Faktor penentu keberhasilan untuk e-learning penerimaan: faktor model ConWrmator y Hassan M. Selim Departemen Administrasi Bisnis, Fakultas Bisnis dan Ekonomi, Universitas Uni Emi rat Arab, Al Ain PO Box 17555, Uni Emirat Arab Diterima 9 April 2004; diterima 16 September 2005 Abstrak E-learning, salah satu alat muncul dari teknologi informasi, telah diint egrasikan dalam banyak program universitas. Ada beberapa faktor yang perlu dipertimbangkan ketika mengembangkan atau menerap kan kurikulum universitas yang lebih e-learning program berbasis. Tulisan ini dimaksudkan untuk menentukan e-learning faktor penentu keberhasilan (CSF) seperti yang dirasakan oleh mahasiswa. Faktor keberhasilan yang diterbitkan e-learning kritis disurvei dan dikelompokka n ke dalam 4 kategori yaitu, instruktur, siswa, teknologi informasi, dan dukunga n universitas. Setiap kategori termasuk beberapa langkah. Kategorisasi diuji dengan survei 538 mahasiswa. Hasil penelitian menunjukkan 8 kategori CSF e-learning, masing-masing termasuk b eberapa penerimaan dan keberhasilan langkah-langkah e-learning kritis. Tingkat kekritisan masing-masing ukuran diwakili oleh validitas coeYcient nya. Pendekatan pemodelan faktor ConWrmatory digunakan untuk menilai kekritisan langk ah-langkah termasuk dalam setiap kategori CSF. 2005 Elsevier Ltd All rights reserved. Kata kunci: E-learning, pendidikan Jarak, pemodelan persamaan terstruktur, model faktor ConWrmatory * Penelitian ini didanai oleh Research AVairs di UAE University di bawah Hibah # 0 5-4-11/02. Tel:. +971 3 713 3202, fax: +971 3 763 2383. Alamat E-mail: hassan.selim @ uaeu.ac.ae 0360-1315 / $ - melihat hal depan 2005 Elsevier Ltd All rights reserved. doi: 10.1016/j.compedu.2005.09.004 H.M. Selim / Komputer & Pendidikan 49 (2007) 396-413 397 1. Pendahuluan 1.1. Tinjauan pustaka Baru-baru ini, teknologi informasi telah dilihat sebagai solusi untuk masalah biaya dan kualitas perguruan tinggi '. Teknologi informasi dalam proses belajar mengajar telah menciptakan kebutuhan un tuk mengubah cara mahasiswa belajar dengan menggunakan lebih modern, eYcient, da n eVective alternatif seperti e-learning. E-learning konsep telah sekitar selama puluhan tahun dan merupakan salah satu pe rkembangan baru-baru ini yang paling signiWcant dalam industri sistem informasi (Wang, 2003). E-learning dapat dilihat sebagai penyampaian isi kursus melalui media elektronik , seperti internet, intranet, extranet, siaran satelit, audio / video tape, TV i nteraktif, dan CD-ROM (Urdan & Weggen, 2000). E-learning adalah salah satu tren pembelajaran baru yang menantang tradisional " teori ember" atau konsep perbankan pendidikan (Freire, 1994). Konsep perbankan pendidikan mengasumsikan bahwa instruktur memiliki pengetahuan dan deposit ke siswa pasif yang menghadiri kelas (Freire, 1994). E-learning telah dilihat sebagai identik dengan berbasis web pembelajaran (WBL), pelatihan berbasis Internet (IBT), maju didistribusikan belajar (ADL), berbasis web instruksi (WBI), pembelajaran online (OL) dan terbuka / Xexible pembelajara n (OFL) (Khan, 2001). Istilah Kritis faktor keberhasilan (CSF) Wrst muncul dalam literatur pada 1980-a n ketika ada minat mengapa beberapa organisasi tampaknya lebih berhasil dari yan g lain, dan penelitian dilakukan untuk menyelidiki komponen keberhasilan (Ingram , Biermann, Cannon, Neil , & Waddle, 2000). CSF adalah "hal-hal yang harus dilakukan jika suatu perusahaan untuk menjadi suk ses" (Freund, 1988). CSF harus sedikit jumlahnya, terukur dan terkendali. Meskipun ada sejumlah besar artikel penelitian tentang e-learning, beberapa dari mereka mengatasi masalah yang paling penting dari faktor penentu keberhasilan e -learning. Papp (2000) dieksplorasi pembelajaran jarak jauh dari perspektif makro dan menya rankan beberapa faktor penentu keberhasilan yang dapat membantu fakultas dan uni versitas dalam pengembangan lingkungan e-bersandar. CSF e-learning Papp sudah termasuk kekayaan intelektual, kesesuaian kursus untuk e-learning lingkungan, membangun kursus e-learning, e-learning isi kursus, e-le arning pemeliharaan saja, e-learning platform, dan mengukur keberhasilan e Tentu saja-learning. Papp (2000) menyarankan belajar masing-masing CSF tersebut secara terpisah dan j uga sebagai komposit untuk menentukan faktor (s) inXuence dan dampak e-learning sukses. Benigno dan Trentin (2000) mengusulkan kerangka kerja untuk evaluasi program e-b ersandar berbasis, dengan fokus pada dua aspek: Wrst sedang mengevaluasi pembela jaran, dan yang kedua adalah mengevaluasi kinerja siswa. Mereka menganggap faktor-faktor seperti karakteristik siswa, interaksi siswa-sis wa, dukungan eVective, bahan pembelajaran, lingkungan belajar, dan teknologi inf ormasi. Volery dan Lord (2000) menarik pada hasil survei yang dilakukan di antara 47 sis wa yang terdaftar dalam kursus manajemen berbasis e-learning di universitas Aust ralia. Mereka identiWed tiga CSF dalam e-learning: teknologi (kemudahan akses dan navig asi, desain interface dan tingkat interaksi); instruktur (sikap terhadap siswa, kompetensi teknis instruktur dan interaksi kelas), dan penggunaan sebelumnya tek nologi dari perspektif siswa. Soong, Chan, Chua, dan Loh (2001) menggunakan studi kasus multiple, veriWed bahw a CSF e-learning adalah: faktor manusia, kompetensi teknis dari kedua instruktur dan siswa, e-learning pola pikir kedua instruktur dan siswa, tingkat kolaborasi
, dan dirasakan infrastruktur teknologi informasi. Mereka merekomendasikan bahwa semua faktor ini harus dipertimbangkan secara holi stik melalui e-learning adopters. Menurut studi yang dilakukan oleh Dillon dan Guawardena (1995) dan Leidner dan J arvenpaa (1993), tiga utama 398 variabel aVect yang eVectiveness e-learning lingkungan: teknologi, karakteristik instruktur, dan karakteristik siswa. Menggunakan survei pada persepsi e-learning antara mahasiswa pascasarjana terdaf tar di Curtin Business School, Helmi (2002) menyimpulkan bahwa tiga kekuatan pen dorong untuk e-learning adalah teknologi informasi, permintaan pasar, dan broker pendidikan seperti perguruan tinggi. Dalam upaya untuk memberikan landasan pedagogis sebagai prasyarat untuk sukses i mplementasi e-learning, Govindasamy (2002) membahas tujuh tolok ukur kualitas e- learning yaitu, dukungan kelembagaan, pengembangan program, proses belajar menga jar, struktur program, dukungan siswa, dukungan fakultas, dan evaluasi dan penilaian. Berdasarkan sebuah studi komprehensif oleh Baylor dan Ritchie (2002), dampak dar i tujuh faktor independen terkait dengan teknologi pendidikan (perencanaan, kepe mimpinan, kurikulum alignment, pengembangan profesional, penggunaan teknologi, i nstruktur terbuka pada perubahan, dan instruktur menggunakan komputer di luar se kolah) di tindakan WVE dependen (kompetensi instruktur teknologi, integrasi teknologi inst ruktur, instruktur moral, berdampak pada akuisisi konten mahasiswa, dan keteramp ilan berpikir tingkat tinggi akuisisi) yang dipelajari dengan menggunakan regres i bertahap. Penelitian ini menghasilkan model yang menjelaskan masing-masing WVE tindakan te rgantung. Tujuan dari e-learning, seperti pendekatan pembelajaran lainnya, adalah untuk me ncapai tujuan pembelajaran. Langkah-langkah tujuan pencapaian bisa lingkungan, teknologi, mahasiswa terkait, dan instruktur yang terkait. Dalam e-learning beberapa CSF penting adalah teknologi, seperti bandwidth, keand alan hardware, dan keamanan jaringan dan aksesibilitas. Lain e-learning CSF adalah keterlibatan siswa dalam model pembelajaran. Model E-learning sinkron (real time), asynchronous (kapanpun dan dimanapun), ata u campuran dari keduanya. Ada banyak alat yang instruktur dapat digunakan untuk mengadopsi e-learning Mode l: mini-ceramah, elektronik / konvensional diskusi, aktif / koperasi belajar dan banyak lainnya. E-learning ketiga CSF adalah mahasiswa terkait. Siswa harus termotivasi dan berkomitmen. Dalam program berbasis e-learning, siswa mengambil tanggung jawab kecepatan bela jar mereka. Tujuan dari penelitian ini adalah untuk menentukan CSF dari e-learning penerimaa n oleh siswa. Penelitian ini bertujuan untuk mengelompokkan CSF e-learning dan menentukan fakt or-faktor kritis dalam setiap kategori menggunakan model faktor conWrmatory. 1.2. E-learning kategori CSF CSF E-learning dalam lingkungan universitas dapat dikelo mpokkan menjadi empat kategori: (1) instruktur, (2) mahasiswa, (3) teknologi inf ormasi, dan (4) dukungan universitas. Adapun semua usaha pendidikan, instruktur memainkan peran sentral dalam eVective ness dan keberhasilan program berbasis e-learning. Collis (1995) dan Willis (1994) percaya bahwa itu bukan teknologi informasi teta pi pelaksanaan pembelajaran IT yang menentukan eVectiveness dari e-learning. Webster dan Hackley (1997) mengusulkan tiga karakteristik instruktur yang aVect keberhasilan e-learning: (1) kompetensi IT, (2) gaya mengajar, dan (3) sikap dan pola pikir. Volery dan Lord (2000) menyarankan bahwa instruktur memberikan berbagai bentuk j am oYce dan metode kontak dengan siswa. Instruktur harus mengadopsi gaya pengajaran interaktif, mendorong interaksi sisw a-siswa. Hal ini sangat penting bahwa instruktur memiliki kontrol yang baik atas IT dan m ampu melakukan tugas-tugas pemecahan masalah dasar. Mahasiswa menjadi lebih beragam dan permintaan untuk kursus berbasis e-learning meningkat (Papp, 2000; Volery & Lord, 2000). Siswa harus memiliki manajemen waktu, disiplin, 399 dan keterampilan komputer agar sukses di era e-learning. Mahasiswa IT pengalaman sebelumnya seperti memiliki komputer di rumah dan sikap terhadap e-learning sangat penting untuk keberhasilan e-learning. Seperti disebutkan sebelumnya, penelitian menyimpulkan bahwa program berbasis e- learning baik dibandingkan dengan pembelajaran tradisional dan e-learning siswa berkinerja baik atau lebih baik daripada siswa belajar tradisional (Beyth-Marom, Chajut, Roccas, & Sagiv, 2003). Hal ini menunjukkan bahwa siswa ingin menggunakan e-learning jika memfasilitasi belajar mereka dan memungkinkan mereka untuk belajar setiap saat setiap tempat d engan cara mereka sendiri (Papp, 2000). Teknologi informasi (IT) ledakan mengakibatkan perubahan dalam pendidikan. Integrasi E-learning dalam program universitas adalah komponen dari ledakan TI, sebagai soal fakta TI adalah mesin yang menggerakkan revolusi e-learning. The eY sien dan penggunaan eVective TI dalam memberikan komponen e-learning berb asis tentu saja adalah sangat penting untuk keberhasilan dan penerimaan mahasisw a e-learning. Jadi memastikan bahwa infrastruktur TI universitas kaya, dapat diandalkan dan ma mpu memberikan kursus dengan alat yang diperlukan untuk membuat proses pengirima n sehalus mungkin sangat penting untuk keberhasilan e-learning. Alat IT termasuk bandwidth jaringan, keamanan jaringan, aksesibilitas jaringan, audio dan video plug-in, aplikasi courseware authoring, ketersediaan internet, l ayanan multimedia instruksional, videoconference, sistem manajemen, dan user int erface. Proyek E-learning yang tidak berhasil dalam mencapai tujuan mereka tidak memilik i akses ke saran teknis dan dukungan (Aldexander, McKemzie, & Geissinger, 1998; Soong et al, 2001.). Jika dukungan teknis kurang, e-learning tidak akan berhasil. Universitas dukungan administrasi untuk e-learning sangat penting bagi keberhasi lannya. Penelitian ini terbatas kategori e-learning CSF dengan yang dilaporkan dalam lit eratur sementara termasuk item yang baru digunakan dalam setiap kategori CSF. 2. Metode 2.1. Peserta program yang dipilih untuk penelitian ini menggabungkan kedua e-learning dan alat pembelajaran tradisional dan semua dari mereka adalah program berbasis laptop dan menggunakan metode pembelajaran aktif dan student centered. Alat pembelajaran tradisional yang digunakan dalam program yang dipilih yang dip erlukan kehadiran, buku teks biasa, dan kehadiran instruktur selama waktu kelas dijadwalkan. Alat E-learning yang digunakan adalah elektronik siswa-siswa dan komunikasi maha siswa-instruktur, materi kursus asynchronous disampaikan melalui Blackboard (man ajemen saja mengadopsi sistem informasi) program web, kegiatan belajar di kelas aktif dan berkolaborasi, dan pola self-mondar-mandir siswa. Data dikumpulkan melalui instrumen survei anonim diberikan kepada 900 mahasiswa sarjana selama semester musim gugur 2002. Responden untuk penelitian ini terdiri dari 538 (334 perempuan dan 204 laki-laki ) - tingkat tanggapan 60% - mahasiswa terdaftar di WVE 100-tingkat program berba sis laptop wajib didistribusikan lebih dari 37 bagian kelas. Para siswa yang terlibat dalam penelitian ini diwajibkan untuk menggunakan tekno logi untuk semua aspek saja. Semua program yang terpilih overed oleh AACSB terakreditasi kuliah Bisnis dan Ek onomi di Universitas Uni Emirat Arab (UAEU). UAEU memiliki 5 kampus yang terletak di 4 lokasi geografis diVerent. Tabel 1 merangkum proWle dan deskriptif statistik demografi 400 Tabel 1 demografi proWle dan statistik deskriptif disurvei siswa Barang Jenis ke lamin Laki laki Perempuan Usia 17-19 20-22 23-25 26-28 Tahun di UAEU 1-2 3-4 5-6 T ahun e-learning 1 2 3 kepemilikan PC Yes Tidak ada Frekuensi 204 334 210 313 12 3 381 153 4 208 197 133 474 64 Persentase 37,9 62,1 39,0 58,2 02,2 00,6 70,82 28,44 00,74 38,7 36,6 24,7 88,1 11,9 responden. Usia mahasiswa berkisar 17-28 tahun, dengan usia rata-rata 19,98 tahun (SD D 1,2 56). Siswa berasal dari 18 negara diVerent timur tengah dan latar belakang budaya. Mereka memiliki IPK rata-rata 2,6 dengan standar deviasi 0,54. Peserta memiliki 8 jurusan, yakni akuntansi, ekonomi, Wnance dan perbankan, bisn is umum, manajemen, sistem informasi manajemen, pemasaran, dan statistik. Paparan teknologi e-learning dari siswa yang berpartisipasi bervariasi dari 1 sa mpai 3 tahun, 38,7% memiliki 1 tahun eksposur, 36,6% memiliki 2 tahun, dan 24,7% memiliki 3 tahun eksposur. Semua siswa berpartisipasi secara sukarela dalam studi ini. 2.2. Instrumen Sebuah instrumen survei untuk menentukan faktor penentu keberhasilan d alam setiap kategori dikembangkan. Instrumen survei terdiri dari 5 bagian, bagian untuk setiap kategori CSF di samp ing bagian karakteristik demografi. Setiap kategori CSF diamati melalui sekelompok indikator. Banyak instrumen telah dikembangkan untuk mengukur e-learning kepuasan. Oleh karena itu, berbagai indikator potensial yang ada untuk mengukur setiap kat egori CSF. Karakteristik instruktur membangun bagian termasuk 13 indikator (INS1-INS13) yan g menilai karakteristik instruktur (lihat Lampiran untuk rincian indikator). Indikator INS1-INS11 diadopsi dari Volery dan Lord (2000) untuk menangkap sikap instruktur terhadap teknologi, gaya mengajar, dan kontrol teknologi. Dua item terakhir INS12 401 dan INS13 diadopsi dari Soong et al. (2001) untuk menyelesaikan mengukur gaya mengajar instruktur. Dua puluh dua indikator yang digunakan dalam menilai karakteristik membangun sis wa (STD1-STD22). The Wrst dua indikator mengukur motivasi siswa untuk menggunakan e-learning. Indikator STD3-STD7 mengukur kompetensi teknis mahasiswa. Sikap Items STD8-STD10 diukur siswa tentang kegiatan pembelajaran aktif yang dif asilitasi menggunakan e-learning. Kolaborasi interaktif Items STD11-STD15 diukur siswa. The Wrst 15 indikator yang diadopsi dari Soong et al. (2001). Tujuh indikator tambahan dikembangkan untuk mengukur eVectiveness e-learning kur sus konten, struktur, dan desain dari persepsi siswa (lihat Lampiran untuk rinci an). Tiga belas indikator yang dikembangkan untuk mengukur tingkat keandalan teknolog i, kekayaan, konsistensi, dan eVectiveness yang mewakili membangun teknologi inf ormasi. The Wrst delapan indikator (TEC1-TEC8) diadopsi dari Volery dan Lord (2000). The 8 indikator mengukur kemudahan oncampus akses internet dan browsing, kecepat an browsing, website kursus kemudahan penggunaan, antarmuka pengguna eYciency, k ehandalan komunikasi mahasiswa-mahasiswa, dan komunikasi mahasiswa-instruktur. Item WVE terakhir (TEC9-TEC13) dikembangkan untuk menangkap eVectiveness dari in frastruktur TI dan layanan yang tersedia di UAEU. Mereka mengukur konsistensi akses komputer menggunakan otentikasi sama, keandala n jaringan komputer, dan sistem informasi mahasiswa eYciency. Bagian dukungan universitas terdiri dari 5 item (SUP1-SUP5) dan mereka semua dik embangkan untuk menangkap eVectiveness dan eYciency universitas dukungan teknis, layanan perpustakaan dan kehandalan laboratorium komputer. Beberapa item yang negatif worded. Semua item menggunakan WVE-point Likert-jenis skala respon potensial: sangat set uju, setuju, netral, tidak setuju, dan sangat tidak setuju. Instrumen yang telah pra-diuji oleh sampel acak dari 70 siswa. Perubahan kecil dengan urutan dan kata-kata dari item dihasilkan dari pra-penguj i pendapat. Instrumen survei didistribusikan selama kuliah berbasis laptop dan diserahkan ke pada siswa untuk Wlled dan kembali kemudian. Sekitar 900 instrumen dibagikan, 538 tanggapan digunakan digunakan memberikan ti ngkat respon 60%. Para siswa diberitahu bahwa semua data yang anonim dan itu harus digunakan dalam menilai penerimaan teknologi e-learning di lingkungan universitas instruksi. Tabel 2 menunjukkan mean dan varians dari setiap item dalam instrumen penilaian e-learning. 3. Pendekatan pemodelan persamaan struktural pemodelan persamaan struktural (SEM) t eknik telah digunakan berat dalam mengukur penerimaan pengguna teknologi informa si (Chau, 1997; Venkatesh, Morris, Davis, & Davis, 2003). Dalam penyerapan teknologi, beberapa penelitian yang diterbitkan telah mengadops i pendekatan SEM dalam studi mereka. Contohnya termasuk (Adams, Nelson, & Todd, 1992; Barki & Hartwick, 1994; Chau, 1 997; Chwelos, Benbasat, & Dexter, 2001; Goodhue, Klein, & March, 2000; Hartwick & Barki, 1994; Igbaria & Parasuraman, 1989; Koufaris, 2002; Lederer, Maupin, Sena, & Zhuang, 2000; Moon & Kim, 2001; R ai, Lang, & Welker, 2002; Straub, Loch, & Hill, 2001; Venkatesh, 2001; Venkatesh & Davis 2000 ). 402 Tabel 2 Statistik Deskriptif e-learning CSF indikator Barang INS1 INS2 INS3 INS4 INS5 INS6 INS7 INS8 INS9 INS10 INS11 INS12 INS13 TECH1 TECH2 Tech3 TECH4 TECH5 TECH6 TECH7 TECH8 TECH9 TECH10 TECH11 TECH12 TECH13 STUD1 STUD2 STUD3 STUD4 STUD 5 STUD6 STUD7 STUD8 STUD9 STUD10 STUD11 STUD12 STUD13 STUD14 STUD15 STUD16 STUD17 STUD18 STUD19 STUD20 Berarti 3,82 3,68 4,00 3,99 4,0 0 3,92 3,94 3,86 3,89 3,91 3,86 3,73 3,87 4,18 3,82 3,88 4,05 3,99 3,75 3,96 4,0 1 3,99 3,95 3,91 4,13 3,88 3,87 3,58 4,05 4,00 3,82 3,96 4,01 3,59 3,73 3,54 3,2 2 3,30 3,59 3,10 3,57 3,68 3,61 3,68 3,91 3,73 SD 1,01 1,07 1,02 1,00 0,99 0,97 1,00 1,02 0,98 1,02 1,03 1, 03 1,01 0,99 1,13 0,98 0,90 0,88 0,95 1,01 0,96 1,05 0,97 1,04 0,91 0,98 1,04 1, 06 1,06 1,00 1,01 1,04 1,05 1,013 0,99 1,07 1,07 1,11 1,01 1,04 1,03 1,00 1,05 1 ,04 0,96 1.00 (bersambung ke halaman berikutnya) e Selim / Komputer & Pendidikan 49 (2007) 396-413 Tabel 2 (lanjutan) Barang STUD21 STUD22 SUP1 SUP2 SUP3 SUP4 SUP5 Berarti 3,84 3,81 4,04 3,86 3,85 3,69 3,73 SD 0 ,98 0,94 0,96 0,94 0,93 1,00 0,97 403 Seperti yang disarankan oleh Segars dan Grover (1993), faktor conWrmatory (atau pengukuran) Model harus dinilai Wrst dan "Wxed" sebelum model persamaan struktur al diperiksa. Validitas model faktor conWrmatory dapat dinilai dengan analisis faktor conWrmat ory menggunakan LISREL. Seperti yang disebutkan oleh Chau (1997), ada sejumlah langkah yang dihasilkan o leh LISREL untuk mengevaluasi kebaikan Wt dari model penelitian. Yang paling populer indeks mungkin adalah chisquare (2) statistik. Statistik ini menguji model yang diusulkan terhadap alternatif umum di mana semu a variabel yang diamati berkorelasi (dalam hal LISREL, tak terbatas). Dengan indeks ini, nilai-nilai signiWcant menunjukkan model yang buruk Wt sement ara nilai-nilai non-signiWcant menunjukkan Wt baik. Inilah sebabnya mengapa hal itu juga disebut "kejahatan-of-Wt" ukuran. Hartwick dan Barki (1994) menggunakan empat langkah-langkah lain dari keseluruha n kebaikan model Wt: 2/degrees kebebasan, Non-bernorma Fit Index (NNFI), Perband ingan Fit Index (CFI), dan rata-rata Absolute Standardized Residual (AASR). Dalam studi lain, Segars dan Grover (1993) meliputi beberapa langkah-langkah lai n model Wt: Goodness-of-Wt Index (GFI), Adjusted Goodness-of-Wt Index (AGFI), Pi t Criterion, dan Root Mean Square Residual. Segars dan Grover (1993) direkomendasikan kisaran penerimaan untuk masing-masing ukuran model Wt, rentang tersebut readapted oleh Chau (1997). Miskin kebaikan-of-model-Wt menunjukkan kemungkinan misspeciWcations Model. Dua bagian dari output LISREL, residu standar dan indeks modiWcation, dapat digu nakan untuk membantu menentukan kemungkinan sumber kurangnya Wt. Umumnya, LISREL terdiri dari dua bagian yang berbeda: model faktor conWrmatory d an model persamaan struktural (Chau, 1997; Segars & Grover, 1993). Model faktor conWrmatory speciWes hubungan faktor diamati konstruksi yang mendas ari mengemukakan mereka. Model persamaan struktural speciWes hubungan dari konstruk satu sama lain sepert i yang diasumsikan oleh model penelitian (Chau, 1997). Berdasarkan pembahasan yang disajikan dalam bagian ini, bagian berikut membahas faktor model conWrmatory setiap CSF kategori e-learning. 4. Pemeriksaan model model faktor faktor ConWrmatory conWrmatory (cFMS) Pendekatan ini dilakukan untuk menentukan dan memvalidasi indikator penting yang mendasari dalam setiap kategori CSF e-learning (karakteristik instruktur, karakteristik si swa, teknologi, dan dukungan universitas). CFM speciWes hubungan indikator yang diamati dengan CSF kategori e-learning. Tujuan dari CFM ini adalah untuk menggambarkan seberapa baik indikator yang diam ati berfungsi sebagai pengukuran kritis CSF kategori e-learning. LISREL versi 8.52 digunakan untuk mengembangkan korelasi polikorik dan matriks k ovarian asimtotik yang digunakan dalam menghasilkan faktor pembebanan karena sem ua item yang diwakili oleh variabel ordinal. 404 4.1. Instruktur model faktor conWrmatory Gambar. 1 menunjukkan 13 item (INS1-INS13) diusulkan untuk mengukur karakteristik instru ktur membangun (INS) sebagai faktor kritis e-learning penerimaan oleh siswa. Faktor beban standar atau coeYcients validitas standar ditunjukkan pada Gambar. 1 menunjukkan validitas yang tinggi. Langkah-langkah yang diamati menunjukkan moderat Wt model. Model ini menghasilkan 2 statistik dari 141 dan nilai p sebesar 0,00 yang menyar ankan Wt moderat. Rasio 2/DF 2.23, yang berada di bawah nilai maksimum yang diizinkan dari 3.0. The GFI, NNFI, CFI dan AGFI nilai-nilai 0.99, NFI 0.98, dan RMSEA adalah 0,05, s emua dalam tingkat yang dapat diterima. Residual standar dan indeks modiWcation disediakan oleh keluaran LISREL menyaran kan bahwa empat indikator INS1, INS2, INS7, dan INS8 harus dipisahkan dari indik ator karakteristik instruktur lainnya. Empat indikator terkait dengan gaya instruktur dan pengendalian alat-alat e-lear ning. Oleh karena itu, model faktor INS conWrmatory dipecah menjadi dua model: INS-A d an INS-B. Gambar. 2 menunjukkan dua model pengukuran. The diamati tindakan LISREL Wt satisWed nilai yang direkomendasikan. Ini testiWes dengan keabsahan indikator yang digunakan untuk menangkap faktor ka rakteristik instruktur. INS7 dan INS8 menghasilkan para coeYcients validitas maksimum 0,88 dan 0,91, mas ing-masing. Mereka mewakili indikator yang paling valid kontrol instruktur pada e-learning t eknologi dan alat-alat. Sejak INS10 dan INS13 memiliki coeYcient validitas maksimum 0,86, mereka adalah indikator yang paling valid dari gaya mengajar instruktur dan sikap terhadap men gadopsi e-learning. Semua nilai t cabang yang signiWcant (di atas 2,00). INS1 INS2 INS3 INS4 INS5 INS6 INS7 INS8 0,91 0,82 0,85 0,91 0,94 0,90 0,92 0,89 0,88 INS INS9 INS10 INS11 INS12 INS13 0,93 0,95 0,94 0,92 Instruktur conWrmatory model faktor. Selim / Komputer & Pendidikan 49 (2007) 396-413 INS3 INS4 INS5 INS6 INS9 INS10 INS11 INS12 INS13 INS1 INS2 INS7 INS8 0,77 0,80 0,80 0,84 0,81 0,86 0,85 0,84 0,86 405 INS-A 0,69 0,73 0,88 0,91 INS-B Model faktor ConWrmatory INS-A dan INS-B. 4.2. Mahasiswa model faktor conWrmatory Sebuah usaha telah dilakukan untuk menguji se mua indikator siswa (STD1-STD22) menggunakan salah satu model faktor conWrmatory . Tindakan Wt model mengindikasikan keluaran Wt dan LISREL miskin menyarankan bahw a membangun STD dibagi menjadi 3 kategori. The Wrst, STD-COMP, terdiri dari STD1 ke STD10 yang diukur motivasi siswa untuk menggunakan teknologi e-learning, kompetensi komputasi mahasiswa, dan pola pikir siswa tentang e-learning. Yang kedua, ST-COLL, terdiri 5 item (STD11-STD15) yang diukur mahasiswa interakt if kemampuan kolaborasi. Yang ketiga, ST-CONT, terdiri atas 7 indikator terakhir (STD16-STD22). Semua 7 indikator yang terkait dengan e-learning isi kursus dan desain. Faktor ini ditangkap persepsi siswa tentang interaktivitas, eYciency dan eVectiv eness Blackboard sebagai sistem manajemen kursus yang digunakan oleh universitas sebagai alat manajemen sumber daya e-learning. Ketersediaan dan ketepatan waktu materi pelajaran dan komponen e-learning kursus diuji berdasarkan kategori CSF ini. 3 menunjukkan ST-COMP conWrmatory model faktor. Kategori ini termasuk motif siswa untuk menggunakan e-learning dan pendekatan ya ng paling sesuai dengan dia / seperti belajar dengan konstruksi atau penyerapan.
Semua langkah-langkah Wt model ST-COMP melampaui tingkat penerimaan menunjukkan kecukupan validitas model, 2 D 52.69, p-value D 0,06 yang menunjukkan model yang baik Wt. Semua nilai-nilai t dari coeYcients validitas ditunjukkan pada Gambar. 3 adalah signiWcant menunjukkan korelasi non-nol antara indikator kemampuan komp utasi mahasiswa dan CSF kategori e-learning. STD6 406 STD1 STD2 STD3 STD4 STD5 STD6 STD7 STD8 STD9 STD10 0,76 0,80 0,80 0,85 0,84 0,89 0,86 0,86 0,87 0,85 STDCOMP Komputasi mahasiswa conWrmatory model faktor. Indikator memiliki coeYcient validitas maksimum 0.89 menunjukkan bahwa indikator ini merupakan faktor keberhasilan yang paling penting di antara 10 indikator. Dengan demikian dapat disimpulkan bahwa pengetahuan siswa sebelumnya dalam mengg unakan komputer merupakan faktor keberhasilan yang paling penting yang dapat dig unakan untuk mengukur kemampuan komputasi mahasiswa untuk menyerap dan menerima e-learning. Faktor ini diikuti oleh STD9 dengan validitas coeYcient dari 0,87. STD9 mengukur kemampuan siswa untuk belajar dengan menggunakan pendekatan konstr uksi yaitu dengan partisipasi dan kontribusi. Semua indikator termasuk menunjukkan tingkat kekritisan terhadap penerimaan e-le arning (semua coeYcients validitas lebih dari 0.75). 4 menunjukkan model faktor conWrmatory untuk STD-COLL yang mewakili mahasiswa ke mampuan kolaborasi interaktif. Semua langkah-langkah Wt berada dalam tingkat yang dapat diterima, 2 D 4,29, p-v alue D 0,12 yang menunjukkan model yang baik Wt. CSF kategori e-learning ini menunjukkan bahwa semakin banyak interaksi siswa bis a terkena, semakin banyak peluang yang mereka harus belajar. Sumber daya e-learning seperti forum diskusi on-line dapat memainkan peran media si untuk kolaborasi antar siswa. Semua coeYcients validitas signiWcant dengan nilai t lebih dari 2,00. Seperti ditunjukkan dalam Gambar. 4, STD14 memiliki coeYcient validitas maksimum menunjukkan bahwa kemampuan siswa untuk menginisialisasi diskusi adalah faktor yang paling penting dalam mengukur kemampuan kolaborasi siswa. Meneliti ST-CONT conWrmatory model faktor mengungkapkan baik Wt (2 D 15,15, p-va lue 0,30 D) menunjukkan validitas yang tinggi dari model. 5 menunjukkan model dengan coeYcients validitas nilai-nilai STD11 STD12 STD13 STD14 STD15 0,71 0,74 0,87 0,90 0,86 STDCOLL Kolaborasi mahasiswa conWrmatory model faktor. STD16 0.78 407 STD17 STD18 STD19 STD20 STD21 STD22 0,78 0,87 0,89 0,87 0,87 0,81 STDCONT 5. Mahasiswa konten conWrmatory model faktor. lebih dari 0,75 dan signiWcant. Menjelajahi jaring saja (STD19) menunjukkan coeYcient validitas maksimum menunju kkan tingkat tinggi kekritisan. The coeYcients validitas menunjukkan bahwa semua indikator 7 dianggap CSF dan pe nting untuk penerimaan teknologi e-learning dan alat-alat. 4.3. Model faktor teknologi conWrmatory Teknologi kategori CSF dari e-learning peneri maan diukur dengan 13 indikator. Indikator yang digunakan dalam faktor teknologi yang terkait dengan kemudahan ak ses teknologi dan navigasi, antarmuka teknologi visual, dan keandalan infrastruk tur teknologi informasi dan eVectiveness. Teknologi (TEC) conWrmatory model faktor dievaluasi validitasnya. Langkah-langkah menyarankan Wt moderat model pengukuran. Output LISREL diperiksa dan sesuai kategori faktor TEC dibagi menjadi dua faktor , TEC-A dan TEC-B. The TEC-Faktor, ditunjukkan pada Gambar. 6, terdiri indikator yang terkait dengan akses teknologi, navigasi, dan antarmuk a. TEC-B faktor, ditunjukkan pada Gambar. 6, termasuk indikator yang terkait dengan teknologi informasi keandalan infrastr uktur dan eVectiveness. Kedua model pengukuran diperiksa dan menghasilkan langkah-langkah Wt baik dan me ncapai tingkat yang direkomendasikan. 6, TEC4 menghasilkan yang coeYcient validitas maksimum menunjukkan faktor yang p aling penting untuk mengukur TEC-A kategori CSF adalah kemudahan penggunaan fasi litas web. Kedua TEC3, TEC5, dan TEC6 menunjukkan coeYcients validitas yang sangat tinggi d alam mendukung TEC4 kekritisan. Mereka menunjukkan kepada kekritisan desain layar, kecepatan browsing, dan konte n terstruktur dengan baik. Kategori CSF TEC-B memiliki TEC10 sebagai indikator yang paling valid dengan nil ai coeYcient dari 0,89 dan ini menunjukkan kepada kekritisan ketersediaan labora torium komputer untuk siswa. Semua coeYcients validitas adalah signiWcant seperti ditunjukkan oleh nilai t da ri masing-masing. Para siswa yang sebagian besar satisWed dengan akses internet di kampus, tentu s aja situs yang tersedia melalui Blackboard, dan kursus online pendaftaran. 4.4. Model faktor dukungan conWrmatory Dukungan universitas faktor adalah sayap kedua faktor teknologi dan diukur dengan menggunakan 5 indikator. Semua item yang terkait dengan dukungan universitas untuk inisiatif e-learning y ang tersedia. Dukungan termasuk layanan perpustakaan, help desk, laboratorium komputer dan fas ilitas. Siswa sebagian besar satisWed dengan dukungan universitas. SUP conWrmatory model faktor diberikan pada Gambar. 7. 408 TEC1 TEC2 TEC3 TEC4 TEC5 0.87 0,74 0,77 0,87 0,89 0,86 TEC-A TEC6 TEC7 TEC8 TEC9 TEC10 TEC11 TEC12 TEC13 TEC-B 6. Teknologi conWrmatory model faktor. SUP1 SUP2 SUP3 SUP4 SUP5 SUP Gambar. 7. Mendukung model faktor conWrmatory. Meneliti model mengungkapkan langkah-langkah Wt baik menunjukkan tingkat validit as yang tinggi. SUP4 adalah faktor yang paling penting dalam mengukur dukungan universitas. SUP4 mengukur ketersediaan komputer untuk berlatih. Dua faktor yang lebih penting dari dukungan universitas adalah ketersediaan sara na pencetakan dan siswa atas semua kepuasan dengan dukungan universitas untuk in isiatif e-learning. CSF E-learning yang speciWed dalam setiap kategori CSF. Proposisi pengelompokan CSF e-learning menjadi 4 kategori tidak didukung oleh ha sil penelitian. Hasil pengujian model faktor conWrmatory diusulkan 8 kategori untuk CSF e-learni ng sebagai berikut: (1) sikap instruktur terhadap dan kontrol teknologi, (2) gay a mengajar instruktur, (3) motivasi siswa dan kompetensi teknis, (4) mahasiswa i nteraktif kolaborasi, (5) e-learning isi kursus dan struktur, (6) kemudahan di kampus akse s internet, (7) eVectiveness infrastruktur teknologi informasi, dan (8) H.M. Selim / Komputer & Pendidikan 49 (2007) 396-413 409 dukungan universitas kegiatan e-learning. Setiap kategori dari 8 kategori termasuk beberapa langkah-langkah penting. Tingkat kekritisan setiap indikator diwakili oleh validitas coeYcient nya. 5. Kesimpulan dan masa depan kerja E-learning telah dan akan diadopsi oleh banyak l embaga pendidikan tinggi. Akibatnya, beberapa faktor-adopsi terkait kritis harus hati-hati dievaluasi sebe lum, selama, dan setelah adopsi apapun. Penerapan teknologi e-learning adalah proses yang rumit untuk membangun dan meng embangkan sistem teknologi informasi yang terintegrasi. Makalah ini, sesuai dengan literatur, speciWed delapan e-learning kritis faktor keberhasilan (CSF) kategori yang dapat membantu universitas dan instruktur untuk eYciently dan eVectively mengadopsi teknologi e-learning. Tingkat kekritisan setiap CSF dievaluasi. The speciWed e-learning kategori CSF didasarkan pada persepsi siswa dan termasuk : karakteristik instruktur (sikap dan penguasaan teknologi, dan gaya mengajar), karakteristik siswa (kompetensi komputer, kolaborasi interaktif, dan e-learning isi kursus dan desain), teknologi (kemudahan akses dan infrastruktur), dan dukungan. Berdampak pada delapan kategori CSF keputusan untuk mengadopsi teknologi e-learn ing di perguruan tinggi. Sebuah sampel dari 37 bagian kelas dengan 900 siswa yang terdaftar digunakan unt uk mengidentifikasi dan mengukur CSF e-learning yang diusulkan. Para siswa dirasakan delapan kategori CSF sebagai faktor penentu penting dari e- learning penerimaan. Semua indikator sikap instruktur terhadap dan penguasaan teknologi menunjukkan t ingkat tinggi kekritisan untuk mengukur kategori mengemukakan. Nilai-nilai coeYcient validitas berada di atas 0,75 menunjukkan tingkat validita s yang tinggi. Indikator yang paling penting adalah sikap instruktur terhadap pembelajaran inte raktif dan pengajaran melalui teknologi e-learning. Semua indikator gaya mengajar instruktur menghasilkan coeYcients validitas 0,69 atau lebih masuk akal untuk menunjukkan kekritisan tinggi semua 4 langkah dari k ategori ini. Motivasi siswa dan langkah-langkah kompetensi teknis menunjukkan tingkat tinggi validitas dengan nilai 0,76 atau lebih. Pengalaman siswa sebelumnya dengan komputer pribadi datang sebagai faktor yang p aling penting dalam kategori ini dengan coeYcient validitas 0,89. Diskusi kelas dianggap sebagai faktor yang paling penting dalam kategori kolabor asi interaktif siswa. Kursus konten sebagai CSF kategori e-learning terdapat 7 faktor penting. Semua coeYcients validitas memiliki nilai 0,78 atau lebih. Sistem manajemen kursus adalah faktor yang paling penting dalam kategori ini den gan 0,89 validitas coeYcient. Dalam dimensi teknologi, kemudahan kategori Akses internet di kampus termasuk 6 faktor. Kemudahan penggunaan web tentu saja merupakan faktor yang paling penting diikuti oleh eYciency peramban dan desain layar. Keandalan dari infrastruktur teknologi informasi sebagai kategori CSF terdiri 7 faktor. Faktor yang paling penting di antara mereka adalah ketersediaan laboratorium kom puter untuk praktek. Kehandalan jaringan komputer dan sistem informasi mahasiswa datang di tempat ked ua dengan 0,87 kekritisan validitas coeYcient. Dukungan Universitas tidak terbatas pada bantuan teknis dan pemecahan masalah ta pi termasuk perpustakaan dan ketersediaan informasi. Siswa menunjukkan bahwa mereka akan mendaftar dalam kursus berbasis e-learning d i masa depan meyakinkan sikap positif dan dukungan untuk e-learning teknologi da n alat-alat. Untuk pekerjaan di masa depan, ada kebutuhan untuk memperluas penelitian ini unt uk mengembangkan model persamaan struktural kausal yang mencakup semua 8 konstru k (INS-A, INS-B, ST-COMP, ST-COLL, ST-CONT, 410 TEC-A, TEC-B, dan SUP). Tujuan dari model penelitian kausal akan mempelajari eVects dari Wrst 8 CSF pada e-learning penerimaan yang dapat direpresentasikan sebagai konstruk-9 dalam mod el penelitian. Model penelitian yang diusulkan dapat menghasilkan hubungan kausal antara 9 fakt or. Ekspansi masa depan lainnya adalah untuk memeriksa validitas dari model peneliti an kausal di negara-negara diVerent. Sebagai kesimpulan, penelitian ini speciWed faktor-faktor kritis aVecting e-lear ning adopsi teknologi oleh perguruan tinggi dari perspektif siswa. Ucapan Terima Kasih Saya terima kasih dan penghargaan kepada AVairs Penelitian d i UAE University untuk mendanai penelitian ini. Dukungan dari semua siswa yang terlibat dalam penelitian ini sangat kami hargai.
Lampiran. E-learning instrumen CSF Karakteristik Instructor (INS) INS1 Instruktur sangat antusias mengajar INS2 kel as Gaya instruktur presentasi memegang saya bunga INS3 instruktur ramah kepada i ndividu siswa INS4 instruktur memiliki minat yang tulus pada siswa INS5 Siswa me rasa diterima dalam mencari saran / bantuan INS6 Instruktur mendorong interaksi siswa INS7 Instruktur menangani e-learning unit e Vectively INS8 Instruktur menjelaskan cara menggunakan komponen e-learning INS9 saya merasa instruktur tertarik yang kita gunakan berbasis e-learning unit INS10 Kami diundang untuk mengajukan pertanyaan / menerima jawaban INS11 Kami didorong untuk berpartisipasi dalam kelas INS12 In struktur mendorong dan memotivasi saya untuk menggunakan e-learning INS13 Instru ktur aktif dalam mengajar saya mata pelajaran saja melalui e-learning karakteris tik Mahasiswa (STD) STD1 The e-learning mendorong saya untuk mencari fakta lebih daripada metode tradisional STD2 The e-learning mendor ong saya untuk berpartisipasi lebih aktif dalam diskusi daripada metode tradisio nal STD3 Saya menikmati menggunakan komputer pribadi STD4 saya menggunakan kompu ter pribadi untuk bekerja dan bermain STD5 aku merasa nyaman dengan menggunakan aplikasi PC dan perangkat lunak sebelum aku mengambil kursus berbasis e-learning (bersambung ke halaman berikutnya) 411 Lampiran (lanjutan) STD6 STD7 STD8 STD9 STD10 STD11 STD12 STD13 STD14 STD15 STD1 6 STD17 STD18 STD19 STD20 STD21 STD22 Teknologi (TEC) TEC1 TEC2 TEC3 TEC4 TEC5 T EC6 TEC7 TEC8 TEC9 TEC10 TEC11 TEC12 TEC13 Support (SUP) SUP1 SUP2 SUP3 SUP4 SUP 5 Pengalaman saya sebelumnya dalam menggunakan PC dan perangkat lunak aplikasi membantu saya dalam kursus ber basis e-learning Saya tidak terintimidasi dengan menggunakan program berbasis e- learning saya belajar terbaik dengan penyerapan (duduk diam dan menyerap) saya b elajar terbaik dengan konstruksi (oleh partisipasi dan kontribusi) Saya belajar lebih baik dengan konstruksi daripada penyerapan saya hanya membaca pesan pada kelompok diskusi saya membaca serta berpartisipasi dalam kelompok di skusi Instruktur dimulai sebagian besar diskusi Para siswa memulai sebagian besa r diskusi Instruktur berpartisipasi aktif dalam diskusi saya menemukan petunjuk tentang cara menggunakan komponen e-learning menjadi suYciently jelas s aya menemukan isi kursus untuk menjadi suYcient dan terkait dengan subjek Itu mu dah untuk memahami struktur komponen e-learning Itu mudah untuk menavigasi melal ui web Blackboard / Kursus komponen e-learning yang tersedia sepanjang waktu Materi kursus ditempatkan on-l ine pada waktu yang tepat saya melihat desain komponen e-learning untuk menjadi baik Mudah akses di kampus ke Internet Tidak mengalami masalah saat browsing Bro wsing speed Secara keseluruhan cukup memuaskan, situs ini mudah untuk menggunakan Informasi yang terstruktur / disajikan Saya menemukan desain layar menyenangkan saya bisa berinteraksi dengan teman sekelas melalui web saya bisa dengan mudah menghubungi instruktur saya dapat menggunakan PC manapun di universitas menggunakan account dan password yang sama Saya dapat menggunakan laboratorium komputer untuk berlatih saya bisa mengandalk an jaringan komputer saya dapat mendaftar kursus on-line dengan menggunakan Bann er Secara keseluruhan, infrastruktur teknologi informasi adalah eYcient saya bis a mengakses situs perpustakaan pusat dan mencari bahan saya bisa mendapatkan duk ungan teknis dari teknisi Saya berpikir bahwa UAEU e-learning dukungan baik Ada cukup komputer untuk mengg unakan dan mempraktekkan saya dapat mencetak tugas dan bahan saya dengan mudah 412 Referensi Adams, DA, Nelson, RR, & Todd, PA (1992). Dirasakan manfaat, kemudahan penggunaan, dan penggunaan teknologi informasi: rep likasi. MIS Quarterly, 16 (2 (Juni)), 227-248. Aldexander, S., McKemzie, J., & Geissinger, H. (1998). Evaluasi proyek teknologi informasi untuk belajar di universitas. Tersedia dari http://www.dest.gov.au/archive/cutsd/publications/exsummary.html. Barki, H., & Hartwick, J. (1994). Resolusi partisipasi pengguna, conXict, dan conXict: peran mediasi dari inXuence . Sistem Informasi Riset, 5 (4 (Desember)), 422-438. Baylor, A. L., & Ritchie, D. (2002). Faktor-faktor apa memfasilitasi keterampilan guru, moral guru, dan dirasakan bel ajar siswa di kelas teknologi-gunakan? Komputer & Pendidikan, 39, 395-414. Benigno, V., & Trentin, G. (2000). Evaluasi kursus online. Journal of Computer Assisted Learning, 16, 259-270. Beyth-Marom, R., Chajut, E., Roccas, S., & Sagiv, L. (2003). Internet-dibantu dibandingkan tradisional lingkungan pembelajaran jarak jauh: fa ktor aVecting preferensi siswa. Komputer & Pendidikan, 41 (1), 65-76. Chau, P. Y. K. (1997). Memeriksa kembali model untuk mengevaluasi keberhasilan pusat informasi dengan m enggunakan pendekatan model persamaan struktural. Ilmu Keputusan, 28 (2), 309-334. Chwelos, P., Benbasat, I., & Dexter, AS (2001). Uji empiris dari model adopsi EDI. Sistem Informasi Penelitian, 12 (3), 304-321. Collis, B. (1995). Mengantisipasi dampak multimedia dalam pendidikan: pelajaran dari literatur. Komputer di Pendidikan Dewasa dan Pelatihan, 2 (2), 136-149. Dillon, C. L., & Guawardena, C. N. (1995). Sebuah kerangka kerja untuk evaluasi pendidikan berbasis telekomunikasi jarak. Makalah yang dipresentasikan pada Kongres ke-17 dari Dewan Internasional untuk P endidikan Jarak Jauh, Universitas Terbuka, Milton Keynes. Freire, P. (1994). Pedagogi yang tertindas. London, UK: Continuum. Freund, Y. P. (1988). Faktor penentu keberhasilan. Ulasan Perencanaan, 16 (4), 20-25. Goodhue, DL, Klein, BD, & Maret, ST (2000). Evaluasi Pengguna IS sebagai pengganti kinerja objektif. Informasi & Manajemen, 38, 87-101. Govindasamy, T. (2002). Keberhasilan implementasi e-learning; pertimbangan pedagogis. Internet dan Pendidikan Tinggi, 4 (3-4), 287-299. Hartwick, J., & Barki, H. (1994). Menjelaskan peran partisipasi pengguna dalam menggunakan sistem informasi. Manajemen Sains, 40 (4), 440-465. Helmi, A. (2002). Analisis terhadap dorongan dari pendidikan online Curtin University of Technolog y, Australia Barat. Internet dan Pendidikan Tinggi, 4 (3), 243-253. Igbaria, M., & Parasuraman, S. (1989). Sebuah studi analitik jalan karakteristik individu, kecemasan komputer, dan sika p terhadap mikrokomputer. Jurnal Manajemen, 15 (3), 373-388. Ingram, H., Biermann, K., Cannon, J., Neil, J., & Waddle, C. (2000). Internalisasi tindakan pembelajaran: perspektif perusahaan. Menetapkan faktor penentu keberhasilan untuk program pembelajaran tindakan. International Journal of Manajemen Perhotelan Kontemporer, 12 (2), 107-113. Khan, B. H. (2001). Sebuah kerangka kerja untuk pembelajaran berbasis web. Engelwood CliVs, NJ: Teknologi Pendidikan Publications. Koufaris, M. (2002). Menerapkan model penerimaan teknologi dan teori Xow perilaku konsumen online. Sistem Informasi Penelitian, 13 (2), 205-223. Lederer, AL, Maupin, DJ, Sena, MP, & Zhuang, Y. (2000). Teknologi model penerimaan dan World Wide Web. Sistem Pendukung Keputusan, 29 (3), 269-282. Leidner, D. E., & Jarvenpaa, S. L. (1993). Era informasi menghadapkan pendidikan: studi kasus pada kelas elektronik. Sistem Informasi Penelitian, 4 (1), 24-54. Moon, J., & Kim, Y. (2001). Memperluas TAM untuk konteks World-Wide-Web. Informasi & Manajemen, 38, 217-230. Papp, R. (2000). Faktor penentu keberhasilan untuk pembelajaran jarak jauh. Makalah yang disajikan pada Konferensi Amerika Sistem Informasi, Long Beach, CA, USA. Rai, A., Lang, S., & Welker, R. (2002). Menilai validitas IS model keberhasilan: tes empiris dan analisis teoritis. Sistem Informasi Penelitian, 13 (1), 50-69. 413 Segars, A. H., & Grover, V. (1993). Re-memeriksa persepsi kemudahan penggunaan dan kegunaan: analisis faktor conWrma tory. MIS Quarterly, 17 (4 (Desember)), 517-525. Soong, BMH, Chan, HC, Chua, BC, & Loh, KF (2001). Faktor penentu keberhasilan untuk on-line sumber daya saja. Komputer & Pendidikan, 36 (2), 101-120. Straub, D., Loch, K., & Hill, C. (2001). Transfer teknologi informasi ke Dunia Arab: Sebuah tes pemodelan inXuence budaya . Jurnal Manajemen Informasi Global, 9 (4), 6-28. Urdan, T. A., & Weggen, C. C. (2000). Perusahaan e-learning: menjelajahi perbatasan baru. WRHAMBRECHT + CO Venkatesh, V. (2001). Penentu persepsi kemudahan penggunaan: mengintegrasikan kontrol, motivasi intrin sik, dan emosi ke dalam model penerimaan teknologi. Sistem Informasi Penelitian, 11 (4), 342-365. Venkatesh, V., & Davis, F. D. (2000). Sebuah perpanjangan teoritis dari model penerimaan teknologi: empat penelitian W eld longitudinal. Manajemen Sains, 46 (2), 186-204. Venkatesh, V., Morris, MG, Davis, GB, & Davis, FD (2003). Penerimaan pengguna teknologi informasi: menuju tampilan uniWed. MIS Quarterly, 27 (3), 425-478. Volery, T., & Tuhan, D. (2000). Faktor penentu keberhasilan dalam pendidikan online. The International Journal of Manajemen Pendidikan, 14 (5), 216-223. Wang, Y. (2003). Penilaian kepuasan peserta didik dengan asynchronous sistem pembelajaran elektro nik. Informasi & Manajemen, 41 (1), 75-86. Webster, J., & Hackley, P. (1997). Mengajar eVectiveness dalam teknologi-dimediasi pembelajaran jarak jauh. Academy of Management Journal, 40 (6), 1282-1309. Willis, B. (1994). Meningkatkan fakultas eVectiveness dalam pendidikan jarak jauh. Dalam B. Willis (Ed.), pendidikan Distance: Strategi dan alat-alat. Englewood CliVs, NJ: Teknologi Pendidikan Publications, Inc