Technologieakzeptanz von virtuellen Lern- und Arbeitsumgebungen in technischen Domänen

Carolin Pletz, Bernd Zinn

Abstract


Im beruflichen Aus- und Weiterbildungsbereich werden mit der Nutzung virtueller Umgebungen (Virtual Reality, kurz VR) vielfältige Potentiale verbunden, um Lern- und Arbeitsprozesse zu optimieren. Bislang ist aber noch wenig über die tatsächliche Akzeptanz der VR Technologie in technischen Domänen bekannt. Die vorliegende hypothesenprüfende Studie geht hierzu der Frage nach, inwiefern die theoretischen Annahmen des „Technology Acceptance Model“ (TAM) die Nutzungsintention zur VR Technologie von Beschäftigten in technischen Domänen erklärt. Die Befunde des aufgestellten Strukturgleichungsmodells zur Aufklärung der Varianz der Nutzungsintention ( = 0.354) belegen erwartungskonform positive Zusammenhänge zwischen der wahrgenommenen Nützlichkeit und der Nutzungsintention sowie der wahrgenommenen Benutzerfreundlichkeit und der Nutzungsintention. Weiterhin zeigen die Studienergebnisse, dass Personen, die Erfahrung mit der VR Technologie haben, die wahrgenommene Nützlichkeit und die Nutzungsintention signifikant höher bewerten als Personen ohne Erfahrung mit der VR Technologie.

Volltext:

PDF

Literaturhinweise


Ajzen, I. (1985). From intentions to actions. A theory of planned behavior. In J. Kuhl & J. Beckmann (Hrsg.), Action control. From Cognition to Behavior (S. 11–39). Berlin, Heidelberg: Springer.

Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211.

Ajzen, I. & Fishbein, M. (1980). Understanding attitudes and predicting social behaviour. Englewood-Cliffs, NJ: Prentice Hall.

Amoako-Gyampah, K. & Salam, A. F. (2004). An extension of the technology acceptance model in an ERP imple-mentation environment. Information & Management, 41(6), 731–745.

Bauer, W. & Horváth, P. (2015). Industrie 4.0-Volkswirtschaftliches Potenzial für Deutschland. Controlling, 27(8-9), 515–517.

Becker, K.-D. (2015). Arbeit in der Industrie 4.0–Erwartungen des Instituts für angewandte Arbeitswissenschaft e.V. In A. Botthof & A. Hartmann (Hrsg.), Zukunft der Arbeit in Industrie 4.0 (S. 23–29). Berlin, Heidelberg: Sprin-ger.

Berkemeier, L., Niemöller, C., Metzger, D. & Thomas, O. (2018). Akzeptanz von Smart Glasses für die Aus- und Weiterbildung. In O. Thomas, D. Metzger & H. Niegemann (Hrsg.), Digitalisierung in der Aus-und Weiterbildung. Virtual und Augmented Reality für Industrie 4.0 (S. 143–156). Berlin: Springer Gabler.

Bertrand, M. & Bouchard, S. (2008). Applying the technology acceptance model to VR with people who are favor-able to its use. Journal of Cyber Therapy & Rehabilitation, 1(2), 200–210.

Bochum, U. (2015). Gewerkschaftliche Position in Bezug auf „Industrie 4.0“. In A. Botthof & A. Hartmann (Hrsg.), Zukunft der Arbeit in Industrie 4.0 (S. 31–44). Berlin, Heidelberg: Springer.

Brill, M. (2009). Virtuelle Realität. Berlin, Heidelberg: Springer.

Bürg, O. & Mandl, H. (2005). Akzeptanz von E-Learning in Unternehmen. Zeitschrift für Personalpsychologie, 4(2), 75–85.

Chau, P. Y. K. & Hu, P. J. (2002). Investigating healthcare professionals’ decisions to accept telemedicine technolo-gy. An empirical test of competing theories. Information & Management, 39(4), 297–311.

Chen, J.-L. (2011). The effects of education compatibility and technological expectancy on e-learning acceptance. Computers & Education, 57(2), 1501–1511.

Chung, J. E., Park, N., Wang, H., Fulk, J. & McLaughlin, M. (2010). Age differences in perceptions of online com-munity participation among non-users. An extension of the Technology Acceptance Model. Computers in Hu-man Behavior, 26(6), 1674–1684.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences. (2nd edition). Hillsdale, NJ: Erlbaum.

Coldham, G. & Cook, D. M. (2017). VR Usability from Elderly Cohorts: Preparatory Challenges in Overcoming Technology Rejection. In IEEE (Hrsg.), Proceedings of the 35th National Information Technology Conference (S. 131–135).

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

Davis, F. D., Bagozzi, R. P. & Warshaw, P. R. (1989). User acceptance of computer technology. A comparison of two theoretical models. Management Science, 35(8), 982–1003.

Dörner, R., Jung, B., Grimm, P., Broll, W. & Göbel, M. (2013). Einleitung. In R. Dörner, W. Broll, P. Grimm & B. Jung (Hrsg.), Virtual und augmented reality (VR/AR). Grundlagen und Methoden der Virtuellen und Augmentierten Realität (S. 1–32). Berlin, Heidelberg: Springer.

Eder, A. (2015). Akzeptanz von Bildungstechnologien in der gewerblich-technischen Berufsbildung vor dem Hinter-grund von Industrie 4.0. Journal of Technical Education (JOTED), 3(2), 19–44.

Fetscherin, M. & Lattemann, C. (2008). User acceptance of virtual worlds. Journal of Electronic Commerce Re-search, 9(3), 231.

Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention and behavior. An introduction to theory and research. Reading, MA: Addison-Wesley.

Gebhardt, J., Grimm, A. & Neugebauer, L. M. (2015). Entwicklungen 4.0–Ausblicke auf zukünftige Anforderungen an und Auswirkungen auf Arbeit und Ausbildung. Journal of Technical Education (JOTED), 3(2).

Gefen, D. & Straub, D. W. (1997). Gender differences in the perception and use of e-mail. An extension to the tech-nology acceptance model. MIS Quarterly, 21(4), 389–400.

Göbel, G. (2017). Experiences and acceptance of immersive lerarning arrangements in higher education. In J. Kow-al, A. Kuzio, J. Mäkiö, G. Paliwoda-Pekosz, P. Soja & R. Sonntag (Hrsg.), ICT Management for Global Com-petiveness and Economic Growth in Emerging Economies (ICTM) (S. 47–58).

Hackbarth, G., Grover, V. & Mun, Y. Y. (2003). Computer playfulness and anxiety: positive and negative media-tors of the system experience effect on perceived ease of use. Information & Management, 40(3), 221–232.

Hill, T., Smith, N. D. & Mann, M. F. (1987). Role of efficacy expectations in predicting the decision to use advanced technologies: The case of computers. Journal of applied psychology, 72(2), 307.

Hong, W., Thong, J. Y. L. & Wai-Man Wong, K.-Y. T. (2002). Determinants of user acceptance of digital libraries. An empirical examination of individual differences and system characteristics. Journal of Management Infor-mation Systems, 18(3), 97–124.

Hu, P. J., Chau, P. Y. K., Sheng, O. R. L. & Tam, K. Y. (1999). Examining the technology acceptance model using physician acceptance of telemedicine technology. Journal of Management Information Systems, 16(2), 91–112.

Igbaria, M., Zinatelli, N., Cragg, P. & Cavaye, A. L. M. (1997). Personal computing acceptance factors in small firms. A structural equation model. MIS Quarterly, 21(3), 279–305.

Juan, Y.-K., Chen, H.-H. & Chi, H.-Y. (2018). Developing and Evaluating a Virtual Reality-Based Navigation Sys-tem for Pre-Sale Housing Sales. Applied Sciences, 8(6), 1–12.

Kagermann, H. (2017). Chancen von Industrie 4.0 nutzen. In B. Vogel-Heuser, T. Bauernshansl & M. ten Hompel (Hrsg.), Handbuch Industrie 4.0 (S. 235–246). Berlin, Heidelberg: Springer Vieweg.

Kärcher, B. (2015). Alternative Wege in die Industrie 4.0. In A. Botthof & A. Hartmann (Hrsg.), Zukunft der Arbeit in Industrie 4.0 (S. 47–58). Berlin, Heidelberg: Springer.

King, W. R. & He, J. (2006). A meta-analysis of the technology acceptance model. Information & Management, 43(6), 740–755.

Kohnke, O. & Bungard, W. (2009). Change Management und unternehmensweite Standardsoftwaresysteme. Maß-nahmen zur Erhöhung der Anwenderakzeptanz. Führung und Organisation, 78(6), 304–310.

Kohnke, O. & Müller, K. (2009). Modellbasierte Evaluation der Anwenderakzeptanz von Standardsoftware. In H. Wandke & S. Kain (Hrsg.), Mensch & Computer 2009: Grenzenlos frei!? (S. 153–162). München: Oldenbourg.

Kohnke, O., Wolf, T. R. & Müller, K. (2011). Managing user acceptance. An empirical investigation in the context of business intelligence standard software. International Journal of Information Systems and Change Manage-ment, 5(4), 269–290.

Lam, S. Y., Chiang, J. & Parasuraman, A. (2008). The effects of the dimensions of technology readiness on tech-nology acceptance. An empirical analysis. Journal of Interactive Marketing, 22(4), 19–39.

Lee, Y., Kozar, K. A. & Larsen, K. R. T. (2003). The technology acceptance model. Past, present, and future. Com-munications of the Association for Information Systems, 12(1), 50.

Liao, H.-L. & Lu, H.-P. (2008). The role of experience and innovation characteristics in the adoption and continued use of e-learning websites. Computers & Education, 51(4), 1405–1416.

Liaw, S.-S. & Huang, H.-M. (2003). An investigation of user attitudes toward search engines as an information re-trieval tool. Computers in Human Behavior, 19(6), 751–765.

Lin, P.-C., Lu, H. K. & Liu, C. (2013). Towards an education behavioral intention model for e-learning systems. An extension of UTAUT. Journal of Theoretical and Applied Information Technology, 47(3), 1120–1127.

Lu, J., Yu, C.-S., Liu, C. & Yao, J. E. (2003). Technology acceptance model for wireless Internet. Internet Research, 13(3), 206–222.

Ma, W. W.‐k., Andersson, R. & Streith, K.‐O. (2005). Examining user acceptance of computer technology. An em-pirical study of student teachers. Journal of Computer Assisted Learning, 21(6), 387–395.

Mitzner, T. L., Boron, J. B., Fausset, C. B., Adams, A. E., Charness, N., Czaja, S. J., Dijkstra, K., Fisk, A. D., Rogers, W. A. & Sharit, J. (2010). Older adults talk technology: Technology usage and attitudes. Computers in Human Behavior, 26(6), 1710–1721.

Morris, M. G. & Venkatesh, V. (2000). Age differences in technology adoption decisions. Implications for a chang-ing work force. Personnel Psychology, 53(2), 375–403.

Müller, A. & Leidl, M. (2007). eLearning in der dritten Dimension. Ein Seminar zwischen Web 2.0 und virtuellen Welten. In M. Merkt, K. Mayrberger, R. Schulmeister, A. Sommer & I. van den Berk (Hrsg.), Studieren neu erfin-den - Hochschule neu denken (Medien in der Wissenschaft, Bd. 44, S. 136–145). Münster u. a.: Waxmann.

Padilla-Meléndez, A., Del Aguila-Obra, A. R. & Garrido-Moreno, A. (2013). Perceived playfulness, gender differ-ences and technology acceptance model in a blended learning scenario. Computers & Education, 63, 306–317.

Park, N., Lee, K. M. & Cheong, P. H. (2007). University instructors’ acceptance of electronic courseware. An appli-cation of the technology acceptance model. Journal of Computer‐Mediated Communication, 13(1), 163–186.

Peterson, R. A. (1994). A meta-analysis of Cronbach’s coefficient alpha. Journal of consumer research, 21(2), 381–391.

Pikkarainen, T., Pikkarainen, K., Karjaluoto, H. & Pahnila, S. (2004). Consumer acceptance of online banking. An extension of the technology acceptance model. Internet Research, 14(3), 224–235.

Pletz, C. & Zinn, B. (i. V.). Eine explorative Studie zu möglichen Anwendungsfeldern von VR in technischen Domä-nen, Manuskript in Vorbereitung.

Potkonjak, V., Gardner, M., Callaghan, V., Mattila, P., Guetl, C., Petrović, V. M. & Jovanović, K. (2016). Virtual la-boratories for education in science, technology, and engineering: A review. Computers & Education, 95, 309–327.

Prensky, M. (2001). Digital Natives, Digital Immigrants: Part 1. On the horizon, 9(5), 1–6.

Rama, M. D., de Ridder, H. & Bouma, H. (2001). Technology generation and age in using layered user interfaces. Gerontechnology, 1(1), 25–40.

Rasimah, C. M. Y., Ahmad, A. & Zaman, H. B. (2011). Evaluation of user acceptance of mixed reality technology. Australasian Journal of Educational Technology, 27(8), 1369–1387.

Renn, O. (1986). Akzeptanzforschung: Technik in der gesellschaftlichen Auseinandersetzung. Chemie in unserer Zeit, 20(2), 44–52.

Roberts, A. R., De Schutter, B., Franks, K. & Radina, M. E. (2018). Older adults’ experiences with audiovisual virtual reality: perceived usefulness and other factors influencing technology acceptance. Clinical Gerontologist, 1–7.

Rogers, W. A. & Fisk, A. D. (2010). Toward a psychological science of advanced technology design for older adults. Journals of Gerontology: Psychological Sciences, 65B(6), 645–653.

Schäfer, T. (2011). Statistik II. Wiesbaden: VS Verlag für Sozialwissenschaften.

Schiefele, U. (1990). Thematisches Interesse, Variablen des Lernprozesses und Textverstehen. Zeitschrift für expe-rimentelle und angewandte Psychologie, 37(2), 304–332.

Schuster, K. (2015). Einfluss natürlicher Benutzerschnittstellen zur Steuerung des Sichtfeldes und der Fortbewegung auf Rezeptionsprozesse in virtuellen Lernumgebungen. Marburg: Tectum Wissenschaftsverlag.

Schwan, S. & Buder, J. (2006). Virtuelle Realität und E-Learning. Zugriff am 11.12.2017. Verfügbar unter www.e-teaching.org

Senderek, R. & Geisler, K. (2015). Assistenzsysteme zur Lernunterstützung in der Industrie 4.0. In S. Rathmayer & H. Pongratz (Hrsg.), Proceedings der Pre-Conference Workshops der 13. E-Learning Fachtagung Informatik (S. 36–46).

Simon, B. (2001). E-Learning an Hochschulen. Gestaltungsräume und Erfolgsfaktoren von Wissensmedien. Köln: Josef Eul Verlag.

Steinmetz, H. (2015). Lineare Strukturgleichungsmodelle: Eine Einführung mit R (Sozialwissenschaftiche For-schungsmethoden, Bd. 9, 2. verbesserte Auflage). München und Mering: Rainer Hampp Verlag.

Sumak, B., Hericko, M. & Pusnik, M. (2011). A meta-analysis of e-learning technology acceptance. The role of user types and e-learning technology types. Computers in Human Behavior, 27(6), 2067–2077.

Tan, P. J. B. (2013). Applying the UTAUT to understand factors affecting the use of English e-learning websites in Taiwan. Sage Open, 3(4), 1-12.

Tenberg, R. & Pittich, D. (2017). Ausbildung 4.0 oder 1.2? Analyse eines technisch-betrieblichen Wandels und des-sen Implikationen für die technische Berufsausbildung. Journal of Technical Education (JOTED), 5(1), 27–46.

Thomas, O., Metzger, D., Niegemann, H., Welk, M. & Becker, T. (2018). GLASSROOM - Kompetenzaufbau und -entwicklung in virtuellen Lebenswelten. In O. Thomas, D. Metzger & H. Niegemann (Hrsg.), Digitalisierung in der Aus-und Weiterbildung. Virtual und Augmented Reality für Industrie 4.0 (S. 2–19). Berlin: Springer Gabler.

Ullrich, A., Vladova, G., Thim, C. & Gronau, N. (2015). Akzeptanz und Wandlungsfähigkeit im Zeichen der Indust-rie 4.0. HMD Praxis der Wirtschaftsinformatik, 52(5), 769–789.

Venkatesh, V. & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Deci-sion Sciences, 39(2), 273–315.

Venkatesh, V. & Davis, F. D. (2000). A theoretical extension of the technology acceptance model. Four longitudinal field studies. Management Science, 46(2), 186–204.

Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D. (2003). User acceptance of information technology. To-ward a unified view. MIS Quarterly, 27(3), 425–478.

Vodanovich, S., Sundaram, D. & Myers, M. (2010). Research commentary—digital natives and ubiquitous infor-mation systems. Information Systems Research, 21(4), 711–723.

Windelband, L. & Dworschak, B. (2015). Arbeit und Kompetenzen in der Industrie 4.0. Anwendungsszenarien In-standhaltung und Leichtbaurobotik. In H. Hirsch-Kreunsen, P. Ittermann & J. Niehaus (Hrsg.), Digitalisierung in-dustrieller Arbeit (S. 71–86). Berlin: Nomos Verlag.

Yi, M. Y. & Hwang, Y. (2003). Predicting the use of web-based information systems. Self-efficacy, enjoyment, learning goal orientation, and the technology acceptance model. International Journal of Human-Computer Studies, 59(4), 431–449.

Zinn, B. (2015). Conditional variables of ‘Ausbildung 4.0’–Vocational education for the future. Journal of Techni-cal Education (JOTED), 3(2), 10–18.

Zinn, B. (2017). Digitalisierung der Arbeit - Kompetenzerwartungen des Beschäftigungssystems und didaktische Implikationen. In B. Bonz, H. Schanz & J. Seifried (Hrsg.), Berufsbildung vor neuen Herausforderungen - Wan-del von Arbeit und Wirtschaft, Berufsbildung konkret (Bd. 13, S. 163–176). Baltmannsweiler: Schneider Verlag Hohengeheren GmbH.

Zinn, B., Guo, Q. & Sari, D. (2016). Entwicklung und Evaluation der virtuellen Lern-und Arbeitsumgebung VILA. Journal of Technical Education (JOTED), 4(1), 89–117.

Zobel, B., Werning, S., Berkemeier, L. & Thomas, O. (2018). Augmented- und Virtual-Reality-Technologien zur Digi-talisierung der Aus- und Weiterbildung - Überblick, Klassifikation und Vergleich. In O. Thomas, D. Metzger & H. Niegemann (Hrsg.), Digitalisierung in der Aus-und Weiterbildung. Virtual und Augmented Reality für Industrie 4.0 (S. 20–34). Berlin: Springer Gabler.


Refbacks

  • Im Moment gibt es keine Refbacks