پژوهشگاه تربیت بدنی و علوم ورزشی

 آمار

تعداد نشریات7
تعداد شماره‌ها269
تعداد مقالات3,499
تعداد مشاهده مقاله4,383,141
تعداد دریافت فایل اصل مقاله1,930,547
یوسف جان, بهاره, زردشتیان, شیرین. (1401). تاثیر مدل پذیرش فناوری توسعه یافته بر استفاده از آموزش برخط در دوران کرونا (مطالعه موردی دانشجویان رشته تربیت بدنی). , 10(29), 127-154. doi: 10.22089/res.2022.11997.2215
بهاره یوسف جان; شیرین زردشتیان. "تاثیر مدل پذیرش فناوری توسعه یافته بر استفاده از آموزش برخط در دوران کرونا (مطالعه موردی دانشجویان رشته تربیت بدنی)". , 10, 29, 1401, 127-154. doi: 10.22089/res.2022.11997.2215
یوسف جان, بهاره, زردشتیان, شیرین. (1401). 'تاثیر مدل پذیرش فناوری توسعه یافته بر استفاده از آموزش برخط در دوران کرونا (مطالعه موردی دانشجویان رشته تربیت بدنی)', , 10(29), pp. 127-154. doi: 10.22089/res.2022.11997.2215
یوسف جان, بهاره, زردشتیان, شیرین. تاثیر مدل پذیرش فناوری توسعه یافته بر استفاده از آموزش برخط در دوران کرونا (مطالعه موردی دانشجویان رشته تربیت بدنی). , 1401; 10(29): 127-154. doi: 10.22089/res.2022.11997.2215

تاثیر مدل پذیرش فناوری توسعه یافته بر استفاده از آموزش برخط در دوران کرونا (مطالعه موردی دانشجویان رشته تربیت بدنی)

پژوهش در ورزش تربیتی
دوره 10، شماره 29، اسفند 1401، صفحه 127-154    اصل مقاله (735.57 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22089/res.2022.11997.2215
نویسندگان
بهاره یوسف جان1؛ شیرین زردشتیان* 2
1کارشناسی ارشد مدیریت ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه رازی، کرمانشاه، ایران
2استادیار مدیریت ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه رازی، کرمانشاه، ایران
چکیده
هدف این پژوهش، بررسی اثر مدل پذیرش فناوری توسعه‌یافته بر استفاده از آموزش برخط در دوران کرونا در دانشجویان رشته تربیت‌بدنی بود. تحقیق حاضر کاربردی و از نوع همبستگی بود. جامعه آماری تحقیق کلیه دانشجویان مقطع کارشناسی رشته تربیت‌بدنی و علوم ورزشی دانشگاه‌های کرمانشاه، همدان، کردستان، لرستان و ایلام بودند که از بین آن‌ها 324 نفر با استفاده از روش نمونه‌گیری تصادفی خوشه‌ای به عنوان نمونه انتخاب شدند. برای جمع‌آوری داده‌های تحقیق، از پرسشنامه‌های استاندارد شرایط تسهیل‌کننده، سودمندی درک‌شده، سهولت درک‌شده، نگرش به استفاده، نیت رفتاری و استفاده از آموزش برخط شد. تحلیل داده‌ها با استفاده از معادلات ساختاری واریانس محور انجام شد. نتایج تحقیق نشان داد شرایط تسهیل‌کننده بر سودمندی درک شده و سهولت درک شده تاثیر معناداری دارد که تاثیر شرایط تسهیل کننده بر سهولت درک شده بیشتر بود. همچنین سهولت درک شده بر سودمندی درک شده و نگرش به استفاده تاثیر معناداری دارد که تاثیر سهولت درک شده بر نگرش به استفاده بیشتر بود. سودمندی درک شده بر نگرش به استفاده و نیت رفتاری تاثیر معناداری دارد که تاثیر سودمندی درک شده بر نیات رفتاری بیشتر بود و در نهایت نگرش به استفاده بر نیت رفتاری و نیت رفتاری بر استفاده از آموزش برخط در دوران کرونا در دانشجویان رشته تربیت‌بدنی تاثیر معناداری دارند. براساس نتایج پیشنهاد می‌شود دانشگاه های دارای رشته تربیت بدنی در آموزش برخط شرایط تسهیل‌کننده، سودمندی درک‌شده و سهولت درک‌شده را افزایش دهند تا نگرش به استفاده، نیت رفتاری و استفاده از آموزش برخط را دانشجویان این رشته ارتقا دهند.
کلیدواژه‌ها
شرایط تسهیل کننده؛ سودمندی درک شده؛ سهولت درک شده؛ نگرش به استفاده؛ نیت رفتاری
مراجع
  1. Akmaliyah, A., Karman, K., Rosyid Ridho, M., & Khomisah, K. (2020). Online-based teaching of Arabic translation in the era of Covid 19 pandemic restrictions. IOSR Journal of Humanities and Social Science (IOSR-JHSS), 25(5), 13-22.
  2. Baooj Lahouti, R., Ghasemi, A. (2016). Explaining the behavior of IT consumer based on the technology acceptance model. Rahyaft, 26(61), 63-74. (Persian)
  3. Buabeng-Andoh, C., Yaokumah, W., & Tarhini, A. (2019). Investigating students’ intentions to use ICT: A comparison of theoretical models. Education and Information Technologies, 24(1), 643-660.
  4. Casey, A., & Jones, B. (2011). Using digital technology to enhance student engagement in physical education. Asia-Pacific Journal of Health, Sport and Physical Education, 2(2), 51-66.
  5. Clark, R. C., & Mayer, R. E. (2016). E-learning and the science of instruction: Proven guidelines for consumers and designers of multimedia learning. Hoboken, New Jersey: John Wiley & Sons.
  6. 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.
  7. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 319-340.
  8. Guo, J., Liao, L., Wang, B., Li, X., Guo, L., Tong, Z., et al. (2020). Psychological effects of COVID-19 on hospital staff: A national cross-sectional survey of China Mainland. SSRN Electronic Journal, 6, 4-20.
  9. Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM). London: Sage Publications.
  10. Hair Jr, J. F., Sarstedt, M., Hopkins, L., & Kuppelwieser, V. G. (2014). Partial least squares structural equation modeling (PLS-SEM): An emerging tool in business research. European Business Review, 26 (2), 106-121.
  11. Henseler, J, Ringlet, C. M. & Ninkovich, R. R. (2009). The use of partial least squares path modeling in international marketing. In New challenges to international marketing. Emerald Bingley: Group Publishing Limited.
  12. Hodges, C., Moore, S., Lockee, B., Trust, T., & Bond, A. (2020). The difference between emergency remote teaching and online learning. Educause Review, 27, 1-12.
  13. 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 & Education, 136, 113-129.
  14. Kim, E. J., Kim, J. J., & Han, S. H. (2021). Understanding student acceptance of online learning systems in higher education: Application of social psychology theories with consideration of user innovativeness. Sustainability, 13(2), 896.
  15. Kimmons, R., & Veletsianos, G. (2018). Public internet data mining methods in instructional design, educational technology, and online learning research. TechTrends, 62(5), 492-500.
  16. Latif Rasool, B. (2021). Attitudes of Iraqi Kurdistan region professors towards Virtual education in physical education courses: An extended model of technology acceptance (Unpublished master's thesis). University of Kurdistan. (Persian)
  17. Legrain, P., Gillet, N., Gernigon, C., & Lafreniere, M. A. (2015). Integration of information and communication technology and pupils’ motivation in a physical education setting. Journal of Teaching in Physical Education, 34(3), 384-401.
  18. Mailizar, A., Abdulsalam, M., & Suci, B. (2020). Secondary school mathematics teachers' views on e-learning implementation barriers during the COVID-19 pandemic: The case of Indonesia. Eurasia Journal of Mathematics, Science & Technology Education, 16(7), 1-9.
  19. Melton, B., Harris, H. B. B., Kelly, D., & Chandler, K. (2015). Evaluating a physical activity app in the classroom: a mixed methodological approach among. The Physical Educator, 72, 601-620.
  20. Mian, A., & Khan, S. (2020). Medical education during pandemics: a UK perspective. BMC Medicine, 18(1), 1-2.
  21. Mohammadi, H. (2015). Investigating users’ perspectives on e-learning: An integration of TAM and IS success model. Computers in Human Behavior, 45, 359-374.
  22. Mohammadian, S., Ghasemzadeh Alishahi, A., & Rafiei, M. (2020). Causal model of acceptance and use of information and communication technology by students of Tabriz University of Medical Sciences in Educational and research purposes based on the UTAUT model. Iranian Journal of Information processing and Management, 36(2), 391-418.
  23. Mollahosseini, A., & Foroozanfar, M. (2019). Development and localization of technology acceptance model (TAM) in small and medium-sized enterprises (SMEs). Quarterly Journal of Industrial Technology Development, 16(34), 39-48. (Persian)
  24. Mueller, R. O. (1999). Basic principles of structural equation modeling: An introduction to LISREL and EQS. Cham: Springer Science & Business Media.
  25. Muhaimin, H., Mukminin, A., Pratama, R., & Asrial, H. (2019). Predicting factors affecting intention to use Web 2.0 in learning: Evidence from science education. Journal of Baltic Science Education, 18(4), 595.
  26. Nikou, S. A., & Economides, A. A. (2017). Mobile-based assessment: Investigating the factors that influence behavioral intention to use. Computers & Education, 109, 56-73.
  27. O’Loughlin, J., Chróinín, D. N., & O’Grady, D. (2013). Digital video: The impact on children’s learning experiences in primary physical education. European Physical Education Review, 19(2), 165-182.
  28. Pookulangara, S., Hawley, J., & Xiao, G. (2011). Explaining consumers’ channel-switching behavior using the theory of planned behavior. Journal of Retailing and Consumer Services, 18(4), 311-321.
  29. Rahimi, E., van den Berg, J., & Veen, W. (2015). Facilitating student-driven constructing of learning environments using Web 2.0 personal learning environments. Computers & Education, 81, 235-246.
  30. Ramírez-Correa, P. E., Arenas-Gaitán, J., & Rondán-Cataluña, F. J. (2015). Gender and acceptance of e-learning: A multi-group analysis based on a structural equation model among college students in Chile and Spain. PloS One, 10(10), e0140460.
  31. Rezaei, A. (2020). Student learning evaluation during the Corona: Challenges and Strategies. Educational Psychology, 16(55), 179-214. (Persian)
  32. Sajed, A. N., & Amgain, K. (2020). Corona virus disease (COVID-19) outbreak and the strategy for prevention. Europasian Journal of Medical Sciences, 2(1), 1-3.
  33. Salloum, S. A. S. (2018). Investigating students' acceptance of E-learning system in higher educational environments in the UAE: Applying the extended technology acceptance model (TAM) (Doctoral dissertation). The British University, Dubai.
  34. Sukendro, S., Habibi, A., Khaeruddin, K., Indrayana, B., Syahruddin, S., Makadada, F. A., & Hakim, H. (2020). Using an extended Technology Acceptance Model to understand students’ use of e-learning during Covid-19: Indonesian sport science education context. Heliyon, 6(11), e05410.
  35. Teo, T., Sang, G., Mei, B., & Hoi, C. K. W. (2019). Investigating pre-service teachers’ acceptance of Web 2.0 technologies in their future teaching: A Chinese perspective. Interactive Learning Environments, 27(4), 530-546.
  36. Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273-315.
  37. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204.
  38. Viner, R. M., Russell, S. J., Croker, H., Packer, J., Ward, J., Stansfield, C., ... & Booy, R. (2020). School closure and management practices during coronavirus outbreaks including COVID-19: a rapid systematic review. The Lancet Child & Adolescent Health, 4(5), 397-404.
  39. Wang, C. J., Ng, C. Y., & Brook, R. H. (2020). Response to COVID-19 in Taiwan: big data analytics, new technology, and proactive testing. JAMA, 323(14), 1341-1342.
  40. Wixom, B., & Todd, P (2005). A theoretical integration of user satisfaction and technology acceptance. Information Systems Research, 16(1), 85-102.
آمار
تعداد مشاهده مقاله: 348
تعداد دریافت فایل اصل مقاله: 527


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب