da qualidade do conteúdo e da qualidade do sistema. Derivado da teoria da expectativa de valor (Eccles, 1983), também influenciariam o indivíduo em direção a adotar o m-learning a sua percepção do valor intrínseco, o valor de utilidade e o custo. Por fim, com base na proposta de Warner, (1998) para a prontidão para o e-learning, os autores argumentam que a capacidade de auto-gestão do aprendizado e o conforto com o m-learning afetariam positivamente a decisão de usá-lo (Wang, 2009).
O modelo não foi testado empiricamente. Entretanto, os autores argumentaram que, apesar de possuir grande potencial, a absorção dos serviços de m-learning é em geral muito mais lenta do que o esperado (Liu, Han & Li, 2010). Para eles, a adoção da tecnologia móvel é mais individual, mais personalizada e focada sobre os serviços disponibilizados pela tecnologia. Além disso, um usuário de m-learning se comporta como um aluno em vez de um empregado. Posteriormente, Suki & Suki (2011) confirmaram empiricamente a influência positiva da percepção de mobilidade na intenção de comportamento, o que dá suporte a um dos constutos do modelo inicial proposto porLiu, Han & Li (2010). Huang, (2007) estenderam o Modelo de Aceitação de Tecnologia e propuseram um estudo com o objetivo de verificar se ele seria capaz de prever a aceitação do m-learning em atividades em que os usuários utilizassem material de aprendizagem via dispositivos móveis. O modelo introduz duas variáveis externas para explicar as diferenças individuais de uso: a percepção do valor de mobilidade (Seppälä & Alamäki, 2003) e a percepção de diversão (Davis, 1992; Teo and Li m, 1997).
Os resultados corroboram as relações de causalidade básicas do Modelo de Aceitação de Tecnologia. Em relação às novas variáveis introduzidas, a percepção de valor de mobilidade e
de diversão foram capazes de prever a intenção de uso dos usuários, sendo a percepção de diversão o preditor mais forte do modelo. Os autores concluíram que os usuários têm atitudes positivas em relação ao m-learning, isto é, eles vêem o m-learning como uma ferramenta eficiente. Por outro lado, Suki & Suki (2011) não confirmaram a influência positiva da percepção de diversão na intenção de comportamento, o que denota ainda resultados conflitantes sobre que fatores efetivamente influenciam a adoção da tecnologia.
Já o modelo de Liu, Li & Carlsson (2010), também com base no Modelo de Aceitação de Tecnologia , introduz dois construtos ao modelo. O primeiro é a utilidade de curto e longo prazo (Thompson, 1991) e é definida como sendo a medida em que um indivíduo acredita que utilizando uma tecnologia poderá melhorar o desempenho de seu trabalho. Liu, Li & Carlsson (2010) seguiram o argumento de Chau (1996), que postulou que a percepção de utilidade se dividia em curto e longo prazo, os quais foram entendidos como geradores de impactos significativos sobre a intenção de utilizar tecnologias da informação. O longo prazo de utilidade reflete os resultados futuros. Já o curto prazo de utilidade evidencia os resultados imediatos percebidos pelo indivíduo que podem influenciar as consequências de longo prazo. Um sistema educacional pode ter tanto percepções de curto quanto de longo prazo de utilidade.
O segundo construto é a inovatividade pessoal (Agarwal & Prasad, 1998) e é definida como sendo a disposição dos indivíduos em experimentar qualquer nova tecnologia da informação. Indivíduos com níveis mais elevados de inovação estão mais propensos a desenvolver crenças positivas sobre novas inovações, comparados com aqueles que possuem níveis mais baixos. Os resultados indicaram que o longo e o curto prazo de utilidade e a inovatividade pessoal tem influência significativa sobre a intenção de adotar o m-learning. A inovatividade pessoal é preditora tanto da facilidade de uso percebida quanto do longo prazo de utilidade. De todos os construtos utilizados na pesquisa, o longo prazo de utilidade foi visto como o preditor mais significativo para a aceitação do m-learning, sendo um fator chave para prever o uso e adoção do m-learning. Entretanto, ao contrário de estudos anteriores, o facilidade de uso não teve qualquer efeito na intenção de uso do m-learning.
Para entender a aceitação da utilização do m-learning por estudantes universitários coreanos Park, (2011) adaptaram o Modelo de Aceitação de Tecnologia , incluindo quatro variáveis exógenas: a auto-eficácia, a relevância para disciplinas, a acessibilidade do sistema e normas subjetivas. Pelo modelo proposto, a atitude é afetada pela utilidade percebida e esta pela facilidade de uso percebida. A atitude se mostrou como a variável mais importante entre as endógenas para influenciar a intenção de uso da tecnologia. O modelo proposto apresentou bom grau de ajuste para as variáveis propostas na finalidade de explicar a intenção de uso do m-learning. Park (2011) justificaram esse bom resultado ao fato da adição dos fatores sociais (normas subjetivas) e organizacionais (acessibilidade do sistema), além de fatores individuais (auto-eficácia e relevância para disciplinas). Ainda, de forma geral, os construtos do modelo tiveram tanto influências diretas quanto indiretas na intenção de uso.
O construto acessibilidade do sistema, como um fator organizacional, foi um dos construtos exógenos dominantes com relação à intenção de uso do m-learning, além de influenciar a facilidade de uso percebida. Tal resultado pode ser encarado como esperado, dado que o mlearning requer um ambiente wireless ao invés de conexões com fios e cabos. No contexto dos construtos endógenos, nem a utilidade percebida nem a facilidade de uso percebida tiveram efeitos diretos significativos na intenção de uso do m-learning. No modelo original do Modelo de Aceitação de Tecnologia , a utilidade percebida afetaria diretamente a intenção de uso da tecnologia. enquanto que a facilidade de uso percebida teria somente efeitos indiretos mediados pela atitude.
Wang, (2009) utilizaram o modelo da Teoria Unificada de Aceitação e Uso de Tecnologia para avaliar a intenção de uso do m-learning com efeitos moderadores de gênero e idade. Porém, Wang et al. argumentaram que os construtos fundamentais da Teoria Unificada de Aceitação e Uso de Tecnologia, UTAUT não refletiam completamente as influências específicas do mlearning, o que os levou a incorporar novos construtos no modelo proposto: a diversão percebida e a auto-gestão do aprendizado. O estudo realizado em cinco organizações em Taiwan por amostragem não-aleatória teve como resultado que todos os fatores do modelo apresentaram efeitos significativos sobre a intenção de uso da tecnologia. Consistente com Venkatesh, (2003), os construtos derivados da Teoria Unificada de Aceitação e Uso de Tecnologia tiveram uma influência positiva significativa no comportamento de intenção de uso do m-learning. A expectativa de desempenho apresentou o impacto de maior magnitude.
Os dois novos construtos adicionados ao modelo tiveram um alto grau de influência na intenção de uso, maior do que os fatores básicos da Teoria Unificada de Aceitação e Uso de Tecnologia. Segundo Wang, isto pode ser explicado pelo caráter voluntário da utilização do mlearning, com a criação de um sistema divertido e agradável, podendo ser crucial na atração de participantes, facilitando a sua auto-gestão do aprendizado. Assim, um indivíduo com grande capacidade de aprendizado autônomo tem mais chances de começar a utilizar o sistema. Ainda, a medida do efeito da moderação das variáveis pode ser vista como determinante na intenção de uso com relação ao gênero. Com exceção da influencia social para mulheres, todos os outros fatores apresentaram efeitos significativos sobre a i ntenção de uso do m-learning para ambos os gêneros. Ainda, para os dois grupos de idade (superior a 30 anos e inferior a 30 anos), todos os fatores apresentaram efeitos significativos, com exceção de expectativa de esforço e influência social para o grupo dos mais jovens. Mesmo com os efeitos de moderação sendo significantes, estes não demonstraram diferenças significativas nos fatores expectativa de desempenho e diversão percebida. O que mostra que, independente do gênero e idade, os que tinham maior expectativa de desempenho e maior diversão percebida tinham uma maior intenção de uso do sistema.
Por fim, Lu & Viehland (2008) adaptaram o Modelo de Aceitação de Tecnologia introduzindo quatro variáveis externas: autoeficácia, normas subjetivas, experiência prévia com e-learning (Nagy 2005), significando que o indivíduo que tem experiência previa com o aprendizado eletrônico estaria mais propenso a aceitar o m-learning, e a percepção de recursos financeiros (Mathieson, 2001), que indica a medida em que uma pessoa acredita ter os recursos financeiros para usar um sistema de informação. Destes, apenas experiência previa com elearning não teve influencia sobre a intenção de uso do m-learning.
Um modelo para avaliação do m-learning Com base na literatura apresentada, adaptamos o Modelo de Aceitação de Tecnologia para avaliar a intenção de uso do m-learning no ambiente do ensino superior brasileiro. Sugere-se a introdução de dois construtos externos: a compatibilidade (Moore & Benbasat, 1991; Venkatesh, 2003) e autoeficácia (Compeau & Higgins, 1995; Pituch & Lee; 2006). A compatibilidade representa o grau com que uma inovação percebida pelo indivíduo é consistente com seus valores, necessidades e experiências prévias. Acredita-se que esse construto é importante para os indivíduos adotarem o m-learning, pois para que possam perceber vantagens em usá-lo como instrumento de ensino-aprendizagem os adotantes devem percebê-lo compatível com o processo de ensino a que estão acostumados, levando-se em conta suas crenças e valores. Por sua vez, a autoeficácia (Compeau & Higgins, 1995; Pituch & Lee; 2006) representa o julgamento de uma pessoa sobre sua própria capacidade de organizar e executar um curso de ação necessário para atingir tipos designados de desempenho. Ainda, conforme descreve Bandura (1977), a autoeficácia reflete a crença sobre a capacidade do indivíduo em executar certas tarefas com sucesso.
Como argumentamos que o m-learning exige maior autonomia do indivíduo, hipotetizamos que a autoeficácia é um construto importante e influencia positivamente na intenção de uso, já tendo sido previamente testado e validada para o e-learning (Pituch & Lee, 2006). Ambos esses construtos afetariam diretamente a facilidade de uso percebida e a percepção de utilidade de uso e, consequentemente, indiretamente a intenção de uso. P or fim, conforme argumento de Chau (1996) e os resultados de Liu, Li & Carlsson (2010), propõe-se divisão da percepção de utilidade em componentes de curto e longo prazo (Thompson, 1991). Conforme proposto por Cole , (2008) e Eccles & Wigfield (2002), argumenta-se que se o aluno perceber que a realização de uma tarefa no curto prazo vai lhe ser útil para atender algum objetivo futuro, isso facilita o seu engajamento no curto prazo em alguma atividade de aprendizagem, almejando algum objetivo importante no longo prazo, mesmo que haja uma falta de interesse na atividade de aprendizagem. Assim, a percepção de utilidade de curto prazo influenciaria a de longo prazo e as duas teriam influência positiva na atitude que influenciaria diretamente a intenção de uso, juntamente com a facilidade de uso. A figura 10 descreve o modelo proposto
com as relações entre os construtos. De acordo com a revisão da literatura, acreditamos que o modelo proposto seja adequado para avaliar o m-learning dentro do contexto brasileiro. O anexo 1 apresenta as escalas, já desenvolvidas e testadas pela literatura, para a medição de cada construto utilizado no modelo proposto.
Figura 10. Modelo para avaliação de m-learning para o contexto brasileiro
Fonte: adaptado de Davis, 1989.
Considerações Finais Baseado na revisão de literatura sobre a aprendizagem com moblidade (m-learning) e nos modelos de aceitação de tecnologia avaliados, este trabalho oferece um modelo abrangente, ainda que parcimonioso. Dessa forma, contribuímos para aumentar a compreensão acerca da crescente literatura sobre m-learning, oferecendo um modelo teórico com base no modelo de aceitação de tecnologia (TAM) com o intuito de aplicá-lo ao ambiente educacional brasileiro. Busca-se preencher uma lacuna, estendendo o modelo de aceitação de tecnologia a contextos sociais onde o usuário de tecnologias móveis ganha um novo papel – o de aluno. Além disso, o artigo fornece várias idéias preliminares para a adoção do m-learning, apontando fatores que podem influenciar a atitude do indivíduo em direção a aceitar ou não a tecnologia. O fato dos alunos dos dias de hoje estarem familiarizados com tecnologias móveis, por si só, não garante a adoção do m-learning. Para assegurar um uso contínuo e eficaz do m-learning, é essencial que os próprios alunos, que estão no comando de seus problemas de aprendizagem, percebam que o m-learning está alinhado com suas crenças e valores no que diz respeito ao processo de aprendizagem.
O uso de m-learning vai depender de como os alunos avaliam as suas tarefas de aprendizagem em relação aos benefícios que irão obter no curto e no longo prazo. Uma futura pesquisa empírica do modelo proposto poderia estender as atuais fronteiras do atual conhecimento sobre a adoção do m-learning. fortalecendo os fundamentos teóricos aqui apresentados, e,
dessa forma, enriquecendo a nossa compreensão da aceitação do m-learning, oferecendo um conjunto de possíveis orientações para os profissionais que desejem promover a difusão do mlearning em suas organizações
Por fim, futuras pesquisas também podem considerar outras duas questões ao avaliarem a aceitação e difusão do m-learning nas organizações (Saccol, 2010). Primeiramente, existe uma questão de ordem epistemológica e pedagógica: as práticas de m-learning, assim como outras práticas que se utilizam de diferentes tecnologias digitais, correm o risco de terem um enfoque fundamentalmente tecnológico, sem que questões epistemológicas e pedagógicas relevantes tenham sido pensadas previamente. Assim, outras variáveis ligadas a aspectos sociais poderiam ser introduzidas no modelo. Em segundo lugar, existem questões de ordem tecnológica e econômica: as escolhas tecnológicas deverão estar vinculadas às concepções epistemológicas de quem planeja e implementa atividades educacionais via m -learning. Tais escolhas também devem estar subordinadas a questões de acessibilidade e adequação da tecnologia, bem como de critérios econômicos (custos e benefícios envolvidos).
Bibliografia
AGARWAL, R., & PRASAD, J. A conceptual and operational definition of personal innovativeness in the domain of information technology. Information Systems Research, v. 9, n. 2, p. 204 –215, 1998. AGARWAL, R., & PRASAD, J. Are individual differences germane to the acceptance of new information technologies? Decision Sciences, v. 30, n. 2, p. 361-91, 1999. AGARWAL, R., & PRASAD, J. A field study of the adoption of software process innovations by information system professionals. IEEE Transactions on Engineering Management, v. 47 n. 3, p. 295-308, 2000. AJZEN, I., & FISHBEIN, M. Understanding Attitudes and Predicting Social Behaviour. PrenticeHall, Englewood Cliffs, NJ, 1980. AJZEN, I. The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, v. 50, n. 2, pp. 179-211, 1991.
ARBAUGH, J. B. Is There an Optimal Design for On-Line MBA Courses? Academy of Management Learning and Education, v. 4, n. 2 p. 135-149, 2005. ARDITO, C., BUONO, P., COSTABILE, M. F., LANZILOTTI, R., PEDERSON, T., & PICCINNO, A. Experiencing the past through the senses: an m-learning game at archaeological parks. IEEE Multimedia, vol. 15, n. 04, p.16-88, 2008. BANDURA, A. Self-efficacy: toward a unifying theory of behavioral change. Psychological Review, v. 84, p: 191 –215, 1977. BANDURA, A. Social foundations of thought and action: a social cognitive theory. Englewood Cliffs, NJ: Prentice Hall, 1986. BRAUER, M. Resistência à educação a distância na educação corporativa. Tese de Doutorado, Fundação Getulio Vargas, Departamento de Administração, 2008. BROWN, J., & METCALF, D. Mobile Learning Uptade, 2008. Acessado em 19 de dezembro de 2011 de www.masie.com. CHAU, P. Y. K. An empirical assessment of a modified technology acceptance model. Journal of Management Information Systems, v. 13, n. 2, p. 185 –204, 1996. CHENG, B., WANG, M., YANG, S.J.H., & PENG, K. J. Acceptance of competency-based workplace e-learning systems: Effects of individual and peer learning support. Computers & Education, v.57, n.2, p. 1317-1333, 2011. CHILDERS, T., CARR, C., PECK, J., & CARSON, S. Hedonic and utilitarian motivations for online retail shopping behavior. Journal of Retailing, v. 77, n. 4, p. 511 -35, 2011. CHIU, C.M., HSU, M., SUN, S.-Y., LIN, T., & SUN, P.-C. Usability, quality, value and e-learning continuance decisions, Computer & Education, Vol. 45 No. 4, pp. 399-416. CLYDE, L.A. “m-learning”, Teacher Librarian, v. 32, n. 1, p. 45-6, 2004.
CMUK, D. Optimization of m-learning and e-learning methods in metrology education, 2007. Acessado em 19 de dezembro de 2011 de: http://www.fer.hr/_download/repository/Cmuk_kvalifikacijski.pdf COLE, J. S., BERGIN, D. A., & WHITTAKER, T. A. Predicting student achievement for low stakes tests with effort and task value. Contemporary Educational Psychology, v. 33, n. 4, p. 609 –624, 2008. COMPEAU, D. R., & HIGGINS, C. A. Computer self-efficacy: development of a measure and initial test. MIS Quarterly, v. 19, n. 2, p. 189 –211, 1995. DAVIS, F. D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, v. 13, n. 3, p. 319-339, 1989. 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. 982-1002, 1989.
DAVIS, F. D., BAGOZZI, R. P., & WARSHAW, P. R. Extrinsic and intrinsic motivation to use computers in the workplace. Journal of Applied Social Psychology, v.22, n.14, p.1111 –1132, 1992. DEVRAJ, S., FAN, M., & KOHLI, R. Antecedents of B2C channel satisfaction and preference. Information Systems Research, v. 13, n. 3, p. 316-333, 2002. ECCLES, J., ADLER, T., FUTTERMAN, R., GOFF, S., KACZALA, C., MEECE, J., & MIDGLEY, C. Expectancies, values, and academic behaviors, em Spence, J.T. (Ed.), Achievement and Achievement Motivation, W.H. Freeman, San Francisco, CA, p. 75-146, 1983. ECCLES, J. S., & WIGFIELD, A. Motivational beliefs, values, and goals. Annual Review of Psychology, v. 53, n.1, p. 109 –132, 2002. EVANS, C. The effectiveness of m-learning in the form of podcast revision lectures in higher education. Computers & Education, v. 50, p. 491-498, 2008. FISHBEIN, M., & AJZEN, I. Belief, Attitude. Intention and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley Publishing, 1975. GAY, G., STEFANONE, M., GRACE-MARTIN, M. & HEMBROOKE, H. The effects of wireless computing in collaborative learning, International Journal of Human-Computer Interaction, v.13, n. 2, p. 257-76, 2001. GEDDES, S. J. Mobile learning in the 21st century: benefit for learners. Knowledge Tree e journal. 2004. Acessado em 19 de dezembro de 2011 de: http://knowledgetree.flexiblelearning.net.au/edition06/download/Geddes.pdf 6th ed. GJEDDE, L. learning on the road – designing for contextual and engaging mobile learning. Proceedings of Iadis International Conference on Mobile Learning. Algarve, Portugal, 2008. Anais em CDROM. GOH, T., & KINSHUK, D. Getting ready for mobile learning, Proceedings of ED-MEDIA 2004 World Conference on Educational Multimedia, Hypermedia & Telecommunications, Lugano, Switzerland, p. 56-63, 2004. HENDRICKSON, A., MASSEY, P., & CRONAN, T. On the test-retest reliability of perceived usefulness and perceived ease of use scale. MIS Quarterly, v.17, n.2, p: 227-230, 1993. HILL, T.R., & ROLDAN, M. Toward third generation threaded discussions for móbile learning: opportunities and challenges for ubiquitous collaborative environments, Information Systems Frontiers, v. 7, n.1, p. 55-70, 2005. 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. 2086-2094, 2011. HSU, T.Y., KE, H.R., & YANG, W.P. Knowledge-based mobile learning framework for museums. The Electronic Library, v. 24, n. 5, p. 635-48, 2006.
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, 2012. HUANG, J., LIN, Y., & CHUANG, S. Elucidating user behavior of mobile learning: A perspective of the extended technology acceptance model. The Electronic Library, v.25, p. 585, 2007. IGBARIA, M.; GUIMARAES, T., & DAVIS, G. Testing the determinants of microcomputer usage via a structural equation model. MIS Quarterly, v. 11, n. 4, p. 87-114, 1995. IGBARIA, M., PARASURAMAN, S., & BAROUDI, J.J. A motivational model of microcomputer usage. Journal of Management Information Systems, v. 13, n. 1, p. 127 –143, 1996. JACKSON, C., CHOW, S., & ROBERT, A. Towards an understanding of the behavioural intention to use an IS. Decision Sciences, v. 28, n. 2, p. 357-89, 1997. KAIGIN, B., & BASOGLU, N. Adoption factors of mobile services, International Conference on Mobile Business, Copenhagen, p. 41, 2006. KAKIHARA, M. & SØRENSEN, C. Expanding the ‘mobility’ concept, ACM SIGGROUP Bull, Vol. 22
No. 3, pp. 33-7. 2001. KAKIHARA, M. & SØRENSEN, C. Mobility: an extended perspective. In Proceedings of the 35th Hawaii International Conference on System Sciences, Big Island, Hawaii, IEEE. 2002. KEIL, M., BERANEK, P., & KONSYNSKI, B. Usefulness and ease of use: field study evidence regarding task consideration. Decision Support Systems, v. 13, pp. 75-91, 1995. KIRAZ, E., & OZDEMIR, D. The Relationship between Educational Ideologies and Technology Acceptance in Pre-service Teachers. Educational Technology & Society, v. 9, n. 2, p. 152-165, 2006. KUKULSKA-HULME, A., SHARPLES, M., MILRAD, M., ARNEDILLO-SÁNCHEZ., I., & VAVOULA, G, Innovation in Mobile Learning: a European Perspective. International Journal of Mobile and Blended learning, v. 1, n. 1, p. 13-35, 2009. KULVIWAT, S., BRUNER II, G. C., KUMAR, A., SUZANNE, A. N., & CLARK, T. Toward a Unified Theory of Consumer Acceptance Technology. Psychology and Marketing, v. 24, n. 12, p. 10591084, dez. de 2007. LEGRIS, P., INGHAM, J., & COLLERETTE, P. Why do people use information technology? A critical review of the technology acceptance model. Information and Management, v. 40, p. 191 –204, 2003. LIAW, S.S. Investigating students’ perceived satisfaction, behavioral intention, and
effectiveness of e-learning: a case study of the Blackboard sy stem”, Computers & Education, v. 51, n. 2, p. 864-73., 2008. LIU, Y., HAN, S., & LI, H. Understanding the factors driving m-learning adoption: a literature review. Campus-Wide Information Systems. v. 27, n. 4, p. 210, 2010.
LIU, Y., LI, H., & CARLSSON, C. Factors driving the adoption of m-learning: An empirical study. Computers & Education, v.55, p. 1211, 2010. LU, X., & VIEHLAND, D. Factors Influencing the Adoption of Mobile Learning, 19th Australasian Conference on Information Systems Adoption of Mobile Learning. Christ church Centre for Mobile Computing and Department of Management and International Business, Massey University Auckland, New Zealand, 3-5 Dec. 2008. LYYTINEN, K., & YOO, Y. The next wave of nomadic computing. Information Systems Research, v. 13, n. 4, p. 377-388, 2002. MALLAT, N., ROSSI, M., TUUNAINEN, V.K., & OORNI, A. An empirical investigation of mobile ticketing service adoption in public transportation. Personal and Ubiquitous Computing, v. 12, n. 1, p. 57-65, 2008. MANIAR, N., & BENNETT, E. Media influence on m-learning?. Proceedings of VideoFunet Conference, Tampere, Finland, 2007. MATHIESON, K. Predicting User Intention: Comparing the Technology Acceptance Model with the Theory of Planned Behavior. Information System Research, v. 2, p 173-191, 1991. 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, 2004. MOORE, G. C., & BENBASAT, I. Development of an instrument to measure the perceptions of adopting an information technology innovation. Information Systems Research, v.2, n. 3, p. 192-222, 1991. MOTIWALLA, L. Mobile learning: a framework and evaluation. Computers & Education, v.9, p. 581-596, 2007. MUYINDA, P.B. MLearning: pedagogical, technical and organizational hypes and realities. Campus-Wide Information Systems, v. 24, n. 2, p. 97-104, 2007. NAGY, A. The Impact of E-learning. Database, v. 12, n. 3, p. 79-96, 20 05. PARK, S. U., NAM, M. W., & CHA, S. B. University students’ behavioral intention to use mobile learning: Evaluating the technology acceptance model. British Journal of Educational Technology, 2011. PETERS, K. Learning on the move: mobile technologies in business and education. Report. Australian Government, 2005. PHUANGTHONG, D., & MALISAWAN, D. A study of behavioral intention for 3G mobile internet technology: preliminary research on mobile learning. Proceedings of the Second International Conference on eLearning for Knowledge-Based Society, Bangkok, Thailand, August 4 –7, 2005. PITUCH, K. A., & LEE, Y. The influence of system characteristics on e-learning use. Computer & Education, v. 47, n. 2, p. 222-244, 2006.
POZZI, F. The impact of m- learning in school contexts: an ‘inclusive’ perspective, em Stephanidis, C. (Ed.), Universal Access in HCI, HCII, LNCS 4556, Springer-Verlag, Berlim, 2007. ROGERS, E. Diffusion of Innovations. 5 ed. New York: Free Press, 2003. SACCOL, A. Z., SCHLEMMER, E., & BARBOSA, J., Hahn, R. M-learning e U-learning: novas perspectivas da aprendizagem móvel e ubíqua. São Paulo: Pearson Education, 2010. 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, 2010. SEPPÄLÄ, P., & ALAMÄKI, H. Mobile learning in teacher training, Journal of Computer Assisted Learning, v.19, n.3, p. 330-5, 2003. SHARPLES, M. The design of personal mobile Technologies for lifelong learning. Computers & Education, v.34, p. 177-193, 2000. SHERRY, J., & SALVADOR, T. Running and grimacing: the struggle for balance in mobile work. In: Brown et al. (eds). Wireless World – Social and interactional aspects of mobile age. London: Springer-Verlag, 2002. SORENSEN, C., AL-TAITOON, A., & KIETZMANN, J. Exploring enterprise mobility: Lessons from the field. Information Knowledge Systems Management v.7, p. 2 43 –271, 2008. SUGAR, W., CRAWLEY, F., & FINE, B. Critiquing Theory of Planned Behaviour as a method to assess teachers’ technology integration attitudes. British Journal of Educational Technology, v.36, n.2, p. 331-334, 2005. SUH, B., & HAN, I. The impact of customer trust and perception of security control on the acceptance of electronic commerce. International Journal of Electronic Commerce, v.7, n.3, p. 135-61, 2003. SUKI, N., & SUKI, N. User’s behaviour towards Ubiquitous m-learning, Turkish Online Journal of
Distance Education, v.12, n.3, 2011. STRAUB, D. W. The effect of culture on IT diffusion: e-mail and fax in Japan and the US. Information Systems Research, v. 5, n. 1, p. 23 –47, 1994. TAYLOR, S., & TODD, P. A. Assessing IT Usage: the role of prior experience. MIS Quarterly, v. 19, n. 2, p. 561 –570, 1995a. TAYLOR, S., & TODD, P. A. Understanding Information Technology Usage: A Test of Competing Models. Information Systems Research, v. 6, n. 4, p. 144-176. 1995b. TEO, T., & LIM, V.K.G. Usage patterns and perceptions of the internet: the gender gap”, Equal
Opportunities International, v. 16, n. 6/7, p. 1-8, 1997. TEO, T., & NOYES, J. An assessment of the influence of perceived enjoyment and attitude on the intention to use technology among pre-service teachers: A structural equation modeling approach. Computers & Education, v. 57, n. 2, p. 1645-1653, 2011.
THOMPSON, R., HIGGINS, C., & HOWELL, J. Personal computing: toward a conceptual model of utilization. MIS Quarterly, v. 15, n. 1, p. 125 –143, 1991. THOMPSON, R., HIGGINS, C., & HOWELL, J. Influence of Experience on Personal Computer Utilization: Testing a Conceptual Model. Journal of Management Information Systems, v. 11, n. 1, p. 167-187, 1994. TRAXLER, J. The Evolution of mobile learning. In: Guy, Retta. The Evolution of Mobile Teching and Learning. Santa Rosa: Informing Science Press, v.1, 103-118, 2009. TRIANDIS, H. C. Interpersonal behavior. Monterey, Canada: Brooke/Cole, 1977 . VASCONCELLOS, L. Adoção de inovações: o uso do e-learning por colaboradores de uma empresa de telecomunicações. Tese de Doutorado, Universidade de São Paulo, Departamento de Administração, 2008. VAVOULA, G., SHARPLES, M., RUDMAN, P., MEEK, J., & LONSDALE, P. Myartspace: design and evaluation of support for learning with multimedia phones between classrooms and museums. Computers & Education, v. 53, n. 2, p. 286-299, 2009. VENKATESH, V. Creation of favorable user perceptions: exploring the role of intrinsic motivation. MIS Quarterly, v. 23, n. 2, p. 239-60, 1999. VENKATESH, V. & DAVIS, F. D. A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, v. 46, p. 186 –204, 2000. VENKATESH, V., MORRIS, M. G., DAVIS, G. B., & DAVIS, F. D. User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, v.27, n.3, p.425-478, 2003. WARNER, D., CHRISTIE, G., & CHOY, S. The Readiness of the Vet Sector for F lexible Delivery Including On-line Learning, Australian National Training Authority, Brisbane, 1998. WAGNER, E., & WILSON, P. Why learning professionals need to care about móbile learning. American Society of Training and Development, p. 40 –41, 2005. WANG, Y-S. WU, M-C., & WANG, H-Y. Investigating the determinants and age and gender differences in the acceptance of mobile learning. British Journal of Educational Technology, v. 40, n. 1, p. 92-118, 2009. WINTERS, N. What is mobile learning. em: SHARPLES, Mike (editor). Big issues in Mobile Learning. Report. University of Nottingham. 2009. Acessado em 18 de deembro de 2011 em:
YOUSAFZAI, S.Y., FOXALL, G.R., & PALLISTER, J.G. Technology Acceptance: a Meta-Analysis of the TAM: Part 1. Journal of Modeling in Management, v.2, n.3, p. 251-280, 2007 . ZAYIM, N., YILDIRIM, S., & SAKA, O. Technology Adoption of Medical Faculty in Teaching: Differentiating Factors in Adopter Categories. Educational Technology & Society, v. 9, n.2, p. 213-222, 2006.
Anexo 1: escalas do modelo proposto:
Sobre os autores / About the Author:
1) Jorge Brantes Ferreira e 2) Jorge Ferreira da Silva e 3) Helga Campos e 4) Maria Luíza A. de Carvalho e 5) Angilberto Sabino de Freitas e 6)Amarolinda Saccol e 7) Eliane Schlemmer
Email de referência: [email protected]
1) Doutor em Administração pelo COPPEAD/UFRJ. Professor do PPGA do IAG PUC-Rio. 2) Doutor em Engenharia de Produção pela PUC-Rio. Professor do PPGA do IAG PUC-Rio. 3) Mestranda em Administração do PPGA do IAG PUC-Rio. 4) Mestranda em Administração do PPGA do IAG PUC-Rio. 5) Doutor em Administração pela PUC-Rio. Professor do PPGA da Universidade do Grande Rio. 6) Doutora em Administração pela FEA-USP. Professora do PPGA
em Administração da Unisinos. 7) Doutora em Administração pela UFRGS. Professora do PPGA em Educação da Unisinos.