اولویت بندی عوامل کلیدی موفقیت یادگیری الکترونیک با رویکرد AHP/CFA در دانشکده آموزش های الکترونیکی دانشگاه شیراز

محورهای موضوعی : آموزش و پرورش

منیژه رجبی ¹ , حسن سلطانی ²

1 - دانشجوی کارشناسی ارشد، واحد زرقان، دانشگاه آزاد اسلامی، زرقان، ایران
2 - استادیار گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

تاریخ دریافت : 1397/09/04 تاریخ پذیرش : 1398/07/29 تاریخ انتشار : 1398/06/01

کلید واژه: فرایند تحلیل سلسله مراتبی, تحلیل عاملی تاییدی, عوامل کلیدی موفقیت, یادگیری الکترونیک,

چکیده مقاله :

این مطالعه با هدف ارائه مدل و اولویت­بندی عوامل کلیدی موفقیت یادگیری الکترونیک انجام شده است. جامعه­ی آماری این تحقیق را دانشجویان دانشکده آموزش­های الکترونیکی دانشگاه شیراز تشکیل می­دادند که تعداد آنها برابر با 715 نفر می­باشد؛ مطابق با جدول مورگان حجم نمونه برابر با 250 تعیین گردید؛ که به شیوه نمونه­گیری غیرتصادفی در دسترس انتخاب شدند. با استفاده از تکنیک توزیع دوجمله­ای، از بین 21 عوامل کلیدی موفقیت یادگیری الکترونیک که از پیشینه تحقیق برگرفته شده بود، 4 شاخص حذف و 17 شاخص انتخاب شدند. این 17 عامل بر اساس تکنیک تحلیل عاملی اکتشافی در 5 دسته کلی " کیفیت سیستم، شایستگی اساتید و دستیاران آموزشی، اثربخشی محتوا، تعامل اساتید و دانشجویان، و شایستگی دانشجویان"قرار گرفتند. با استفاده از تکنیک تحلیل عاملی تاییدی مرتبه اول و دوم (نرم­افزار لیزرل)، برازش مدل پیشنهادی مورد تایید قرار گرفت. نتایج اولویت­بندی عوامل کلیدی موفقیت یادگیری الکترونیک که بر اساس تکنیک فرایند تحلیل سلسله مراتبی گروهی به دست آمد، نشان داد که کیفیت برنامه­ سیستم یادگیری الکترونیک، کیفیت محتوای ارائه شده، کاربر پسند بودن سیستم یادگیری الکترونیک و سواد اطلاعاتی استاد، مهمترین عوامل موفقیت یادگیری الکترونیک بودند.

چکیده انگلیسی:

This study aimed to provide model and prioritize the key factors of electronic learning success. The statistical population of this study was the students of the Faculty of Electronic Education of Shiraz University, which is equal to 715 people. In accordance with Morgan's table, the sample size was 250, which was determined by non-random sampling in Access Available. Using the binomial distribution technique, among the 21 key e-learning success factors that were derived from the research background, 4 indicators were eliminated and 17 indicators were selected. These 17 factors were based on exploratory factor analysis technique in five general categories: "System Quality, Teachers 'Competency and Educational Assistants, Content Effectiveness, Teachers' Interaction, Student Interaction, and Student Competency". Using the confirmatory factor analysis technique (Laser software), the fitting of the proposed model was confirmed. The results of prioritizing the key factors of electronic learning success, based on the hierarchical analysis process technique, showed that the quality of the program of the electronic learning system, the quality of the provided content, user-friendliness of the electronic learning system and the teacher's information literacy, the most important success factors Learning electronics.

منابع و مأخذ:

• Alaneme, G., Olayiwola.P., & Reju. C. (2010). Combining Traditional Learning and the E-Learning Methods in Higher Distance Education: Assessing Learners Preference. Puerto Rico: 4th International Conference on Distance Learning and Education (ICDLE).


• Dillon, C., & Gunawardena, C. (2008). A framework for the evaluation of telecommunications-based distance education. Paper presented at the Paper presented at the 17th Congress of the International Council for Distance Education Open University, Milton Keynes.


• Findlow, S (2012). Higher education chang and professional-academic identity in   newly ‘academic’ disciplines: the case of nurse education. High Education, 63, 117–133.


• FitzPatrick, Th. (2012). Key Success Factors of eLearning in Education: A Professional Development Model to Evaluate and Support eLearning. US-China Education Review, 9, 789-795


• Halkett, R. (2002). E-learning and how to survive it. Industrial and commercial training 34 (2), 80-82.


• Herman, R.D., & Renz DO. (2015). Advancing nonprofit organizational effectiveness research and theory: nine theses. Nonprofit Management and Leadership, 18(4), 399-415. 


• Kanwal, F., & Rehman, M. (2017). Factors Affecting E-Learning Adoption in Developing Countries: Empirical Evidence from Pakistan’s Higher Education Sector. IEEE Access, 5, 10968-10978.


• Khan, B. H. (2000). A framework for e-learning. Distance Education Report, 4(24), 3-8.


• Lee, M.-C. (2010). Explaining and predicting users’ continuance intention toward e-learning: an extension of the expectation-confirmation model. Computers & Education, 54(2), 506–516.


• Maier, B., paechter, M., & Macher, D. (2018). Students Expectations of, and Experiences in E-Learning: Their Relation to Learning a Achievements and Course Satisfaction. Computers & Education, 54, 222-229.


• Michaels, E., Handfield-Jones, H. & Axelrod, B. (2016). The Warfor Talent. Boston: Harvard Business School Press.


• Nneka Eke, H. (2011). Modeling LIS students  intention to adopt e-learning: A case from University of Nigeria Nsukka.: Library Philosophy and Practice.


• Ozkan, S., & and Koseler, R. (2009). Multi-dimensionalstudents’ evaluation of e-learning systems in thehigher education context: An empiricalinvestigation, Computers & Education, vol. 53 ,pp. 1285—1296.


• Schuler, S., & Jackson, S. (2009).  Managing Human Resources. Cengage Learning.


• Selim, H.M. (2007). Critical success factors for e-learning acceptance: ConWrmatory factor models. Computers & Education, 49, 396–413


• Soong, M. H. B., Chan, H. C., Chua, B. C., & Loh, K. F. (2016). Critical success factors for online course resources. Computers & Education, 36(2), 101-120.


• Webster, J., & Hackley, P. (2017). Teaching effectiveness in technology-mediated distance learning. Academy of Management Journal, 40(6), 1282-1309.


• Zameer, A. (2010). Virtual education system current myth & future reality in Pakistan. Informing Science and Information Technology, 7(1), 1- 8.