Mobile Learning erfolgreich in das Hochschulstudium einbinden. Wie können die Potenziale optimal genutzt werden?

Inhaltsverzeichnis

Abbildungsverzeichnis V

1 Einleitung
1.1 Motivation
1.2 Problemstellung
1.3 Zielsetzung
1.4 Aufbau der Arbeit

2 Technische Grundlagen
2.1 Mobile Endgeräte
2.2 Mobile Applikationen

3 Theoretische Grundlagen
3.1 Theorien des Lernens
3.2 Technologieakzeptanzmodelle

4 Mobile Learning
4.1 Definition
4.2 Stand der Forschung – Ein Überblick

5 Mobile Learning an Hochschulen
5.1 Anwendungsbereiche
5.2 Ziele
5.3 Chancen und Risiken
5.4 Erfolgsfaktoren

6 Ablauf und Durchführung der empirischen Untersuchung
6.1 Forschungsfrage
6.2 Teilnehmerakquise
6.3 Auswertung der Interviews

7 Schlussfolgerung und Ausblick
7.1 Schlussfolgerung
7.2 Ausblick

Literaturverzeichnis

Anhang

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Impressum:

Copyright © Studylab 2020

Ein Imprint der GRIN Publishing GmbH, München

Druck und Bindung: Books on Demand GmbH, Norderstedt, Germany

Coverbild: GRIN Publishing GmbH | Freepik.com | Flaticon.com | ei8htz

Abbildungsverzeichnis

Abbildung 1: Einordnung mobiler Endgeräte nach Bewertungskriterien

Abbildung 2: Das Technology Acceptance Modell nach Davis.

Abbildung 3: Unified Theory of Acceptance and Use of Technology .

1 Einleitung

1.1 Motivation

Mobile Learning oder auch mobiles Lernen ist mittlerweile seit über einem Jahrzehnt ein großes Trendthema im deutschsprachigen Raum und zählt aktuell zu den spannendsten technologiegestützten Lernformaten. Unter dem inzwischen etablierten Begriff versteht man ein Lernen und Lehren mit mobilen Endgeräten, welches im Laufe der Zeit alle Bildungskontexte erreicht hat.^[1]

Mobile Endgeräte nehmen im Alltag eine immer wichtigere Rolle ein und werden von Studierenden daher auch an Hochschule genutzt.^[2] „Der hohe Verbreitungsgrad von Mobilgeräten unter Studierenden bietet grundsätzlich günstige Voraussetzungen für deren Einbindung in gängige Lehr- und Lernformate und damit für mobiles Lernen an Hochschulen.“^[3] Insbesondere wegen der hohen Leistungsfähigkeit gewinnen die Smartphones in der studentischen Lernpraxis immer mehr an Bedeutung.^[4] Das Ergebnis einer Studie des Essener mmb Instituts (2016) zeigt, dass mobile Endgeräte und Lernapplikationen die aktuell wichtigsten technologischen Trends sind, die das Lernen in den nächsten Jahren prägen werden.^[5]

Der technologische Fortschritt wirkt sich nicht nur auf die Menge des vorhandenen Wissens, sondern auch auf den Lernprozess aus. Mit Mobile Learning können Lehrinhalte orts- und zeitunabhängig abgerufen werden und ermöglicht damit Leerlaufzeiten oder Pausen wirksam zu nutzen.^[6] Im Gegensatz zum herkömmlichen Lernen wird der Lernende in den Mittelpunkt gestellt, der „zunehmend selbstverantwortlich, selbst gestaltend und vernetzt sein Wissen aufbaut.“^[7]

Je nach Kontext eignen sich verschiedene Medien für unterschiedliche Funktionen und Anwendungen. Somit bringt Mobile Learning im Hochschulkontext grundsätzlich ein enormes Potenzial mit sich.

1.2 Problemstellung

Mobile Learning im Hochschulkontext zeichnet sich, abhängig von den jeweils genutzten Anwendungen, durch verschiedene Chancen und Risiken aus. Einerseits können Lehrkonzeptionen in ihrer ganzen Bandbreite abgebildet werden sowie die eigenständige Lernaktivität und die Interaktivität in der Präsenzlehre gestärkt werden.^[8] Andererseits besteht ernstzunehmendes Risiko, dass die Aufmerksamkeit der Studierenden durch private Inhalte auf ihren Smartphones reduziert wird. Zudem eignet sich Mobile Learning nur eingeschränkt für das Lernen komplexer Zusammenhänge.^[9] Ebenfalls sieht Frohberg (2012) die Problematik darin, dass nicht alle mobilen Geräte und mobilen Lernsysteme gleichermaßen für das Lernen geeignet sind.^[10]

Obwohl Hochschulen grundsätzlich eine Vorreiterrolle hinsichtlich innovativer Lehr- und Lernszenarien einnehmen bzw. einnehmen wollen, verhindern scheinbar eine Reihe an Hindernissen die Gestaltung neuer Lehr- und Lernformen.^[11] Während E-Learning an Hochschulen mittlerweile weit verbreitet ist (beschränkt sich allerdings in den meisten Fällen auf die Bereitstellung von Dokumenten oder Lerninhalten), besteht bei Mobile Learning in diesem Kontext noch Nachholbedarf. Insbesondere das Selbstverständnis einer großen Mehrheit der Hochschulen, die Präsenzlehre auszuüben, führt dazu dabei, dass „Entwicklungen im Bereich digitalisierter und mobiler Lehre an Hochschulen bislang sehr unterschiedlich übernommen und genutzt werden.“^[12]

Wegen dem immer größer werdenden Leistungsspektrum mobiler Endgeräte ergeben sich grundsätzlich neue Potenziale, die es zu ermittelt gilt. Ob oder in welchem Maß diese Geräte zum Mobile Learning geeignet sind, ist derzeit noch nicht ausreichend geklärt.

Aktuell gibt es noch keine einheitliche Auskunft darüber, welche (Erfolgs-)Faktoren den didaktisch effektiven Einsatz von Mobile Learning unterstützen.^[13] Diese sind allerdings notwendig, um Chancen und Risiken zu identifizieren und Schlussfolgerungen für die Konzeption geeigneter Lernszenarien zu ziehen.

1.3 Zielsetzung

Diese Bachelorarbeit soll die verschiedenen Aspekte zum Thema Mobile Learning in der Hochschullehre beleuchten und dabei die Chancen und Risiken für den Studien- bzw. Lernerfolg von Studierenden untersuchen. Hierbei stellt sich die Forschungsfrage: Was sind die Erfolgsfaktoren für den Studien- und Lernerfolg von Studierenden?

Nach der theoretischen Auseinandersetzung mit Mobile Learning werden leitfadengestützte Interviews mit fünf Experten durchgeführt und dabei die Forschungsfrage untersucht. Das grundlegende Ziel dabei ist es, die Erfolgsfaktoren und gegebenenfalls Misserfolgsfaktoren aufzudecken und mit der vorhergegangenen Recherchearbeit zu vergleichen. Bei den Experten handelt es sich um Lehrende und Entscheider, die in unterschiedlichem Maße mit Mobile Learning an Hochschulen arbeiten. In den Interviews sollen dabei ihre subjektiven Erfahrungen, Einschätzungen und Berichte zu Mobile Learning herausgearbeitet werden.

Anschließend werde ich das Ergebnis der Forschungsfrage mit dem theoretischen Gerüst dazu nutzen, um Chancen und Risiken von Mobile Learning genauer zu diskutieren. Darüber hinaus werden mit den identifizierten Maßnahmen Handlungsempfehlungen gegeben.

1.4 Aufbau der Arbeit

In dieser Arbeit werden zu Beginn die technischen Grundlagen von mobilen Endgeräten und mobilen Applikationen betrachtet. Zudem werden mit unterschiedlichen Theorien des Lernens und Technologieakzeptanzmodellen die theoretischen Grundlagen dieser Arbeit dargestellt. Daraufhin wird der Begriff Mobile Learning enger eingegrenzt beziehungsweise definiert und der Stand der Mobile Learning-Forschung beleuchtet. Zum Ende des theoretischen Teils der Arbeit wird der Einsatz von Mobile Learning an Hochschulen betrachtet. Dabei werden die unterschiedlichen Anwendungsgebiete, die dahinterstehenden Ziele, die daraus resultierende Chancen und Risiken sowie die möglichen Erfolgsfaktoren ermittelt und dargestellt. Im empirischen Teil der Arbeit wird zunächst die Forschungsfrage formuliert und die Teilnehmerakquise vorgestellt. Anschließend erfolgt die Auswertung der leitfadengestützten Experteninterviews. Aus den Erkenntnissen der empirischen Analyse und dem theoretischen Teil werden am Ende eine Schlussfolgerung und ein Ausblick vorgestellt.

2 Technische Grundlagen

2.1 Mobile Endgeräte

Das Internet ist mittlerweile ein wichtiges Konstrukt in gesellschaftlich-kulturellen Informations- und Kommunikationsstrukturen. Die zunehmende Akzeptanz mobiler Endgeräte verändert dabei wesentlich die Lebens- und Arbeitsweisen unserer Gesellschaft.^[14] „Mit mobilen Endgeräten ist es Benutzern möglich, Dienste über drahtlose Netzwerke und lokal verfügbare mobile Anwendungen zu nutzen. Mobile Endgeräte werden in großer Produktvielfalt auf dem Markt angeboten und sind raschen Innovationszyklen unterworfen.“^[15]

Die Smartphones als mobile Geräte enthalten ein vorinstalliertes Betriebssystem und können im Gegensatz zu stationären Desktop-PCs könnten vom Nutzer weitere Funktionen nicht nachinstalliert werden. Des Weiteren sind mobile Betriebssysteme fest an das Smartphone gebunden und können nicht ausgewechselt werden. Vielmehr bilden das Smartphone und das Betriebssystem eine feste Einheit. Aufgrund dieser Eigenschaft kommt es zu einer Wechselwirkung zwischen Betriebssystemen und in diesem Fall einer Mobile Learning Applikation.^[16]

Bei mobilen Endgeräten handelt es sich grundsätzlich um alle Arten von Endgeräten, die für den mobilen Einsatz entwickelt worden sind. Dazu zählen vor allem Smartphones, Tablets und Notebooks. Die Mobilität unter diesem Aspekt steht nicht nur für die Geräte, die mobil, statt stationär genutzt werden können. Vielmehr hat der Mensch insbesondere Smartphones stets dabei und hat durch das Internet die Möglichkeit zur Interaktion, Kommunikation sowie Kollaboration.^[17]

Weitere typische Eigenschaften von mobilen Endgeräten sind ihre geringe Größe und teilweise kleinen Displays. Zudem ist die Vielzahl ihrer Sensoren charakterisierend. Dazu gehören Kamera, Mikrofon, GPS oder Touchbildschirm. Diese speziellen Eigenschaften werden genutzt, um verschiedene, auf mobile Endgeräte angepasste Programme zu betreiben.^[18] „Bei Bedarf auf relevante Informationen zugreifen zu können und die Möglichkeit zu haben, schnell spezifische Informationen zu bekommen, unterstützt die Motivation zum vernetzen Lernen und Arbeiten erheblich.“^[19] Speziell die Smartphones können mittlerweile problemlos im Alltag genutzt werden, ob in der Bahn oder im Fitnessstudio. Ein Notebook entspricht dieser Mobilität (noch) nicht, aber bietet dafür beispielsweise mehr Monitorfläche und mehr Rechenleistung. Mobile Endgeräte können in einer Matrix nach Lokalisierbarkeit, Ortsunabhängigkeit und Erreichbarkeit bewertet werden.^[20] Wie sich aus Abbildung 1 erkennen lässt, erfüllt das Smartphone am besten alle Kriterien. Aus diesem Grund fokussiert diese Arbeit sich auf Smartphones und Tablets.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Einordnung mobiler Endgeräte nach Bewertungskriterien

Quelle: Munich Digital Institute (2014).

Die Verbreitung mobiler Endgeräte ist in den letzten Jahren enorm gewachsen. Im Jahr 2018 benutzten rund 57 Millionen Menschen in Deutschland ein Smartphone, das sind drei Millionen mehr als im Vorjahr. Die intelligenten Mobiltelefone sind für viele ein wichtiger Teil des alltäglichen Lebens geworden.^[21] Daneben hatten im Jahr 2018 rund 17,95 Millionen Menschen ab 14 Jahren, die ein Tablet in ihrem Haushalt.^[22]

Inzwischen ist der Umgang mit immer leistungsfähigeren mobilen Endgeräten selbstverständlicher geworden und damit auch der für das mobile Lernen charakteristische zeit- und ortsunabhängige Zugang zu Kommunikation und Bildungsangeboten. „Die Allgegenwärtigkeit mobiler Endgeräte hat bereits die Art und Weise verändert, wie Menschen sich informieren, kommunizieren, lernen und arbeiten und verbindet formales mit informellem Lernen.“^[23]

2.2 Mobile Applikationen

Programme für mobile Endgeräte heißen „Mobile Applikation“, werden jedoch üblicherweise als „Apps“ abgekürzt. Die Bezeichnung „App“ ist die Kurzform des englischen Wortes „Application Software“ und bezeichnet kleinere Programme, die auf Smartphones oder Tablets ausgeführt werden können.^[24] „Mobile Applikationen unterscheiden sich von Desktopanwendungen hinsichtlich der Art der Endgeräte, wie z. B. Smartphones oder Tablet-PCs, welche die Applikationen schneller und ortsunabhängig verfügbar machen“.^[25]

Mobile Applikationen werden je nach Betriebssystem auf dem mobilen Endgerät aus unterschiedlichen Quellen bezogen. Die meistgenutzten Betriebssysteme sind Apple Iphone und Android und erreichten im Jahr 2019 zusammen einen Marktanteil von 89,3 %.^[26]

Apps zeichnen sich heutzutage durch eine große Vielfalt aus und sind inzwischen weit verbreitet. Nur weniger Apps schaffen eine permanente Nutzung. Apps können von Nutzern schnell und problemlos heruntergeladen und genauso wieder entfernt werden. Aus diesem Grund schaffen nur wenige Apps eine permanente und dauerhafte Nutzung.^[27] Die Nutzung wird dabei neben den meist geringen Kosten durch geringen Speicherplatz und der Möglichkeit der Offline-Nutzung gefördert. Apps lassen sich nach verschiedenen Gesichtspunkten klassifizieren. Die Klassifizierung kann nach inhaltlichen Aspekten (z.B. Funktionale Apps oder Content Apps), nach Preis (Kostenpflichtige Apps, In-App-Käufe und Fremium Apps) sowie nach Typ (Native App, Web App und Hybride App) erfolgen.^[28]

Nach Schmidt (2019) können im Bereich der didaktischen Aufbereitung von bestimmten Lernszenarien einen wichtigen Beitrag zur Lern- und Lehrprozessgestaltung leisten. Apps haben das Potenzial die Motivation beim Lernen zu steigern und das Wissen der Studierenden zu festigen. Zudem können im Hochschulkontext mit den passenden Anwendungen eine Vielfalt an Methoden in der Planung von Lernszenarien zusätzlich erweitert werden.^[29]

3 Theoretische Grundlagen

3.1 Theorien des Lernens

Wenn es um Planung und Analyse von Mobile Learning geht, sollte man sich vorher die lerntheoretischen Hintergründe anschauen, um anschließend „eine technologiegestützte Lernumgebung gestalten zu können.“^[30] Daher ist es notwendig, die unterschiedlichen Lerntheorien zu betrachten, um den Einsatz mobiler Geräte für das Lernen an Hochschulen argumentieren zu können. Die Lerntheorien versuchen zu erklären, unter welchen Bedingungen Lernen erfolgreich stattfinden kann und wie Lernen generell „funktioniert“.^[31]

Nach wie vor gibt es keine Lerntheorie, die alle relevanten Lernformen annehmbar beschreiben oder erklären könnte. Nach MacCallum und Parsons (2016) sollte ein so „vielschichtiges Phänomen“ wie das mobile Lernen ohnehin nicht nur durch eine Theorie eingegrenzt werden, sondern es muss eine Reihe an Lerntheorien zum Tragen kommen.^[32]

Das Wissen über die unterschiedlichen Lerntheorien kann am Anfang hilfreich sein, um mögliche Wirkungen zu ermitteln. „Ob sie einen in einem zweiten Schritt auch darin unterstützten, beispielsweise zu einer Gestaltungsstrategie zu kommen, gilt es zu klären.“^[33]

Aktuell sind mit Behaviorismus, Kognitivismus und Konstruktivismus drei Lerntheorien, die bei Mobile Learning am häufigsten herangezogen werden und das Lernen unterschiedlich beschreiben bzw. erklären.^[34]

3.1.1 Behaviorismus

Der Behaviorismus entstammt einem psychologischen Lernbegriff und unterstellt, dass sich menschliches Verhalten ausschließlich über Reiz-Reaktions-Ketten erklären lässt. Innerhalb dieser Theorie werden somit nur erkennbare Reaktionen betrachtet, mentale und affektive Konditionierung spielt dagegen keine Rolle.^[35] Die Wissensvermittlung erfolgt an alle Personen gleich und mit identischen Resultaten. Der Wissensvermittler nimmt dabei eine autoritäre Rolle ein und gibt dem Lernenden vor, was wie zu lernen ist. Ein Beispiel für diese Art der Wissensvermittlung ist der klassische Frontalunterricht.^[36]

Des Weiteren lässt sich die behavioristische Lerntheorie in klassische und operante Konditionierung einteilen. Bei der klassischen Konditionierung wird ein natürlicher Reflex in die Konditionierung eingebunden und bei der operanten Konditionierung wird mittels Verstärker in Form von Belohnung und Bestrafung gearbeitet.^[37]

In diesem Zusammenhang kann B.F. Skinner (1930) herangezogen werden, der neben der bekannten Skinnerbox ebenfalls für die Idee des programmierten Unterrichts verantwortlich war. Die daraus aufgestellten Prinzipien stellen die Grundlage für Computer Based Training und für die sogenannten Drill & Practise-Programme dar. Ein klassisches Programm ist beispielsweise die Methode des Zehnfingersystems zum Erlernen des Schreibmaschinenschreibens. Daneben eigenen sich Drill & Practise-Programme vor allem zum Vokabellernen.^[38]

Behavioristisch basiertes Lernen bringt einige Vorteile mit sich. Hierzu zählen unter anderem das unmittelbare Feedback, die Sequenzierung der Inhalte, der ansteigende Schwierigkeitsgrad oder die Verwendung von Belohnungen. Behavioristische Lernprogramme eignen sich vor allem für das Einüben von Faktenwissen. Allerdings stößt behavioristisch basiertes Lernen auch an seine Grenzen. Kritik gibt es bei orientierten Programmen, wenn es besonders um kollaboratives Lernen und um die Wissensgenerierung geht. Zudem werden individuelle Merkmale wie Vorwissen, Motivation und die jeweilige Lernerfahrung nicht ausreichend berücksichtigt. Ebenso bleiben komplexere Vorgänge wie das Problemlösen, Reflektieren und die Wissensgenerierung meistens außen vor.^[39]

3.1.2 Kognitivismus

Im Gegensatz zum Behaviorismus spielen beim Kognitivismus die direkten Verbindungen zwischen Reiz und Reaktionen keine Rolle. Vielmehr interessiert sich die Theorie dafür, mit welchen Methoden Lernende zu Problemlösungen gelangen.^[40] In dieser Lerntheorie stehen Beobachtung und Erlebnisse sowie Analyse von Daten im Mittelpunkt. Jeder Lernende wird dabei individuell nach jeweiligen Erfahrungs- sowie Entwicklungsstand beschrieben.^[41] Nach Reinmann (2013) kann der Lehr- und Lernprozess als eine sprachlich codierte Informationsübertragung zwischen Lehrender (Sender) und Lernender (Empfänger) beschrieben werden.^[42]

Besonderes Augenmerk liegt bei der kognitivistischen Theorie auf der Kognition und den unterschiedlichen Verarbeitungsschritten. Von der Sensorik bis zum Langzeitgedächtnis ist es das Arbeitsgedächtnis, welches wegen der Informationsverarbeitung für das Lernen entscheidend ist. Besonders aus den Erkenntnissen der kognitionspsychologischen Forschung lassen sich unterschiedliche Multimediaprinzipien ableiten, um den Lernprozess zu optimieren. Dazu zählen unter anderem das Multimediaprinzip (Verwendung von Text und Bild), das Modalitätsprinzip (Angebot an auditiven Erklärungen zu Bildern) oder das Kohärenzprinzip (Weglassen von Irrelevanten Erklärungen oder Inhalten).^[43]

Im Prozess der Wissensaufnahme wird mediengestütztes Lernen in kleinere Teile zerlegt, zum Beispiel in offenen Lehrprogrammen. Die Beschreibung der Übung weicht dabei nur minimal vom aktuellen Wissensstand des Lernenden ab. Nach Tulodziecki & Herzig (2009) werden individuelle Vorgänge dabei nicht in den Mittelpunkt der Betrachtung von Lernprozessen gestellt. Vielmehr soll an der Wechselbeziehung der äußeren und internen Aufbereitung des Lernprozesses festgehalten werden.^[44] Die Aufgabe von Lehrenden ergibt sich somit im Transfer von Handlungen und Informationen, welche durch Lernende in gewisser Weise ausgeführt werden. Daraus folgt, dass der Lernprozess für Lernende inaktiv und träge ist.^[45]

Ebenfalls bekommt die Motivation unter dem konstruktivistischen Ansatz eine besondere Beachtung zu. Grundsätzlich kann dabei zwischen der intrinsischen und extrinsischen Motivation unterschieden werden. Während bei einer intrinsischen Motivation eine Tätigkeit um ihrer selbst willen durchgeführt wird, wird bei einer extrinsischen Motivation eine Tätigkeit durch zusätzliche Anreize oder Belohnungen durchgeführt.^[46]

Eine zentrale Rolle in der kognitivistischen Lerntheorie ist somit nicht mehr der Erwerb von Faktenwissen, sondern die Entscheidungsfindung, das eigenständige Problemlösen und das Denken der Lernenden. Der Übergang zum Konstruktivismus wird hier sichtbar, der noch mehr an das situierte Lernen in authentischen Lernumgebungen ansetzt.^[47]

3.1.3 Konstruktivismus

Anders als die Theorien des Behaviorismus und des Kognitivismus stellt der Konstruktivismus nicht die kognitive und mnestische Verarbeitung in den Vordergrund. Vielmehr wird der individuellen Wahrnehmung und Interpretation Beachtung geschenkt.^[48] Nach Gräsel et al. (1997) ist das Lernen ein aktiver und selbstgesteuerter Prozess und findet situations- und kontextgebunden am effektivsten statt.^[49] Daraus folgt, dass der Konstruktivismus auch Einflüsse des alltäglichen Lebens der Lernenden berücksichtigen möchte.^[50]

Das gelernte Wissen wird besonders befestigt, wenn die Wissenskonstruktion in der jeweiligen relevanten Situation stattfindet, wie beispielsweise in der Vorlesung. Der Lehrende soll dabei den Lernenden im Sinne eines selbstgesteuerten Lernens unterstützen.^[51] Im Gegensatz zu anderen Lerntheorien wird hier auch der Blick auf das gemeinsame Lernen sowie auf vermehrte kooperative und kollaborative Lernformen gerichtet.^[52]

Nach Holzinger (2011) sollte die authentische Lernumgebung für den Lernenden ein situiertes Lernen ermöglichen und zusätzlich sich in Lerngruppen untereinander auszutauschen zu können.^[53] Mittels Simulationen, Planspielen und Game-Based Learnig werden beim konstruktivistischen Lernen „Problemlösefähigkeit, kritisches Denken sowie Eigeninitiative trainiert und gefördert.“^[54]

Somit stehen bei der konstruktivistischen Lerntheorie die individuelle Wissenskonstruktion und kollaborative Wissensgenerierung in situierten Lernsituationen im Vordergrund. Zu den wesentlichen Vorteilen zählen dabei das anwendungsbezogene und kompetenzorientierte Lernen sowie die Verankerung es neu erworbenen Wissens.^[55]

3.2 Technologieakzeptanzmodelle

Nutzende mobiler Anwendungen sind nicht nur reine Technologie-Nutzer, sondern auch Konsumenten des Lernangebots, indem sie es hinsichtlich wahrgenommener Inhalts- und Systemqualität beurteilen. Gleichzeitig sind die Nutzer aber auch Lernende, die beispielweise die Nützlichkeit des mobilen Lernangebots wahrnehmen.^[56] Daraus lässt sich schließen, dass ein mobiles Lernangebot erst dann erfolgreich genutzt wird, wenn Lernende „neben einer subjektiven, auch eine kognitive Bereitschaft zeigen, an den mobilen Lernaktivitäten teilzunehmen.“^[57]

Sucht man nach verwendeten Akzeptanzmodellen im Kontext von Mobile Learning, rücken vor allem das Technology Acceptance Modell (TAM) nach Davis (1989) und dessen Weiterentwicklung, die Unified Theory of Acceptance and Use of Technology (UTAUT) nach Venkatesh et al. (2003) in den Vordergrund. „Technologieakzeptanzmodelle befassen sich mit der Frage, welche Faktoren Einfluss darauf haben, ob Nutzende ein Informationssystem nutzen möchten oder tatsächlich nutzen.“^[58] Weitere Akzeptanzmodelle spielen in diesem Kontext nur eine untergeordnete Rolle und finden seltener Anwendung.^[59] Bevor die Akzeptanzmodelle vorgestellt werden, wird zuerst der Begriff der Akzeptanz betrachtet.

Grundsätzlich gibt es noch kein einheitliches oder allgemeingültiges Verständnis für den Akzeptanzbegriff. Die meisten Autoren setzen die Bezeichnung Adoption (Adoption), Nutzung (Use) oder Beharrlichkeit (Persistence) gleich. Generell steht jedoch fest, dass der Akzeptanzbegriff mit einer positiven Annahme gleichzusetzen ist.^[60] Nach MacCallum und Jeffrey (2013) wird in diesem Kontext die Akzeptanz als die Bereitschaft der Lernenden verstanden, die mobilen Endgeräte zur Unterstützung ihres Lernprozesses zu benutzen.^[61]

Technology Acceptance Modell (TAM)

Das Modell nach Davis (1989) geht davon aus, dass die Einstellungsakzeptanz einen Einfluss auf die Verhaltensakzeptanz (tatsächliche Nutzung) hat. Demnach kommt es zu einer Nutzung, wenn eine Person eine positive Nutzungseinstellung aufweist. Die Verhaltensakzeptanz ist dagegen von den zwei Faktoren „Wahrgenommener Nutzen“ und „Wahrgenommene einfache Nutzung“ abhängig.^[62] Unter Wahrgenommener Nutzen ist zu verstehen: „the prospective user’s subjective probability that using a specific application system will increase his or her job performance within an organizational context“. Dagegen meint die Wahrgenommene einfache Nutzung: „the degree to which the prospective user expects the target system to be free of effort“.^[63]

Nach Davis (1989) hängt die Bereitschaft des Anwenders eine Anwendung zu benutzen von dem Wahrgenommenen Nutzen des Systems sowie dessen einfache Bedienbarkeit ab. Zudem wirken auf die genannten Faktoren externe Einflussfaktoren, die jedoch im Rahmen dieses Modell nicht näher erläutert werden. Als wesentliche Variable auf die tatsächliche Nutzung wird die Nutzungseinstellung aufgeführt. Trotz des immensen Einflusses auf die Forschung, wurde das TAM-Modell nach Davis (1989) wegen seiner Einfachheit kritisiert.^[64]

Nach Straub und Burton-Jones (2007) wurde aufgeführt, dass die gemessene Nutzungsintention aus dem Modell die tatsächliche Nutzung nicht ausreichen erklären kann. Aus diesem Grund das Modell modifiziert und erweitert.^[65]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Das Technology Acceptance Modell nach Davis (1989).

Quelle: Eigendarstellung in Anlehnung an Davis (1989), S. 183.

Unified Theory of Acceptance and Use of Technology (UTAUT)

Eine oft benutzte und viel beachtete Weiterentwicklung des TAM-Modells ist UTAUT-Modell nach Venkatesh et al. (2003). Das Modell geht über reine Modifikation des TAM hinaus und integriert verschiedene, bestehende Modellansätze zu einem Gesamtmodell.^[66] In dem UTAUT-Modell werden vier wesentliche Variablen (erwartete Leistungssteigerung, erwarteter Aufwand, sozialer Einfluss und unterstützende Maßnahmen) sowie vier Moderationsvariablen (Erfahrung, Freiwilligkeit, Alter und Geschlecht) identifiziert. Diese stehen in einem kausalen Zusammenhang zum tatsächlichen Verhalten sowie der Verhaltensintention. (vgl. Abb. 3).^[67]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Unified Theory of Acceptance and Use of Technology nach Venkatesh et al. (2003).

Quelle: Eigendarstellung in Anlehnung an Venkatesh et al. (2003), S. 447.

Das Technologieakzeptanzmodell UTAUT nach Venkatesh (2003) wird mittlerweile ebenfalls nicht mehr in seiner ursprünglichen Form verwendet, sondern wurde weiterentwickelt und angepasst.

In der Untersuchung von Wegener et al. (2013) wurde die Einflussgröße der Akzeptanz in selbstgesteuerten und präsenzgebundenen Kontexten untersucht. Die Ergebnisse zeigten, dass im Bereich des selbstgesteuerten Lernens die Variable „Erwarteter Aufwand“ den größten Einfluss auf die Nutzungsintention hatte. Dagegen hatten im Bereich des präsenzgebundenen Lernens die Variablen „Soziale Maßnahmen“ sowie „Unterstützende Maßnahmen“ deutlich größeren Einfluss.^[68]

[...]

---

^[1] Vgl. de Witt & Gloerfeld (2018), S. 1.

^[2] Vgl. Dahlstrom et al. (2015), S. 14 f.

^[3] Wannemacher (2018), S. 748.

^[4] Vgl. Ahmed et al. (2014), S. 12.

^[5] Vgl. mmb Institut (2016), S. 3-10.

^[6] Vgl. Wegener et al (2013), S.

^[7] Wannemacher (2018), S. 749.

^[8] Vgl. Kapp et al. (2013), S. 290-295.

^[9] Vgl. Wannemacher (2018), S. 764.

^[10] Vgl. Frohberg (2012), S. 59.

^[11] Vgl. European Commission (2014).

^[12] Wannemacher (2018), S. 750 f.

^[13] Vgl. Pituch & Lee (2006), S. 28.

^[14] Vgl. de Witt (2013), S. 13.

^[15] BSI (2015).

^[16] Vgl. Maske (2011), S. 338.

^[17] Vgl. Specht & Suares (2018), S. 347.

^[18] Vgl. Specht et. al. (2013), S. 55.

^[19] de Witt (2013), S. 13.

^[20] Vgl. Scholz (2014).

^[21] Vgl. Statista (1) (2018).

^[22] Vgl. Statista (2) (2018).

^[23] de Witt & Gloerfeld (2018), S. 1.

^[24] Vgl. Linnhoff-Papien & Verclas (2012), S. 3.

^[25] Aichele & Schönberger (2014), S. 1.

^[26] Vgl. (3) Statista (2019).

^[27] Vgl. Aichele & Schöneberger (2014), S. 2.

^[28] Vgl. Mroz (2013), S. 37-46.

^[29] Vgl. Schmid (2009).

^[30] Reinmann (2013), S. 93.

^[31] Vgl. Reinmann (2013), S. 94.

^[32] Vgl. MacCallum & Parsons (2016), S.173-182.

^[33] Reinmann (2013), S. 94 f.

^[34] Vgl. Seipold (2018), S. 25.

^[35] Vgl. Maske (2011), S. 169.

^[36] Vgl. Reinmann (2013), S. 97.

^[37] Vgl. Mazur (2007), S. 46.

^[38] Vgl. Jadin (2018), S. 726.

^[39] Vgl. Kerres (2001), S. 112.

^[40] Vgl. Reinmann (2013), S. 101.

^[41] Vgl. Tulodziecki & Herzig (2009), S. 133.

^[42] Reinmann (2013), S. 102.

^[43] Vgl. Jadin (2018), S. 727.

^[44] Vgl. Tulodziecki & Herzig (2009), S. 138 ff.

^[45] Vgl. de Witt & Czerwionka (2013), S. 17.

^[46] Vgl. Jadin (2018), S. 728.

^[47] Vgl. Jadin (2018), S. 728.

^[48] Vgl. Meir (2006), S. 14.

^[49] Vgl. Gräsel et al. (1997), S. 9.

^[50] Vgl. Tulodziecki & Herzig, 2009, S. 142.

^[51] Vgl. Gräsel et al. (1997), S. 7-10.

^[52] Vgl. Jadin (2018), S. 729.

^[53] Vgl. Holzinger (2001), S.

^[54] Jadin (2018), S. 729.

^[55] Vgl. Jadin (2018), S. 729.

^[56] Vgl. Liu (2010), S. 211.

^[57] Ernst et al. (2018), S. 418.

^[58] Wegener et al. (2013), S. 104.

^[59] Vgl. Ernst et al. (2018), S. 418.

^[60] Vgl. Kittl (2009), S. 51.

^[61] Vgl. Ernst et al. (2018), S. 418.

^[62] Vgl. Wegener et al. (2013), S. 104.

^[63] Davis (1989), S. 320.

^[64] Vgl. Wegener et al. (2013), S. 104.

^[65] Vgl. Straub & Burton-Jones (2007), S. 225 f.

^[66] Vgl. Wegener et al. (2013), S. 104.

^[67] Vgl. Niklas (2015). S. 33.

^[68] Vgl. Wegener et al. (2013), S. 111-114.