Abstract – Diese Arbeit untersucht die Akzeptanz von Mobile Learning (M-Learning) an Hochschulen auf Basis des Technology Acceptance Model (TAM). Ziel ist es, einen Überblick über jene Faktoren zu geben, welche die Akzeptanz von Mobile Learning bei Studierenden beeinflussen. Der Fokus liegt dabei auf der Untersuchung der wahrgenommenen Nützlichkeit und der wahrgenommenen Benutzerfreundlichkeit als Hauptdeterminanten des TAM, erweitert um externe Variablen wie Vorerfahrungen, soziale Einflüsse und die Selbstwirksamkeit der Nutzer:innen. Durch die Zusammenführung aktueller Literatur soll ein vertieftes Verständnis der Variablen geschaffen werden, die zur Akzeptanz und effektiven Nutzung von M-Learning bei Studierenden beitragen.

Keywords – Mobile Learning, Technology Acceptance Model, Hochschulbildung

I. Einleitung

Mobile Endgeräte sind aus dem Alltag vieler Menschen nicht mehr wegzudenken. Im Jahr 2022 besaßen 94 % der in Österreich lebenden Personen zwischen 18 und 65 Jahren ein Smartphone und/oder Tablet [1]. Laut dem Mobile Communications Report 2023 [2] nutzen 99 % der Österreicher:innen regelmäßig ihr Smartphone, um im Internet zu surfen und 96 % verwenden Apps. Als stete Wegbegleiter beeinflussen mobile Endgeräte beinahe alle Lebensbereiche. So auch die Aus- und Weiterbildung.

Obwohl die Verbreitung von mobilen Endgeräten im Bildungskontext offensichtlich ist, nicht zuletzt aufgrund der Covid19-Pandemie, die den Einsatz von Mobile Learning (M-Learning) in der Bildung in Österreich verstärkt hat [3], bedeutet dies nicht automatisch, dass Mobile Learning von Studierenden angenommen wird. Die folgende Arbeit beschäftigt sich daher mit der Akzeptanz von M-Learning bei Studierenden aus der Sicht des Technology Acceptance Model (TAM). Dabei wird untersucht, welche Faktoren die Akzeptanz von M-Learning beeinflussen.

II. Mobile Learning

Mobile Learning definiert sich als der Einsatz von mobilen Endgeräten für Bildungszwecke. Zu diesen Geräten zählen in erster Linie Smartphones und Tablets [4]. Die zentralen Charakteristiken des M-Learnings sind seine Allgegenwärtigkeit, Flexibilität und Individualität [4]–[6]. Im Gegensatz zu den traditionellen Lernmethoden erstreckt sich M-Learning über verschiedene Bildungskontexte und ist nicht an die Grenzen von Raum und Zeit gebunden [7].

Mobile Learning kann sowohl in traditionellen Bildungsumgebungen als auch als Teil eines lebenslangen Lernprozesses eingesetzt werden [7]. Es unterstützt kollaboratives und unabhängiges Lernen. Die Möglichkeit, an geteilten Projekten zu arbeiten und Informationen in Echtzeit auszutauschen, fördert die Zusammenarbeit zwischen den Lernenden. Das Konzept des M-Learning-Microlearning, bei dem Lerninhalte in kompakte Module aufgeteilt werden, erlaubt es Lernenden, gezielt Lektionen auszuwählen, die ihren aktuellen individuellen Bedürfnissen entsprechen. Dabei kann M-Learning sowohl als eigenständiges Lernwerkzeug als auch als ergänzende Ressource zu herkömmlichen Unterrichtsszenarien fungieren [6], [7].

Die Vielfalt des Mobile Learnings erstreckt sich auch auf die dazu verfügbaren Technologien. In der Anfangsphase des mobilen Lernens wurden SMS für die Verteilung und Übermittlung von Aufgaben verwendet. Seitdem Smartphones und Tablets für die breite Öffentlichkeit zugänglich sind, haben sich Bildungs-Apps durchgesetzt. Diese Apps bieten interaktive Lerninhalte und ermöglichen es den Lernenden, auf unterhaltsame und zugängliche Weise zu lernen. Die neueste Form des M-Learnings nutzt Technologien wie Augmented Reality, Virtual Reality und – an erster Stelle – künstliche Intelligenz [7].

Anhand der Vielseitigkeit von Mobile Learnings können Lernende individuelle Lernerfahrung erzeugen. Sie können „verschiedene Lernkontexte miteinander verbinden und ihr Lernen selbstgesteuert, personalisiert und durch soziale Interaktion gestalten“ [7, S. 26]. Die Ungebundenheit an Raum, Zeit und Technologie ermöglicht es den einzelnen Personen, die für sie effektivste Lernmethode zu bestimmen und anzuwenden. Durch die Kollaboration mit Peers und Lehrenden ermöglicht M-Learning den Lernenden allgegenwärtige Unterstützung und sozialen Austausch [7].

Doch trotz dieser reichhaltigen und vielversprechenden Chancen sieht sich Mobile Learning auch einer Reihe von Herausforderungen gegenüber.

Der Einsatz mobiler Endgeräte in der Bildung führt zu einem tiefgreifenden Wandel in der Didaktik. Zum einen werden die didaktische Produktion (z.B. von Lernmaterialien) und die didaktische Interaktion (z.B. in Form von Wissensvermittlung) von der lehrenden Person entkoppelt. Zum anderen verschwimmen die Grenzen zwischen Lehr- und Lernort [7]. Dies kann zu „neuen Ordnungsstrukturen und Machtverhältnissen (z.B. werden Hersteller von mobilen Apps zu neuen ‚didaktischen‘ Akteuren) sowie zu Kontrollverlusten (z.B., wenn Unterricht mit dem Smartphone gefilmt und im Netz geteilt wird)“ [7, S. 51] führen.

In Kontext dessen stellt sich auch die Frage über die Medienkompetenz aller am Mobile Learning beteiligten Akteure. Lehrende benötigen nicht nur fundiertere technische Kenntnisse, sondern zusätzlich die Fähigkeit, digitale Ressourcen zu erstellen, anzupassen und in den Unterricht zu integrieren. Es reicht nicht aus, bestehende Lerninhalte auf mobile Plattformen zu übersiedeln, sondern Lehrkräfte müssen sich auch Gedanken über die Entwicklung innovativer Unterrichtskonzepte machen, die das Potenzial mobiler Technologien optimal ausschöpfen [7].

Aber nicht nur ´Lehrenden, sondern auch Lernenden müssen ihre Medienkompetenz stärken. Durch die ständige Verfügbarkeit mobiler Endgeräte ist die Aufmerksamkeit in sozialen Kommunikationssituationen oft eingeschränkt. „Push-Benachrichtigungen und Nachrichtensignale, die Gewohnheit, häufig auf das Handy zu schauen und die Angst, etwas zu verpassen“ [7, S. 46], führen zu Konzentrationsverlusten. Mit zunehmendem Einsatz von M-Learning müssen Lernende daher lernen, mobile Endgeräte nicht nur als Unterhaltungs- oder Kommunikationsmittel, sondern auch als leistungsfähige Lernwerkzeuge zu nutzen. Dies bedeutet wiederum, dass die Fähigkeit, Online-Inhalte kritisch zu bewerten und die verfügbaren digitalen Ressourcen effizient zu nutzen, gefördert werden muss [7].

III. Technology Acceptance Model

Das Technology Acceptance Model ist ein Verhaltensmodell, welches die Akzeptanz von Informationstechnologie vorhersagen und erklären soll. Es wurde 1989 von Fred D. Davis entwickelt, um herauszufinden, was Menschen dazu veranlasst, Technologien zu akzeptieren oder abzulehnen [8]. Es basiert dabei auf der Theorie des überlegten Handelns (Theory of Reasoned Action, TRA), einem psychologischen Modell, das menschliches Verhalten in verschiedenen Situationen vorhersagt. Die TRA besagt, dass das Verhalten einer Person durch ihre Verhaltensabsichten bestimmt wird, die von Einstellungen und subjektiven Normen beeinflusst werden [9].

Das Technology Acceptance Model, wie in Abbildung 1 dargestellt, geht davon aus, dass die Verhaltensabsicht, die von der Einstellung beeinflusst wird, die Erwartung der tatsächlichen Nutzung bestimmt. Die Einstellung wird wiederum von der wahrgenommenen Nützlichkeit und Benutzerfreundlichkeit beeinflusst, den beiden zentralen Konzepten des TAM. Die wahrgenommene Nützlichkeit wird als „das Ausmaß, in dem eine Person glaubt, dass die Verwendung eines bestimmten Systems ihre Arbeitsleistung verbessern würde“ und die wahrgenommene Benutzerfreundlichkeit als „das Ausmaß, in dem eine Person glaubt, dass die Nutzung eines bestimmten Systems keine Anstrengung erfordert“ definiert [8], [10]. Zwischen diesen beiden Faktoren besteht ebenfalls ein Zusammenhang, da die wahrgenommene Benutzerfreundlichkeit sich direkt auf die wahrgenommene Nützlichkeit auswirkt. Zusätzlich wirken auch externe Variablen auf die beiden Hauptkonzepte ein [10], welche je nach Forschungskontext variieren. Auf der Grundlage des Technology Acceptance Model werden Menschen eine Technologie also eher annehmen, wenn sie sie als nützlich und einfach zu bedienen empfinden.

Das Technology Acceptance Model gilt als das am weitesten verbreitete Akzeptanzmodell für Informationssysteme und wurde in einer Vielzahl von Forschungsarbeiten in unterschiedlichen Kontexten im Bereich der Informationssysteme untersucht [10]. Dennoch wird das TAM aus unterschiedlichen Blickwinkeln kritisiert.

Der Hauptkritikpunkt am TAM ist gleichzeitig eine seiner Stärken: die Vereinfachung des Verständnisses von Technologieakzeptanz.  In vielen Studien wird das Modell auf die drei Konstrukte wahrgenommene Nützlichkeit, wahrgenommene Benutzerfreundlichkeit und Nutzungsabsicht reduziert, was dazu führt, dass der Endpunkt der Forschung die wahrgenommene Nutzung und nicht die tatsächliche Nutzung bildet. Diese Einfachheit macht das TAM zu einem nützlichen Instrument für die schnelle Bewertung der Technologieakzeptanz, vernachlässigt aber die Einbeziehung kontextabhängiger Faktoren [11]. Dies hatte zur Folge, dass verschiedene Forscher:innen unabhängig voneinander versucht haben, das TAM durch externe Variablen so zu erweitern, um es an den spezifischen Forschungskontext anzupassen, was zu einer „theoretischen Verwirrung und Unsicherheit“ [12, S. 115] in Bezug auf das TAM geführt hat.

Als Reaktion auf diese Kritik wurde das TAM mehrfach modifiziert und erweitert. Die dabei wichtigsten Entwicklungen sind das TAM2 und die Unified Theory of Acceptance and Use of Technology (UTAUT). Diese beiden Modelle erweitern das TAM um zusätzliche vordefinierte externe Faktoren. Dadurch soll es ermöglicht werden, die Absichten und das Verhalten der Nutzer:innen in Bezug auf die Akzeptanz und Nutzung von Technologien besser vorhersagen zu können [13].

TAM2 fügt dem ursprünglichen TAM fünf externe Variablen hinzu, die die wahrgenommene Nützlichkeit beeinflussen: Subjektive Norm, Image, Jobrelevanz, Output-Qualität und Ergebnisklarheit sowie zwei Moderatorvariablen: Erfahrung und Freiwilligkeit. Die zentrale Leistung des TAM2 besteht darin, den Einfluss externer Variablen auf interne Überzeugungen zu schärfen und die mangelnde Erklärbarkeit des ursprünglichen TAM in Bezug auf externe Variablen zu verbessern. [13].

Die UTAUT überdenkt die Technologieakzeptanz von Grund auf und eliminiert die beiden Hauptkonzepte sowie die Einstellungskomponente des Technology Acceptance Model. Stattdessen geht es davon aus, dass es vier Faktoren gibt, die direkt die Verhaltensabsicht, welche das Nutzungsverhalten beeinflusst, bestimmen: Leistungserwartung, Aufwandserwartung, sozialer Einfluss und erleichternde Bedingungen. Zusätzlich enthält das Modell vier Moderatorvariablen: Geschlecht, Alter, Erfahrung und Freiwilligkeit der Nutzung. Der wesentliche Beitrag des UTAUT ist die Verbesserung der Erklärungskraft bestehender Modelle durch die Einbeziehung von externen Faktoren und intrinsischer Motivation zur Erklärung von Verhaltensabsicht und Nutzerverhalten [13].

Trotz der Kritik am Technology Acceptance Model und den daraus resultierenden Weiterentwicklungen bleibt das TAM ein starkes und zentrales Modell in der Technologieakzeptanzforschung. Das Modell wird weiterhin in verschiedenen Kontexten als wichtiger Prädiktor für die Einführung und Nutzung von Informationssystemen verwendet. Wie der folgende Abschnitt zeigt, bestätigt auch die aktuelle Forschung weiterhin die Grundannahme, dass die wahrgenommene Nützlichkeit und die wahrgenommene Benutzerfreundlichkeit die Absichten und das Verhalten von Menschen beeinflussen.

IV. M-Learning und TAM

Eine der ersten Studien, die sich mit der Anwendung des Technology Acceptance Model zum Verständnis und zur Verbesserung der Akzeptanz von Mobile Learning beschäftigte, wurde 2010 von Ying Zhao und Qi Zhu [14] durchgeführt. In ihrer Arbeit entwickelten sie ein Forschungsmodell auf der Grundlage des TAM. Darin definierten sie vier externe Faktoren, die die wahrgenommene Nützlichkeit und die wahrgenommene Benutzerfreundlichkeit beeinflussen:

A.   E-Learning-Erfahrung

Bereits vorhandene E-Learning-Erfahrungen können sich positiv auf die Absicht auswirken, mobiles Lernen zu nutzen, da die Informationsbeschaffung im Internet und die Nutzung digitaler Lernprogramme bereits gelernt sind.

B.   Alter

Zum Zeitpunkt der Studie war die Altersgruppe der 20- bis 29-Jährigen unter allen mobilen Internetnutzern in China am stärksten vertreten. Zhao und Zhu [14] definierten daher Alter als einflussreiche Effektvariable.

C.   Meinungsführerschaft

Als Beispiel für einen Meinungsführer im Bereich M-Learning nannten die beiden Autoren einen Vorgesetzten in einem Unternehmen, der Informationen über M-Learning sammelt und diese an seine Mitarbeitenden weitergibt, was dazu führt, dass diese Mobile Learning nutzen.

D.  Vertrauen in die Nutzung mobiler Geräte

Das Vertrauen in die Nutzung mobiler Geräte spiegelt die Überzeugung einer Person wider, bestimmte Aufgaben mit einem mobilen Gerät erfolgreich erfüllen zu können.

Betrachtet man diese externen Variablen in einem aktuellen Kontext, so fällt vor allem auf, dass Alter und die Begründung von Zhao und Zhu [14], es als „einflussreiche Effektvariable“ für die Akzeptanz von M-Learning zu kategorisieren, an Bedeutung verloren hat. Die Verbreitung von Smartphones ist mittlerweile so weit fortgeschritten, dass im Jahr 2018 bereits 94 % der österreichischen Bevölkerung ihr Smartphone regelmäßig zum Surfen im Internet nutzten – davon 88 % der 60- bis 69-Jährigen. Diese Zahlen zeigen einen generellen Anstieg der Nutzung mobiler Technologien in allen Altersgruppen [15].

Neuere Studien zeigen jedoch, dass die Variablen E-Learning-Erfahrungen, Meinungsführer und Vertrauen in die Nutzung mobiler Geräte im engeren oder weiteren Sinne der Interpretation von Zhao und Zhu [14] auch heute noch einen signifikanten Einfluss auf die Akzeptanz von Mobile Learning im Sinne des Technology Acceptance Models haben können.

So zeigt eine Studie von Kumar et al. [16] zur Nutzungsabsicht von Mobile Learning unter Studierende der Ingenieurwissenschaften, dass die Selbstwirksamkeit in Bezug auf Mobile Learning – das Vertrauen in die eigene Fähigkeit, Mobile Learning erfolgreich anwenden zu können – einen direkten Einfluss auf die wahrgenommene Benutzerfreundlichkeit von Mobile Learning und damit auf die Einstellung und insbesondere die Verhaltensabsicht der Studierenden hat Mobile Learning kontinuierlich zu nutzen. Diese Mobile-Learning-Selbstwirksamkeit spiegelt ein modernes Verständnis dessen wider, was Zhao und Zhu [14] als Vertrauen in die Nutzung mobiler Geräte beschrieben haben, und unterstreicht die Bedeutung der individuellen Überzeugung in die eigenen Kompetenzen für die Akzeptanz von M-Learning.

Kumar et al. [16] untersuchten auch die subjektive Norm und ihren Einfluss als externe Variable auf die Akzeptanz von M-Learning. Die subjektive Norm ist dabei definiert als „die Wahrnehmung der Studierenden in Bezug auf die Ansichten anderer, insbesondere für sie wichtiger Personen, wie ihre Dozent:innen und Kommiliton:innen, in Bezug auf die Ausführung des gleichen Verhaltens wie sie selbst“ [16, S. 208062]. Die Forschungsergebnisse von Kumar et al. zeigen, dass die Wahrnehmung der Studierenden über die Meinungen wichtiger Bezugspersonen einen starken Einfluss auf die wahrgenommene Nützlichkeit und die Einstellung gegenüber Mobile Learning hat, was im erweiterten Sinne der Variable Meinungsführerschaft aus der Studie von Zhao und Zhu [14] entspricht.

Schließlich weitet die Studie von Kumar et al. [16] das Konzept der E-Learning-Erfahrung von Zhao und Zhu [14] aus, indem sie die Nutzung von WhatsApp und dessen Einfluss auf die Akzeptanz von Mobile Learning einbezieht.  Dabei kann die Nutzung von WhatsApp zum Austausch von Informationen und Lerninhalten unter Studierenden als eine moderne Form des E-Learning in einem alltäglichen und informellen Kontext betrachtet werden. In ihrer Studie konnten Kumar et al. [16] zeigen, dass ein signifikant positiver Zusammenhang zwischen der Nutzung von WhatsApp und der Selbstwirksamkeit in Bezug auf Mobile Learning besteht. Die Nutzung von WhatsApp steht somit im Einklang mit den E-Learning-Erfahrungen aus Zhao und Zhu [14], da sie zeigt, dass eine bereits etablierte Vertrautheit mit digitalen Technologien, wie sie sich in der regelmäßigen Nutzung von WhatsApp ausdrückt, die Akzeptanz und Integration von Mobile Learning positiv beeinflussen kann.

Die Forschung von Kumar et al. [16] zeigt nicht nur, dass die in der Studie von Zhao und Zhu [14] postulierten Einflussvariablen auf die Akzeptanz von Mobile Learning – Erfahrung, Meinungsführerschaft und Vertrauen in die eigenen Fähigkeiten – in einem teilweise erweiterten Verständnis auch heute noch gültig sind. Sie bestätigt auch die zentralen Annahmen des TAM: die wahrgenommene Benutzerfreundlichkeit beeinflusst die wahrgenommene Nützlichkeit, und beide prägen wiederum die Einstellung der Nutzer:innen. Dabei hat die wahrgenommene Nützlichkeit einen größeren Effekt.

Auch weitere aktuelle Studien zu Mobile Learning im Kontext des Technology Acceptance Model bestätigen teilweise die Grundannahmen des TAM, erweitern den Blickwinkel aber um andere Einflussfaktoren.

Camilleri und Camilleri [17] untersuchten beispielsweise die utilitaristische und die intrinsische Motivation für die Nutzung von M-Learning bei Studierenden. Dazu ergänzten sie die beiden Hauptkonzepte des TAM um die wahrgenommene Freude bei der Nutzung von Mobile Learning und stellten die Hypothese auf, dass eine positive und signifikante Beziehung zwischen der wahrgenommenen Freude und der Nutzungsabsicht besteht. Diese Hypothese stützte sich auf die User Gratifications Theory, die untersucht, warum Menschen dazu neigen, Technologien zu nutzen, um soziale und psychologische Bedürfnisse zu befriedigen. Neben dem starken Zusammenhang zwischen der wahrgenommenen Benutzerfreundlichkeit und der wahrgenommenen Nützlichkeit von Mobile Learning Apps, die wiederum die Einstellung der Studierenden gegenüber diesen Technologien beeinflussen, stellt die Studie fest, dass vor allem die wahrgenommene Nützlichkeit ein entscheidender Faktor für die Nutzungsabsicht der Apps ist, äquivalent zu Kumar et al. Model. Bemerkenswerter ist jedoch das Ergebnis, dass der Freude an der Nutzung von Mobile Learning Apps eine noch größere Bedeutung für die weitere Nutzung zukommt als den beiden Kernkomponenten des TAM. Dies deutet darauf hin, dass utilitaristische Motive zwar vorhanden sind, die Freude an der Nutzung jedoch einen stärkeren Einfluss auf die zukünftigen Verhaltensabsichten hat.

Dass die Freude an der Nutzung von Mobile Learning die Akzeptanz dessen positiv beeinflusst, wurde bereits in einer früheren Studie von Al-Monthry und Al-Shargabi [18] festgestellt. In dieser Studie stellten die beiden Autoren ein eigenes Akzeptanzmodell auf, um die Annahme von M-Learning unter Studierenden zu erklären. Dazu definierten sie neben dem wahrgenommenen Spielspaß vier weitere Faktoren, die die Nutzungsabsicht beeinflussen: Leistungserwartung, Anstrengungserwartung, sozialer Einfluss und erleichternde Bedingungen. Dabei entspricht die Leistungserwartung der wahrgenommenen Nützlichkeit und die Anstrengungserwartung der wahrgenommenen Benutzerfreundlichkeit des ursprünglichen TAM, sowie der soziale Einfluss der sozialen Norm von Kumar et al. Die vierte Einflussvariable, erleichternde Bedingungen, bezieht sich laut Al-Monthry und Al-Shargabi auf die Überzeugung der Menschen, dass eine technische Infrastruktur vorhanden ist, die sie bei der Nutzung eines Systems unterstützt.

Während Al-Monthry und Al-Shargabi [18] in Übereinstimmung mit Kumar et al. [16] feststellten, dass insbesondere eine positive Leistungserwartung und eine niedrige Anstrengungserwartung sowie der Einfluss des sozialen Umfelds die Nutzungsabsicht der Studierenden gegenüber M-Learning begünstigend beeinflussen, mussten Al-Monthry und Al-Shargabi [18] die Annahme zurückweisen, dass erleichternde Bedingungen auf die Nutzungsabsicht eine förderliche Wirkung haben.

Dieses letzte Ergebnis wurde jedoch von anderen Studien infrage gestellt. So fanden Gupta [5] und Camilleri und Camilleri [19] heraus, dass erleichternde Bedingungen einen signifikanten bzw. hochsignifikanten Einfluss auf die Nutzung von Mobile Learning durch Studierende haben. Camilleri und Camilleri [19] stellten jedoch zusätzlich fest, dass dieser externe Faktor keinen direkten Einfluss auf die Verhaltensintention der Studierenden gegenüber M-Learning hat. Dies deutet darauf hin, dass erleichternde Bedingungen, auch wenn sie möglicherweise keine unmittelbare Auswirkung auf die Verhaltensabsicht haben, dennoch eine wichtige Rolle für die tatsächliche Nutzung spielen können.

Was zusätzlich in diesen beiden Studien erkannt wurde, ist, dass im Gegensatz zu Kumar et al. [16], Camilleri und Camilleri [17] und Al-Monthry und Al-Shargabi [18] die wahrgenommene Benutzerfreundlichkeit einen größeren Einfluss auf die Nutzungsabsicht von Mobile Learning unter Studierenden hat als die wahrgenommene Nützlichkeit [4, 19].

Es stellt sich die Frage, warum die Ergebnisse der verschiedenen Studien unterschiedlich ausfallen, zumal nicht immer eindeutige Gründe für die divergierenden Einflüsse der wahrgenommenen Nützlichkeit und der wahrgenommenen Benutzerfreundlichkeit auf die Nutzungsabsicht von Mobile Learning bei Studierenden erkennbar sind.

Bei Kumar et al. [16] könnten die Ergebnisse dadurch beeinflusst worden sein, dass es sich bei den Probanden um Studierende der Ingenieurwissenschaften handelte, bei denen utilitaristische Aspekte eine größere Rolle spielen könnten, was die stärkere Betonung des wahrgenommenen Nutzens erklären würde.

Im Falle der Studien von Camilleri und Camilleri [19] und Camilleri und Camilleri [17], die an denselben Universitäten durchgeführt wurden, ist der Grund für die unterschiedlichen Ergebnisse weniger klar. Die Einführung der wahrgenommenen Freude als zusätzliche Variable in der späteren Studie [17] könnte jedoch darauf hindeuten, dass diese die Gewichtung der wahrgenommenen Benutzerfreundlichkeit minimiert.

Unter dem Gesichtspunkt kultureller und zeitlicher Entwicklungen könnten die divergierenden Ergebnisse hinsichtlich der wahrgenommenen Benutzerfreundlichkeit und der wahrgenommenen Nützlichkeit bei Gupta [5] und Al-Monthry und Al-Shargabi [18] betrachtet werden. Obwohl beide Studien in geografisch und kulturell ähnlichen Ländern – Indien und Pakistan – durchgeführt wurden, spiegeln die drei Jahre, die zwischen den beiden Veröffentlichungen liegen, möglicherweise erhebliche Veränderungen im technologischen Umfeld und in der Nutzer:innenerwartung wider.

In Pakistan, wo die Studie von Al-Monthry und Al-Shargabi [18] durchgeführt wurde, könnte die Betonung der wahrgenommenen Nützlichkeit darauf zurückzuführen sein, dass sich die technologische Infrastruktur noch im Aufbau befand und daher die Funktionalität von M-Learning stärker im Vordergrund stand. In der Zwischenzeit könnte in Indien, wo die Studie von Gupta [5] durchgeführt wurde, die wahrgenommene Benutzerfreundlichkeit bereits eine größere Rolle gespielt haben, da die Technologie bereits stärker in den Alltag integriert war.

V. Fazit

Diese Arbeit zeigt, wie die Akzeptanz von Mobile Learning an Hochschulen von verschiedenen Faktoren abhängt. Obwohl die Grundannahmen des Technology Acceptance Model, dass die wahrgenommene Benutzerfreundlichkeit und die wahrgenommene Nützlichkeit die Verhaltensabsicht der Nutzung positiv beeinflussen, wiederholt bestätigt werden konnten, wurde auch demonstriert, dass diese nicht isoliert betrachtet werden können. Es hat sich gezeigt, dass externe Faktoren wie Vorerfahrungen, soziale Einflüsse und die Selbstwirksamkeit der Nutzer:innen betrachtet werden müssen, um die Akzeptanz von Mobile Learning unter Studierenden erklären zu können.

Insgesamt bietet die Studie einen tieferen Einblick in Mobile Learning und das Technology Acceptance Model sowie deren Vielschichtigkeit. Zukünftige Forschung zu diesem Thema sollte insbesondere vor dem Hintergrund aktueller Entwicklungen im Bereich Mobile Learning die gefundenen Erkenntnisse berücksichtigen.

References

[1]             otago, „Trendreport 2022“, Nov. 2022. Zugegriffen: 15. November 2023. [Online]. Verfügbar unter: https://www.otago.at/wp-content/uploads/2022/11/otago_Trendreport_2022_lange-Version_final.pdf

[2]             IAB (Interactive Advertising Bureau) Austria, „Brandneue Ergebnisse des Mobile Communications Reports 2023 erschienen“, IAB Austria. Zugegriffen: 15. November 2023. [Online]. Verfügbar unter: https://www.iab-austria.at/brandneue-ergebnisse-des-mobile-communications-reports-2023-erschienen/

[3]             Peter Hajek und Theresa Kernecker, „CoV-19 Maßnahmen. Online-Befragung Studierende“, 2020. Zugegriffen: 21. November 2023. [Online]. Verfügbar unter: https://www.bmbwf.gv.at/dam/jcr:71063eaf-86d1-4d80-8d31-d023cdbbcd0e/Pr%C3%A4sentation_Studierende_Corona_Krise.pdf

[4]             B. S. Fabito, „Exploring Critical Success Factors of Mobile Learning as Perceived by Students of the College of Computer Studies – National University“, in 2017 International Conference on Soft Computing, Intelligent System and Information Technology (ICSIIT), Denpasar, Bali, Indonesia: IEEE, Sep. 2017, S. 220–226. doi: 10.1109/ICSIIT.2017.25.

[5]              R. K. Gupta, „Investigating the Factors affecting use of Mobile Learning (0/0/00 0:00:00 AMM-learning) among Students of Higher Education Institutions“, in 2021 International Conference on Disruptive Technologies for Multi-Disciplinary Research and Applications (CENTCON), Bengaluru, India: IEEE, Nov. 2021, S. 75–78. doi: 10.1109/CENTCON52345.2021.9688242.

[6]             Q. N. Naveed, H. Choudhary, N. Ahmad, J. Alqahtani, und A. I. Qahmash, „Mobile Learning in Higher Education: A Systematic Literature Review“, Sustainability, Bd. 15, Nr. 18, S. 13566, Sep. 2023, doi: 10.3390/su151813566.

[7]             C. De Witt und C. Gloerfeld, Hrsg., Handbuch Mobile Learning. Wiesbaden: Springer Fachmedien Wiesbaden, 2018. doi: 10.1007/978-3-658-19123-8.

[8]             M. A. Tamboli und P. K. Biswas, „Mobile Learning Applications’ Acceptance Model (MLAAM)“, in 2015 International Conference and Workshop on Computing and Communication (IEMCON), Vancouver, BC, Canada: IEEE, Okt. 2015, S. 1–6. doi: 10.1109/IEMCON.2015.7344421.

[9]             M. A. Shareef, V. Kumar, U. Kumar, und A. A. Hasin, „Application of Behavioral Theory in Predicting Consumers Adoption Behavior“, J. Inf. Technol. Res., Bd. 6, Nr. 4, S. 36–54, Okt. 2013, doi: 10.4018/jitr.2013100103.

[10]           V. Venkatesh und F. D. Davis, „A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies“, Manag. Sci., Bd. 46, Nr. 2, S. 186–204, Feb. 2000, doi: 10.1287/mnsc.46.2.186.11926.

[11]            A. Shachak, C. Kuziemsky, und C. Petersen, „Beyond TAM and UTAUT: Future directions for HIT implementation research“, J. Biomed. Inform., Bd. 100, S. 103315, Dez. 2019, doi: 10.1016/j.jbi.2019.103315.

[12]           „Understanding the usage, Modifications, Limitations and Criticisms of Technology Acceptance Model (TAM)“, Advances in Science, Technology and Engineering Systems Journal. Zugegriffen: 19. November 2023. [Online]. Verfügbar unter: https://www.astesj.com/v05/i06/p12/

[13]           R. P. Yang, L. Y. Zhou, X. X. Hou, und Y. M. Xiang, „Advance of research on technology acceptance“, in 2014 IEEE International Conference on Industrial Engineering and Engineering Management, Selangor Darul Ehsan, Malaysia: IEEE, Dez. 2014, S. 1042–1045. doi: 10.1109/IEEM.2014.7058797.

[14]           Ying Zhao und Qi Zhu, „Influence Factors of Technology Acceptance Model in Mobile Learning“, in 2010 Fourth International Conference on Genetic and Evolutionary Computing, Shenzhen: IEEE, Dez. 2010, S. 542–545. doi: 10.1109/ICGEC.2010.139.

[15]           „55% der heimischen Smartphone-Nutzer shoppen mobil und 66% vergleichen Preise“, MindTake Research. Zugegriffen: 25. November 2023. [Online]. Verfügbar unter: https://www.mindtake.com/de/press-release/55-der-heimischen-smartphone-nutzer-shoppen-mobil-und-66-vergleichen-preise

[16]           J. A. Kumar, B. Bervell, N. Annamalai, und S. Osman, „Behavioral Intention to Use Mobile Learning: Evaluating the Role of Self-Efficacy, Subjective Norm, and WhatsApp Use Habit“, IEEE Access, Bd. 8, S. 208058–208074, 2020, doi: 10.1109/ACCESS.2020.3037925.

[17]           M. A. Camilleri und A. C. Camilleri, „Utilitarian and intrinsic motivations to use mobile learning technologies: An extended technology acceptance model“, in 2022 8th International Conference on e-Society, e-Learning and e-Technologies (ICSLT), Rome Italy: ACM, Juni 2022, S. 76–81. doi: 10.1145/3545922.3545935.

[18]           F. F. Al-Monthry und B. Al-Shargabi, „Acceptance model of m-learning among student of Isra University“, in Proceedings of the First International Conference on Data Science, E-learning and Information Systems, Madrid Spain: ACM, Okt. 2018, S. 1–5. doi: 10.1145/3279996.3280034.

[19]           M. A. Camilleri und A. C. Camilleri, „The Acceptance and Use of Mobile Learning Applications in Higher Education“, in Proceedings of the 2019 3rd International Conference on Education and E-Learning, Barcelona Spain: ACM, Nov. 2019, S. 25–29. doi: 10.1145/3371647.3372205.

Beitragsbild wurde mit DALL·E 3 generiert