journal search - Recep Tayyip Erdoğan Üniversitesi

Transkript

14.09.2015
Journal Search IP & Science Thomson Reuters
HOME
PRODUCTS & SERVICES
SUPPORT & TRAINING
CONTACT US
IP & Science Master Journal List Journal Search
JOURNAL SEARCH
Search Terms: 13001337
Total journals found: 1
T HE F O LLO WING T IT LE( S) MAT CHED YO UR REQ UEST :
Journals 11 (of 1)
EGITIM VE BILIMEDUCATION AND SCIENCE
Quarterly ISSN: 13001337
TURKISH EDUCATION ASSOC, KIZILIRMAK CADDESI NO 8, KOCATEPE, TURKEY, ANKARA, 00000
Coverage
Social Sciences Citation Index
Journals 11 (of 1)
TH IS D A Y IN SC IEN C E
— SEPTEM B ER 1 4
In 1959, The Soviet probe
Luna 2 crashes onto the Moon,
becoming the first manmade
object to reach it.
data:text/html;charset=utf8,%3Cdiv%20id%3D%22header%22%20style%3D%22margin%3A%200px%3B%20padding%3A%2012px%200px%200px%3B…
1/1
14.09.2015
Yayın Kurulu
Yayın Kurulu
EDİTÖRLER
Ziya Selçuk, Prof. Dr., TEDMEM, Türkiye
Şener Büyüköztürk, Prof. Dr., Hasan Kalyoncu Üniversitesi, Türkiye
Mehmet Palancı, Yrd. Doç. Dr., Karadeniz Teknik Üniversitesi, Türkiye
ALAN EDİTÖRLERİ
Agnaldo Arroio, Prof. Dr., University of São Paulo, Brezilya
Ali Rıza Akdeniz, Prof. Dr., Karadeniz Teknik Üniversitesi, Türkiye
Berrin Akman, Prof. Dr., Hacettepe Üniversitesi, Türkiye
Fahriye Altınay Aksal, Doç. Dr., Yakın Doğu Üniversitesi, Kıbrıs
Semih Aktekin, Doç. Dr., MEB Yükseköğretim ve Yurtdışı Eğitim Genel
Müdürlüğü, Türkiye
Ahmet Aypay, Prof. Dr., Osmangazi Üniversitesi, Türkiye
Hakan Yavuz Atar, Doç. Dr., Gazi Üniversitesi, Türkiye
Cem Babadoğan, Yrd. Doç. Dr., Ankara Üniversitesi, Türkiye
Ramazan Baştürk, Prof. Dr., Pamukkale Üniversitesi, Türkiye
Mehmet Bekdemir, Doç. Dr., Erzincan Üniversitesi, Türkiye
Adnan Boyacı, Doç. Dr., Anadolu Üniversitesi, Türkiye
Mehmet Buldu, Doç. Dr., UNICEF, Türkiye
Eren Ceylan, Yrd. Doç. Dr., Ankara Üniversitesi, Türkiye
Maiga Chang, Doç. Dr., Athabasca University, Kanada
Jale Çakıroğlu, Prof. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
Muammer Çalık, Prof. Dr., Karadeniz Teknik Üniversitesi, Türkiye
Salih Çepni, Prof. Dr., Uludağ Üniversitesi, Türkiye
Bayram Çetin, Doç. Dr., Gaziantep Üniversitesi, Türkiye
data:text/html;charset=utf8,%3Ch2%20style%3D%22margin%3A%200px%3B%20padding%3A%204px%2015px%206px%3B%20fontfamily%3A%20'Op…
1/4
14.09.2015
Yayın Kurulu
Bülent Çetinkaya, Doç. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
M. Engin Deniz, Prof. Dr., Yıldız Teknik Üniversitesi, Türkiye
İbrahim Halil Diken, Prof. Dr., Anadolu Üniversitesi, Türkiye
Mehmet Ali Dikerdem, Dr., Middlesex University, İngiltere
Ahmet Doğanay, Doç. Dr., Çukurova Üniversitesi, Türkiye
Ali Ahmet Doğan, Prof. Dr., Kırıkkale Üniversitesi, Türkiye
Hakan Dündar, Doç. Dr., Manas Üniveristesi, Kırgızistan
Gonca Ekşi, Doç. Dr., Gazi Üniversitesi, Türkiye
Tolga Erdoğan, Doç. Dr., Karadeniz Teknik Üniversitesi, Türkiye
Mustafa Ergün, Yrd. Doç. Dr., Ondokuz Mayıs Üniversitesi, Türkiye
Ali Eryılmaz, Doç. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
Zehra Altınay Gazi, Doç. Dr., Yakın Doğu Üniversitesi, Kıbrıs
Selahattin Gelbal, Prof. Dr., Hacettepe Üniversitesi, Türkiye
Paul Gibbs, Prof. Dr., Middlesex University, İngiltere
David Guralnick, Prof. Dr., Columbia University, ABD
Murat Günel, Prof. Dr., TED Üniversitesi, Türkiye
Bülent Güven, Prof. Dr., Karadeniz Teknik Üniversitesi, Türkiye
Erdal Hamarta, Doç. Dr., Necmettin Erbakan Üniversitesi, Türkiye
Michael Hammond, Doç. Dr., University of Warwick, İngiltere
Penelope Harnett, Prof. Dr., University of the West of England, İngiltere
Philip Harris, Prof. Dr., Indiana University, ABD
Tahsin İlhan, Doç. Dr., Gaziosmanpaşa Üniversitesi, Türkiye
Serhat İrez, Doç. Dr., Marmara Üniversitesi, Türkiye
Mehmet Kandemir, Doç. Dr., Kırıkkale Üniversitesi, Türkiye
Necdet Karasu, Doç. Dr., Gazi Üniversitesi, Türkiye
Selahattin Kaymakcı, Doç. Dr., Karadeniz Teknik Üniversitesi, Türkiye
2/4
14.09.2015
Yayın Kurulu
Kinshuk, Prof. Dr., Athabasca University, Kanada
Settar Koçak, Prof. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
Ian Menter, Prof. Dr., University of Oxford, İngiltere
Azita Manouchehri, Prof. Dr., The Ohio State University, ABD
Nilgün Emine Metin, Prof. Dr., Hacettepe Üniversitesi, Türkiye
Mauro Mocerino, Doç. Dr., Curtin University, Avustralya
Sinan Olkun, Prof. Dr., TED Üniversitesi, Türkiye
Selahiddin Öğülmüş, Prof. Dr., Ankara Üniversitesi, Türkiye
İsmail Önder, Doç. Dr., Sakarya Üniversitesi, Türkiye
Yaşar Özbay, Prof. Dr., Hasan Kalyoncu Üniversitesi, Türkiye
Servet Özdemir, Prof. Dr., Uluslararası Kıbrıs Üniversitesi, Kıbrıs
Arif Özer, Doç. Dr., Hacettepe Üniversitesi, Türkiye
Özlem Özkanlı, Doç. Dr., Ankara Üniversitesi, Türkiye
Haluk Özmen, Doç. Dr., Karadeniz Teknik Üniversitesi, Türkiye
Ian Phillips, Prof. Dr., Edge Hill University, İngiltere
Katarzyna Potyrala, Prof. Dr., Pedagogy University of Crocow, Polonya
Uğur Sak, Prof. Dr., Anadolu Üniversitesi, Türkiye
Hakan Sarı, Doç. Dr., Necmettin Erbakan Üniversitesi, Türkiye
Perihan Savaş, Yrd. Doç. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
Fatma Nevra Seggie, Doç. Dr., Boğaziçi Üniversitesi, Türkiye
Dean Smart, Prof. Dr., University of West of England, İngiltere
Mustafa Sözbilir, Prof. Dr., Atatürk Üniversitesi, Türkiye
Ali Şimşek, Prof. Dr., Anadolu Üniversitesi, Türkiye
Mehmet Taşpınar, Prof. Dr., Gazi Üniversitesi, Türkiye
Timothy Teo, Prof. Dr., University of Macau, Çin
Yasemin Koçak Usluel, Prof. Dr., Hacettepe Üniversitesi, Türkiye
3/4
14.09.2015
Yayın Kurulu
Esen Uzuntiryaki, Doç. Dr., Orta Doğu Teknik Üniversitesi, Türkiye
Mustafa Yavuz, Doç. Dr., Necmettin Erbakan Üniversitesi, Türkiye
İbrahim Yıldırım, Prof. Dr., Hacettepe Üniversitesi, Türkiye
Selda Çet Yıldırım, Yrd. Doç. Dr., Abant İzzet Baysal Üniversitesi, Türkiye
Işıl Kabakçı Yurdakul, Doç. Dr., Anadolu Üniversitesi, Türkiye
4/4
14.09.2015
Cilt 39, Sayı 175 (2014)
Cilt 39, Sayı 175 (2014)
EDİTÖRDEN
Editörden
| PDF | | PDF (ENGLISH) |
Prof. Dr. Ziya Selçuk, Yrd. Doç. Dr. Mehmet Palancı
MAKALELER
SENG Üstün Yetenekliler Aile Eğitimi Modelinin Üstün Yetenekli Çocuklar
ve Ailelerine Etkileri
Adile Gülşah Saranlı, Emine Nilgün Metin
Farklı Bilişsel Tempoya Sahip Anaokulu Çocuklarının İlkokula Hazır
Bulunuşluklarının İncelenmesi
Sezai Koçyiğit, Gökhan Kayılı
Marksist Siyaset ile Durkheimci Pedagoji Arasında Bir Türk Aydını:
Sadrettin Celâl Antel ve Tarih Öğretimi
Bahri Ata
PISA 2009 Sonuçlarına Göre Öğrenci Başarısını Etkileyen Faktörlerin
Kanonik Ortak Etki Analizi ile İncelenmesi
Burhanettin Özdemir, Selahattin Gelbal
Çember Özelliklerini Öğretmeyi Amaçlayan Teknoloji ve Sorgulama
Tabanlı bir Sınıfta Oluşan Sosyomatematiksel Normların İncelenmesi
Didem Akyüz
Dünya'da ve Türkiye'de Hizmetiçi Eğitimler: Kurumsal ve Akademik
Hafıza(Kayıpları)mız
Murat Günel, Kutlu Tanrıverdi
Beden Eğitimi Derslerinde Türk Öğrencilerinin Algılanan Motivasyonel
İklim ve Israr/Eforları Hakkında Görüşleri
Bülent Ağbuğa
Fen Öğretmen Eğitiminde Fen Defterleri Kullanımına İlişkin Uluslararası
Karşılaştırmalı Bir Durum Çalışması
İlke Çalışkan
Türkiye'de Ne Eğitimde Ne İstihdamda Ne de Yetiştirmede (NEİY) Yer
Alan Gençler
Yalın Kılıç
Türkiye’deki Öğretmen Adaylarının BİT Kullanımına Yönelik Davranışsal
Niyetlerinin Belirlenmesinde Branşlarının Rolü
Ömer Faruk Ursavaş, Sami Şahin, David Mcilroy
Fizik Öğretiminde Kavram Yanılgılarının Giderilmesine İlişkin Laboratuvar
Yöntemi ile Bilgisayar Simülasyonlarının Etkilerinin Karşılaştırılması
Demet Yolaş Kolçak, Selma Moğol, Yasin Ünsal
Türkiye'de Yükseköğretimin Fiyatı ve Getiri Oranı: Hukuk Fakültesi Örneği
Filiz Gölpek
Ergenlerde Kendine Zarar Verme Davranışının Risk Alma Davranışı ve
Benlik Saygısı Açısından İncelenmesi
Vesile Oktan
Türkiye'de Yabancı Dil Öğretim Yöntemlerinin Tarihî Gelişimi (1891
1928)
1/2
14.09.2015
Cilt 39, Sayı 175 (2014)
Mehmet Demiryürek
Fizik Problemleri Çözmede Düşünce Deneyleri: Fizik Öğretmen Adayları
Üzerine Bir İnceleme
Senem Bademci, Musa Sarı
Gerçeklik Terapisinin Türk Kültürüne Uygulanabilirliği: Kültür Açısından
Eleştirel Bakış
Abdulvahap Yorgun, Nilüfer VoltanAcar
Altıncı Sınıf Öğrencilerinin Yazma Eğilimlerinin İncelenmesi
Duygu Uçgun
Öğretmen Adaylarının Fen Öğrenimi ile ilgili Beklentilerini Belirleme
Ayse Yalçın Çelik, Oktay Bektaş, Nilgün Demirci Celep, Zübeyde
Demet Kırbulut, Ayla Çetin Dindar, Ömer Geban
Öğretmenlere Yönelik Öğrenci Zorbalığı ve Öğretmen Özyeterlik İnancı
Rüçhan Özkılıç
Başarı Yönelimleri ile Kararlılık Arasındaki İlişkiler
Ahmet Akın, Serhat Arslan
Öğrencilerin Yaratıcı Düşünme Gelişimlerinin İncelenmesi
Kani Ülger
İntramuskuler Enjeksiyon Yapma İstasyonu Verileriyle Genellenebilirlik
Kuramında Dengelenmiş ve Dengelenmemiş Desenlerin Karşılaştırılması
Funda Nalbantoğlu Yılmaz, Ezel Tavşancıl
Mimarlık Eğitiminde Yaparak Öğrenme: Kentsel Tasarımdan Mimari
Tasarıma Yenikapıİnebey Örneği
Yasemin Erkan Yazıcı, Evrim Töre
Barış Eğitimi ProgramınınYedinci Sınıf Öğrencilerinin Çatışma Çözme ve
İletişim Becerilerine Etkisi
Esmaeil SadriDamirchi, Filiz Bilge
Sınıf Öğretmenliği Öğretmen Adaylarının Teknolojik Pedagojik İçerik
Bilgisi Yeterliklerinin Cinsiyet ve BİT Kullanım Aşamaları Bağlamında
İncelenmesi
Ahmet Naci Çoklar
2/2
Education and Science
Vol 39 (2014) No 175 136-153
The Role of Discipline in Determining Turkish Pre-Service Teachers'
Behavioral Intentions to Use ICT
Ömer Faruk Ursavaş 1, Sami Şahin 2, David McIlroy 3
Abstract
Keywords
The purpose of this study is to determine the technology
acceptance of a sample of final-year pre-service teachers of
different disciplines in Turkey. Research sample is composed of
973 (583 females, 390 males) pre-service teachers. They complete a
survey questionnaire measuring their responses to four constructs
of Technology Acceptance Model (TAM). Structural equation
modelling (SEM) was used as the main technique for data analysis.
One of the main findings showed that the most important
determinant of behavioural intention is perceived usefulness, this
is followed by attitude towards computer use, and perceived ease
of use. Another preliminary finding is that the participants
somewhat agree with usefulness and easiness of ICTs and have
positive attitude toward use of it in education In conclusion, the
study has shown that the idea that perceived usefulness is a key
variable in determining intention to use technology in education.
Technology acceptance
TAM
Pre-service teachers
Structural Equation Modelling
Turkey
Article Info
Received: 05.10.2014
Accepted: 10.01.2014
Online Published: 11.10.2014
DOI: 10.15390/EB.2014.3357
Introduction
The inclusion of technology in teaching is addressed as a key idea in the education reforms
implemented in many countries (Demetriadisa, Barbasb, Molohidesb, Palaigeorgioua, Psillosb,
Vlahavasa, Tsoukalasa and Pombortsisa, 2003; Lim and Hang, 2003; van Braak, 2001). At the present
time, investments in Information and Communications Technology (ICT) increasingly continue, and
new technological tools including computers, tables, projectors, and smart boards are added to in
classrooms as essential educational tools. Alev and Yiğit (2009) state that the use of ICT in education
requires individuals to accept it, understand it, adopt it, and exert an effort to use it. It is highlighted
that the knowledge and skills of teachers concerning ICT are crucial for the adaptation of students to
the learning process (Cüre and Özdener, 2008; Rosen and Weil, 1995; Seferoğlu, Akbıyık and Bulut,
2008; Usluel, Mumcu and Demirarslan, 2007). On the other hand, teachers need to have the required
belief and motivation for using ICT in their classes besides the knowledge and skills for full
implementation (Göktas, Gedik and Baydaş, 2013). According to Pajares (1992), the beliefs of teachers
are influential both on their own learning and on their course activities. Thus, the beliefs of teachers
concerning the learning of students has an impact on constructing lessons, shaping the relevant
curriculum, and establishing relations with students. As stated by Fullan (2007), real change can be
achieved only when the change in education is put into practice, and teachers have a momentous role
Recep Tayyip Erdoğan University, Faculty of Education, Computer Education and Instructional Technology, Turkey,
[email protected]
2 Gazi University, Faculty of Education, Computer Education and Instructional Technology, Turkey, [email protected]
3 Liverpool John Moores University, Faculty of Science, Natural Sciences and Psychology, United Kingdom,
[email protected]
1
136
Education and Science 2014, Vol 39, No 175, 136-153
Ö. F. Ursavaş, S. Şahin, D. McIlroy
in such change. In this regard, it is emphasized that the thinking skills of teachers should be supported
within the context of ICT use (Tsai and Chai, 2012). Accordingly, in order to enable students to use
technology effectively, teachers must first have this skills in place (Fullan, 1991; Akkoyunlu and Orhan,
2003).
According to Dutt-Doner, Allen and Corcoran (2006), one of the most important steps to be
taken for facilitating the adaptation of ICT to schools is to examine teacher training programs closely. It
is emphasized that the positive contributions of effective adaptation of technology in such programs
may be generalized to all schools. However, there are differences between the education received by
pre-service teachers during pre-service training and real classroom practices. That puts teacher trainers
in a difficult situation (Şahin, 2012). This general problem manifests its effects on the Turkish Education
System, as in other education systems across the world.
As per the teacher training program in Turkey, pre-service teachers become a teacher when they
complete a 4-year undergraduate education. This involves approximately 150 credits in total, and the
training includes courses and activities concerning the profession, technology, and subject area.
According to the teacher training report obtained from the Council of Higher Education, 50 to 60% of
the courses offered in teacher training programs are about relevant subject areas, 25 to 30% are courses
about relevant professions, and 15 to 20% are general culture courses about the characteristics of each
program (YOK, 2007). There are two types of courses about technological education. One of them is the
basic computer course aimed at providing pre-service teachers with technological knowledge, and the
other is the teaching design and material development course aimed at developing skill to adapt
technology to teaching among pre-service teachers. However, the research demonstrates that such
courses included in teacher training programs are not sufficient for developing the skills expected from
pre-service teachers (Çoklar, Kılıçer and Odabaşı, 2007; Sami, 2012).
Pre-service teachers use the knowledge and skills that they acquire in the pre-service training
process when they start their professional lives. The effectiveness of the attitudes acquired in this
process should be determined, and problems, if any, should be solved in this process. In this context,
the following question should be asked: How can we evaluate pre-service teachers’ behavioral
intentions to use technology? Such an evaluation can be made via the Technology Acceptance Model
(TAM).
The related literature contains studies based on various models and theories that examine the
technology use of pre-service teachers. The present study aimed at revealing third and fourth grade preservice teachers’ behavioral intentions to accept and use technology by means of TAM. The study also
made an attempt to answer the validity of TAM in explaining the technology acceptance of pre-service
teachers.
Technology Acceptance Model (TAM)
This model was developed by Davis (1989), and aims at revealing how users accept and use
technology. Many researchers have tried to explain the power of the Technology Acceptance Model,
and obtained results consistent with one another. The theoretical basis of the model is the Theory of
Reasoned Action (TRA) developed by Ajzen and Fishbein (1980). TRA argues that an individual
behaves with his/her own decisive will. In the Theory of Planned Action (TPA), Ajzen (1991) suggests
that the factors beyond one’s control may affect his/her behaviors. Studies have been conducted both
on TRA and TPA, and supporting evidence regarding their validity has been put forward. Both models
have been widely used for explaining or predicting the effects of relationships between behaviors and
beliefs, attitudes, and intentions on usage as well as the reasons for such effects. There is some evidence
indicating that the Technology Acceptance Model, which is based on the above-mentioned two theories,
predicts the use of a system by around 40% (Legris, Ingham and Collerette, 2003). The model reveals
how expectations and attitudes affect technology (Silvo and Pan, 2005; Teo, 2009).
137
Research Model and Hypotheses
TAM is a validated theoretical framework that has been used for revealing the system use of
individuals in different fields. It is generally used in the systems employing technology such as the
Internet, social networks, e-commerce, and hospitals. In recent years, some studies have attempted to
determine the technology uses and acceptances of pre-service teachers (Kiraz and Ozdemir, 2006; Ma,
Andersson, & Streith, 2005; Teo, 2009). Many variables thought to be influential on technology use have
been examined, and PU and PEU have been the two variables that are the most influential on the
adaptation of users to a new technology and have been addressed most (Davis, 1989; Szajna, 1996;
Venkatesh, 2000). As it is seen in figure 1, BI is directly affected by attitudes towards use. In addition,
PU has an indirect effect and a direct effect on BI, and PEU has an indirect effect on BI. PEU and PU
have a common effect on attitudes towards use, and PEU has a direct effect on PU.
X1
X2
X9
PU
X3
X1
X1
X1
0
1
2
X1
X4
H5
ATU
H4
3
H1
H2
BI
X1
4
X1
5
X1
X5
H3
6
X6
PEU
X7
X8
Figure 1: Research Model
Perceived use (PU)
PU is defined as the level of perception of a person regarding the increase in his/her job
performance when s/he uses a particular system (Davis, 1989). Davis et al. (1989) stated that the most
influential determinant of BI was PU. In other words, if there is a perception that use of a technology
will be or will not be useful, such perception will affect BI. Accordingly, the present study tested the
below-mentioned hypotheses in regard to the PU.
H1: PU has a significant effect on BI.
H2: PU has a significant effect on ATU.
Perceived ease of use (PEU)
PEU refers to the level of perception of a person regarding the ease of using a particular system
(Davis, 1989). PEU is also defined as the effort to be exerted by a user for using the system (Davis, 1989).
Davis et al. (1989) argued that the PEU was the second most influential variable in predicting BI, and
directly affected PU and ATU, but indirectly affected BI. However, the literature also contains some
divergent research findings on this subject, and results vary by institution and the technology used. The
present study tested the hypotheses below in regard to the PEU.
H3: PEU has a significant effect on attitude towards computer use.
H4: PEU has a significant effect on PU.
138
Attitude towards Use (ATU)
According to Fishbein and Ajzen (1975), an attitude is any positive or negative judgment of a
person who is to use a particular technology regarding the exhibition of such usage behavior. Ajzen and
Fishbein (1980) state that attitudes towards a system affect intentions, which, in turn, affect behaviors
regarding the object (i.e. usage). In the light of that, the present study tested the hypothesis presented
below.
H5: ATU has a significant effect on BI.
Behavioral Intention (BI)
Ajzen and Fishbein (1980) describe BI as the measure of the probability of a person to display a
behavior. Although there is generally no perfect fit between behavioral intention and actual usage,
individuals primarily act in accordance with their intentions (Ajzen and Fishbein, 1980). In TAM, actual
usage is explained by BI. The present study employed the BI as a dependent variable. Since all the preservice teachers participating in the study used technology because of their academic and personal
needs, most of them were inexperienced in the in-class application of technology. Thus, BI was used
instead of actual usage in the present study. In addition, there are many studies showing that there is a
relationship between BI and actual usage (Davis et al., 1989; Hu, Clark and Ma, 2003; Kiraz and
Özdemir, 2006; Taylor and Todd, 1995). Moreover, the literature contains many studies measuring the
BIs of teachers/pre-service teachers and university students to use technology (Becit-İşçitürk, 2012; Hu
et al., 2003; Liaw and Huang, 2003; Teo, 2009, Teo et al., 2010; Teo, Ursavaş and Bahçekapılı, 2011;
Ursavaş, 2014).
In summary, the present study, through testing the research hypotheses, attempted to reveal
the factors influential on pre-service teachers’ intentions to use information technologies as well as their
levels of accepting such Technologies.
Method
Participants
The research participants were 973 (583 females, 390 males) third and fourth grade pre-service
teachers attending the Faculty of Education of Karadeniz Technical University, in Turkey. The
distribution of the pre-service teachers by discipline was as follows: 324 (203 females, 121 males) studied
at primary school teaching program, 219 (140 females, 79 males) studied at primary school mathematics
teaching program, 191 (95 females, 96 males) studied at social studies teaching program, and 239 (145
females, 94 males) studied at science teaching program. The age average of the participants was 21.39
(SD=1.54). 68.2% of the participants had a computer which they could use at home or at school. Among
the participants, average time spent on a computer per day was 2.20 hours (SD=0.82).
The participants had been using a computer for 3.91 years in average (SD=0.98). Opportunity
sampling was used and the participants were included in the study on a voluntary basis. No payment
was made to respondents and no other benefit was conferred. The data were collected in course hours
by obtaining permission from relevant instructors. The participants were requested to answer the scale
in 10 to 12 minutes. Prior to answering, they were informed of the study and scale items. Furthermore,
it was stressed that the responses of the participants would be kept confidential and be used only for
the purposes of the present study. All of the students included in the study were in the last two years
of their pre-service training periods, and had taken the Basic Information Technology course as per the
university regulations for promotion to a higher grade.
139
Data Collection Tool
A measurement tool composed of two parts was used in the study. While the first part
addressed the demographic characteristics of the participants, the second part contained a total of 16
items under four factors included in TAM. Each factor consisted of four items. The items were extracted
from a published study Teo, Ursavaş and Bahçekapılı (2011) on each of the four variables in the TAM
for this study. The variables (perceived usefulness [PU], perceived ease of use [PEU], attitude towards
use [ATU] and behavioural intention to use [BI]) were measured using a 5-point scale, with 1 (strongly
disagree) and 5 (strongly agree). The Turkish version of the questionnaire was piloted on 110 Turkish
students and the result revealed acceptable reliability for all constructs. The Cronbach alphas were:
0.940 for PU; 0.951 for PEU; 0.899 for ATU, and 0.832 for BI.
Results
The research findings are presented in two sections according to the statistical techniques
employed. While the first section involves descriptive statistics and reliability and validity analyses, the
second section includes variables included in structural equation modeling created based on the
research hypotheses as well as predictions about direct and indirect relationships between variables,
the significance levels of such predictions, and model fit results.
Descriptive Statistics
Table 1 shows mean scores pertaining to the constructs included in the research model (PU,
PEU, ATU, and BI). The means varied between 3.51 and 4.51. That indicated that all the participants
were somewhat agree to the questionnaire items. In all groups, item standard deviation values were
below 1.00 excepting a couple of values. In other words, the measures scores of the groups were around
the mean score.
Table 1. Mean, Standard Deviation, Skewness, and Kurtosis Coefficients
All Groups
M
PU1
PU2
PU3
PU4
PEU1
PEU2
PEU3
PEU4
ATU1
ATU2
ATU3
ATU4
BI1
BI2
BI3
BI4
4.17
4.32
4.15
4.24
3.76
3.85
3.65
3.71
4.06
4.20
4.10
4.19
4.09
4.11
3.80
4.15
SD
Sk
Primary School T.
K
M
SD
Sk
K
Mathematics T.
M
SD
Sk
.91 -1.40 2.04 4.51 .74 -1.89 4.81 3.89 .95 -.87
.76 -1.01 .89 4.43 .72 -.105 .40 4.11 .80 -.84
.85 -.78 .18 4.16 .85 -.58 -.57 3.85 .90 -.63
.80 -.81 .24 4.25 .81 -.66 -.51 4.02 .83 -.70
.90 -.36 -.08 3.78 .87 -.34
.01 3.67 .83 -.24
.90 -.62 .42 3.90 .87 -.65
.57 3.75 .81 -.37
.98 -.53 .09 3.61 .96 -.35 -.02 3.59 .86 -.42
.96 -.57 .18 3.70 .95 -.53
.17 3.63 .92 -.44
.89 -.83 .52 4.03 .91 -.67
.07 3.84 .86 -.83
.84 -.81 .17 4.24 .80 -.49 -1.19 3.95 .83 -.71
.86 -.79 .45 4.16 .82 -.57 -.40 3.76 .89 -.61
.83 -.82 -.69 4.23 .81 -.64 -.64 3.84 .83 -.63
.85 -.69 .09 4.11 .85 -.64 -.07 3.77 .83 -.43
.82 -.61 -.09 4.09 .82 -.39 -.64 3.86 .82 -.61
.99 -.59 -.06 3.88 .95 -.54 -.14 3.51 1.01 -.37
.81 -.80 .56 4.17 .84 -.74
.12 3.81 .83 -.67
Social Studies T.
Science T.
K
M
SD
Sk
K
.79
.80
.27
.59
.03
.26
.11
-.01
1.02
.69
.40
.72
.19
.57
-.26
.54
4.39
4.43
4.47
4.48
3.79
3.74
3.69
3.73
4.17
4.42
4.30
4.42
4.30
4.34
3.94
4.45
1.05
.78
.75
.76
1.04
1.00
1.05
.98
.90
.82
.84
.81
.84
.80
1.07
.69
-1.85
-1.59
-1.32
-1.48
-.60
-.56
-.52
-.50
-1.12
-1.44
-1.24
-1.51
-1.24
-1.05
-.94
-1.14
2.79
3.17
1.03
1.83
-.02
.05
-.23
-.04
1.25
1.76
1.87
2.14
1.61
.45
.34
1.11
M
SD
Sk
4.20 .85 -1.12
4.26 .73 -.70
4.16 .79 -.86
4.24 .74 -.73
3.81 .88 -.23
3.97 .90 -.82
3.74 1.04 -.86
3.77 .99 -.82
4.22 .84 -.94
4.19 .85 -.94
4.17 .76 -.74
4.27 .77 -.89
4.19 .80 -.70
4.18 .77 -.66
3.85 .92 -.57
4.20 .71 -.80
K
1.49
.03
1.12
.49
-.58
.83
.58
.68
.52
.69
.67
.37
-.14
-.05
.15
1.29
Maximum-likelihood estimation, a parametric technique, was employed in parameter
estimations. This technique requires the fulfillment of multivariate normality assumption. In addition,
each one of the variables observed for multivariate normality needs to have univariate normality.
According to Kline (2005), univariate normality can be assumed if skewness and kurtosis values related
to the variable do not exceed |3.0| and |10.0| respectively. In this regard, the values of the variables
were calculated, and it was seen that the skewness varied between -1.89 and 0.24 while the kurtosis
varied between 0.01 and 4.81 in the present study. These findings indicated that univariate normality
could be assumed for all variables. Mardia’s normalized multivariate kurtosis coefficient was calculated
for multivariate normality test. This coefficient was found to be 137.35, 132.07, 101.96, 93.38, and 113.03
140
for the groups included in the study (entire sample, primary school teaching, mathematics teaching,
social studies teaching, science teaching) respectively. For multivariate normality, the critical value was
found to be 288 based on the equation, p(p + 2) advocated by Raykov and Marcoulides (2008). In this
equation, p refers to the number of observed variables (scale items), which was 16 in the case of the
present study. Multivariate normality can be assumed if the obtained coefficients are below this critical
value.
Convergent Validity
Fornell and Larcker (1981) suggested a three-stage method in order to test the convergent
validity concerning the responses given to the items of a scale: (1) the reliability of items of each
construct, (2) composite reliability of each construct, and (3) the average variance extracted. Firstly, the
reliability of an item is determined by its factor loading onto the underlying construct. According to
Hair, Black, Babin, and Anderson (2010), a factor loading of above 0.50 is adequate evidence that the
item is reliable. In the present study, the factor loadings of the variable varied between 0.66 and 0.91.
Thus, it was concluded that convergent validity was adequate at the item level in all constructs.
Secondly, the composite reliability of each construct was investigated. Some studies measure it using
Cronbach’s alpha, but Hair et al. (2006) recommend that the composite reliability should be used for
calculating the reliability of each construct in structural equation modeling studies. Nunnally and
Berstein (1994) point out that the composite reliability is achieved when the alpha value is 0.70 and over.
In the present study, the composite reliability values of the constructs varied between 0.81 and 0.91.
Lastly, the average variances extracted were calculated for values related to each construct separately.
Convergent validity is judged to be adequate when average variance extracted equals or exceeds 0.50
(Fornell and Larcker, 1981). Otherwise, it is considered that it contains a high level of measurement error
(Segars, 1997). In the present study, the average variances extracted varied between 0.53 and 0.76. Table
2 shows that convergent validity is adequate for the constructs of all groups.
141
Table 2. Convergent Validity
All Groups
(973)
FL
Perceived Usefulness (PU)
PU1
.69
PU2
.72
PU3
.83
PU4
.82
Perceived Ease of Use (PEU)
PEU1
.75
PEU2
.52
PEU3
.84
PEU4
.83
Attitudes Towards Use (ATU)
ATU1
.76
ATU2
.83
ATU3
.88
ATU4
.83
Behavioral Intention (BI)
BI1
.85
BI2
.85
BI3
.79
BI4
.86
AVE CR
Primary School
(324)
FL
AVE CR
Mathematics
(219)
FL
Social Studies
(191)
AVE CR
FL
AVE CR
Science
(239)
FL
AVE CR
.59
.85
.69
.70
.84
.84
.60
.85
.66
.75
.83
.79
.58
.84
.70
.70
.85
.85
.61
.86
.66
.69
.75
.79
.53
.81
.56
.83
.74
.74
.83
.84
.63
.87
.73
.82
.80
.81
.63
.87
.78
.84
.89
.89
.73
.91
.67
.74
.81
.81
.58
.84
.66
.89
.82
.87
.91
.88
.76
.92
.72
.80
.87
.80
.64
.87
.71
.85
.89
.79
.67
.89
.71
.78
.80
.79
.59
.85
.71
.90
.88
.87
.83
.86
.74
.92
.84
.84
.81
.90
.72
.91
.77
.84
.78
.84
.66
.88
.84
.83
.69
.82
.64
.87
Note: FL is the factor loading of each construct determined through factor analysis; CR, the composite reliability coefficient, was
calculated with the formula, (Σλ)2 / (Σλ)2 + (Ση); AVE (average variance extracted) was calculated with the formula, (Σλ2) / (Σλ2)
+ (Ση).
Discriminant Validity
Discriminant Validity ascertains the degree to which the constructs included in a model differ
or differentiate from one another (Farrell, 2010). Constructs are expected to be different from one
another on the one hand, but are expected to be related to one another at a particular level. The
discriminant validity is assessed by the comparison of the square root of the average variance extracted
from a construct and the correlation coefficient of this construct with other constructs. Table 3 presents
correlation and average variance extracted values of the constructs. The parenthesized values on the
diagonal are the square root of constructs’ variances extracted. Those values which are on the rows and
columns outside the diagonal refer to the correlations between the constructs. For adequate
discriminant validity, the values on the diagonal need to be higher than their own row and column
values (Fornell and Larcker 1981). In the present study, satisfying results were obtained both at item
and at construct levels. Thus, it was concluded that the constructs included in the research model had
adequate discriminant validity.
Table 3. Discriminant Validity
All Groups
PU PEU ATU
Primary School
BI
PU
(.77)
PEU .43* (.75)
ATU .69* .47* (.81)
BI
.70* .50* .79* (.84)
PU PEU ATU
Mathematics
BI
(.77)
.47* (.79)
.70* .56* (.87)
.68* .57* .84* (.86)
PU PEU ATU
Social Studies
BI
(.76)
.39* (.79)
.66* .34* (.80)
.70* .44* .78* (.84)
PU PEU ATU
Science
BI
(.78)
.39* (.85)
.66* .42* (.81)
.69* .47* .72* (.81)
PU PEU ATU
All correlations included in the table are significant at the level of p<.001. The parenthesized values on the diagonal are the
square root of the average variances extracted. Other values are the coefficients of correlations between constructs.
142
BI
(.72)
.51* (.76)
.67* .52* (.76)
.65* .49* .72* (.80)
Test of the Structural Model
The fit of the structural model used in the study was tested via IBM SPSS AMOS 21. The
researchers used a variety of fit indices for model fit. Brown (2006) identified three categories of fit:
absolute fit, parsimony fit, and comparative fit. The absolute fit indices test the degree to which the
proposed model measures the observed data well. The most frequently used fit indices are chi-square
and SRMR. 𝜒 2 (chi-square) is sensitive to sample size, and has a tendency to vary significantly as the
sample size increases. Hair et al. (2006) stated that the ratio of degree of freedom (df) and 𝜒 2 (𝜒 2 /df)
would be a measure for adequacy, and this value being 3 or below 3 would point to acceptable fit. The
parsimony fit indices are similar to absolute fit indices except that they take into account the complexity
of the model (e.g. RMSEA index). Lastly, the comparative fit indices examine the fit of an alternative
model to the basic model in order to assess such alternative model (Harrington, 2009). CFI and TLI are
two comparative fit indices. Table 4 demonstrates the results of the structural model for all groups as
well as the proposed values.
Table 4. Goodness of Fit Indices Pertaining to the Proposed Model
Fit Indices
χ2
χ2 /df
GFI
NFI
TLI
SRMR
RMSEA
CFI
Index Threshold
Value
insignificant
p< 0.05
<3
=>0.90
=>0.90
=>0.90
<0.05
< 0.05 (good fit)
> 0.08 (poor fit)
=>0.90
Entire Sample
768.7
insignificant
p< 0.05
1.94
0.91
0.91
0.94
0.05
0.03
(0.02-0.03)
0.95
Primary School T.
232.5 insignificant
p< 0.05
2.34
0.92
0.93
0.95
0.05
0.06
(0.05-0.07)
0.95
Mathematics T.
196.9
insignificant
p< 0.05
1.99
0.90
0.89
0.93
0.05
0.06
(0.05-0.08)
0.94
Social Studies T.
120.9 insignificant
p< 0.05
1.22
0.92
0.93
0.98
0.04
0.03
(0.00-0.05)
0.98
Science T.
218.2
insignificant
p< 0.05
2.20
0.92
0.86
0.92
0.05
0.07
(0.05-0.08)
0.90
According to the examination of the results concerning the models created and tested based on
groups in the present study, model fit was adequate because all indices except for 𝜒 2 were acceptable.
Coefficients were calculated for the model created for the entire sample (𝜒 2 =768.7, p<0.05; 𝜒 2 /df=1.94;
TLI=0.94; CFI= 0.95; RMSEA=0.03 (LO90=0.02, HI90=0.03); SRMR=0.05 ), for the model created for preservice primary school teachers (𝜒 2 =232.5, p<0.05; 𝜒 2 /df=2.34; TLI=0.95; CFI=0.95; RMSEA=0.06 (
LO90=0.05, HI90=0.07 ); SRMR=0.05), for the model created for pre-service mathematics teachers
𝜒 2 =196.9, p<0.05; 𝜒 2 /df =1.99; TLI=0.93; CFI= 0.94; RMSEA=0.06 (LO90=0.05, HI90=0.08); SRMR= 0.05 ),
for the model created for pre-service social studies teachers (𝜒 2 =120.9, p<0.05; 𝜒 2 /df =1.22; TLI=0.98;
CFI=0.94; RMSEA=0.03 ( LO90=0.00, HI90=0.05 ); SRMR=0.04 ), and for the model created for pre-service
science teachers (𝜒 2 =218.2, p<0.05; 𝜒 2 /df=2.20; TLI=0.92; CFI=0.90; RMSEA=0.07 ( LO90=0.05, HI90=0.08
); SRMR=0.05). In all models, BI was estimated by PEU, PU, and ATU.
143
Path Results
Figure 2 and Table 5 presents path analysis results. In path analysis, there are two effect types:
direct effect and indirect effect. In path diagram, a one-way arrow drawn from one variable to another
refers to a direct effect. However, there is an indirect effect if a one-way arrow is drawn from one
variable to another from which a one-way arrow is drawn to again another variable. Total effect related
to a variable is the sum of direct and indirect effects pertaining to it.
PU
.28*
.57*
ATU
.48*
.60*
BI
.25*
PEU
Figure 2a: All Groups
PU
PU
.18*
.57*
.72*
ATU
.48*
.33*
.62*
BI
.29*
.56*
ATU
.39*
BI
.10
PEU
PEU
Figure 2b: Primary School
PU
Figure 2c: Mathematics
.39*
.59*
PU
.30*
.55*
.46*
ATU
.39*
BI
.52*
ATU
.52*
.19*
.23*
PEU
PEU
Figure 2d: Social Studies
Figure 2e: Science
Figure 2. Path Results
144
BI
For the entire sample, the most effective factor on behavioral intention was PU (0.648) followed
by ATU (0.595) and PEU (0.408). They predicted 68% of BI. On the other hand, ATU was affected by PU
(0.604) and PEU (0.473). They explained 52% of ATU.
For the primary school pre-service teachers, the most effective factor on BI was ATU (0.725). It
was followed by PU (0.588) and PEU (0.492). They predicted 73% of BI. On the other hand, ATU was
affected by PU (0.568) and PEU (0.564). They explained 56% of ATU.
For the mathematics pre-service teachers, the most effective factor on BI was PU (0.683). It was
followed by ATU (0.560) and PEU (0.356). They predicted 67% of BI. On the other hand, ATU was
For the social studies pre-service teachers, the most effective factor on BI was PU (0.664). It was
followed by ATU (0.464) and PEU (0.350). They predicted 60% of BI. On the other hand, ATU was
For the science teachers, the most effective factor on BI was PU (0.588). It was followed by ATU
(0.519) and PEU (0.426). They predicted 57% of BI. On the other hand, ATU was affected by PU (0.554)
and PEU (0.521). They explained 49% of ATU.
145
Science
Social Studies
Mathematics
Primary School
Entire Sample
Table 5. Direct, Indirect and Total Effects
Standardized Predictions
Direct Indirect Total
.288
.360
.648
--.408
.408
.595
--.595
Predicted
Predictor
Behavioral Intention (R2 = 0.676 )
PU
PEU
ATU
Attitude towards use(R2 = 0.519 )
PU
PEU
.604
.209
--.264
.604
.473
Perceived usefulness(R2 = 0.192 )
PEU
.438
---
.438
PU
PEU
ATU
.176
--.725
.412
.492
---
.588
.492
.725
PU
PEU
.568
.293
--.271
.568
.564
PEU
.477
---
.477
PU
PEU
ATU
.335
--.560
.348
.326
-
.683
.326
.560
PU
PEU
.622
.104
--.244
.622
.348
PEU
.392
---
.392
PU
PEU
ATU
.389
--.464
.275
.350
---
.664
.350
.464
PU
PEU
.593
.191
--.234
.593
.425
PEU
.394
---
.394
PU
PEU
ATU
.301
--.519
.287
.426
---
.588
.426
.519
PU
PEU
.554
.235
--.286
.554
.521
PEU
.516
---
.516
146
Discussion, Conclusion and Suggestions
This study aimed at examining the BIs of third and fourth grade students receiving teacher
training to use ICT, and examining the validity of the TAM. The results showed that the TAM was a
valid and reliable model. PU and ATU had a direct effect on BI, and PU and PEU had an indirect effect
on BI.
The model explained the variance in BI to use technology among the pre-service teachers by the
following percentages: 67.6% for the entire sample; 73.7% for pre-service primary school teachers; 67.4%
for pre-service mathematics teachers; 60.8% for pre-service social studies teachers; and 57.1% for preservice science teachers. That may have resulted from the variation in the attitudes and expectations of
the pre-service teachers receiving teaching training in different branches concerning technology use. On
the other hand, all ratios (regarding the explanation of BI) were higher than the ratios reported in similar
studies (Legris, Ingham and Collerette, 2003; Silvo and Pan, 2005; Teo, 2009; 2010; 2011), and thus
engender confidence in the findings.
PU had significantly direct positive effect on BI. This finding indicates that technology use helps
individuals in their work, and thus increases their BI. In addition, PU was found to have an indirect
effect on BI through ATU. PU explained most of the variance in BI in all branches except for primary
school teaching. Davis et al. (1989) reported that PU was the most important factor for determining BI.
However, in the present study, PU ranked second in terms of total effect on BI among the pre-service
primary school teachers. That implies that the BIs of pre-service primary school teachers are determined
by some other factors which are more influential on such intentions of theirs in comparison to the benefit
brought by ICT to their sphere of employment. Similar studies also detected positive and significant
effects of PU on BI (Liaw, 2002; Ma, Andersson and Streith, 2005; Turan and Çolakoğlu, 2008; Teo, 2011;
Teo, Luan and Sing, 2008; Teo and Schaik, 2009; Teo, 2009; El-Gayar, Moran, and Hawkes, 2011; Terzis
and Economides, 2011; Teo, Ursavaş and Bahçekapılı, 2011; Teo and Ursavaş, 2012; Escobar-Rodriguez
and Pedro Monge-Lozano, 2012; Teo, Ursavaş and Bahçekapılı, 2012; Ursavaş, 2013). If pre-service
teachers conclude that ICT helps them in the activities conducted during pre-service training, such
perception may be influential on them adapting technology advantageously in future teaching practice.
The effects of PEU on PU has frequently been the focus of examination in TAM studies, and this
is because these two variables are the principal factors of the model. PU is significantly affected by PEU.
From the perspective of technology use, when the effort needed for using or learning to use a technology
is minimal, it is perceived that the technology is easy to use (Ursavaş,2014). It is more evident in the case
of pre-service science teachers that the PU was predicted by the PEU.
The PU was found to be the most important factor influential on ATU. It explained the variance
in attitude among the pre-service primary school teachers most. They were followed by pre-service
science, social studies, and mathematics teachers. The factor having the highest influence on the BI was
attitude among the pre-service primary school teachers. That implies that many technologies may be
used in classroom for pre-service primary school teachers, and that ATU of such technologies, rather
than their usefulness, is more influential on BI.
The examination of indirect and direct effects on the BI showed that ATU was the most
important factor influential on intention, and it was followed by PU and PEU respectively. Another
remarkable result of the study was that the indirect effect (through attitude) of the PU on the BI of the
pre-service primary school teachers and mathematics teachers was higher than its direct effect on them.
Thus, it can be safely concluded that creating positive attitudes towards technology use among preservice teachers is important, and attitude may have a non-ignorable effect on the use of such
technologies in the future.
147
Another research result was that while the effect of the PEU on ATU was insignificant among
the pre-service mathematics teachers, the effect of the PU on ATU among them was higher and
significant in comparison to other pre-service teacher groups. That means that the pre-service
mathematics teachers thought that technology use would facilitate their job performance enhancement,
thereby leading to a positive attitude, without concluding that technology use was easy.
The findings showed that the PU was a key variable in determining ATU. These findings were
in parallel with those of similar studies (Huang and Liaw, 2005; Leigris et al. 2003; Teo, 2008; Teo et al.,
2009). Similarly, Swain (2006) pointed out that when pre-service teachers were asked, they could list
many benefits of computer use.
The present study also demonstrated that ATU was the second factor having a positive effect
on BI (except for the pre-service primary school teachers). Other researchers (Luan et al., 2005; Teo et
al., 2010; Teo et al., 2012) found out that attitude was a direct determinant of BI. The development of
positive attitudes among pre-service teachers during their computer usage may imply that they will use
such technologies in their future professional lives. On the other hand, Davis et al. (1989) discussed that
PU and PEU of a technology would be enough for an individual to engage with it, without the
individual developing a positive ATU.
Today, ICTs improve continuously. It is not likely that the intentions, attitudes, and beliefs of
individuals remain the same in view of such improvements in technologies. It is inevitable that
teachers/pre-service teachers update their technical and pedagogical knowledge for their professional
improvement in view of such accelerated progress in technologies. From the perspective of pre-service
teachers, the integration of today’s technologies into current teacher training curriculum may bring
great benefits to teachers during their professional lives. Otherwise, they may have various difficulties
in conveying the content included in curricula even by means of traditional ways and tools. With
reference to these trends in education, it is evident that faculties that train teachers should have both
adequate technological infrastructure in place, and should provide encouragement, support and
training for pre-service teachers to develop both confidence and competence in technology use. In this
way, a positive contribution may be made to the improvement of attitudes and beliefs of teachers
regarding technology use in their teaching lives.
The present study had some limitations. Firstly, the study was conducted with pre-service
teachers, but the current situation of pre-service teachers may be different from the situation they will
be in when working as a teacher in the future (Teo, 2009). Pre-service teachers may have some
difficulties in handling ICT in a real school environment and adapting it to their lessons. Pre-service
teachers now use ICT for learning purposes, but teachers use it in in-class activities and in professional
practice. Thus, pre-service teachers are under less pressure and stress in comparison to teachers.
Secondly, some technologies used by pre-service teachers while receiving education (digital camera,
smart board, etc.) may not be available or may be different in the schools where they will work in the
future. Thirdly, the results may contain common method variance (CMV) errors because the research
data reflected only the self-evaluations of the pre-service teachers and were collected through a tool
which the pre-service teachers were used to and might have had a tendency to fill in by memory
repetition. CMV refers to the variance of a measured factor due to measurement method rather than its
actual structure (Podsakoff, MacKenzie, Lee, & Podsakoff, 2003). Fourthly, the BI, which was the
dependent variable of the present study, could be explained in the present study by three variables in
the following percentages: 67.6% for the entire sample; 73.7% for the pre-service primary school
teachers; 67.4% for the pre-service mathematics teachers; 60.8% for the pre-service social studies
teachers, and 57.1% for the pre-service science teachers. However, there is still a non-explained part of
BI for each model. This problem may be overcome by including different significant variables in the
model. For example, Park (2009), Teo (2009), and Teo, Ursavas, Bahçekapılı (2012) determined that the
variables of self-efficacy and technological chaos had a significant effect on BI. In addition, as seen in
some studies (Paraskeva et al., 2008; Saade and Kiraz, 2007), variables such as self-esteem and anxiety
can be included in the model. Eventually, the present study determined the BIs of the pre-service
148
teachers to use technology rather than their actual usage. Although previous studies (Davis et al., 1989;
Hu, Clark and Ma, 2003; Kiraz and Özdemir, 2006) argue that there is a relationship between BI and
actual usage, the determination of the actual usage of a system would be more appropriate. The results
demonstrated that the data collected via the proposed research model had a good fit. All the hypotheses
(except for H3 for Mathematics) tested in the study were accepted. The model should be tested through
different samples in future studies. Moreover, the model may be examined in terms of personal
characteristics (sex, computer use experience, etc.) and the type of technology used (laptop, tablet, etc.).
From a different point of view, a similar study should be conducted with teachers who work currently,
as mentioned during the discussion of the limitations of the study. Finally, in consideration of the
emphasis put on technology use in education across the world, it can be said that international and
cross-cultural research should be conducted in order to determine and compare the behavioral
intentions of pre-service teachers/in-service teachers concerning ICT.
149
References
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes,
50(2), 179-211.
Ajzen, I. and Fishbein, M. (1980). Understanding Attitudes and Predicting Social Behavior. Prentice-Hall,
Upper Saddle River, NJ.
Ajzen, I. and Madden, T.J. (1986). Prediction of goal-directed behavior: Attitudes, intentions, and
perceived behavioral control. Journal of Experimental Social Psychology, 22(5), 453-474.
Akbaba-Altun, S. (2004). Information technology classrooms and elementary school principals’ roles:
Turkish experience. Education and Information Technologies 9(3), 225–270.
Akkoyunlu, B. and Orhan, F. (2003). Relationship between computer usage self-efficacy and their
demographic characteristics of teacher candidates. The Turkish Online Journal of Educational
Technology, 2(3),86-93.
Alev, N., & Yiğit, N. (2009). Öğretim elemanlarının bilgi ve iletişim teknolojilerini öğretmen eğitim
programlarına uyarlamasında ilgi-endişe ve benimseme seviyeleri. Çukurova Üniversitesi Eğitim
Fakültesi Dergisi, 3(37), 82-91.
Baylor, A. and Ritchie, D. (2002). What factors facilitate teacher skill, teacher morale, and perceived
student learning in technology-using classrooms? Journal of Computers & Education, 39(4), 395–414.
Becit-İşçitürk, G. (2012).Öğretmen Adaylarının Bilgi ve İletişim Teknolojilerini Kabul ve Kullanımlarının
Çeşitli Değişkenler Açısından İncelenmesi. Yayınlanmamış Doktora Tezi. Anadolu Üniversitesi,
Eğitim Bilimleri Enstitüsü, Eskişehir.
Cheon, J., Lee, S., Crooks, S. M. and Song, J. (2012). An investigation of mobile learning readiness in
higher education based on the theory of planned behaviour. Computers and Education, 59(3), 10541064.
Cure, F. and Özdener, N. (2008). Teachers’ Information and communication technologies(Ict) using
achievements & attitudes towards Ict. Hacettepe University Journal of Education, 34, 41-53.
Çoklar, A., Kılıçer, K., & Odabaşı, H. (2007). Eğitimde teknoloji kullanımına eleştirel bir bakış: teknopedagoji.
Paper presented at the 7nd International educational technology conference.
Davis, F. D., Bagozzi, R. P. and Warshaw, P. R. (1989). User Acceptance of Computer Technology: a
Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003.
Dutt-Doner, K., Allen, S. M., & Corcoran, D. (2006). Transforming student learning by preparing the
next generation of teachers for type II technology integration. Computers in the Schools, 22 (3-4), 6375.
El-Gayar, O., Moran, M., and Hawkes, M. (2011). Students' Acceptance of Tablet PCs and Implications
for Educational Institutions. Educational Technology & Society, 14(2), 58-70.
Ertmer, P. A. and Hruskocy, C. (1999). Impacts of a university-elementary school partnership designed
to support technology integration. Educational Technology Research and Development, 47(1), 81-96.
Escobar-Rodriguez, T. and Monge-Lozano, P. (2012). The acceptance of Moodle technology by business
administration students. Computers & Education, 58(4), 1085–1093.
Fishbein, M. and Ajzen, I. (1975). Belief, Attitude, Intention, and Behaviour: An Introduction to Theory and
Research: MA:Addison-Wesley.
Fullan. M. (1991). The New Meaning of Educational Change. Teachers’ College Press, New York.
Goktas, Y., Gedik, N., & Baydas, O. (2013). Enablers and barriers to the use of ICT in primary schools in
Turkey: A comparative study of 2005–2011. Computers & Education, 68, 211-222.
Hair, J. F., Jr., Black, W. C., Babin, B. J. and Anderson, R. E. (2010). Multivariate data analysis (7th ed.). NY:
Prentice Hall.
150
Kiraz, E. and Ozdemir, D. (2006). The Relationship between Educational Ideologies and Technology
Acceptance in Pre-service Teachers. Educational Technology & Society, 9(2), 152-165.
Legris, P., Ingham, J. and Collerette, P. (2003). Why do people use information technology? A critical
review of the technology acceptance model. Information & Management, 40(3),191-204.
Liaw, S. S. (2002). Understanding user perceptions of World-wide web environments. Journal of
Computer Assisted Learning, 18(2), 137-148.
Lim, C. P. and Chai, C. S. (2008). Rethinking Classroom-Oriented Instructional Development Models to
Mediate InstructionalPlanning in Technology Enhanced Learning Environments. Teaching and
Teacher Education, 24(8), 2002-2013.
López-Bonilla, L. M., & López-Bonilla, J. M. (2011). The role of attitudes in the TAM: A theoretically
unnecessary construct? British Journal of Educational Technology, 42(6), E160-E162.
Lowther, D. L., Inan, F. A., Strahl, J.D. and Ross, S.M. (2008). Does technology integration “work” when
key barriers are removed? Educational Media International, 45(3), 195-206.
Ma, W. W. K., Andersson, R. and Streith, K. O. (2005). Examining user acceptance of computer
technology: An empirical study of student teachers. Journal of Computer Assisted Learning, 21(6),
387–395.
Morris, M. G., & Dillon, A. (1997). The influence of user perceptions on software utilization: application
and evaluation of a theoretical model of technology acceptance. IEEE Transactions on Software
Engineering, 14(4)58-65.
Nistor, N., & Heymann, J. O. (2010). Reconsidering the role of attitude in the TAM: An answer to Teo
(2009a). British Journal of Educational Technology, 41(6), E142-E145.
Olson, J. M., & Zanna, M. P. (1993). Attitudes and attitude change. Annual review of psychology, 44(1),
117-154.
Park, Y., Son, H. and Kim, C. (2012).Investigating the determinants of construction professionals'
acceptance of web-based training: An extension of the technology acceptance model. Automation in
Construction, 22,377–386.
Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. 2003. Common method biases in
behavioral research: A critical review of the literature and recommended remedies. Journal of
Applied Psychology, 88(5): 879–903.
Raykov, T. and Marcoulides, G. A. (2008). An introduction to applied multivariate analysis. NY: Routledge.
Russell, M., Bebell, I. D., O’Dwyer, L. M. and O’Connor, K. M. (2003). Examining teacher technology
use: Implications for pre-service and in-service teacher preparation. Journal of Teacher Education,
54(4), 297-310.
Sahin, S. (2012). Pre-service teachers' perspectives of the diffusion of information and communications
technologies (ICTs) and the effect of case-based discussions (CBDs). Computers & Education, 59(4),
1089-1098.
Seferoğlu, S. S, Akbıyık, C. and Bulut, M. (2008). İlköğretim Öğretmenlerinin ve Öğretmen Adaylarının
Bilgisayarların Öğrenme/Öğretme Sürecinde Kullanımı ile İlgili Görüşleri. Hacettepe Üniversitesi
Eğitim Fakültesi Dergisi, 35, 273-283.
Sivo, S. and Pan, C. (2005). Undergraduate engineering and psychology students’ use of a course
management system: A factorial invariance study of user characteristics and attitudes. Journal of
Technology Studies, 31(2), 94–103.
Szajna, B. (1996). Empirical evaluation of the revised technology acceptance model. Management science,
42(1), 85-92.
Tabachnick, B. G. and Fidell, L. S. (2001). Using multivariate statistics (4th ed.). Needham Heights, MA:
Allyn & Bacon.
151
Taylor, S. and Todd, P. A. (1995). Understanding information technology usage: a test of competing
models. Information Systems Research, 6(4), 144-176.
Teo, T. (2009a). Evaluating the BI technology among student teachers: A structural equation modeling
approach. International Journal of Technology in Teaching and Learning, 5(2),106-118.
Teo, T. (2009b). Modelling technology acceptance in education: A study of pre-service teachers.
Computers & Education, 52(2), 302-312.
Teo, T. (2010). Examining the influence of subjective norm and facilitating conditions on the BI
technology among pre-service teachers: a structural equation modeling of an extended technology
acceptance model. The Asia-Pacific Education Researcher, 11(2), 253-262.
Teo, T. (2011). Factors influencing teachers’ BI technology: Model development and test. Computers &
Education, 57(4),2432-2440.
Teo, T. S. H., Lim, V. K. G. and Lai, R. Y. C.(1999). Intrinsic and Extrinsic Motivation in Internet Usage.
Omega, 27(1), 25-37.
Teo, T. and Noyes, J. (2011). An assessment of the influence of perceived enjoyment and attitude on the
BI technology among pre-service teachers: A structural equation modeling approach. Computers &
Education, 57(2),1645-1653.
Teo, T. and Ursavaş, Ö. F. (2012). Technology Acceptance of Pre-Service Teachers in Turkey: A CrossCultural Model Validation Study. International Journal of Instructional Media, 39(3),193-201.
Teo, T. and van Schaik, P. (2009). Understanding Technology Acceptance in Pre-Service Teachers: A
Structural-Equation Modeling Approach. The Asia-Pasific Education Researcher,18(1),47-66.
Teo, T., Lee, C. B. and Chai, C.S. (2008).Understanding pre-service teachers' computer attitudes:
applying and extending the technology acceptance model. Journal of Computer Assisted Learning,
24(2), 128-142.
Teo, T., Lee, C. B., Chai, C. S. and Wong, S. L. (2009). Assessing the BI technology among pre-service
teachers in Singapore and Malaysia: A multigroup invariance analysis of the technology acceptance
model (TAM). Computers & Education, 53(3), 1000-1009.
Teo, T., Su-Luan, W. and Sing, C. C. (2008). A cross-cultural examination of the BI technology between
Singaporean and Malaysian pre-service teachers: an application of the Technology Acceptance
Model (TAM). Educational Technology & Society,11(4), 265-280.
Teo, T., Ursavaş, Ö. F. and Bahçekapılı, E. (2011). Efficiency of the technology acceptance model to
explain pre-service teachers' BI technology: A Turkish study. Campus-Wide Information Systems,
28(2),93-101.
Teo, T., Ursavaş, Ö. F. and Bahçekapılı, E. (2012). An assessment of pre-service teachers’ technology
acceptance in Turkey: A structural equation modeling approach. The Asia-Pacific Education
Researcher,21(1),191-202.
Terzis, V. and Economides, A. A. (2011). The acceptance and use of computer based assessment.
Computers & Education, 56(4), 1032–1044.
Terzis, V., Moridis, C. N. and Economides, A. A. (2012). How student’s personality traits affect
Computer Based Assessment Acceptance: Integrating BFI with CBAAM. Computers in Human
Behavior, 28(5),1985-1996.
Tsai, C., & Chai, C. S. (2012). The “third”-order barrier for technology integration instruction:
implications for teacher education. Australasian Journal of Educational Technology, 28(6), 1057–1060.
Turan, A. H. and Çolakoğlu, B. E. (2008). Yüksek Öğrenimde Öğretim Elemanlarının Teknoloji Kabulü
ve Kullanımı: Adnan Menderes Üniversitesinde Ampirik Bir Değerlendirme. Doğuş Üniversitesi
Dergisi, 9(1),106-121.
152
Ursavaş, Ö. F. (2013) Reconsidering the role of attitude in the TAM: An answer to Teo (2009) and Nistor
and Heymann (2010), and Lopez-Bonilla and Lopez-Bonilla (2011). British Journal of Educational
Technology, 44(1),E22-E25.
Ursavaş, Ö. F. (2014). Öğretmenlerin bilişim teknolojilerini kullanmaya yönelik davranışlarının modellenmesi.
Yayınlanmamış Doktora Tezi. Gazi Üniversitesi, Eğitim Bilimleri Enstitüsü, Ankara.
Usluel, Y. K., Mumcu, F. K. and Demiraslan, Y. (2007). Öğrenme-öğretme sürecinde Bilgi ve İletişim
Teknolojileri: Öğretmenlerin entegrasyon süreci ve engelleriyle ilgili görüşleri. Hacettepe
Üniversitesi Eğitim Fakültesi Dergisi, 32,164-178.
Venkatesh, V. ( 2000). Determinants of PEU: integrating control, intrinsic motivation, and emotion into
the technology acceptance model. Information Systems Research, 11 (4), 342–365.
YOK.
(2007).
Teacher
training
and
education
faculties.
Retrieved
from.
http://www.yok.gov.tr/component/option,com_docman/task/doc_download/gid,70/Itemid,215/la
ng, tr/.
Yushau, B. (2006). Computer attitude, use, experience, software familiarity and perceived pedagogical
usefulness: The case of mathematics professors. Eurasia Journal of Mathematics, Science and
Technology Education, 2(3), 1 – 7.
153
Eğitim ve Bilim
Cilt 39 (2014) Sayı 175 136-153
Türkiye’deki Öğretmen Adaylarının BİT Kullanımına Yönelik
Davranışsal Niyetlerinin Belirlenmesinde Branşlarının Rolü
Ömer Faruk Ursavaş 1, Sami Şahin 2, David McIlroy 3
Öz
Anahtar Kelimeler
Bu çalışmanın amacı, farklı disiplinlerde öğretmenlik eğitimlerine
devam eden son sınıf öğretmen adaylarının Teknoloji Kabul
Modeli (TKM) kapsamında teknoloji kabul düzeylerinin
belirlenmesidir. Araştırma 973 (583 kadın, 390 erkek) öğretmen
adayı ile yürütülmüştür. Katılımcılardan cevaplar, TKM’ye ilişkin
dört faktörden oluşan bir ölçme aracı yardımı ile toplanmış olup
çalışma kapsamında toplanan veriler yapısal eşitlik modellemesi
ile çözümlenmiştir. Algılanan kullanışlılık, kullanıma yönelik
tutum ve algılanan kullanım kolaylığı davranışsal niyet
değişkenini sırasıyla etkileyen değişkenler olmuştur. Sonuç olarak
algılanan kullanışlık teknoloji kullanımına yönelik niyeti tahmin
eden anahtar değişken olarak belirlenmiştir.
Teknoloji kabulü
Öğretmen adayı
Yapısal Eşitlik Modellemesi
Türkiye
Makale Hakkında
Gönderim Tarihi: 10.05.2014
Kabul Tarihi: 01.10.2014
Elektronik Yayın Tarihi: 10.11.2014
DOI: 10.15390/EB.2014.3357
Giriş
Pek çok ülkenin eğitim reformlarında, teknolojinin eğitim-öğretime dâhil edilmesi anahtar bir
fikir olarak görülür (Demetriadisa, Barbasb, Molohidesb, Palaigeorgioua, Psillosb, Vlahavasa,
Tsoukalasa ve Pombortsisa, 2003; Lim ve Hang, 2003; van Braak, 2001). Günümüzde, Bilgi ve İletişim
Teknolojilerine (BİT) yapılan yatırımlar artarak devam etmekte; bilgisayar, tablet-bilgisayar, yansıtım
aygıtı ve akıllı tahta gibi yeni teknolojik araçlar sınıflarda yerini almaktadır. Alev ve Yiğit (2009)
eğitimde BİT kullanımının bireylerin bu teknolojileri kabullenmesine, anlamasına, sahip çıkmasına ve
kullanmak üzere enerji sarf etmesine bağlı olduğunu belirtmişlerdir. Öğretmenlerin BİT’lere dair bilgi
ve becerilerin öğrencilerin öğrenme sürecine uyarlanmasında önemli yere sahip olduğu
vurgulanmaktadır (Cüre ve Özdener, 2008; Rosen ve Weil, 1995; Seferoğlu, Akbıyık ve Bulut, 2008;
Usluel, Mumcu ve Demirarslan, 2007). Öte yandan öğretmenlerin BİT’lerin kullanımı için gerekli bilgi
ve becerilere sahip olmalarının yanında bu teknolojileri sınıflarında kullanmaya yönelik gerekli inanca
da sahip olması gerekmektedir (Göktas, Gedik ve Baydaş, 2013). Pajares (1992), öğretmenlerin sahip
olduğu inançların hem kendi öğrenmelerinde, hem de ders etkinliklerinde etkili olduğunu belirtmiştir.
Bu nedenle öğretmenlerin öğrencilerin öğrenmeleri hakkındaki inançları, derslerini yapılandırmasını,
müfredatını şekillendirmesini ve öğrencilerle olan ilişkilerini etkilemektedir. Fullan’ın (2007) belirttiği
gibi eğitimde meydana gelecek olan değişimin uygulamada yerini alırsa gerçek değişimin olacağı ve bu
değişimde de öğretmenin rolünün büyük olduğudur. Bu sebeple öğretmenlerin BİT kullanımı üzerine
düşünme becerilerinin de desteklenmesinin gerekliliğine vurgu yapılmıştır (Tsai ve Chai, 2012).
Dolayısıyla öğrencilerin teknolojiyi etkin kullanımlarını sağlamak için öncelikle öğretmenlerin bu
beceriye sahip olması gerekir (Akkoyunlu ve Orhan, 2003; Fullan, 1991).
Recep Tayyip Erdoğan Üniversitesi, Eğitim Fakültesi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü, Türkiye,
[email protected]
2 Gazi Üniversitesi, Eğitim Fakültesi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü, Türkiye, [email protected]
3 Liverpool John Moores Üniversitesi, Fen Fakültesi, Doğal Bilimler ve Psikoloji Bölümü, İngiltere, [email protected]
1
136
Eğitim ve Bilim 2014, Cilt 39, Sayı 175, 136-153
Dutt-Doner, Allen ve Corcoran (2006) okullara BİT’leri uyarlamayı kolaylaştırmak için atılacak
en önemli adımlardan birinin öğretmen yetiştirme programlarını mercek altına almak olduğunu
belirtmiştir. Bu programlarda teknoloji uyarlamasının etkili yapılmasının olumlu gelişmeleri tüm
okullara yansıtabileceği vurgulanmaktadır. Ancak öğretmen adaylarının hizmet öncesi aldıkları
eğitimle gerçek sınıf uygulamaları arasında farklılıklar bulunmaktadır. Bu durum ise öğretmen
yetiştiricilerini zor durumda bırakmaktadır (Şahin, 2012). Bu genel sorun tüm dünyada olduğu gibi
Türk Eğitim sisteminde de etkilerini göstermektedir.
Türkiye’deki öğretmen eğitimi programına baktığımızda öğretmen adayları 4 yıllık bir lisans
eğitiminden sonra öğretmen olabilmektedirler. Yaklaşık olarak 150 krediden oluşan bu eğitim; mesleki,
teknolojik ve konu alanına yönelik ders ve etkinlikleri kapsamaktadır. Yükseköğrenimden elde edilen
öğretmen eğitimi raporuna göre; öğretmen eğitimi programları yüzde 50-60 konu alanı, yüzde 25-30
ilgili meslek öğrenimi ve yüzde 15-20 her bir programın özelliği ile ilgili genel kültür dersler
içermektedir. (YOK, 2007). Teknoloji eğitimi açısından iki çeşit ders vardır. Bunlardan biri öğretmen
adaylarına teknolojik bilgi sağlamayı amaçlayan temel bilgisayar dersi, diğeri ise teknolojiyi
öğretimlerine uyarlama becerilerini geliştirmeyi amaçlayan öğretim tasarımı ve materyal geliştirme
dersidir. Ancak, araştırmalar öğretmen eğitiminde yer alan bu derslerin öğretmen adaylarından
beklenen bu becerileri geliştirmede yetersiz olduğunu göstermiştir (Çoklar, Kılıçer ve Odabaşı, 2007;
Sami, 2012).
Öğretmen adayları hizmet öncesi eğitim sürecinde edinmeleri gereken tutum ve becerileri
meslek hayatına başladıklarında kullanmaktadırlar. Bu süreçte kazanılan tutumların etkililiği bu
süreçte belirlenmeli ve varsa sorunlar çözülmelidir. Bu bağlamda sorulması gereken soru şu olmalıdır:
Öğretmen adaylarının teknoloji kullanımına yönelik davranışsal niyetlerini nasıl değerlendirebiliriz?
Bu değerlendirme ise Teknoloji Kabul Modeli (TKM) ile yapılabilir.
Alan yazındaki çalışmalar incelendiğinde öğretmen adaylarının teknoloji kullanımını inceleyen
çeşitli model ve kuramlara dayanan araştırmalara rastlanmaktadır. Bu çalışmanın amacı ise son sınıf
öğretmen adaylarının teknoloji kabul ve kullanımlarına yönelik davranışsal niyetlerinin TKM
kullanılarak ortaya koyulmasıdır.
Ayrıca aşağıdaki araştırma sorularının yanıtları aranmıştır:
1-Öğretmen adaylarının teknoloji kabullerini açıklamada TKM’nin geçerliliği nedir?
2-TKM’ye ait değişkenler farklı branşlarda öğretmenlik eğitimi alan öğretmen adayları
açısından nasıl değişmektedir.
Teknoloji Kabul Modeli
Davis (1989) tarafından geliştirilen TKM kullanıcıların teknolojiyi nasıl kabul ettiklerini ve
kullandıklarını ortaya çıkarmayı amaçlayan bir modeldir. Pek çok araştırmacı gerçekleştirdikleri
çalışmalarda teknoloji kabul modelinin gücünü açıklamaya çalışmışlardır ve birbirleri ile tutarlı
sonuçlar elde etmişlerdir. Modelin kuramsal temeli Ajzen ve Fishbein (1980) tarafından geliştirilen
SDK’ya (Sebepli Davranış Kuramı) dayanmaktadır. SDK birey davranışının kendi iradesi ve isteğiyle
gerçekleştiğini savunur. Ajzen (1991) ise Planlı Davranış Kuramında (PDK) bireyin elinde olmayan
faktörlerin davranışını etkileyebileceğini öne sürmüştür. Hem SDK hem de PDK üzerine çalışmalar
yapılmış ve geçerliliği üzerine kanıtlar sunulmuştur. Her iki model de inanç, tutum, niyet ve davranış
ilişkisinin kullanım üzerindeki etkileri ve nedenlerini açıklamak veya tahmin edebilmek amacıyla geniş
çapta kullanılmıştır. Bu iki kuramı temel alan teknoloji kabul modelinin bir sistemin kullanımını %40
civarında tahmin ettiğine dair kanıtlar mevcuttur (Legris, Ingham ve Collerette, 2003). Model
beklentilerin ve tutumların teknolojiyi nasıl etkilediğini de az da olsa ortaya çıkartmıştır (Silvo ve Pan,
2005; Teo, 2009).
137
Araştırma Modeli ve Hipotezler
TKM bireylerin sistem kullanımını ortaya çıkarmak amacıyla farklı alanlarda kullanılmış ve
doğruluğu ispatlanmış bir kuramsal çerçeve olarak karşımıza çıkmaktadır. Kullanım alanları genellikle
internet, sosyal ağlar, e-ticaret, hastane vb. teknoloji kullanımının olduğu sistemlerdir. Son yıllarda
öğretmen adaylarının teknoloji kabul ve kullanımlarını belirlemek amacıyla kullanılan çalışmalara
rastlanmaktadır (Kiraz ve Ozdemir, 2006; Ma, Andersson, & Streith, 2005; Teo, 2009). Teknoloji
kullanımını etkilediği düşünülen pek çok değişken alan yazında incelenmiş ancak kullanıcıların yeni
bir teknolojiye adapte olmasında en etkili olduğu düşünülen ve en çok incelenen iki değişken algılanan
kullanışlılık ve algılanan kullanım kolaylığı olmuştur (Davis, 1989; Szajna, 1996; Venkatesh, 2000). Şekil
1’de görüldüğü gibi davranışsal niyet doğrudan kullanıma yönelik tutumdan etkilenmektedir. Ayrıca
algılanan kullanışlılık dolaylı ve doğrudan; algılanan kullanım kolaylığı da dolaylı olarak davranışsal
niyet üzerinde etkilidir. Algılanan kullanım kolaylığı ve algılanan kullanışlılık kullanıma yönelik
tutumu ortaklaşa etkilerken algılanan kullanım kolaylığı algılanan kullanışlılığı doğrudan
etkilemektedir.
X1
X2
X3
X9
Algılanan
Kullanışlılık
X1
X1
X1
0
1
2
Kullanıma
yönelik tutum
H4
3
H1
H2
X4
X1
H5
Davranışsal
niyet
5
H3
X7
4
X1
X1
X5
X6
X1
6
Algılanan
Kullanım
Kolaylığı
X8
Şekil 1. Araştırma Modeli
Algılanan Kullanışlılık (AK)
Algılanan kullanışlılık kişinin belli bir sistemi kullandığında iş performansındaki artışa dair algı
derecesi olarak tanımlanmıştır (Davis, 1989). Davis ve diğerleri (1989) kullanım niyetinin en etkili
belirleyicisinin algılanan kullanışlılık olduğunu belirtmişlerdir. Bir başka ifadeyle de eğer bir teknolojiyi
kullanmanın yararlı olacağına ya da olmayacağına dair bir algı oluşursa bu kullanım niyetini de
etkileyecektir. Buna göre bu araştırmada algılanan kullanışlılıkla ilgili aşağıdaki hipotezler test
edilecektir.
H1: Algılanan kullanışlılığın davranışsal niyet üzerine anlamlı bir etkisi vardır.
H2: Algılanan kullanışlılık kullanıma yönelik tutumu üzerine anlamlı bir etkisi vardır.
Algılanan Kullanım Kolaylığı (AKK)
Algılanan kullanım kolaylığı kişinin belli bir sistemi kullanmanın kolaylığına dair algı
derecesini ifade etmektedir (Davis, 1989). AKK ayrıca sistemi kullanmak için kullanıcının göstermesi
gereken çaba olarak da ifade edilmiştir (Davis, 1989). Davis ve diğerleri (1989) algılanan kullanım
kolaylığının kullanım niyetini tahmin etmede ikinci en etkili değişken olduğunu ve algılanan
kullanışlılığı ve kullanıma yönelik tutumu doğrudan, kullanıma yönelik niyeti ise dolaylı olarak
etkilediğini öne sürmüşlerdir. Ancak, bu konuda alan yazında farklı araştırma sonuçları da vardır.
138
Sonuçlar, kullanılan teknoloji ve kuruma göre değişkenlik göstermektedir. Bu araştırmada algılanan
kullanım kolaylığına ilişkin aşağıdaki hipotezler test edilecektir.
H3: Algılanan kullanım kolaylığının bilgisayar kullanım tutumu üzerine anlamlı bir etkisi
vardır.
H4: Algılanan kullanım kolaylığının algılanan kullanışlılık üzerine anlamlı bir etkisi vardır.
Kullanıma Yönelik Tutum (KYT)
Fishbein ve Ajzen (1975) tutumu belli bir teknolojiyi kullanma davranışı gösterecek olan kişinin
o davranışın gerçekleşmesine yönelik olan olumlu veya olumsuz olan değerlendirmesi şeklinde
açıklamıştır. Ajzen ve Fishbein’e (1980) göre, bir sisteme yönelik tutumlar niyetleri etkilemekte, bu da
akabinde nesneyle ilgili davranışı, yani kullanımını etkilemektedir. Bu bilgiler ışığında bu araştırmada
aşağıdaki hipotez test edilecektir.
H5: Kullanıma yönelik tutumun davranışsal niyet üzerine anlamlı bir etkisi vardır.
Davranışsal Niyet (DN)
Ajzen ve Fishbein (1980) davranışsal niyeti kişinin bir davranışı gerçekleştirme ihtimalinin bir
ölçüsü olarak belirtmiştirler. Davranışsal niyet ve gerçek kullanım değişkenleri arasında çoğunlukla
mükemmel bir uyum olmamasına rağmen, kişiler genellikle kendi niyetleri doğrultusunda hareket
ederler (Ajzen ve Fishbein, 1980). TKM’de gerçek kullanım, kullanım niyeti tarafından açıklanmaktadır.
Bu çalışmada davranışsal niyet bağımlı değişken olarak kullanılmıştır. Araştırmaya katılan öğretmen
adaylarının tümü teknolojiyi akademik ve kişisel ihtiyaçlarından dolayı kullandıkları için adayların pek
çoğu teknolojinin sınıf içi uygulamalarında deneyimsizlerdir. Bu nedenle araştırmada davranışsal
niyetin gerçek kullanım değişkenin yerine kullanılması uygun görülmüştür. Buna ek olarak, kullanım
niyeti ve gerçek kullanım arasında ilişki olduğunu gösteren çok sayıda çalışma vardır (Davis ve
diğerleri, 1989; Hu, Clark ve Ma, 2003; Kiraz ve Özdemir, 2006; Taylor ve Todd, 1995). Ayrıca alan
yazında, öğretmen/öğretmen adayları ve üniversite öğrencilerinin teknoloji kullanımına yönelik
davranışsal niyetlerinin ölçüldüğü pek çok araştırma da yapılmıştır (Becit-İşçitürk, 2012; Hu ve
diğerleri, 2003; Liaw ve Huang, 2003; Teo, 2009, Teo ve diğerleri, 2010; Teo, Ursavaş ve Bahçekapılı,
2011; Ursavaş, 2014). Sonuç olarak araştırma hipotezlerinin test edilmesi ile öğretmen adaylarının
bilişim teknolojilerini kabul düzeyleri ve kullanma niyetinde etkili faktörler ortaya konacaktır .
Yöntem
Katılımcılar ve Verilerin Toplanması
Araştırmanın katılımcıları Karadeniz Teknik Üniversitesi Eğitim Fakültesinde öğrenimlerine
devam eden 973 (583 Kız, 390 Erkek) üçüncü ve dördüncü sınıf öğretmen adayından oluşmaktadır.
Öğretmen adaylarının disiplinlere göre dağılımı 324 (203 Kız, 121 Erkek) sınıf öğretmeni adayı, 219 (140
Kız, 79 Erkek) ilköğretim matematik öğretmeni adayı, 191 (95 Kız, 96 Erkek) sosyal bilgiler öğretmen
adayı ve 239 (145 Kız, 94 Erkek) fen bilgisi öğretmen adayıdır. Katılımcıların yaş ortalaması 21.39
(SD=1.54) dur. Katılımcıların %68.2’si evde veya okulda kullanabildikleri bir bilgisayara sahiptir;
günlük bilgisayar kullanım süreleri ortalama 2.20 saattir (SD=0.82) ve ortalama 3.91 yıldır (SD=0.98)
bilgisayar kullanmaktadırlar. Katılımcılar araştırmaya gönüllülük esasına göre dâhil edilmiş olup
herhangi bir ücret ödenmemiş ve veriler ders saatlerinde ve ilgili öğretim elemanından izin alınarak
gerçekleştirilmiştir. Ölçeği cevaplama süresi 10-12 dakika olup yapılan araştırma ve ölçekte yer alan
maddelere ilişkin cevaplama öncesinde öğrenciler bilgilendirilmiştir. Ayrıca öğrencilerin vermiş
oldukları cevapların saklı tutulacağı ve sadece bu araştırma çerçevesinde kullanılacağı vurgulanmıştır.
Araştırmaya dâhil edilen öğrencilerin tümü adaylık sürecinin son iki yılı içerisinde olup üniversite ders
geçme yönetmeliği gereği Temel Bilgi Teknolojileri dersini almışlardır.
139
Veri Toplama Aracı
Araştırmada iki kısımdan oluşan bir ölçme aracı uygulanmıştır. Birinci kısım katılımcıların
demografik özelliklerini, ikinci kısım ise teknoloji kabul modelinde yer alan dört faktör altında
toplamda 16 maddeyi içermektedir. Her bir faktör dörder maddeden oluşmuştur. Ölçüm maddeleri,
daha önce yayınlanmış bir araştırma olan Teo, Ursavaş ve Bahçekapılıdan (2011) alınmıştır. Ölçme
aracında yer alan maddelere algılanan kullanışlılık (AE), algılanan kullanım kolaylığı (AKK), kullanıma
yönelik tutum (KYT) ve davranışsal niyettir (DN). Her bir faktör beşli Likert tipinde (1=Kesinlikle
Katılmıyorum ve 5=Kesinlikle katılıyorum) derecelendirilmiştir. Türkçe ölçme aracında yer alan
faktörlere ilişkin güvenirlik analizi 110 öğrenci ile tamamlanmıştır. Yapılan güvenirlik analizinde her
bir faktör kabul edilebilir güvenirlilik sınırları içerisinde kalmıştır (AK:0.940; AKK:0.951; KYT:0.899 ve
DN:0.832) (Teo ve diğerleri, 2011).
Bulgular
Araştırmanın bulguları kullanılan istatistik tekniklere göre iki bölüme ayrılmıştır. Birinci
bölümde; betimleyici istatistiklere ve güvenilirlik ve geçerlilik analizlerine yer verilmiştir. İkinci
bölümde ise araştırma hipotezlerinden kurulu yapısal eşitlik modelinde yer alan değişkenlere ve
değişkenler arası doğrudan ve dolaylı ilişkilere ait tahminlere, bu tahminlerin anlamlılık düzeylerine
ve model uyumu sonuçlarına yer verilmiştir.
Betimleyici İstatistikler
Tablo 1, araştırma modelinde yer alan faktörlere (AK, AKK, KYT ve DN) ait ortalamaları
puanları göstermektedir. Tüm gruplara ait madde ortalama puanları ölçeğin orta kesme noktası olan
3.00’dan büyüktür ve 3.51 ile 4.51 arasında değişmektedir. Bu, tüm gruplardan elde edilen ortalamaların
tamamının da olumlu yönde olduğunun göstermektedir. Tüm gruplarda standart madde sapma
değerlerine baktığımızda ise birkaç değer dışındaki tüm sapmaların 1.00’dan düşük olduğu
hesaplanmıştır. Başka bir söylemle gruplara ait ölçüm skorlarının ortalama skorlarının etrafında
olduğudur.
Tablo 1. Ortalama, Standart Sapma, Çarpıklık ve Basıklık Katsayıları
AK1
AK2
AK3
AK4
AKK1
AKK2
AKK3
AKK4
KYT1
KYT2
KYT3
KYT4
DN1
DN2
DN3
DN4
Tüm Gruplar
M SD Sk
K
4.17 .91 -1.40 2.04
4.32 .76 -1.01 .89
4.15 .85 -.78 .18
4.24 .80 -.81 .24
3.76 .90 -.36 -.08
3.85 .90 -.62 .42
3.65 .98 -.53 .09
3.71 .96 -.57 .18
4.06 .89 -.83 .52
4.20 .84 -.81 .17
4.10 .86 -.79 .45
4.19 .83 -.82 -.69
4.09 .85 -.69 .09
4.11 .82 -.61 -.09
3.80 .99 -.59 -.06
4.15 .81 -.80 .56
İlköğretim Öğrt.
M SD Sk
K
4.51 .74 -1.89 4.81
4.43 .72 -.105 .40
4.16 .85 -.58 -.57
4.25 .81 -.66 -.51
3.78 .87 -.34
.01
3.90 .87 -.65
.57
3.61 .96 -.35 -.02
3.70 .95 -.53
.17
4.03 .91 -.67
.07
4.24 .80 -.49 -1.19
4.16 .82 -.57 -.40
4.23 .81 -.64 -.64
4.11 .85 -.64 -.07
4.09 .82 -.39 -.64
3.88 .95 -.54 -.14
4.17 .84 -.74
.12
Matematik Öğrt.
M
SD Sk
K
3.89 .95 -.87 .79
4.11 .80 -.84 .80
3.85 .90 -.63 .27
4.02 .83 -.70 .59
3.67 .83 -.24 .03
3.75 .81 -.37 .26
3.59 .86 -.42 .11
3.63 .92 -.44 -.01
3.84 .86 -.83 1.02
3.95 .83 -.71 .69
3.76 .89 -.61 .40
3.84 .83 -.63 .72
3.77 .83 -.43 .19
3.86 .82 -.61 .57
3.51 1.01 -.37 -.26
3.81 .83 -.67 .54
Sosyal Bilgiler Öğrt.
M
SD
Sk
K
4.39 1.05 -1.85 2.79
4.43 .78
-1.59 3.17
4.47 .75
-1.32 1.03
4.48 .76
-1.48 1.83
3.79 1.04
-.60
-.02
3.74 1.00
-.56
.05
3.69 1.05
-.52
-.23
3.73 .98
-.50
-.04
4.17 .90
-1.12 1.25
4.42 .82
-1.44 1.76
4.30 .84
-1.24 1.87
4.42 .81
-1.51 2.14
4.30 .84
-1.24 1.61
4.34 .80
-1.05
.45
3.94 1.07
-.94
.34
4.45 .69
-1.14 1.11
Fen Bilgisi Öğrt.
M SD Sk
K
4.20 .85 -1.12 1.49
4.26 .73 -.70 .03
4.16 .79 -.86 1.12
4.24 .74 -.73 .49
3.81 .88 -.23 -.58
3.97 .90 -.82 .83
3.74 1.04 -.86 .58
3.77 .99 -.82 .68
4.22 .84 -.94 .52
4.19 .85 -.94 .69
4.17 .76 -.74 .67
4.27 .77 -.89 .37
4.19 .80 -.70 -.14
4.18 .77 -.66 -.05
3.85 .92 -.57 .15
4.20 .71 -.80 1.29
Parametre tahminlerinde parametrik bir teknik olan maksimum olasılık tekniği kullanılmıştır.
Bu teknik çok değişkenli normallik varsayımının karşılanmasını gerekli kılmaktadır. Ayrıca çok
değişkenli normallik için gözlenen değişkenlerin her birinin tek değişkenli normalliğe sahip olması da
gerekmektedir. Kline’a (2005) göre tek değişkenli normalliğin varsayılabilmesi için ilgili değişkene ait
çarpıklık ve basıklık değerlerinin sırasıyla |3.0| ve |10.0| aşmaması yeterlidir. Bu bağlamda,
değişkenlere değerleri hesap edilmiş ve çarpıklığın -1.89 - 0.24 aralığında basıklığın ise 0.01 - 4.81
aralığında değiştiği görülmüştür. Bu bulgular tüm değişkenler için tek değişkenli normalliğin
140
varsayılabileceğini göstermiştir. Çok değişkenli normallik testi için ise Mardia’nın normalleştirilmiş çok
değişkenli basıklık katsayısı hesaplanmıştır. Araştırmada yer alan gruplar (tüm örneklem, sınıf
öğretmenliği, matematik öğretmenliği, sosyal bilgiler öğretmenliği, fen bilgisi öğretmenliği) için bu
katsayı sırasıyla 137.35, 132.07, 101.96, 93.38 ve 113.03 hesaplanmıştır. Çok değişkenli normallik için
kritik değer Raykov ve Marcoulides’in (2008) önerdiği p(p + 2) denklemine göre hesap edilmiş ve 288
olarak bulunmuştur. Denklemde p gözlenen değişkenlerin (ölçek maddelerinin) sayısıdır ve araştırma
modeli kapsamında 16’dır. Elde edilen katsayıların bu kritik değerden düşük olması çok değişkenli
normalliğin varsayılabileceğini göstermektedir.
Yakınsak Geçerliliği
Bir ölçeğin maddelerine verilen cevaplara ilişkin yakınsak geçerliliği test etmek amacıyla
Fornell ve Larcker (1981) üç aşamadan oluşan bir yöntem önermiştirler. Bu aşamalar (1) ölçekte yer alan
her bir faktöre ilişkin maddelerin güvenilirlik, (2) her bir faktöre ilişkin birleşik güvenilirlik ve (3)
ortalama açıklanan varyansdır. İlk olarak bir maddenin güvenilirliği onun yer aldığı faktördeki faktör
yük değeri ile belirlenir. Hair, Black, Babin ve Anderson’a (2010) göre bir maddenin faktör yük değeri
0.50 den büyük ise o maddenin güvenilirliğine kanaat getirmek için yeterlidir. Bu çalışmada ise
değişkenlere ait faktör yük değerleri 0.66 ile 0.91 arasında değişmektedir. Böylece her bir faktöre ilişkin
madde düzeyinde yakınsaklık geçerliliğinin yeterli olduğu sonucuna varılmıştır. İkinci olarak, her bir
yapının birleşik güvenilirliğine bakılmıştır. Bazı araştırmalarda birleşik güvenilirliği Cronbach’ın alfa
katsayısından elde edilmesine rağmen Hair ve ark. (2006) yapısal eşitlik modellemesi çalışmalarında
her bir yapıya ilişkin güvenilirliğin hesaplanmasında birleşik güvenilirliğin kullanılmasını tavsiye
etmişlerdir. Nunnally ve Berstein (1994) alfa değerinin 0.70 ve üstünde olduğunda birleşik
güvenilirliğinin sağlandığına işaret etmişlerdir. Bu araştırmada her bir yapıya ilişkin hesaplanan
birleşik güvenilirliği değerleri 0.81 ile 0.91 arasında değişmektedir. Yakınsak geçerliliğine ilişkin son
olarak açıklanan ortalama varyans hesaplanmıştır. Açıklanan ortalama varyans her bir yapıya ilişkin
değerler için ayrı hesaplanmıştır. Bu değerin 0.50’ye eşit ve yüksek olması yeterlidir (Fornell ve Larcker,
1981). Aksi takdirde yüksek oranda ölçüm hatası içerdiğine kanaat edilir (Segars, 1997). Araştırmada
bütün gruplara ilişkin açıklanan ortalama varyans değerleri 0.53 ile 0.76 arasında değişmektedir. Tablo
2’de, bütün gruplara ilişkin faktör yapılarının yakınsaklık geçerliliğinin sağladığı gözükmektedir .
Ayırma Geçerliliği
Bir modelde yer alan faktörlerin ne derecede ayrıştığını ya da aralındaki farklılaşmayı belirler.
Farrell (2010) bu durumu A, B, C, D gibi dört faktörden oluşan bir ölçme aracının her hangi bir
faktörünün diğerlerinden ne kadar ayrıştığının ölçüsü olarak tanımlamıştır. Sonuç olarak faktörlerin
birbirlerine benzememesi diğer yandan da belli bir düzeyde ilişkiye sahip olmaları beklenir. Ayırma
geçerliliği bir faktöre ait ortalama açıklanan varyansın karekökü ile o yapının diğer yapılarla olan
korelasyon katsayısının karşılaştırılması ile değerlendirilir. Faktörlere ait korelasyon ve açıklanan ortak
varyans (AVE) değerleri Tablo 3’de gösterilmiştir. Köşegen üzerinde yer alan ve parantez içerisinde
belirtilen değerler her bir yapıya ait açıklanan varyansın karekök değerleridir. Köşegen dışındaki satır
ve sütunlarda yer alan değerler ise yapıların birileri arasındaki korelasyondur. Ayırma geçerliliği için
köşegenler üzerinde yer alan değerlerin kendi satır ve sütun değerlerinden büyük olması
gerekmektedir (Fornell ve Larcker 1981). Ayırma geçerliliğinden hem madde hem de yapı düzeyinde
tatmin edici sonuçlar elde edilmiştir. Böylece araştırma modelinde yer alan faktörlerin ayırma geçerliliği
yeterli kabul edilebilir.
141
Tablo 2. Yakınsak Geçerliği
Tüm Gruplar
(973)
Sınıf Öğrt.
(324)
Matematik Öğrt.
(219)
Sosyal Bilgiler
Öğrt.
(191)
Fen Bilgisi Öğrt.
(239)
FY OAV BG
FY OAV BG
FY OAV BG
FY OAV BG
FY OAV BG
.85
.69
.70
.84
.84
.60
.85
.66
.75
.83
.79
.58
.84
.70
.70
.85
.85
.61
.86
.66
.69
.75
.79
.53
.81
.83
.74
.74
.83
.84
.63
.87
.73
.82
.80
.81
.63
.87
.78
.84
.89
.89
.73
.91
.67
.74
.81
.81
.58
.84
.89
.82
.87
.91
.88
.76
.92
.72
.80
.87
.80
.64
.87
.71
.85
.89
.79
.67
.89
.71
.78
.80
.79
.59
.85
.90
.88
.87
.83
.86
.74
.92
.84
.84
.81
.90
.72
.91
.77
.84
.78
.84
.66
.88
.84
.83
.69
.82
.64
.87
Algılanan Kullanışlılık (AK)
AK1
.69
.59
AK2
.72
AK3
.83
AK4
.82
Algılanan Kullanım Kolaylığı (AKK)
AKK1
.75
.56
AKK2
.52
AKK3
.84
AKK4
.83
Kullanıma Yönelik Tutum (KYT)
KYT1
.76
.66
KYT2
.83
KYT3
.88
KYT4
.83
Davranışsal Niyet (DN)
DN1
.85
.71
DN2
.85
DN3
.79
DN4
.86
Not: FY faktör analizi sonucunda herbir maddeye ait faktör yükü; BG birleşik güvenirlik katsayısı (Σλ)2 / (Σλ)2 + (Ση) formülü
ile hesaplanmıştır;
OAV ortalama açıklanan varyans (Σλ2) / (Σλ2) + (Ση) formülü ile hesaplanmıştır.
Tablo 3. Ayırma Geçerliği
Tüm Gruplar
AK
AK
AKK KYT DN AK
(.77)
AKK .43*
İlköğretim Öğrt.
AKK KYT DN AK
(.77)
AKK KYT
(.76)
(.75)
.47*
(.79)
.69*
.47*
(.81)
.70*
.56*
(.87)
DN .70*
.50*
.79*
(.84) .68*
.57*
.84*
KYT
Matematik Öğrt.
Sosyal Bilgiler Öğrt.
DN AK
AKK KYT
(.78)
.39*
(.79)
.66*
.34*
(.86) .70*
.44*
Fen Bilgisi Öğrt.
DN AK
AKK KYT DN
(.72)
.39*
(.85)
(.80)
.66*
.42*
.78*
(.84) .69*
.47*
.51*
(.76)
(.81)
.67*
.52*
(.76)
.72*
(.81) .65*
.49*
.72*
(.80)
Tabloda yeralan bütün korelasyonlar p<.001 düzeyinde anlamlıdır. Köşegen üzerinde yer alan parantez içerisinde belirtilmiş
değerler , ortalama açıklanan varyans değerlerinin kareköküdür; diğer değerler ise, yapılar arası korelasyon katsayılarıdır
Yapısal Modelin Testi
Araştırmada kullanılan yapısal modelin uygunluğu IBM SPSS AMOS 21 programı kullanılarak
test edilmiştir. Araştırmacılar model uygunluğu için farklı uyum indeksleri kullanmışlardır. Brown
(2006) bu uyum indekslerini tam uyum, hassas uyum ve kıyaslamalı uyum olmak üzere üç kategoride
değerlendirmiştir. Tam uyum indeksleri önerilen modelin, gözlenen verileri ne kadar iyi ölçtüğünü test
eder. En sık kullanılan uyum indeksleri ise χ2 ve SRMR’dir. χ2 değeri örneklem büyüklüğüne duyarlı
ve örneklem büyüdükçe anlamlı farklılaşma eğilimindedir. Hair ve ark (2006) serbestlik derecesinin (df)
χ2’ye oranının da (χ2/df) yeterlik için bir ölçüt olacağını ve bu oranın 3 ve 3’ün altında olduğunda kabul
edilebilir uyumu işaret ettiğini belirtmişlerdir. Hassas uyum indeksleri ise modelin karmaşıklığını
dikkate alması dışında tam uyum indekslerine benzer. Örnek olarak RMSEA indeksini verebiliriz. Son
olarak, karşılaştırmalı uyum indeksleri, alternatif bir modeli değerlendirmek için temel modele göre
uyumuna bakan indekslerdir (Harrington, 2009). Karşılaştırmalı uyum indekslerine örnek ise CFI ve
TLI indeksleridir. Tablo 4’de tüm gruplara ilişkin yapısal modelin sonuçları ve önerilen değerler
gösterilmiştir.
142
Table 4. Önerilen Modele İlişkin Uyum İyiliği İndeksleri
Uyum
İndeks Sınır
Tüm
İlköğretim
İndeksleri
Değeri
Örneklem
Öğrt.
χ2
χ2 /df
GFI
NFI
TLI
SRMR
RMSEA
CFI
anlamsız
p< 0.05
768,7 anlamsız 232,5 anlamsız
p< 0.05
p< 0.05
Matematik
Öğrt.
196,9
anlamsız
p< 0.05
Sosyal Bilgiler
Öğrt.
Fen Bilgisi
Öğrt.
120,9 anlamsız 218,2 anlamsız
p< 0.05
p< 0.05
<3
1.94
2.34
1.99
1.22
2.20
=>0.90
0.91
0.92
0.90
0.92
0.92
=>0.90
0.91
0.93
0.89
0.93
0.86
=>0.90
0.94
0.95
0.93
0.98
0.92
<0.05
< 0.05 (iyi uyum)
< 0.08 (zayıf
uyum)
0.05
0.05
0.05
0.04
0.05
0.03
(0.02-0.03)
0.06
(0.05-0.07)
0.06
(0.05-0.08)
0.03
(0.00-0.05)
0.07
(0.05-0.08)
0.95
0.95
0.94
0.98
0.90
=>0.90
Araştırma kapsamında gruplara göre kurulan ve test edilen modellere ilişkin sonuçlara
bakıldığında χ2 değeri haricindeki tüm indeksler kabul edilebilir olması nedeniyle modellerin uyumu
yeterli görülmüştür. Tüm örnekleme ilişkin kurulan modelde (χ2 = 768.7, p<0.05; χ2 /df = 1.94; TLI = 0.94;
CFI= 0.95; RMSEA=0.03 (LO90= 0.02, HI90= 0.03); SRMR=0.05 ), sınıf öğretmenliği adaylarına ilişkin
kurulan model (χ2 =232.5, p<0.05; χ2/df = 2.34; TLI=0.95; CFI=0.95; RMSEA=0.06 ( LO90 = 0.05, HI90 =
0.07 ); SRMR = 0.05), matematik öğretmenliği adayları için kurulan model (χ2 = 196.9, p<0.05; χ2/df =1.99;
TLI = 0.93; CFI= 0.94; RMSEA=0.06 (LO90 = 0.05, HI90 = 0.08); SRMR= 0.05 ), sosyal bilgiler öğretmenliği
için kurulan model ( χ2 = 120.9, p<0.05; χ2 /df = 1.22; TLI = 0.98; CFI = 0.94; RMSEA = 0.03 ( LO90 = 0.00,
HI90 = 0.05 ); SRMR = 0.04 ) ve fen bilgisi öğretmen adayları için kurulan model katsayıları ( χ 2 = 218.2,
p<0.05; χ2 /df = 2.20; TLI = 0.92; CFI = 0.90; RMSEA = 0.07 ( LO90 = 0.05, HI90 = 0.08 ); SRMR = 0.05)
hesaplanmıştır. Bütün modellerde davranışsal niyet algılanan kullanım kolaylığı, algılanan kullanışlılık
ve kullanıma yönelik tutum tarafından tahmin edilmiştir .
Yol Analizi Sonuçları
Tablo 5’de yol analizi sonuçları sunulmuştur. Yol analizinde iki tür etki vardır. Bunlar
doğrudan ve dolaylı etkilerdir. Yol analizinde bir değişkenden diğerine doğrudan ve tek yönlü bir ok
çizildiğinde bu durum doğrudan etki olarak adlandırılır. Bir değişkenden bir başka değişkene tek yönlü
bir ok çizildiğinde ve o değişkenden de bir başka değişkene tek yönlü ok çizildiğinde ise buna dolaylı
etki adı verilir. Bir değişkene ait toplam etki ise o değişkenin doğrudan ve dolaylı etkilerin toplamından
oluşur. Cohen’e (1988) göre etki büyüklüğü (d ile gösterilmektedir); 0.1’e kadar olursa küçük etkiyi,
0.3’e kadar orta olursa dereceli etkiyi ve 0.5’e kadar olursa büyük etkiyi göstermektedir. Şekil
2(a,b,c,d,e) bütün öğretmen adayları için model sonuçlarını göstermiştir. Buna göre H3 haricindeki
bütün hipotezler kabul edilmiştir. Tüm örneklem açısından sonuçlara bakıldığında davranışsal niyetin
en baskın yordayıcısı 0.648 toplam etki ile algılanan kullanışlılıktır. Bunu kullanıma yönelik tutum
(d=0.595) ve algılanan kullanım kolaylığı (d=0.408) izlemektedir. Algılanan kullanışlılık, kullanımına
yönelik tutum ve algılanan kullanım kolaylığı kullanıma yönelik niyetin %67’sini açıklamaktadır.
Modelde yer alan diğer değişkenlerden olan kullanıma yönelik tutumu algılanan kullanışlılık (d=0.604)
ve algılanan kullanım kolaylığı (d=0.473) izlemektedir. Algılanan kullanışlılık ve algılanan kullanım
kolaylığı ise kullanıma yönelik tutum üzerindeki varyansın %51’ini açıklarken algılanan kullanım
kolaylığı tek başına d=0.438’lik toplam etki ile algılanan kullanışlılığın %19’unu açıklamaktadır. Sonuç
olarak tüm öğretmen adayları için oluşturulmuş olan modelde davranışsal niyeti belirlemede en baskın
faktör algılanan kullanışlılıktır.
143
Sınıf öğretmenleri açısından sonuçlara bakıldığında davranışsal niyetin en baskın yordayıcısı
0.725 toplam etki ile bilgisayar kullanımına yönelik tutumdur. Bunu algılanan kullanışlılık (d=0.588) ve
algılanan kullanım kolaylığı (d=0.492) izlemektedir. Algılanan kullanışlılık, kullanıma yönelik tutum ve
algılanan kullanım kolaylığı kullanıma yönelik niyetin %73’ünü açıklamaktadır. Kullanıma yönelik
tutumu 0.568 toplam etki ile algılanan kullanışlılık ve 0.564 toplam etki ile algılanan kullanım kolaylığı
etkilemektedir. Algılanan kullanışlılık ve algılanan kullanım kolaylığı ise kullanıma yönelik tutum
üzerindeki varyansın %56’sını açıklarken algılanan kullanım kolaylığı tek başına d=0.477’lik toplam etki
ile algılanan kullanışlılığın %22’sini açıklamaktadır. Sonuç olarak sınıf öğretmenliği öğretmen adayları
için oluşturulmuş olan modelde davranışsal niyeti belirlemede en baskın faktör kullanıma yönelik
tutumdur. Matematik öğretmen adayları açısından sonuçlara bakıldığında, davranışsal niyetin en
baskın yordayıcısı 0.683 toplam etki ile algılanan kullanışlılıktır. Bunu kullanıma yönelik tutum
(d=0.560) ve algılanan kullanım kolaylığı (d=0.356) izlemektedir. Algılanan kullanışlılık, kullanıma
yönelik tutum ve algılanan kullanım kolaylığı kullanıma yönelik niyetin %67’sini açıklamaktadır.
Kullanıma yönelik tutumu 0.622 toplam etki ile algılanan kullanışlılık ve 0.348 toplam etki ile algılanan
kullanım kolaylığı etkilemektedir. Algılanan kullanışlılık ve algılanan kullanım kolaylığı ise kullanıma
yönelik tutum üzerindeki varyansın %44’ünü açıklarken algılanan kullanım kolaylığı tek başına
0.392’lik toplam etki ile algılanan kullanışlılığın %15’ini açıklamaktadır. Sonuç olarak matematik
öğretmeni adayları için oluşturulmuş olan modelde davranışsal niyeti belirlemede en etkili faktör
algılanan kullanışlılıktır.
AK
.28*
.57*
KYT
.48*
.60*
DN
.25*
AKK
Şekil 2a: Tüm Gruplar
AK
.33*
.62*
.72*
KYT
.48*
AK
.18*
.57*
DN
KYT
.39*
.29*
.56*
DN
.52*
DN
.10
AKK
AKK
Şekil 2b: İlköğretim
AK
Şekil 2c: Matematik
.39*
.59*
AK
.30*
.55*
KYT
.39*
.46
*
BI
KYT
.52*
.19*
.23*
AKK
AKK
Şekil 2d: Sosyal Bilgiler
Şekil 2e: Fen Bilgisi
Şekil 2. Yol Analizi Sonuçları
144
Sosyal Bilgiler öğretmenleri açısından sonuçlara bakıldığında davranışsal niyetin en baskın
tahmin edicisi 0.664 toplam etki ile algılanan kullanışlılıktır. Bunu kullanıma yönelik tutum (d=0.464)
ve algılanan kullanım kolaylığı (d=0.350) izlemektedir. Algılanan kullanışlılık, kullanıma yönelik tutum
ve algılanan kullanım kolaylığı kullanıma yönelik niyetin %60’ını açıklamaktadır. Kullanıma yönelik
tutumu 0.593 toplam etki ile algılanan kullanışlılık ve 0.425 toplam etki ile algılanan kullanım kolaylığı
etkilemektedir. Algılanan kullanışlılık ve algılanan kullanım kolaylığı ise kullanıma yönelik tutum
üzerindeki varyansın %47’sini açıklarken algılanan kullanım kolaylığı tek başına 0.394’lik toplam etki
ile algılanan kullanışlılığın %15’ini açıklamaktadır. Bunun sonucunda sosyal bilgiler öğretmen adayları
için oluşturulmuş olan modelde davranışsal niyeti belirlemede en baskın faktör algılanan
kullanışlılıktır.
Son olarak fen bilgisi öğretmenleri açısından sonuçlara bakıldığında davranışsal niyetin en
baskın tahmin edicisi 0.588 toplam etki ile algılanan kullanışlılıktır. Bunu bilgisayar kullanıma yönelik
tutum (d=0.519) ve algılanan kullanım kolaylığı (d=0.426) izlemektedir. Algılanan kullanışlılık,
kullanıma yönelik tutum ve algılanan kullanım kolaylığı kullanıma yönelik niyetin %57’sini
açıklamaktadır. Kullanıma yönelik tutumu 0.554 toplam etki ile algılanan kullanışlılık ve 0.521 toplam
etki ile algılanan kullanım kolaylığı etkilemektedir. Algılanan kullanışlılık ve algılanan kullanım
kolaylığı ise kullanıma yönelik tutum üzerindeki varyansın %49’unu açıklarken algılanan kullanım
kolaylığı tek başına 0.516’lık toplam etki ile algılanan kullanışlılığın %26’sını açıklamaktadır. Sonuç
olarak fen bilgisi öğretmeni öğretmen adayları için oluşturulmuş olan modelde davranışsal niyeti
belirlemede en baskın faktör algılanan kullanışlılıktır. Ayrıca her gruba ait doğrudan, dolaylı ve toplam
etkiler Tablo 5 ‘de özetlenmiştir.
145
Fen Bilgisi
Sosyal Bilgiler
Matematik
Sınıf
Bütün Örneklem
Tablo 5. Doğrudan, Dolaylı ve Toplam Etkiler
Standartlaştırılmış Tahminler
Doğrudan Dolaylı
Toplam
Tahmin edilen
Tahmin eden
Davranışsal Niyet (R2 = 0.676 )
AK
AKK
KYT
.288
--.595
.360
.408
---
.648
.408
.595
Kullanıma yönelik tutum (R2 = 0.519 ) AK
AKK
.604
.209
--.264
.604
.473
Algılanan Kullanışlılık (R2 = 0.192 )
AKK
.438
---
.438
AK
AKK
KYT
.176
--.725
.412
.492
---
.588
.492
.725
AKK
.568
.293
--.271
.568
.564
AKK
.477
---
.477
AK
AKK
KYT
.335
--.560
.348
.326
-
.683
.326
.560
AKK
.622
.104
--.244
.622
.348
AKK
.392
---
.392
AK
AKK
KYT
.389
--.464
.275
.350
---
.664
.350
.464
AKK
.593
.191
--.234
.593
.425
AKK
.394
---
.394
AK
AKK
KYT
.301
--.519
.287
.426
---
.588
.426
.519
AKK
.554
.235
--.286
.554
.521
.516
---
.516
AKK
146
Tartışma, Sonuç ve Öneriler
Bu araştırmanın amacı öğretmenlik eğitimlerine devam eden üçüncü sınıf ve son sınıf öğretmen
adaylarının BT’lerin kullanımına yönelik davranışsal niyetlerini inceleyerek teknoloji kabul modelinin
geçerliliğini ortaya koymaktır. Sonuçlar TKM’nin geçerli ve hassas bir model olduğunu, algılanan
kullanışlılık ve kullanıma yönelik tutumun doğrudan, algılanan kullanışlılık ve algılanan kullanım
kolaylığının ise dolaylı olarak davranışsal niyete etki ettiğini göstermektedir. Buna ek olarak önerilen
modelde yer alan faktörler (AKK, AK ve KYT) öğretmen adaylarının teknoloji kullanımına yönelik
davranışsal niyetlerindeki varyansın tüm örneklem için %67,6’sını, sınıf öğretmenliği için %73,7’sini,
matematik öğretmenliği için %67,4’ünü, sosyal bilgiler öğretmenliği için %60,8’ini ve fen bilgisi
öğretmenliği için %57,1’ini sırasıyla açıklamıştır. Bu farklılığın sebebi ise farklı branşlarda öğretmenlik
eğitimi alan adayların teknoloji kullanımına yönelik tutumları ve beklentilerinden kaynaklandığı
söylenilebilir. Öte yandan tüm sonuçlar benzeri araştırmalarda bulunan davranışsal niyetin açıklanma
oranının üzerindedir (Legris, Ingham ve Collerette, 2003; Silvo ve Pan, 2005; Teo, 2009; 2010; 2011).
Algılanan kullanışlılık açısından sonuçlar değerlendirildiğinde davranışsal niyet üzerinde
doğrudan ve dolaylı olumlu ve anlamlı etkiler hesaplanmıştır. Bu bulgu, teknolojiyi kullanmanın
bireyin işinde yarar sağlayacağını dolayısıyla o teknolojiye yönelik kullanım niyetini arttıracağını
göstermektedir. Ayrıca algılanan kullanışlılığın teknoloji kullanıma yönelik tutum üzerinden de
davranışsal niyete dolaylı etkisi olduğu bulunmuştur. Sınıf öğretmeni adayları haricindeki diğer
branşlarda davranışsal niyet üzerindeki varyansı en çok bu faktörün açıkladığı görülmektedir. Davis
ve diğerleri (1989) algılanan kullanışlılığın niyeti belirlemede en önemli faktör olduğunu söylemişlerdir.
Ancak bu araştırmada niyeti tahmin etme açısından doğrudan ve dolaylı etkisine bakıldığında sınıf
öğretmeni adayları için toplam etki açısından algılanan kullanışlılık ikinci sırada yer almıştır. Bu bize
sınıf öğretmeni adayları açısından bakıldığında kullandıkları BİT’lere yönelik davranışsal niyetlerini
belirlemede o teknolojinin işine sağladığı faydanın etkisinden daha önemli başka etkilerin olduğunu
göstermektedir. Benzeri araştırmalarda da algılanan kullanışlılığın niyet üzerinde olumlu ve anlamlı
etkileri bulunmuştur (Liaw, 2002; Ma, Andersson ve Streith, 2005; Turan ve Çolakoğlu, 2008; Teo, 2011;
Teo, Luan ve Sing, 2008; Teo ve Schaik, 2009; Teo, 2009; El-Gayar, Moran, ve Hawkes, 2011; Terzis ve
Economides, 2011; Teo, Ursavaş ve Bahçekapılı, 2011; Teo ve Ursavaş, 2012; Escobar-Rodriguez ve
Pedro Monge-Lozano, 2012; Teo, Ursavaş ve Bahçekapılı, 2012; Ursavaş, 2013). Öğretmen adaylarının
öğretmenlik eğitimleri sırasında yapmış oldukları uygulamalarda BİT’lerin onların işlerine yaradığı
algısının oluşmasının gelecekteki öğretmenlik yaşantılarında etkili olacağı çıkarımında bulunulabilir.
Algılanan kullanım kolaylığının algılanan kullanışlılık üzerindeki etkileri TKM çalışmalarında
sıklıkla inceleme odağını oluşturmaktadır. Çünkü bu iki değişken modelin temel faktörleridir.
Kullanışlılık algısının kullanım kolaylığı algısından anlamlı bir şekilde etkilendiği görülmektedir.
Teknolojinin kullanımı açısından bakıldığında bir teknolojiyi kullanırken veya kullanımını öğrenirken
fazla çaba gerekmiyorsa o teknolojinin kullanımının kolay olduğu algısı oluşur (Ursavaş, 2014).
Özellikle fen bilgisi öğretmen adayları durumunda algılanan kullanışlılığın algılanan kullanım
kolaylığından etkilendiği daha nettir. Matematik ve sosyal bilimler öğrencilerinin birbirine oldukça
yakın sınıf öğretmenlerinin ise bunlardan daha yüksek fakat fen bilgisi öğretmenliğinden düşük oluşu
bir teknolojinin kullanışlılık algısının disipline göre farklılaştığını göstermektedir.
Kullanıma yönelik tutumu etkileyen en önemli faktör algılanan kullanışlılık olmuştur. En fazla
sınıf öğretmenleri adaylarında tutumdaki varyans açıklanmış bunu fen, sosyal ve matematik öğretmen
adayları takip etmiştir. Davranışsal niyeti en fazla etkileyen değişken olarak tutum sınıf öğretmeni
adaylarında görülmüştür. Bu bize sınıf öğretmeni adayları için pek çok teknolojinin sınıfta
kullanılabileceği ve bu teknolojilerin kullanışlılığından ziyade kullanımlarına yönelik tutumun
davranışsal niyet üzerinde daha fazla etkili olduğuna işaret edebilir.
147
Davranışsal niyet üzerindeki dolaylı ve doğrudan etkiler incelendiğinde tutumun niyeti
etkileyen en önemli faktör olduğu ve bunu sırasıyla algılanan kullanışlılık ve algılanan kullanım
kolaylığının izlediği görülmüştür. Bir başka dikkat çeken sonuç ise algılanan kullanışlılığın davranışsal
niyet üzerindeki etkisi sınıf öğretmeni ve matematik öğretmeni adaylarında dolaylı etkinin (tutum
üzerinden) doğrudan etkiden daha yüksek oluşudur. Bu öğretmen adaylarında teknoloji kullanımına
yönelik tutum oluşturmanın önemli olduğu ve gelecekte bu teknolojileri kullanmalarında tutumun
etkisinin göz ardı edilemeyecek derecede önemli olduğudur.
Bir diğer sonuç ise matematik öğretmenlerinde algılanan kullanım kolaylığının tutum
üzerindeki etkisi anlamsız iken algılanan kullanışlılığın tutum üzerindeki etkisinin diğer branşlara göre
daha yüksek ve anlamlı oluşudur. Bu matematik öğretmen adayları için bir teknolojinin kullanımının
kolay olmasından ziyade o teknolojinin iş performansına artış sağlamasının oluşacak olan olumlu
tutum için daha etkili olduğu şeklinde yorumlanabilir.
Son olarak, araştırma bulguları benzeri çalışmalar paralelinde (Huang ve Liaw, 2005; Leigris ve
diğerleri. 2003; Teo, 2008; Teo ve diğerleri, 2009) algılanan kullanışlılığın tutumu belirlemede anahtar
bir değişken olduğunu göstermiştir. Diğer taraftan tutumun davranışsal niyeti pozitif yönde etkileyen
ikinci değişken olduğu (sınıf öğretmeni adayları hariç) yine araştırma sonuçlarında görülmüştür. Öte
yandan Davis ve arkadaşları (1989) bir teknolojinin kullanışlı oluşu ya da kullanımının kolay oluşunun
bireyin o teknolojiyi kullanması için yeterli olabileceğini, olumlu tutum geliştirmesine gerek olmadığını
belirtmişlerdir. Benzer olarak Swain (2006) öğretmen adaylarına sorulduğunda bilgisayar kullanmanın
bir sürü yararından bahsedebileceklerini ancak bunun derslerinde bilgisayar kullanacakları anlamına
gelmeyeceğini söylemiştir. Ancak daha fazla araştırmacı (Nistor ve Heymann, 2010; Lopez-Bonilla ve
Lopez-Bonilla, 2011; Ursavaş, 2013; Teo, 2009) kullanıma yönelik tutumun niyet veya gerçek kullanım
üzerindeki etkisinin araştırılmasında kullanıcının kullanma davranışını gerçekleştirmesinde gönüllü
olup olmadığının anlaşılmasında önemli olduğunu vurgulamışlardır. Bireyin baskı ile ya da sadece
kolay olduğu için değil de olumlu tutuma sahip olarak gerçekleştirdiği kullanma davranışı sonuçta
daha etkili olacaktır. Ayrıca başka araştırmacılar (Luan ve diğerleri, 2005; Teo ve diğerleri, 2010; Teo ve
diğerleri, 2012) tutumun davranışsal niyetin doğrudan bir belirleyicisi olduğunu bulmuşlardır. Bu
öğretmen adaylarının bilgisayar kullanırken olumlu tutumlar edinmelerinin gelecekteki mesleki
yaşantılarında bu teknolojileri kullanabileceğinin işareti olarak algılanabilir.
Artık günümüzde bilgi ve iletişim teknolojilerinin sürekli gelişmekte olduğu aşikârdır. Gelişen
bu teknolojiler karşısında bireylerin teknoloji kullanımına yönelik niyetleri, tutumları ve inançlarının
aynı kalması beklenemez. Eğitimde, özellikle öğretmenlerin/öğretmen adaylarının bu teknolojiler
karşısında kendi profesyonel gelişimleri için teknik ve pedegojik bilgilerini güncellemeleri
kaçınılmazdır. Öğretmen adayları için bakılacak olursa, günümüz teknolojilerinin mevcut öğretmen
eğitimi müfredatına bütünleşmesi öğretmelere mesleki yaşantıları esnasında büyük fayda
sağlayacaktır. Aksi halde eğitim programlarında yer alan içeriği geleneksel yollar ve araçlarla
aktarmada dahi çeşitli güçlüklerle karşılaşılabilirler. Tüm bunlar göz önüne alındığında, öğretmen
adayı yetiştiren fakültelerde yeterli teknolojik alt yapının kurulmuş olması ve adayların bu teknolojileri
kullandırılmaları teşvik edilmelidir. Böylece, öğretmenlik yaşantılarında teknoloji kullanımına yönelik
tutum ve inançlarının gelişimine olumlu katkı sağlanmış olur.
Araştırma bazı sınırlılıklara sahiptir. İlk olarak, bu araştırma öğretmen adayları ile yapılmıştır
ancak adayların şuan ki durumları ile öğretmenlik mesleğini icra ederken içerisinde bulunacakları
durumları farklılık gösterebilir (Teo, 2009). Öğretmen adaylarının gerçek bir okul ortamında BİT’lerle
nasıl karşılaşacakları, bu teknolojileri kendi derslerine nasıl uyarlayacakları noktasında bazı sıkıntılar
yaşayabilirler. Öğretmen adayları BİT’leri şuanda öğrenme amaçlı kullanırken, öğretmenler sınıf içi
uygulamalarda ve profesyonel gelişimlerinde kullanmaktadırlar. Bu nedenle öğretmen adayları mevcut
öğretmenlere oranla daha az baskı ve stres altındadırlar. İkinci olarak, öğretmen adaylarının öğrenim
gördükleri esnada kullandıkları bir takım teknolojiler (dijital kamera, akıllı tahta), öğretmenlik
mesleğini icra ederken öğretmenlerin görev yaptıkları okullarda yer almayabilir veya farklılık
gösterebilir. Üçüncüsü, araştırmada toplanan veriler adayların yalnızca kendi kendilerini
148
değerlendirmelerini yansıttığından ve doldurmaya alışık oldukları ve ezbere doldurma eğilimine
girebilecekleri bir yöntemle gerçekleştirildiğinden sonuçlar yaygın yöntem varyansı (YYV) hatası
içerebilir. YYV ölçülen faktörün gerçek yapısından ziyade ölçüm yöntemi kaynaklı varyansını ifade
eder (Podsakoff, MacKenzie, Lee, & Podsakoff, 2003). Dördüncüsü, bağımlı değişken olan davranışsal
niyet üç değişken tarafından tüm örneklem için %67.6, sınıf öğretmeni adayları için %73.7, matematik
öğretmeni adayları için %67.4, sosyal bilgiler öğretmen adayları için %60.8 ve fen bilgisi öğretmen
adayları için %57.1 düzeyinde açıklanabilmiştir. Ancak her bir model için davranışsal niyetin hala
açıklanamayan kısmı mevcuttur. Bu modele dâhil edilecek diğer anlamlı değişkenlerle giderilebilir.
Örneğin Park (2009), Teo (2009), ve Teo, Ursavas, Bahçekapılı (2012) öz yeterlilik ve teknolojik karmaşa
değişkenlerinin davranışsal niyeti anlamlı bir şekilde etkilediğini tespit etmişlerdir. Ayrıca yine bazı
araştırmalardan (Paraskeva ve diğerleri, 2008; Saade ve Kira, 2007) görüldüğü gibi öz saygı (self esteem)
ve kaygı gibi değişkenlerde modele dâhil edilebilir. Son olarak bu araştırmada adayların teknolojiyi
gerçek kullanımları yerine kullanıma yönelik davranışsal niyetleri tespit edilmiştir. Yapılan
araştırmalarda (Davis ve diğerleri., 1989; Hu, Clark ve Ma, 2003; Kiraz ve Özdemir, 2006) kullanıma
yönelik niyet ile gerçek kullanım arasında ilişki olduğu gösterilse de bir sistemin gerçek kullanımının
tespitinin daha uygun olduğu düşünülmektedir.
Farklı disiplinlerde eğitimlerine devam eden öğretmen adayları ile gerçekleştirilen bu
çalışmanın sonuçları önerilen araştırma modeli ile toplanılan verilerin kabul edilebilir olduğunu
göstermiştir. Araştırma kapsamında test edilen hipotezlerden H3 haricinde (matematik öğretmen
adayları) tümü kabul edilmiştir. Gelecekte yapılması düşünülen araştırmalarda farklı örneklemler
kullanılarak modelin test edilmesi önemlidir. Ayrıca model kişisel özellikler (cinsiyet, bilgisayar
kullanım deneyimi) ve kullanılan teknolojinin türü (dizüstü bilgisayarı, Tablet PC) açısından da
irdelenebilir. Başka bir açıdan bakılacak olursa, bu araştırmanın sınırlılıkları arasında da yer aldığı
üzere benzeri bir araştırmanın mevcut öğretmenlerle yapılması önemli olacaktır. Son olarak, tüm
dünyada eğitimde teknoloji kullanımı ülkelerin gündemlerini meşgul ettiği düşünüldüğünde,
öğretmen adaylarının/öğretmenlerin bilgi iletişim teknolojilerine yönelik davranışsal niyetlerini
belirlemek ve karşılaştırmak amaçlı ülkeler arası ve kültürler arası araştırmalar yapılabilir.
149
Kaynakça
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes,
50(2), 179-211.
Ajzen, I. and Fishbein, M. (1980). Understanding Attitudes and Predicting Social Behavior. Prentice-Hall,
Upper Saddle River, NJ.
Ajzen, I. and Madden, T.J. (1986). Prediction of goal-directed behavior: Attitudes, intentions, and
perceived behavioral control. Journal of Experimental Social Psychology, 22(5), 453-474.
Akbaba-Altun, S. (2004). Information technology classrooms and elementary school principals’ roles:
Turkish experience. Education and Information Technologies 9(3), 225–270.
Akkoyunlu, B. and Orhan, F. (2003). Relationship between computer usage self-efficacy and their
demographic characteristics of teacher candidates. The Turkish Online Journal of Educational
Technology, 2(3),86-93.
Alev, N., & Yiğit, N. (2009). Öğretim elemanlarının bilgi ve iletişim teknolojilerini öğretmen eğitim
programlarına uyarlamasında ilgi-endişe ve benimseme seviyeleri. Çukurova Üniversitesi Eğitim
Fakültesi Dergisi, 3(37), 82-91.
Baylor, A. and Ritchie, D. (2002). What factors facilitate teacher skill, teacher morale, and perceived
student learning in technology-using classrooms? Journal of Computers & Education, 39(4), 395–414.
Becit-İşçitürk, G. (2012).Öğretmen Adaylarının Bilgi ve İletişim Teknolojilerini Kabul ve Kullanımlarının
Çeşitli Değişkenler Açısından İncelenmesi. Yayınlanmamış Doktora Tezi. Anadolu Üniversitesi,
Eğitim Bilimleri Enstitüsü, Eskişehir.
Cheon, J., Lee, S., Crooks, S. M. and Song, J. (2012). An investigation of mobile learning readiness in
higher education based on the theory of planned behaviour. Computers and Education, 59(3), 10541064.
Cure, F. and Özdener, N. (2008). Teachers’ Information and communication technologies(Ict) using
achievements & attitudes towards Ict. Hacettepe University Journal of Education, 34, 41-53.
Çoklar, A., Kılıçer, K., & Odabaşı, H. (2007). Eğitimde teknoloji kullanımına eleştirel bir bakış: teknopedagoji.
Paper presented at the 7nd International educational technology conference.
Davis, F. D., Bagozzi, R. P. and Warshaw, P. R. (1989). User Acceptance of Computer Technology: a
Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003.
Dutt-Doner, K., Allen, S. M., & Corcoran, D. (2006). Transforming student learning by preparing the
next generation of teachers for type II technology integration. Computers in the Schools, 22 (3-4), 6375.
El-Gayar, O., Moran, M., and Hawkes, M. (2011). Students' Acceptance of Tablet PCs and Implications
for Educational Institutions. Educational Technology & Society, 14(2), 58-70.
Ertmer, P. A. and Hruskocy, C. (1999). Impacts of a university-elementary school partnership designed
to support technology integration. Educational Technology Research and Development, 47(1), 81-96.
Escobar-Rodriguez, T. and Monge-Lozano, P. (2012). The acceptance of Moodle technology by business
administration students. Computers & Education, 58(4), 1085–1093.
Fishbein, M. and Ajzen, I. (1975). Belief, Attitude, Intention, and Behaviour: An Introduction to Theory and
Research: MA:Addison-Wesley.
Fullan. M. (1991). The New Meaning of Educational Change. Teachers’ College Press, New York.
Goktas, Y., Gedik, N., & Baydas, O. (2013). Enablers and barriers to the use of ICT in primary schools in
Turkey: A comparative study of 2005–2011. Computers & Education, 68, 211-222.
Hair, J. F., Jr., Black, W. C., Babin, B. J. and Anderson, R. E. (2010). Multivariate data analysis (7th ed.). NY:
Prentice Hall.
150
Kiraz, E. and Ozdemir, D. (2006). The Relationship between Educational Ideologies and Technology
Acceptance in Pre-service Teachers. Educational Technology & Society, 9(2), 152-165.
Legris, P., Ingham, J. and Collerette, P. (2003). Why do people use information technology? A critical
review of the technology acceptance model. Information & Management, 40(3),191-204.
Liaw, S. S. (2002). Understanding user perceptions of World-wide web environments. Journal of
Computer Assisted Learning, 18(2), 137-148.
Lim, C. P. and Chai, C. S. (2008). Rethinking Classroom-Oriented Instructional Development Models to
Mediate InstructionalPlanning in Technology Enhanced Learning Environments. Teaching and
Teacher Education, 24(8), 2002-2013.
López-Bonilla, L. M., & López-Bonilla, J. M. (2011). The role of attitudes in the TAM: A theoretically
unnecessary construct? British Journal of Educational Technology, 42(6), E160-E162.
Lowther, D. L., Inan, F. A., Strahl, J.D. and Ross, S.M. (2008). Does technology integration “work” when
key barriers are removed? Educational Media International, 45(3), 195-206.
Ma, W. W. K., Andersson, R. and Streith, K. O. (2005). Examining user acceptance of computer
technology: An empirical study of student teachers. Journal of Computer Assisted Learning, 21(6),
387–395.
Morris, M. G., & Dillon, A. (1997). The influence of user perceptions on software utilization: application
and evaluation of a theoretical model of technology acceptance. IEEE Transactions on Software
Engineering, 14(4)58-65.
Nistor, N., & Heymann, J. O. (2010). Reconsidering the role of attitude in the TAM: An answer to Teo
(2009a). British Journal of Educational Technology, 41(6), E142-E145.
Olson, J. M., & Zanna, M. P. (1993). Attitudes and attitude change. Annual review of psychology, 44(1),
117-154.
Park, Y., Son, H. and Kim, C. (2012).Investigating the determinants of construction professionals'
acceptance of web-based training: An extension of the technology acceptance model. Automation in
Construction, 22,377–386.
Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. 2003. Common method biases in
behavioral research: A critical review of the literature and recommended remedies. Journal of
Applied Psychology, 88(5): 879–903.
Raykov, T. and Marcoulides, G. A. (2008). An introduction to applied multivariate analysis. NY: Routledge.
Russell, M., Bebell, I. D., O’Dwyer, L. M. and O’Connor, K. M. (2003). Examining teacher technology
use: Implications for pre-service and in-service teacher preparation. Journal of Teacher Education,
54(4), 297-310.
Sahin, S. (2012). Pre-service teachers' perspectives of the diffusion of information and communications
technologies (ICTs) and the effect of case-based discussions (CBDs). Computers & Education, 59(4),
1089-1098.
Seferoğlu, S. S, Akbıyık, C. and Bulut, M. (2008). İlköğretim Öğretmenlerinin ve Öğretmen Adaylarının
Bilgisayarların Öğrenme/Öğretme Sürecinde Kullanımı ile İlgili Görüşleri. Hacettepe Üniversitesi
Eğitim Fakültesi Dergisi, 35, 273-283.
Sivo, S. and Pan, C. (2005). Undergraduate engineering and psychology students’ use of a course
management system: A factorial invariance study of user characteristics and attitudes. Journal of
Technology Studies, 31(2), 94–103.
Szajna, B. (1996). Empirical evaluation of the revised technology acceptance model. Management science,
42(1), 85-92.
Tabachnick, B. G. and Fidell, L. S. (2001). Using multivariate statistics (4th ed.). Needham Heights, MA:
Allyn & Bacon.
151
Taylor, S. and Todd, P. A. (1995). Understanding information technology usage: a test of competing
models. Information Systems Research, 6(4), 144-176.
Teo, T. (2009a). Evaluating the BI technology among student teachers: A structural equation modeling
approach. International Journal of Technology in Teaching and Learning, 5(2),106-118.
Teo, T. (2009b). Modelling technology acceptance in education: A study of pre-service teachers.
Computers & Education, 52(2), 302-312.
Teo, T. (2010). Examining the influence of subjective norm and facilitating conditions on the BI
technology among pre-service teachers: a structural equation modeling of an extended technology
acceptance model. The Asia-Pacific Education Researcher, 11(2), 253-262.
Teo, T. (2011). Factors influencing teachers’ BI technology: Model development and test. Computers &
Education, 57(4),2432-2440.
Teo, T. S. H., Lim, V. K. G. and Lai, R. Y. C.(1999). Intrinsic and Extrinsic Motivation in Internet Usage.
Omega, 27(1), 25-37.
Teo, T. and Noyes, J. (2011). An assessment of the influence of perceived enjoyment and attitude on the
BI technology among pre-service teachers: A structural equation modeling approach. Computers &
Education, 57(2),1645-1653.
Teo, T. and Ursavaş, Ö. F. (2012). Technology Acceptance of Pre-Service Teachers in Turkey: A CrossCultural Model Validation Study. International Journal of Instructional Media, 39(3),193-201.
Teo, T. and van Schaik, P. (2009). Understanding Technology Acceptance in Pre-Service Teachers: A
Structural-Equation Modeling Approach. The Asia-Pasific Education Researcher,18(1),47-66.
Teo, T., Lee, C. B. and Chai, C.S. (2008).Understanding pre-service teachers' computer attitudes:
applying and extending the technology acceptance model. Journal of Computer Assisted Learning,
24(2), 128-142.
Teo, T., Lee, C. B., Chai, C. S. and Wong, S. L. (2009). Assessing the BI technology among pre-service
teachers in Singapore and Malaysia: A multigroup invariance analysis of the technology acceptance
model (TAM). Computers & Education, 53(3), 1000-1009.
Teo, T., Su-Luan, W. and Sing, C. C. (2008). A cross-cultural examination of the BI technology between
Singaporean and Malaysian pre-service teachers: an application of the Technology Acceptance
Model (TAM). Educational Technology & Society,11(4), 265-280.
Teo, T., Ursavaş, Ö. F. and Bahçekapılı, E. (2011). Efficiency of the technology acceptance model to
explain pre-service teachers' BI technology: A Turkish study. Campus-Wide Information Systems,
28(2),93-101.
Teo, T., Ursavaş, Ö. F. and Bahçekapılı, E. (2012). An assessment of pre-service teachers’ technology
acceptance in Turkey: A structural equation modeling approach. The Asia-Pacific Education
Researcher,21(1),191-202.
Terzis, V. and Economides, A. A. (2011). The acceptance and use of computer based assessment.
Computers & Education, 56(4), 1032–1044.
Terzis, V., Moridis, C. N. and Economides, A. A. (2012). How student’s personality traits affect
Computer Based Assessment Acceptance: Integrating BFI with CBAAM. Computers in Human
Behavior, 28(5),1985-1996.
Tsai, C., & Chai, C. S. (2012). The “third”-order barrier for technology integration instruction:
implications for teacher education. Australasian Journal of Educational Technology, 28(6), 1057–1060.
Turan, A. H. and Çolakoğlu, B. E. (2008). Yüksek Öğrenimde Öğretim Elemanlarının Teknoloji Kabulü
ve Kullanımı: Adnan Menderes Üniversitesinde Ampirik Bir Değerlendirme. Doğuş Üniversitesi
Dergisi, 9(1),106-121.
152
Ursavaş, Ö. F. (2013) Reconsidering the role of attitude in the TAM: An answer to Teo (2009) and Nistor
and Heymann (2010), and Lopez-Bonilla and Lopez-Bonilla (2011). British Journal of Educational
Technology, 44(1),E22-E25.
Ursavaş, Ö. F. (2014). Öğretmenlerin bilişim teknolojilerini kullanmaya yönelik davranışlarının modellenmesi.
Yayınlanmamış Doktora Tezi. Gazi Üniversitesi, Eğitim Bilimleri Enstitüsü, Ankara.
Usluel, Y. K., Mumcu, F. K. and Demiraslan, Y. (2007). Öğrenme-öğretme sürecinde Bilgi ve İletişim
Teknolojileri: Öğretmenlerin entegrasyon süreci ve engelleriyle ilgili görüşleri. Hacettepe
Üniversitesi Eğitim Fakültesi Dergisi, 32,164-178.
Venkatesh, V. ( 2000). Determinants of PEU: integrating control, intrinsic motivation, and emotion into
the technology acceptance model. Information Systems Research, 11 (4), 342–365.
YOK.
(2007).
Teacher
training
and
education
faculties.
Retrieved
from.
http://www.yok.gov.tr/component/option,com_docman/task/doc_download/gid,70/Itemid,215/la
ng, tr/.
Yushau, B. (2006). Computer attitude, use, experience, software familiarity and perceived pedagogical
usefulness: The case of mathematics professors. Eurasia Journal of Mathematics, Science and
Technology Education, 2(3), 1 – 7.
153

journal search - Recep Tayyip Erdoğan Üniversitesi

Transkript

Benzer belgeler

Dear Colleagues and Friends - Journal of Social Studies Education

Bu PDF dosyasını indir

Bu PDF dosyasını indir

DOĞU AKDENİZ ÜNİVERSİTESİ SENATOSU ALINAN KARARLAR

A Study on Pre-service English Teachers` Self

Makalenin Tamamı - Sigma Dergisi