Lärarstudenters datoracceptans vid Högskolan i Skövde en kvantitativ studie utifrån Technology Acceptance Model.

Lärarstudenters datoracceptans vid Högskolan i Skövde en kvantitativ studie utifrån Technology Acceptance Model. Robert Andersson och Karl-Oskar Streith Datapedagogiskt program 2004 Filosofie kandidatuppsats 20 poäng, C-nivå Handledare: Helena Mattiasson Högskolan i Skövde

Abstract Type of work: Title: Authors: Supervisor: Language: Essay with a major in Educational and Instructional technology, 30 ECTS. Programme in Educational and Instructional technology, University of Skövde. Examining computer acceptance by pregraduate teacher students A quantitative study performed with Technology Acceptance Model Robert Andersson and Karl Oskar Streith Helena Mattiasson, University of Skövde Swedish with a summary in English. Completed: May 2004 Special thanks: We want to thank Will W K Ma at Hong Kong University of Science & Technology. Without his guidance and support this essay would never have been completed. In the discussion of information technology (IT) in education the focus is often on the technology, but the importance of the teacher is often forgotten. The teacher is the key person which actions are crucial for their student s attitude towards new technology. Swedish school teacher has for along time had a negative attitude to technology, but their opinion is slowly changing. The teacher s has a good access to IT equipment, but the usage of the equipment is parsimonious. This study examines first year teacher student s technology acceptance. We have used the technology acceptance model (TAM) as a framework for the analysis of their computer acceptance. All the constructs exhibited a high reliability with their corresponding measurement indicators. Our model showed a reasonably good fit with the data and our findings suggest that perceived usefulness is the major affecting variable on the intention to use, while ease of use was limited to only have a secondary influence on intention to use. It seems that our survey group has a positive opinion to the usage of computers. It appears that they first of all got to see a usefulness of the equipment and the simplicity comes in second place. Our survey group has shown low values of subjective norm and we have made the conclusion that they are not affected by management influences, although it seems to be a peer influence on the teacher students. Keywords: technology acceptance model, user acceptance, IT usage in education, teachers IT usage, perceived usefulness, perceived ease of use

Tackord Vi vill tacka alla de personer som hjälpt oss att göra det möjligt att genomföra detta arbete. Vi vill framförallt tacka Will Ma vid Hong Kong University of science & technology. Utan hans stöd och den hjälp som han har gett oss, skulle det ni nu läser varit en omöjlighet. Ett stort tack också till vår handledare Helena Mattiasson som följt vårt arbete och uppmuntrat oss när det har varit svårt. Vi vill därutöver tacka varandra för ett gott samarbete och för att vi uthärdat varandra varje dag i en hel termin.

Innehållsförteckning 1. Inledning 6 1.1 Syfte 6 1.2 Problemformulering 6 2. Bakgrund 7 2.1 Lärarrollen och IT i skolan 7 2.1.1 Faktorer som påverkar lärarnas användning av IT i skolan. 8 2.1.2 IT i skolan 10 2.2 Theory of Reasoned Action 12 2.2.1 Inställning till ett beteende (Attitude toward the behavior) 13 2.2.2 Subjektiv norm (Subjective norm) 13 2.2.3 Avsikt (Intention) 14 2.2.4 Beteende (Behaviour) 14 2.3 Technology acceptance model 14 2.3.1 Uppfattad användbarhet (Perceived usefulness) 15 2.3.2 Uppfattad enkelhet att använda (Perceived ease of use) 16 2.3.3 Inställning mot (Attitude towards) 17 2.2.4 Avsikt att använda (Intention to use) 17 2.2.5 Faktisk användning (Actual use) 17 3. Metod 18 3.1 Undersökningsgruppen 18 3.2 Informationsinhämtning 19 3.3 Statistisk bakgrund 20 3.3.1 Regressionsanalys 21 3.3.2 Stiganalys 22 3.4 Motivation av modellen 23 3.5 Modellutbyggnad och enkätframtagning 25 3.5.1 Modellen 25 3.5.2 Hypoteser 28 3.5.3 Enkäten 29 3.6 Datorbearbetning 30 4. Resultat 32 4.1 Beskrivande statistik 32 4.2 Resultat av dataanalys 35 4.3 Sammanfattning av resultat 41 5. Diskussion 42 5.1 Faktorer som har påverkat uppsatsen 42 5.2 Lärarrollen och IT i skolan 43 5.2.1 Teknologiacceptans 43 5.2.2 Datorer i hemmet 45 5.3 Variablerna 46 5.3.1 Uppfattad enkelhet att användas påverkan på Uppfattad användbarhet 46 5.3.2 Uppfattad användbarhets påverkan på avsikt att använda 47

5.3.3 Sammanfattning av huvudkomponenter 47 5.3.4 Subjektiv norm 48 5.3.5 Avsikt att använda 50 5.4 Begränsningar 50 5.5 Förslag till fortsatt forskning 52 6. Referenser 53 6.1 Bokverk och vetenskapliga artiklar 53 6.2 Internetkällor 55 Bilagor 57 Bilaga 1 Enkät Bilaga 2 Faktoranalys Bilaga 3 Pearson Correlation Coefficients of Inter item Correlation Analysis

1. Inledning I diskussionen kring Informationsteknologi i skolan sätts ofta ett alltför stort fokus på tekniken, men man får ej förglömma hur viktig läraren är i dessa sammanhang. Läraren är nyckelpersonen med vilkens agerande i skolan är avgörande för elevernas möte med den nya teknologin. Motståndet mot att använda datorer i den svenska skolan håller på att mattas ut, men det är en utveckling som går mycket långsamt. I dagens Sverige är IT nästan en naturlig del i varje barns uppväxt. Lärarnas inställning till datorer har en stor påverkan på hur barn kommer att uppfatta och använda datorer i framtiden. Efter att ha varit handledare på kursen Introduktion till PC, en kurs som varje ny lärarstudent genomgår, insåg vi att deras datakunskaper var mycket skiftande. Därför tyckte vi att det skulle vara intressant att se på vilken inställning dessa lärarstudenter har till datorer. 1.1 Syfte Vårt syfte med studien är att titta på vilken datoracceptans de som läser första året vid lärarprogrammet på Högskolan i Skövde har. Vårt mål är att få en uppfattning om hur framtida lärare kan tänka sig att använda en dator i sitt arbete. 1.2 Problemformulering Vilken datoracceptans finns det hos förstaårsstudenter vid lärarprogrammet på Högskolan i Skövde? 6

2. Bakgrund I denna del kommer vi att ta upp de teorier och modeller som ligger bakom vår undersökning. Vi kommer även här att förklara de termer och begrepp som är relevanta för vårt arbete. Vi har även valt att ta med det som skrivs om lärares datoranvändning i svenska skolor utifrån litteratur och befintlig statistik, detta för att sedan kunna göra en jämförelse med vårt resultat i diskussionen (se kapitel 5). För att visa varför användare accepterar eller avfärdar en informationsteknologi lade Davis 1989 i sin doktorsavhandling (Davis, 1989) fram en modell för just detta, Technology acceptance model (TAM). Denna modell är en anpassning av beteendemodellen Theory of Reasoned Action (TRA) som lades fram av Ajzen och Fishbein (1975). 2.1 Lärarrollen och IT i skolan Denna del kommer att beröra ämnet lärarens roll i dagens skola och de påverkande faktorer som IT medför på lärarrollen. Vi kommer även att ta upp lärarnas IT användning, både i ett nationellt och internationellt hänseende. Detta har vi valt att ta med bland annat för att återknyta en del av detta till diskussionen, men framförallt för att ge er läsare en överblick av lärarrollen och användningen av IT i skolan. I Lärarförbundets text (1996) beskrivs det förändringar i skolan och då i första hand förändringar i hur man skall arbeta. Med IT i undervisningen ska det medföra djupgående förändringar av olika slag, vilket ska leda till ett mer elevstyrt arbetssätt. Eleverna ska inte längre få kunskapen tillhandahållen av läraren utan att med bland annat IT mer aktivt söka sin egen kunskap. Information inhämtad av eleven skall enskilt bearbetas, värderas, analyseras och granskas kritiskt för att därefter omvandlas till kunskap. Denna förändrade elevroll leder då följaktligen vidare till en förändrad lärarroll. Den vanlige kunskapsförmedlande läraren behövs då ej längre, istället behövs det en lärare som tar en mer handledande roll (Jedeskog, 1998). När man diskuterar IT i skolan sätts ofta alltför stort fokus på tekniken, men vikten av lärarens roll kommer ofta i skymundan. Lärarens agerande i skolan är avgörande för elevernas möte med den nya teknologin. 7

Jedeskog (1998) skriver att det är den professionella läraren som bestämmer när IT är ett lämpligt hjälpmedel i undervisningen. Lärarnas teknologiacceptans har alltså en stor påverkan på sina elevers möte och ställningstagande till teknologi. Om en lärare har en låg acceptans till datorer påverkar det självklart lärarens användning av datorer och användandet av datorer i sin undervisning. Detta påverkar då också elevernas användning av IT i skolarbetet. Det sker även en förändring i synen på lärare bland allmänheten. Lärare går från att ses som förändringsobenägna som man måste sätta press på för att de skall förnya sig, till synen att lärare har blivit betydligt positivare och deras syn på IT i skolan som helhet har förändrats (Hylén, 2003). Lärarnas syn på användningen och förändringen att använda IT i skolan har således slagit igenom och de accepterar IT mer nu än tidigare. 2.1.1 Faktorer som påverkar lärarnas användning av IT i skolan. Lärarnas intresse för användning av datorer tydliggörs av den enskilde lärarens inställning eftersom intresset visar sig i om läraren använder datautrusningen eller inte. Har läraren ett eget teknikintresse underlättar detta dator/it användningen medan andra lärare drivs av ett mer allmänt förändringsintresse, där frågor gällande pedagogiken kan vara av större vikt än just de tekniska frågorna. Även erfarenheter som andra lärarkollegor redogör av sin användning av datorer i undervisningen kan få andra lärare att vilja prova datorn som ett undervisningsinstrument (Jedeskog, 1998). Internationell och svensk forskning har visat att lärarens attityd till datoranvändning i undervisning är avgörande för om och hur mycket tekniken används. Det är viktigt för lärarna att de känner sig trygga i sin användning av datorer för att kunna använda datorn i sin undervisning. I en utvärdering av en dansk satsning på kompetensutveckling i IT, kunde man se att en bidragande faktor till att just kompetensutvecklingen skulle vara framgångsrik var att lärarna hade en egen dator hemma och gärna en uppkoppling mot skolans intranät. Att ha en dator hemma och en uppkoppling mot Internet ger troligen en ökad datorvana och en betydligt större möjlighet att använda IT i undervisningsförberedelser och kommunikation med föräldrar och elever. Bland de tillfrågade i en undersökning utförd av Eurobarometer har 97 % av alla lärare dator hemma och 90 % av dem hade Internetuppkoppling (Hylén, 2003). 8

I en undersökning gjord av KK stiftelsen, där lärare i grundskolan och gymnasieskolan undersöks visar det sig att tillgång till IT redskap för lärare idag är mycket hög både i hemmet och i skolan. Sveriges lärare har under lång tid haft en mycket hög tillgång till IT utrustning och den har för varje år ökat ytterligare. Datorer finns idag i de flesta hem, nio av tio personer i samtliga grupper i KK stiftelsens undersökning har tillgång till Internet i hemmet och tillgången i skolan är ännu högre (Ferndahl, 2002). Det finns många förklaringar till varför en del kunskap används och inte används. Kunskap som är enkel att erhålla uppmärksammas medan kunskap som kräver mer ansträngning och tid åsidosätts. Lojaliteter och traditioner kan även påverka lärarnas intresse för att ta till sig kunskap. Förändring kan även ses som ett hot mot etablerade rutiner (Jedeskog, 1998). En lärare kan undra att varför han/hon ska ändra de rutiner som har fungerat i många år till något som han/hon aldrig har provat på tidigare. En lärare kanske även anser att hon/han är för gammal för att lära sig något nytt och det skulle kräva så mycket tid att lära sig det, oftast en tid som de inte har på grund av exempelvis nedskärningar i budgeten. Andra faktorer som påverkar, vilket är mer relaterade till IT, är att det inom vissa skolor finns för få datorer, men kanske är den främsta faktorn, lärarens bristande IT kompetens. I en undersökning gjord av Ferndahl i samarbete med KK stiftelsen (2002) rankar de tillfrågade lärarna att de största problemen eller hindren i användandet av IT i undervisningen är att det finns för lite pengar och för få datorer. På tredje plats rankar de att kompetensen är för låg bland lärarna. Lärarnas låga IT kompetens är kanske det mest avgörande skälet till att den nya tekniken inte i så stor utsträckning har förändrat arbetssättet i skolan på det sätt som av många förväntar utanför skolan (Jedeskog, 1998). Att det finns för få datorer i skolorna är ett problem som kan verka nedslående även på en mycket kompetent och motiverad lärare. Trots detta är den låga kunskapen hos en del lärare den största bromsklossen av förändringen i skolan. Ändå visar undersökningar gjorda av Hylén (2003) att över hälften av Sveriges lärare idag har medverkat i kvalificerad kompetensutveckling kring IT i skolan. Något som dock är oroväckande är att av de lärare som har avslutat sin lärarutbildning år 1998 eller senare underkänner 74 % av dem den IT utbildning de har erhållit under sin utbildning (Fowelin, et al., 2003). I Lärarrollen ingår det att vara en auktoritet för sina elever, vilket medför att läraren skall vara bäst i klassen. Idag finns det många elever som är 9

duktigare än sina lärare på att hantera IT och datorer. Dessa elevers vetanden liksom varje förändring i den egna undervisningen kan av lärare uppfattas som ett hot mot deras lärarroll (Jedeskog, 1998). Mätningar visar att lärarnas ITkunskap ständigt har ökat sedan år 1997. I den undersökning som Ferndahl (2002) har gjort anser 59 % av lärarna att de har tillräckliga ITkunskaper och det är en stor ökning sedan föregående år då siffran var 32 %. Mätningar som gjordes år 2003 av Fowelin, et al. visade däremot att av de tillfrågade lärarna ansåg 17 % att de hade tillräckliga kunskaper om IT och 31 % ansåg att de nästan hade tillräckliga kunskaper. Att dessa siffror bara under ett år kan skilja sig så mycket kan verka underligt, men man får ta med i beräkningen att undersökningarna är gjorda av två olika undersökningsföretag. Dock är båda undersökningarna utförda på uppdrag för samma organisation och syftar till att undersöka samma område. Går man tillbaka till undersökningen gjord år 2002 visar undersökningen däremot att lärare på gymnasiet känner att de har en högre kunskap om IT än sina kollegor på grundskolan. På gymnasiet anser 64 % av lärarna att de har en tillräcklig kunskap jämfört med 54 % bland grundskolelärarna. Jämför man med de elever som var med i undersökningen så stämmer siffrorna rätt så bra, då 60 % av eleverna tyckte att deras lärare hade tillräckliga IT kunskaper. Även detta var en ökning sedan föregående år. Det visade sig också att det var fler män (69 %) än kvinnor (52 %) som såg sig ha tillräckliga kunskaper i IT. Liknande siffror kan utläsas i KK stiftelsens undersökning av Fowelin, et al. (2003), men de har inte mätt hur stor andel gymnasielärare respektive grundskolelärare som anser sig ha tillräckliga kunskaper. 2.1.2 IT i skolan I en jämförande studie från hösten år 2002 där G7 länderna (de sju största ekonomierna i världen) samt Sverige och Australien jämförs, rankas Sverige som bland de tre främsta inom ett flertal områden. Sverige anses som en av världens ledande länder inom IT, men vår position som ledande IT nation är hotad. Nya undersökningar ger en ny bild av Sveriges position och på flera betydelsefulla områden har andra länder passerat Sverige (Hylén, 2003). I de flesta länder kan IT satsningen i skolan delas in i tre delar: investeringar i infrastruktur och hårdvaror, satsningar på kompetensutveckling av lärare samt skapande och tillgängliggörande av digitala läroresurser för skolan (Hylén, 10

2003). Det finns flera typer av argument som motiverar till nationell IT satsning i skolan: Den samhällsekonomiska synvinkeln Anser att det är nödvändigt med IT kunnig arbetskraft. IT ses som en katalysator för förändringar Skolan ska bli mer flexibel och höja kvalitén på lärandet. IT ses som ett jämlikhetsskapande redskap Ska ge lika möjligheter, främst då för handikappade. Effektivisera lärandet IT som verktyg ska höja effektiviteten i lärandet. De tre första argumenten har alltid varit viktiga i Sverige, men det fjärde argumentet om att lärandet kan bli effektivare har inte lyfts fram lika starkt, då det fram till idag inte funnits någon empirisk bevisning på att detta skulle effektivisera lärandet (Hylén, 2003). Utifrån de fakta som finns idag kan man inte utläsa om IT satsningar i skolorna i Sverige och i andra länder lyckats överbrygga de digitala klyftorna eller de nya ojämnlikheterna mellan de som har IT kunskap och tillgång till IT jämfört med dem som inte har det. Detta är något som kommer att prägla informationssamhället, vilket många hyser farhågor för. I den svenska skoldebatten har man ofta hävdat att IT kan medverka till förnyelse och pedagogisk utveckling. Frågan blir då om lärarnas IT kunnande är av avgörande betydelse (Hylén, 2003). Hylén (2003) skriver att den svenska gymnasieskolans datortäthet hävdar sig bra i förhållande till andra länder medan grundskolan i Sverige inte har samma framstående position inom detta område. Han skriver vidare att nästa alla lärare har en dator, varav 90 % av dessa har Internetuppkoppling hemma. På den punkten skiljer sig Sverige inte mycket från de andra länderna förutom att de inte verkar använda sig av sin utrustning lika mycket. Det har visat sig i både svenska och internationella undersökningar att det råder en begränsad användning av Internet bland de svenska lärarna. Jämfört med andra svenskar i samma ålder använder sig lärarna av Internet i mindre utsträckning, trots att det bland lärare är vanligare med Internetuppkoppling i hemmet. Om man nu antar att det är viktigt att känna sig van och trygg i sitt datoranvändande för att 11

våga använda datorn i sin undervisning, så är det låga datoranvändandet bland lärare oroväckande. I de undersökningar som Hylén (2003) har granskat tyder det på att de svenska lärarna har en mer skeptisk och förbehållsam inställning till Internet än sina utländska kollegor. Användningen av datorer i undervisningen är även mindre än i de andra undersökta länderna. Nu när man vet hur stor tillgängligheten av datorer är för våra svenska lärare kan det vara intressant att veta hur många av lärarna som använder sig av sina datorer och sin uppkoppling mot Internet i sin undervisning. Enligt Eurobarometers undersökning (Hylén, 2003) uppger 82 % av lärarna att de använder sig av datorer i sin undervisning och 65 % använder sig av Internet. Lärarna i undersökningen använder sig av datorn och Internet i sin undervisning 4,7 timmar per vecka (Hylén, 2003). Hylén (2003) skriver att lärarnas IT användning är lite oroande. Detta då lärarna har god tillgång till IT relaterade verktyg, men är inte vidare intresserade av att använda sig av dessa. De svenska lärarna är mer skeptiska till att använda Internet i sin undervisning än vad de utländska lärarna är. Det är endast hälften av lärarna som ser datorn som ett pedagogiskt redskap och använder sig av den i sin undervisning. Dock är det fler som använder datorn utanför lektionstid (Hylén, 2003). Slutsatsen Hylén (2003) drar om IT i skolan är att Sverige inte når upp till det övre skiktet i Europa gällande antal datorer i skolan. Däremot ligger den svenska gymnasieskolan långt fram medan grundskolan inte har samma framstående position inom detta område. Han skriver vidare att datortätheten bland elever har sjunkit och han förutspår att det kommer att fortsätta. De slutsatser som Hylén (2003) drar i sin undersökning kan ses som en oroande trend och att Sverige kan tappa ytterligare mark som en framträdande IT nation. 2.2 Theory of Reasoned Action Vi kommer här att beskriva TRA, detta för att ge en grundläggande förståelse av modellen eftersom TAM är en anpassning av TRA modellen. TRA består av fyra variabler och vi kommer nu att beskriva dessa komponenter. TRA modellen är framtagen för att förutse och förklara socialt beteende hos individer i en specifik situation (Legris, Ingham & Collerette, 2003). TRA är 12

sammansatt av flera individuella uppfattningar och attityder kring beteende och av den sociala faktorn subjektiv norm (Davis et al., 1989). Man kan alltså säga att TRA är en modell för att förklara en individs agerande utifrån en individs attityder mot ett beteende och individens subjektiva norm. Figur 1. TRA modellen enligt Fishbein & Ajzen (1975) 2.2.1 Inställning till ett beteende (Attitude toward the behavior) Inställning till ett beteende är värderat till vilken grad prestationen av ett beteende är positivt eller negativt (Ajzen, 2004). Man kan alltså säga att inställningen till ett beteende är individens positiva och negativa känslor kring genomförandet av beteendet. 2.2.2 Subjektiv norm (Subjective norm) Med subjektiv norm menas hur individen uppfattar andras krav på det egna beteendet (Larsson & Lilja, 2003). Som Venkatesh och Davis (2000) skriver, så kan människor välja ett beteende även fast de inte är positivt inställda till beteendet eller dess konsekvenser. Detta beroende på om de tror att en eller flera viktiga personer tycker att de ska utföra beteendet och de är tillräckligt motiverade till att rätta sig efter dessa viktiga personer. Man kan alltså säga att 13

subjektiv norm är det uppfattade trycket från omgivningen på att genomföra eller inte genomföra ett beteende. 2.2.3 Avsikt (Intention) Avsikt är den kognitiva framställningen av en persons villighet att genomföra ett givet beteende. Avsikten är ansedd att vara det som föregår ett beteende (Ajzen, 2004). Därför kan man sluta sig till att avsikten är den inställning individen har mot ett specifikt beteende. Innan du utför en handling kommer du att ha ett syfte med handlingen, alltså en avsikt med ditt beteende. 2.2.4 Beteende (Behaviour) Beteende är en uppenbar och observerbar reaktion i en given situation med hänseende till ett givet mål (Ajzen, 2004). Det är alltså hur en individ uppför sig i en iakttagbar situation. Med ordet beteende refererar man till de handlingar en individ utför utefter stimulans från omgivningen. Nedan illustreras ett exempel om hur variablerna i TRA kan sättas in i en vardaglig situation: Exempel: Inställning till beteendet: Jag tror att styrketräning skulle hjälpa mig att må bättre. Subjektiv norm: Jag tror att mina arbetskamrater tycker att jag skall styrketräna Avsikt: Jag vill må bättre. Beteende: Jag styrketränar för att må bättre. 2.3 Technology Acceptance Model Vi ger här en förklaring på de delar som ingår i TAM. Detta för att ge en bättre förståelse för den grund vår undersökning bygger på. Modellen ser vi som en grundmodell som går att anpassa utefter det vi vill undersöka. Det finns flertalet undersökningar tidigare som har gjort just detta (se ex. Ma, 2003 och Venkatesh & Davis, 2000). 14

TAM är specifikt designad för att förklara individuella beslut gällande teknologiacceptans som är utspridda över ett brett område av teknologier, användare och kontexter (Hu, Clark & Ma, 2003). Huvudavsikten med TAM är att förse en bas för att spåra påverkan av externa variabler såsom uppfattningar, attityder och intentioner (Legris et al., 2003). TAM utvecklades av Davis för att förutse beteende och intentioner gällande acceptans av just teknologi och främst då datateknologi. Modellen kan innefatta alla typer av användare och de miljöer de befinner sig i. Både TRA och TAM har starka beteendevetenskapliga inslag, dock byter TAM ut många av TRA s sätt att mäta attityder på mot två måttenheter för teknologiacceptans, Perceived usefulness (PU) och Perceived ease of use (PEOU) (Wikipedia, 2004). TRA och TAM visar att de externa variablerna påverkar indirekt, i TRA s fall attityder och subjektiva normer och i TAM s fall PEOU och PU. Den modell som Davis utvecklade år 1989 kan ni se nedan i figuren (fig. 2): Figur 2. TAM (Davis, 1989) 2.3.1 Uppfattad användbarhet (Perceived usefulness) Vad får individer att acceptera eller avfärda informationsteknologi? Bland många variabler som påverkar systemanvändning visar tidigare studier (ex. Davis, 1989) att två bestämda faktorer är speciellt viktiga. För det första 15

tenderar människor att använda eller inte använda en applikation till den graden de tror att det kommer att hjälpa dem att utföra deras arbete bättre (Davis, 1989). Denna första variabel kallas Perceived Usefulness (PU) vilket översatt till svenska blir uppfattad användbarhet. the degree to which a person believes that using a particular system would enhance his or her job performance. (Davis, 1989, s. 320). Denna variabel kommer ifrån definitionen av ordet användbar: som det går bra att använda (fördelaktigt) (Györki och Sjögren, 1998). Ett system som har hög PU är ett system där användaren tror på att systemet ger positiva användarprestationer (Davis, 1989). Uppfattar man en teknologi som användbar, så kommer man med stor sannolikhet att använda den teknologin. 2.3.2 Uppfattad enkelhet att använda (Perceived ease of use) Även om potentiella användare tror att en given applikation är användbar så kan de tro att applikationen är för svår att använda och att fördelarna är mindre än det jobb som krävs för att använda systemet (Davis, 1989). Denna variabel kallas Perceived Ease Of Use (PEOU) och vi har valt att översätta denna till uppfattad enkelhet att använda. the degree to which a person believes that using a particular system would be free of effort. (Davis, 1989, s. 320). Denna variabel kommer ifrån definitionen av ordet lätthet (ease): utan svårigheter (Györki et al., 1998) eller översatt från den engelska definitionen i Davis (1989) text; frihet från svårigheter eller stor ansträngning. Davis (1989) påstår att en applikation uppfattas av användaren som lättare att använda än en applikation som uppfattas som svårare att använda, har en större sannolikhet att bli accepterad av användarna. Uppfattar man en teknologi som lättare att använda än någon annan teknologi, så kommer man antagligen att välja den lätta teknologin. 16

2.3.3 Inställning mot (Attitude towards) Denna del innebär precis som i TRA, alltså individens positiva och negativa känslor kring genomförandet av beteendet. Det skiljer också mer genom att inställningen i TAM är riktad mot någon form av teknologi. 2.2.4 Avsikt att använda (Intention to use) Definitionen av avsikten att använda är som i TRA. Den inriktningen av individens vilja mot ett specifikt beteende. Innan du utför en handling kommer du att ha ett syfte med handlingen, alltså en avsikt med ditt beteende. Denna avsikt är främst då riktad mot datateknologi i vår uppsats. 2.2.5 Faktisk användning (Actual use) Denna del innebär den faktiska användningen av en teknologi. Om hur den införda teknologin används eller inte används av individen. Nedan illustreras ett exempel om hur variablerna i TAM kan sättas in i en situation i skolan: Exempel: PU: PowerPoint är användbar för min undervisning. PEOU: PowerPoint är lätt att använda Attityd: PowerPoint underlättar min undervisning. Avsikt: Jag vill använda PowerPoint i min undervisning. Faktisk användning: Jag använder PowerPoint i min undervisning. 17

3. Metod I detta kapitel förklaras hur vi gått till väga med arbetet i studien och vilka metoder vi valt att använda. Vi går även igenom framtagningen av vår modell och den enkät vi har använt oss vid datainsamlingen. 3.1 Undersökningsgruppen Eftersom studien behandlar datoracceptans hos förstaårsstudenter vid lärarprogrammet på Högskolan i Skövde år 2003 2004, började vi första med att kontakta Ulla Karlsson som är studierektor på lärarutbildningen. Vi förklarade vad vi ville undersöka och hon ansåg att idén var bra och att de själva var intresserade av resultatet av undersökningen. Antalet personer som det fanns möjlighet att fråga för vår undersökning uppskattades till ca 140 personer. Undersökningen är en kvantitativ studie där man utgår från en enkät för att samla in data. För att få så litet bortfall som möjligt beslutades det att vi skulle få möjlighet att dela ut våra enkäter på två av de lektioner där studenterna skulle vara där i helklass. I undersökningsgruppen finns det både män och kvinnor och dessa är i varierande åldrar. Undersökningsgruppen består av fyra olika inriktningar som läser det första året tillsammans på lärarprogrammet. De fyra olika inriktningarna är: Tidiga åldrar. Lärare inriktade mot förskola och grundskolans tidigare årskurser. Naturvetenskap och matematik. Lärare inriktade mot matematik och naturvetenskap i grundskolan. Allmänt utbildningsområde. Studenter som har läst in ämneskunskap och endast läser pedagogik för att få lärarbehörighet. Pedagogik för yrkeslärare. Yrkesverksamma lärare som läser pedagogik för att få lärarbehörighet. Vi var till en början kritiska till att inkludera inriktningen pedagogik för yrkeslärare, detta då vi ansåg att de skulle förorena undersökningens resultat på grund av att många av de tillfrågade i denna grupp redan har varit ute som verksamma lärare. I denna grupp fanns även i en del fall lärare i praktiska 18

ämnen såsom exempelvis fordon och byggyrkesämnen. Vi ansåg först att de ej på samma sätt skulle ges möjlighet att använda datorer i sin yrkesutövning och skulle ej ha samma möjlighet till detta som lärare i andra ämnen. Efter övervägande valde vi ändå att inkludera denna grupp i vår undersökning, då även de påverkas av utbildningen på högskolan. De påverkas även som alla andra lärare att använda datorer i sin framtida undervisning eller i sitt dagliga arbete i skolan. 3.2 Informationsinhämtning För att ta reda på så mycket som möjligt kring datoracceptans började vi först med att göra en bred sökning och finna en så stor mängd fakta som möjligt kring ämnet. Detta gjorde vi vid högskolans bibliotek och dess sökverkstad. Sökverkstaden på biblioteket är en lektionssal med nio datorer kopplade till ett flertal databaser, tidskrifter och Internet. Sökverkstaden är alltid bemannad med en bibliotekarie som kan bistå med hjälp och svar på frågor gällande all form av informationssökning. Vid informationssökningen arbetade vi i en trattmodell, det vill säga att vi försökte finna allt som hade med teknologi och datoracceptans att göra, detta för att sedan smalna av i våra sökningar. Det vi fann som intressant för vår studie undersökte vi mer ingående och utifrån dessa vidarespecificerade vi sedan vår informationssökning. På så sätt fick vi över tid en mer djupgående och relevant informationsgrund till vår studie. Under inläsningen och informationssökningen kring teknologiacceptans fann vi en modell som just undersöker individuella beslut gällande teknologiacceptans utspridda över ett brett område av teknologier, användare och kontexter (Hu, Clark & Ma, 2003). Den modell vi påträffade och sedan beslutade oss för att använda heter Technology acceptance model (se kap. 2.2) och är utvecklad av Fred D. Davis (1989). Davis är professor vid Sam M. Walton College of Business i Arkansas. Han doktorerade år 1986 och har skrivit flertal artiklar kring teknologiacceptans. Hans ämnesområden är användaracceptans av informationsteknologi, datorutbildning och färdighetsförvärvning, datorstött beslutsfattande och administrativa ledningsteknologier. 19

TAM är en kvantitativ modell som undersöker teknologiacceptansen hos användare och tilltänkta användare av någon form av datateknologi. Det finns inte några direkta böcker kring ämnet, men en hel del vetenskapliga artiklar som beskriver modellen och dess användning i olika studier. Vi valde att undersöka lärarstudenternas datoracceptans med en kvantitativ modell då man kan undersöka en stor grupp individer på kort tid och med relativt begränsade resurser. Skulle vi valt att använda oss av en kvalitativ undersökningsmetod skulle vi ej ha hunnit med att undersökt samma antal individer i undersökningsgruppen. Vi tror också att vid exempelvis intervjuer så kan ett svar från den intervjuade skilja lite beroende på vilket humör personen befinner sig i. Vi tror att vår undersökning inte blir lika påverkad från just sådana faktorer. Med hjälp av enkäter så kan inte vi påverka de svarande på samma sätt som vi kanske omedvetet skulle göra under en intervju. I många fall vill och vågar inte människor visa sina brister, i en anonym undersökning så vågar oftast de svarande svar som de känner och detta tror vi leder till ett mer korrekt resultat. Dessa faktorer har bidragit till att vi utförde en kvantitativ undersökning. All litteratur kring TAM vi har funnit är skriven på engelska och i ett fall på norska. Detta har medfört att stor tid har lagts ner på översättning i syfte att få en bättre övergripande bild av modellen och dess användningsområden. Vi har fortlöpande under arbetets gång fortsatt med våra sökningar inom ämnet och slutligen fann vi ett svenskt arbete som använder sig av TAM. Vi har även kontaktat Will W. K. Ma som är artikelförfattare till ett flertal artiklar som berör TAM. Ma är doktorand vid Hong Kong University of Science & Technology s, hans ämnesområde inkluderar teknologiinförande, webbaserat lärande och kunskapsutbyte, alltså ämnen som kan tänkas vara intressanta för oss datapedagoger. Denna kontakt har skett via e post. Han skickade oss ett par artiklar angående grunderna av TAM och han erbjöd sig även senare att hjälpa oss med bearbetningen av modellens påverkanskoefficienter, detta då det kräver ett avancerat dataanalysprogram som vi ej har. För att verifiera att vi har utformat modellen och frågorna till enkäten relevant och korrekt har vi under hela arbetets gång haft en kontinuerlig dialog med Ma för att säkerställa just detta. 3.3 Statistisk bakgrund I detta avsnitt förklarar vi grundläggande de analysmetoder som vårt resultat har bearbetats på. När den insamlade datan bearbetas, så används idag dator 20

program för att göra dessa beräkningar. Vi har valt att förklara dessa metoder för att få en inblick i det som datorprogrammen gör med vårt framtagna resultat. Viss förklaring finns även med i resultatet, detta för att förstå resultatet och modellen bättre. 3.3.1 Regressionsanalys Ordet regression har kommit att bli det område inom statistiken där man studerar sambandet mellan olika variabler. Ordet kommer från Francis Galtons undersökning på 1870 talet där han studerade sambandet mellan kroppslängden mellan far (x) och son (y). Galton fann ett linjärt samband mellan x och y i hans undersökning (NE, 2004) Regression är alltså en statistisk term för samband mellan en variabel och en eller flera förklarande variabler. I regressionsanalys finns det två typer av variabler, dels prediktorer som påverkar en eller flera andra variabler, prediktorerna kännetecknas i det schematiska diagrammet av att de endast har utgående pilar. Det finns även beroende variabler, dessa variabler kännetecknas av att de har ingående pilar dvs. pilar från variabler som påverkar dem. Därutöver benämns variabler som både är beroende och påverkande för medierande variabler (Grimm & Yarnold, 1997). Vidare är en regressionsanalys en analys där man analyserar sambandet mellan en beroendevariabel (y) vars värde är beroende av en eller flera prediktorer (x). Tanken med en regressionsanalys är att förklara den beroende variabeln med hjälp av prediktorn eller prediktorerna (NE, 2004). Exempelvis skulle man kunna se en persons inkomst (y) påverkas av personens utbildning (x). Över detta skulle man kunna insamla data för att sedan analysera och ställa mot sin hypotes att inkomsten (y) påverkas av utbildningsnivån. Multipel regressionsanalys är som en enkel regressionsanalys fast det finns flera prediktorer (x) på den beroende variabeln (y) (Grimm & Yarnold, 1997). En persons vikt (y) är beroende hur mycket motion (x), men även hur mycket personen i fråga äter (z). 21

3.3.2 Stiganalys En stiganalys (eng. Path analysis) undersöker hur flera variabler påverkar varandra och i vilken grad de påverkar varandra. Stiganalys är besläktad med multipel regressionsanalys då stiganalys är genomförd med flera regressionsanalyser i olika steg. x påverkar z som i sin tur påverkar y (Grimm & Yarnold, 1997). Man kan ta en individs kondition som exempel: Konditionen påverkas av personens muskelmassa som i sin tur är påverkad av hur mycket personen äter och tränar, men konditionen är även påverkad av lungkapaciteten som kan vara påverkad av hur mycket individen röker. Figur 3. Exempelmodell Stiganalysen är en teoretisk modell som dels är beskriven i ord och dels även schematiskt beskriven av ett diagram (se fig. 3). Analysen är uppbyggd av flera olika variabler som påverkar varandra, i det schematiska diagrammet kan man se hur variablerna påverkar varandra genom pilar. För att göra en stiganalys behövs det insamlad data för varje variabel man undersöker, varje variabel graderas på en mätbar skala. Ur en stiganalys kan man utläsa två delar. Dels hur den tänkta modellen stämmer överens med den insamlade datan och dels se storleken på de tänkta sambanden mellan 22

variablerna i modellen. Därefter kan man se till hur stor grad dessa påverkar varandra (NE, 2004 och Grimm & Yarnold, 1997). I figuren 3 är kondition, näringsintag och rökning prediktorer, muskelmassa och lungkapacitet är beroende variabler men även prediktorer och därmed medierande variabler. I en stiganalys kan variabler ha direkt och indirekt effekt på andra variabler. Direkt effekt har en påverkande variabel på den beroende variabeln, vilken pilen i diagrammet pekar på. Den direkta effekten redovisas dels i tabell men även i diagrammet och kan läsas ut som ett procenttal. Den indirekta är den effekt som en påverkande variabel har på en beroende variabel som den inte står i direkt samband med, den indirekta effekten går genom en eller flera medierande variabler (Grimm & Yarnold, 1997). 3.4 Motivation av modellen TAM har omfattande empiriskt stöd och en hög popularitet utanför Sverige (Davis et al.1989). I studier gjorda av Yuen och Ma (2002) visar att tidigare empiriska tester av TAM till största del har varit stödjande av modellen. Dessa empiriska stöd, samt att vi till en början inte påträffade några tidigare svenska studier som har använt sig av TAM, har legat till grund för valet av modellen. Modellen är relativt enkelt designad och det verkade som den kunde tillämpas och ge oss underlag för vår studie. I en långtgående empirisk studie utförd av Davis et al. (1989) jämfördes TAM och TRA om hur bra modellerna förutsåg och förklarade bestämdheten av användaracceptans. Där kom de fram till att TAM var en enkel, men även en kraftfull modell gällande teknologiacceptans. Dock skriver Hu et al, (2003) att TAM är sparsamt och allmänt designad för beslutsfattande kring teknologiacceptans. De skriver vidare att TAM har blivit kritiserad för just sin sparsamhet och för att ställa sig mot dessa begränsningar har flera ansträngningar gjorts för att bygga ut modellen (se ex. Hu, Clark och Ma, 2003 och Ma, 2003). Andra expanderande TAM genom att inkludera andra variabler från andra teorier och modeller. Att grundmodellen är enkel och sparsamt konstruerad anser vi som en fördel, då den är oberoende av vilka individer man undersöker och går att tillämpa i 23

de flesta kontexter. Detta vill säga att valet av målgrupp ej har stor betydelse, så modellen kan appliceras på vilka användare som helst och miljövalet har ingen betydelse för undersökningen. Huvudkomponenterna i TAM; Perceived usefulness och Perceived ease of use, har i flertalet studier visat sig i vara betydande för just användningen av en teknologi. I en studie av Mahmood och Swanberg (2001) skriver de att: there exists a strong and significant positive relation between the perception of ease of use an the perceived usefulness of an IT system to actual amount of usage. (s. 107). Även om modellen är sparsamt utformad kan man se att grundkomponenterna är mycket kraftfulla och betydande i användning av en teknologi. Vi anser vidare att enkelheten gör att modellen är lätt att bygga ut för att passa just det studieområden som man vill undersöka. De flesta av de artiklar vi har läst har just gjort detta och lagt till komponenter från andra teorier och modeller. Vi har själva utarbetat en modell som kommer att redovisas längre fram i texten (kap. 3.4.1), där även vi har byggt ut grundmodellen av TAM med ytterligare variabler. Vidare är kritik riktad mot sambandet mellan PU och PEOU, de två grundkomponenterna i TAM. Detta på grund av att komponenterna delvis är beroende av frivilligheten i användningen. Det är svårt att utföra en studie på ett korrekt sätt om inte användningen av teknologin är helt frivillig (Adams, Nelson & Todd, 1992). Vi ser svårigheten i att påvisa teknikacceptansen på ett korrekt sätt inom ett område där teknikanvändningen inte är helt frivillig. Eftersom detta påverkar PU och PEOU negativt och på så sätt kan ge en felaktig bild av teknologiacceptansen. Vårt val av undersökningsområde faller enligt oss inte under denna kategori. En lärare har idag i stor utsträckning möjligheten att själv välja användningen av datorer i arbetet och undervisningen. 24

Exempel: En revisor på en revisionsbyrå har inte den möjligheten att enskilt välja om hon/han vill använda en dator i sitt arbete, detta då datorn är en nödvändighet. Jämför man revisorer med lärare har lärare möjligheten att välja hur de vill undervisa och lägga upp sitt arbete och då också valet av att använda datorer. Då frivilligheten finns i valet av teknik för våra respondenter tror vi att vi erhåller en riktig bild av deras teknikacceptans om vi använder oss av TAM. 3.5 Modellutbyggnad och enkätframtagning För att undersöka teknologiacceptans med TAM specificerade vi först hur vår utbyggnad av modellen skulle se ut, detta för att sedan kunna utveckla de frågor som skulle ställas i enkäten till undersökningsgruppen. I detta avsnitt kommer vi att förklara framtagning och utbyggnad av vår modell av TAM och vår enkät. 3.5.1 Modellen Sedan modellen kom år 1989 har andra användare av modellen utökat och anpassat modellen utifrån sina studieområden. Vi har med hjälp från andra artiklar som har berört liknande områden själva utvecklat och utökat modellen, så att den passar just vår undersökningsgrupp. Många av de studier (T.ex. Hu et al., 2003; Mahmood et al., 2001 och Yuen et al., 2002) som använder sig av TAM grundar sina modeller på originalmodellen för att sedan anpassa och bygga ut den med flera variabler. Vi har studerat dessa artiklar och de modeller som har använts och funnit ett flertal intressanta variabler för vår studie. Vid framtagning av vår modell använde vi oss främst av de artiklar som Ma skrivit (Ma, 2003; Hu et al., 2003 och Yuen et al., 2002). Detta då han tidigare hade undersökt teknologiacceptans hos nyutexaminerade lärare i Hong Kong och deras användning av PowerPoint. Till en början byggde vi upp vår modell kring grundmodellen av TAM och ett flertal ytterligare variabler och dess relationer till grundmodellen. Efter att ha skärskådat vår tänkta modellen insåg vi att den blev alltför omfattande. Som kan ses i bakgrunden består grundmodellen av TAM (se fig. 2) av fem variabler, en av dessa är faktiskt användning. Vi insåg att denna faktor inte var 25

intressant för vår undersökning, då vi var intresserade av gruppens attityder och framtida användning av datorteknologi. Denna faktor togs bort och vi lade endast till två extra variabler: subjektiv norm och arbetsrelevans. Vi har tidigare förklarat vad subjektiv norm är, men inte vad arbetsrelevans är eftersom denna faktor inte ingår i vare sig TRA eller TAM. Arbetsrelevans innebär till vilken grad individen tror att användning av en teknologi ökar deras prestationer i arbetet (Venkatesh, Morris, Davis & Davis, 2003). Om datorn underlättar och effektiviserar deras arbete kommer variabeln arbetsrelevans påverka variabeln uppfattad användbarheten positivt. Hu, et al. (2003) skriver att i ett socialt system kan en individs teknologiacceptans påverkas av åsikter och förslag från deras omgivning. Lärare verkar ha en stark psykologisk tillgivenhet till skolsamhället och uppvisar ett relativt nära band till deras kollegor. Flera variabler kan bidra med styrkan i dessa band, så som skolans ideella natur, det är ingen direkt tävlan mellan lärarna och deras personliga åtaganden till utbildning. Sådana grupper och individer som man tror sig påverkas av kallas av bland annat Ajzen (1988) för referents och exempel på viktiga sådana är en persons föräldrar, make/maka, nära vänner, arbetskolleger och beroende på det inblandade beteendets art även experter såsom läkare och revisorer mm. I vårt fall kan en lärarstudents datoracceptans delvis påverkas av sina klasskamrater, lärare och de handledare de har under sin praktik samt den skolmiljö de befinner sig i, både på högskolan och på deras praktikplatser. Vidare skriver Taylor & Todd (1995) att studier i miljöer där faktiskt beteende med verkliga konsekvenser studeras, anses subjektiv norm vara en viktig påverkansfaktor till avsikt att använda. Även Legris et al. (2003) säger att subjektiv norm påverkar PU och ITU i positiv riktning. Vi har alltså valt att ta med subjektiv norm från TRA modellen då vi anser att de sociala faktorerna kring individen påverkar både deras uppfattning om användbarhet och även deras avsikt att använda. Detta framgår även i vår modell (fig. 3) av teknologiacceptans som kommer att visas längre fram i texten. Generellt kan lärare göra väldigt självständiga val som påverkar deras undervisning, såsom val av läromedel, undervisningsmetoder samt val och användning av teknologi. Detta är viktiga val som påverkar klassrumsrutinen mycket och valet av teknologi har en stor inverkan på hur lektioner bedrivs (Hu, et al. 2003). Finner läraren fortsättningsvis datorn som ett bra verktyg för 26

sin undervisning eller planering av lektioner kommer de i stor utsträckning att använda sig av detta verktyg. Vi anser att arbetsrelevansen har en inverkan på lärarnas uppfattning om hur datorn kan vara användbara för dem i deras undervisning. Alltså på det sätt läraren uppfattar att datorn påverkar han/hon i det faktiska arbetet och inte bara i själva klassrumssituationen. Variabeln arbetsrelevans har vi tilldelat förkortningen JOB, detta utifrån den engelska benämningen Job relevance För att få en bättre förståelse för vår modell, så har vi här tagit med exempel på sambanden mellan variablerna i skriftlig form. För att följa sambanden rent schematiskt, se vår modell nedan (fig. 4). Exempel: SN: Jag tror att mina arbetskamrater tycker att jag skall använda datorer. JOB: Jag anser att datorer effektiviserar och underlättar mitt arbete. PU: Datorer är användbara för mig i mitt arbete. PEOU: Datorer är lätt att använda. ITU: Jag vill använda datorer i min undervisning. Vår modell ser ut enligt följande: Figur 4. Vår modell 27

3.5.2 Hypoteser Vi har slutit oss till följande hypoteser för sambanden mellan variablerna i vår modell: H1: Lärarstudentens uppfattning av datorers användbarhet påverkar hans/hennes avsikt att använda datorer i sitt framtida arbete. (PU ITU) H2: Lärarstudentens uppfattning om enkelheten av att använda datorer påverkar hans/hennes avsikt att använda datorer i sitt framtida arbete. (PEOU ITU) H3: Lärarstudentens uppfattning om enkelheten av att använda datorer påverkar hans/hennes uppfattning av datorers användbarhet i sitt framtida arbete. (PEOU PU) H4: Lärarstudentens subjektiva norm påverkar hans/hennes avsikt/acceptans att använda datorer i sitt framtida arbete. (SN ITU) H5: Lärarstudentens subjektiva norm påverkar hans/hennes uppfattning av datorers användbarhet i sitt framtida arbete. (SN PU) H6: Lärarstudentens uppfattning av datorers betydelse i sitt framtida arbete påverkar deras uppfattning om datorers användbarhet. (JOB PU) 28

3.5.3 Enkäten Efter att ha utformat modellen kunde vi sedan påbörja utformningen av enkätfrågorna. För att få korrekta frågor som överensstämmer med TAM har vi studerat alla använda artiklars tidigare frågor. Vi började med att utgå från F. D. Davis grundfrågor från 1989, av dem tog vi de mest relevanta frågorna och började sedan jämföra dem med de andra artiklarnas frågor, detta för att få frågor som var utvecklade för TAM. Därefter gjorde vi om frågorna så att de passade just den målgrupp vi valt att undersöka. Eftersom all litteratur är på engelska, så utformade vi först frågorna på engelska. Detta gjorde vi inte enbart på grund av att litteraturen var på engelska utan därför att vi som vi nämnde tidigare sedan skickade vidare vår modell och våra enkätfrågor till Ma. Detta gjorde vi för att vara säkra på att vi hade utformat vår modell och våra frågor på rätt sätt. Efter att vi fått svar från Ma angående våra frågor tryckte han på vikten av att ha minst 15 svarande per variabel för att kunna ge ett sanningsenligt resultat i studien. Han skrev även att vi var tvungna att lägga till tre frågor till subjektiv norm för att täcka ett eventuellt bortfall i analysen. Sammanlagt resulterade det i 29 frågor relaterade till TAM. Då studenterna skulle ta ställning till påståenden avseende attityd har vi i enkäten använt oss av en sjugradig Likertskala. Likertskalan är en attitydskala framtagen av Rensis Likert och vill man mäta en persons attityd får personen ta ställning till ett påstående eller ett Likert item och svara på hur starkt personen instämmer eller tar avstånd till påståendet. Svaret på varje påstående får ett poängvärde och summan av poängen visar styrkan i attityden (NE, 2004). Därutöver lade vi till frågor om kön, ålder och utbildningsinriktning. Dessa frågor tog vi med för att eventuellt kunna se hur resultaten fördelar sig på dessa delar och för att kunna se fördelningen i undersökningsgruppen. Vi ställde även frågor kring den tillgänglighet av datorer och Internet hemma, samt hur mycket tid de lade ner på datoranvändning i veckan och på vilka aktiviteter. Detta gjorde vi för att skapa oss en uppfattning om undersökningsgruppens datoranvändning i hemmet och jämföra vår undersökningsgrupp med tidigare studier av lärares användning av datorer och Internet. Enkäten (se bilaga 1) är utformad på så sätt att de svarande behåller sin anonymitet. Därefter påbörjade vi utdelningen av enkäterna, detta skedde vid två tillfällen. Första tillfället gick vi på en lektion, då vi hade blivit informerade att de skulle vara där i helklass. Vi började med att presentera arbetet och varför de var med 29