แบบจำลองความสัมพันธ์เชิงสาเหตุของการเรียนรู้ด้วยเทคโนโลยีกูเกิลแอปส์เพื่อการศึกษา ของนักศึกษาระดับปริญญาตรี

Main Article Content

มารยาท โยทองยศ
ศิริวรรณ ว่องวีรวุฒิ

Abstract

         งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองความสัมพันธ์เชิงสาเหตุการเรียนรู้ด้วยเทคโนโลยีกูเกิลแอปส์เพื่อการศึกษาของนักศึกษาระดับปริญญาตรี โดยใช้การวิจัยเชิงสาเหตุกับนักศึกษาระดับปริญญาตรี จำนวน 796 คน ที่สมัครใจตอบแบบสอบถาม เครื่องมือในการวิจัยคือ แบบสอบถามแบบมาตรประเมินค่า สถิติวิเคราะห์ คือ การวิเคราะห์โมเดลสมการโครงสร้างแบบกำลังสองน้อยที่สุดบางส่วน ผลการวิจัยพบว่า การใช้กูเกิลแอปส์เพื่อการศึกษาเพื่อการเรียนรู้ของนักศึกษาได้รับอิทธิพลทางตรงจากความตั้งใจใช้ และได้รับอิทธิพลทางอ้อมจากการรับรู้ประสิทธิภาพแห่งตน ทัศนคติต่อการใช้ บรรทัดฐานทางสังคม การรับรู้ถึงประโยชน์ และการรับรู้ว่าง่ายในการใช้งาน และคุณภาพของบริการและระบบสนับสนุน

 

         The purpose of research was to develop causal model of undergraduate students’ learning by using technology - Google applications for education. The causal research was performed with 796 undergraduate students voluntarily participating in this research. Research instrument is rating scale questionnaire.  The analytical statistics applied was partial least square structural equation model.  Research results revealed that the use of Google application for education of undergraduate students’ learning was influenced directly by intention of use and indirectly by self-efficacy, attitude toward use, social norm, perceived usefulness and perceived ease of use, and service quality and supporting systems.

Downloads

Download data is not yet available.

Article Details

How to Cite
โยทองยศม., & ว่องวีรวุฒิศ. (2016). แบบจำลองความสัมพันธ์เชิงสาเหตุของการเรียนรู้ด้วยเทคโนโลยีกูเกิลแอปส์เพื่อการศึกษา ของนักศึกษาระดับปริญญาตรี. Panyapiwat Journal, 8(2), 153-167. Retrieved from https://so05.tci-thaijo.org/index.php/pimjournal/article/view/65656
Section
Research Article

References

เกษดา จารุรัตน์ และกาญจนา มีศิลปวิกกัย. (2557). พฤติกรรมการใช้และทัศนคติของผู้ใช้โซเชียลเน็ตเวิร์ค(SocialNetwork)กรณีศึกษากูเกิลพลัส(Google+). บทความวิชาการ หลักสูตรนิเทศศาสตรมหาบัณฑิต คณะนิเทศศาสตร์ มหาวิทยาลัยศรีปทุม, 1-11.

ไพรัชนพ วิริยวรกุล และดวงกมล โพธิ์นาค. (2557). Google Apps for Education นวัตกรรมทางการศึกษายุคดิจิทัล. วารสารวิจัยมสดสาขาวิทยาศาสตร์และเทคโนโลยี,7(3), 103-111.

ศิริชัย กาญจนวาสี. (2552). ทฤษฎีการทดสอบแบบดั้งเดิม. กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.เสกสรร สายสีสด. (2556). พฤติกรรมและความพึงพอใจต่อการใช้สื่อใหม่เสริมการเรียนรู้ของนักศึกษา. วารสารปัญญาภิวัฒน์, 4(2), 72-91.

หาญศึก เล็บครุฑ และปรัชญนันท์ นิลสุข. (2553). แนวคิดการใช้สารสนเทศเพื่อพัฒนาการเรียนรู้ให้เกิดกระบวนการคิด.วารสารวิทยบริการ,21(1), 1-9.

Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human decision processes,50(2), 179-211.

Arteaga Sánchez, R., Duarte Hueros, A., & García Ordaz, M. (2013). E-learning and the University of Huelva: a study of WebCT and the technological acceptance model. Campus-Wide Information Systems,30(2), 135-160.

Barclay, D., Higgins, C. & Thompson, R. (1995). The partial least squares (PLS) approach to causal modeling: Personal computer adoption and use as an illustration. , 2(2), 285-309.

Cheung, R. & Vogel, D. (2013). Predicting user acceptance of collaborative technologies: An extension of the technology acceptance model for e-learning. Computers&Education,63, 160-175.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences. (2nd ed.). Hills dale, New Jersey: Lawrence Erlbum Associates.

Compeau, D. R. & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS quarterly, 19(2), 189-211.

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

Faul, F., Erdfelder, E., Buchner, A. & Lang, A. G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41, 1149-1160.

Fornell, C. & Larcker, D. F. (1981). Structural equation models with unobservable variables and measurement error: Algebra and statistics. Journal of marketing research, 18(3), 382-388.

Hair, J. F., Hult, G. T. M., Ringle, C. M. & Sarstedt, M. (2014). A Primeron Partial Least Squares Structural Equation Modeling(PLS-SEM). Thousand Oaks: Sage.

Hair, J. F., William C. B., Barry J. B. & Rolph E. A. (2010). Multivariate Data Analysis. Englewood Cliffs, NJ: Prentice Hall.

Kareem, A. A. (2015). Effects of computer assisted instruction on students’ academic achievement and attitude in biology in Osun State, Nigeria.Journal of Emerging Trends in Educational Research and Policy Studies, 6(1), 69-73.

Lee, D. Y. & Lehto, M. R. (2013). User acceptance of YouTube for procedural learning: An extension of the Technology Acceptance Model. Computers&Education,61, 193-208.

Lee, Y. C. (2008). The role of perceived resources in online learning adoption. Computers&Education,50(4), 1423–1438.

MacKenzie, S. B., Podsakoff, P. M. & Podsakoff, N. P. (2011). Construct measurement and validation procedures in MIS and behavioral research: Integrating new and existing techniques. MIS quarterly, 35(2), 293-334.

Ngai, E., Poon, J. & Chan, Y. (2007). Empirical examination of the adoption of WebCT using TAM. Computers & Education ,48(2), 250–267.

Nunnally, J. C. & Bernstein, I. H. (1994). The assessment of reliability. Psychometric theory, 3, 248-292.

Park, S. Y. (2009). An Analysis of the Technology Acceptance Model in Understanding University Students’ Behavioral Intention to Use e-Learning. Educational technology&society,12(3), 150-162.

Park, S. Y., Nam, M. W. & Cha, S. B. (2012). University students’ behavioral intention to use mobile learning: Evaluating the technology acceptance model. British Journal of Educational Technology,43(4), 592-605.

Persico, D., Manca, S. & Pozzi, F. (2014). Adapting the Technology Acceptance Model to evaluate the innovative potential of e-learning systems. Computers in Human Behavior, 30, 614-622.

Pozzi, F., Delfino, M., Manca, S., Persico, D. & Scancarello, I. (2013). Boosting Innovation in an Italian Online University. International Journal of Online Pedagogy and Course Design(IJOPCD), 3(4), 29-43.

Ringle, C. M., Wende, S. & Becker, J. M. (2014). Smart PLS3. Retrieved March 23, 2015, from http://www.smartpls.

comŠumak, B., HeričKo, M. & PušNik, 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.

Sánchez, R. A., Hueros, A. D. & Ordaz, M. G. (2013). E-learning and the University of Huelva: A study of WebCT and the technological acceptance model. Campus Wide Information Systems, 30(2), 135-160.

Taylor, S. & Todd, P. A. (1995). Understanding IT usage: a test of competing models. Information Systems Research,6(2), 14-176.

Van Raaij, E. M. & Schepers, J. J. (2008). The acceptance and use of a virtual learning environment in China. Computers&Education, 50(3), 838-852.

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

Translated Thai References

Jarurat, K. & Meesilapavikkai, K. (2014). Condumers’ behavior and attitude of social network users: case study Google+. Academic article of Master of Communication Art Program, School of Communication Art, Sripatum University. 1-11. [in Thai]

Kanjanawasee, S. (2009).Classical test theory. Bangkok: Chulalongkorn University Printing House. [in Thai]

Lepkrut, H. & Nilsuk, P. (2010). Approach of information technology usage to develop learning for thought process creation. Academic Service Journal,21(1), 1-9. [in Thai]

Saiseesod, S. (2013). Behavior and Satisfaction toward the use of new media to enhance student leaning at school of communication arts in Udon Thani Rajabhat University. PanyapiwatJournal, 4(2), 72-91. [in Thai]

Viriyavorakul, P. & Phonak, D. (2014). Google Apps for Education an Educational Innovation in Digital Age. Sdu Research Journal,7(3), 103-111. [in Thai]