SavedAdd your journal

Journals / Muhasebe ve Vergi Uygulamaları Dergisi / 2026 / Cilt: 16 Sayı: 2

Factors Affecting Online Accounting Education in Terms of The Technology Acceptance Model and Social Capital Theory: The Case of Türkiye

Teknoloji Kabul Modeli ve Sosyal Sermaye Teorisi Açısından Online Muhasebe Eğitimini Etkileyen Faktörler: Türkiye Örneği

Beyhan Beller Dikmen(Tarsus Üniversitesi)0000-0003-2260-6321
Musa Özçelik(Tarsus Üniversitesi, Uygulamalı Bilimler Fakültesi)0000-0002-2175-3605
Ali Deran(Tarsus Üniversitesi)0000-0001-5377-6740
Pages
311–329
Publication Date
2023-08-01
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The analysis results revealed that social trust had an impact on perceived ease of use and perceived usefulness, perceived ease of use had an impact on perceived usefulness, and subjective norms had an impact on perceived usefulness; whereas perceived ease of use, perceived usefulness, and subjective norms were predictors of behavioral intention to use, and actual use was also affected by behavioral intention to use.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:With the developing technology and COVID-19 pandemic, certain changes have been made in various areas.
📊
Key Findings & Data:The online learning system is effective if both teaching staff and students are prepared in terms of presenting information content and assessing student performance.
💡
Conclusion & Impact:The analysis results revealed that social trust had an impact on perceived ease of use and perceived usefulness, perceived ease of use had an impact on perceived usefulness, and subjective norms had an impact on perceived usefulness; whereas perceived ease of use, perceived usefulness, and subjective norms were predictors of behavioral intention to use, and actual use was also affected by behavioral intention to use.
🔬Design:Survey & Empirical Study
📍Scope:Comprehensive Sample
⚙️Variables:Covid-19 Salgını · Online Muhasebe Eğitimi · Teknoloji Kabul Modeli.

Abstract

With the developing technology and COVID-19 pandemic, certain changes have been made in various areas. One of these changes has emerged in education as the transformation of conventional learning systems into online learning systems. The online learning system is effective if both teaching staff and students are prepared in terms of presenting information content and assessing student performance. Otherwise, certain problems may be encountered throughout the adaptation process. Therefore, it is crucial to determine the factors affecting the utilization of online learning systems. The present study aims to find out the factors influencing the utilization of online learning systems by accounting students enrolled in both state and foundation universities in Türkiye during the COVID-19 pandemic. To this end, a survey questionnaire method was employed and survey questionnaire data were analyzed using SPSS and SmartPLS software. The analysis results revealed that social trust had an impact on perceived ease of use and perceived usefulness, perceived ease of use had an impact on perceived usefulness, and subjective norms had an impact on perceived usefulness; whereas perceived ease of use, perceived usefulness, and subjective norms were predictors of behavioral intention to use, and actual use was also affected by behavioral intention to use.

Özet

Gelişen teknoloji ve COVID-19 pandemisi ile birlikte çeşitli alanlarda belirli değişiklikler yapılmıştır. Bu değişikliklerden biri de geleneksel öğrenme sistemlerinin çevrimiçi öğrenme sistemlerine dönüşmesi olarak eğitimde ortaya çıkmıştır. Online öğrenme sistemi, bilgi içeriğinin sunulması ve öğrenci performansının değerlendirilmesi açısından hem eğiticiler hem de öğrencilerin hazırlıklı olması durumunda etkili olmaktadır. Aksi durumda, sürece uyum sağlanması noktasında birtakım sorunlarla karşılaşılabilmektedir. Bu nedenle, online öğrenme sistemlerinin kullanımını etkileyen faktörlerin belirlenmesi önem taşımaktadır. Bu çalışmada, Türkiye’deki devlet ve vakıf üniversitelerinde eğitimlerini sürdüren muhasebe öğrencilerinin Covid - 19 salgını döneminde online öğrenme sistemlerini kullanmalarını etkileyen faktörlerin belirlenmesi amaçlanmıştır. Bu amaç doğrultusunda, Türkiye’deki devlet ve vakıf üniversitelerindeki muhasebe öğrencilerine anket uygulanmıştır. Anket verileri Spss ve SmartPLS programları kullanılarak analiz edilmiştir. Analiz sonuçlarında sosyal güvenin algılanan kullanım kolaylığı ve algılanan fayda üzerinde, algılanan kullanım kolaylığının algılanan fayda üzerinde, öznel normların algılanan fayda üzerinde etkilerinin olduğu; öznel normlar, algılanan fayda ve algılanan kullanım kolaylığının kullanım niyetinin yordayıcıları olduğu ve gerçek kullanımın da kullanım niyetinden etkilendiği sonucuna ulaşılmıştır.

🔖

Cite This Article

Dikmen, B. B., Özçelik, M., Deran, A. (2023). Factors Affecting Online Accounting Education in Terms of The Technology Acceptance Model and Social Capital Theory: The Case of Türkiye. Muhasebe ve Vergi Uygulamaları Dergisi, Cilt: 16 Sayı: 2, 311–329. https://doi.org/10.29067/muvu.1221387

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (58)

  1. Agrebi, S., & Jallais, J. (2015). Explain the intention to use smartphones for mobile shopping. Journal of retailing and consumer services, 22, 16-23. https://doi.org/10.1016/j.jretconser.2014.09.003
  2. Ajzen, I. & Fishbein, M. (1980). Understanding attitudes and predicting social behavior. Englewood Cliffs.
  3. Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human decision processes, 50(2), 179 – 211. https://doi.org/10.1016/0749-5978(91)90020-t
  4. Akgün, A.İ. (2020). Covid-19 sürecinde acil durum uzaktan eğitimi yoluyla verilen muhasebe eğitimine yönelik öğrenci görüşleri. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 6(4), 208 – 236. https://doi.org/10.51948/auad.910385
  5. Alshurafat, H., Al Shbail, M., Masadeh, W.M., Dahmash, F., & Al-Msiedeen, J. M. (2021). Factors affecting education during the COVID-19 pandemic: an integrated perspective of social capital theory, the theory of reasoned action and the technology acceptance model. Education and Information Technologies, (26), 6995 – 7013. https://doi.org/10.1007/s10639-021-10550-y
  6. Altunışık, R., Coşkun, R., Bayraktaroğlu, S. & Yıldırım, E. (2012). Sosyal bilimlerde araştirma yöntemleri (SPSS uygulamalı). Sakarya: Sakarya Yayınları.
  7. Avcı, İ., & Yıldız, E. (2021). Covid -19 pandemi sürecinde uzaktan eğitimi kullanan öğrencilerin memnuniyet ve davranışlarının teknoloji kabul modeli çerçevesinde incelenmesi. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 12(3), 814 – 830. https://doi.org/10.31592/aeusbed.909184
  8. Büyüköztürk, Ş., Kılıç Çakmak, E., Akgün, Ö.E., Karadeniz, Ş., & Demirel, F. (2020). Eğitimde bilimsel araştirma yöntemleri (28. Baskı). Ankara: Pegem Akademi. https://doi.org/10.14527/9789944919289
  9. Chin, W.W. (1998). The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern methods for business research (295-336). Mahwah, NJ: Lawrence Erlbaum Associates. https://doi.org/10.1080/10705510701758448
  10. Cohen, J. (1988). Statistical power analysis fort he behavioral sciences. (2nd Ed.). Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
  11. Dargut, T., Torun, F., & Erdem, M. (2016). Uzaktan eğitim araştırmaları üzerine kesitsel bir alan yazın incelemesi. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 2(1), 71 – 93. https://doi.org/10.51948/auad.841632
  12. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management Science, 35(8), 982 – 1003. https://doi.org/10.1287/mnsc.35.8.982
  13. Davis, F.D. (1985). A technology acceptance model for empricially testing new end-user information systems: theory and results. Doctoral Dissertation, Massachusetts Institute of Technology.
  14. Davis, F.D. (1989). Perceived usefulness, perceived ease of use and user acceptance of information technology. MIS quarterly, 13(3), 319 – 340. https://doi.org/10.2307/249008
  15. Ezin, Y. (2021). Covid 19 sürecinde üniversitelerde uzaktan muhasebe eğitiminin Swot analiz tekniği ile değerlendirilmesi, Muhasebe ve Finansman Dergisi, (92), 73-90. https://doi.org/10.25095/mufad.937725
  16. Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention and behavior: an introduction to theory and research. Addison-Wesley, Reading, MA
  17. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104
  18. Güngör, B. (2020). Türkiye’de Covid – 19 pandemisi süresince alınan önlemlerin kriz yönetimi perspektifinden değerlendirilmesi, USBAD Uluslararaası. Sosyal Bilimler Akademi Dergisi, 2(4), 818 – 851. https://doi.org/10.47994/usbad.811463
  19. Gürbüz, S. & Şahin, F. (2014). Sosyal Bilimlerde Araştırma Yöntemleri (1. Baskı). Seçkin Yayıncılık.
  20. Hair, J. F., Hult, G. T. M., Ringle, C.M., & Sarstedt, M. (2017). Primer on partial least squares structural equation modeling (PLS-SEM) (2nd Ed.). Sage, Thousand Oaks. https://doi.org/10.1007/978-3-030-80519-7
  21. Hair Jr, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2016). A primer on partial least squares structural equation modeling (PLS-SEM): Sage publications.
  22. Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2010). Multivariate data analysis (7 th. Ed.). NJ: Pearson Prentice Hall.
  23. Henseler, J., Ringle, C. M. & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in varience –based structural equation modeling. Journal of academy of marketing science, 43(1), 115 – 135. https://doi.org/10.1007/s11747-014-0403-8
  24. Hsbollah, H. M. & Idris, K. M. (2009). E-learning adoption: the role of relative advantages, trialability and academic specialisation. Campus –Wide Information Systems, 26(1). https://doi.org/10.1108/10650740910921564
  25. Hsbollah, H. M. (2009). E-learning adoption: the role of relative advantages, trialability and academic specialisation. Campus–Wide Information Systems, 26(1), 54 – 70. https://doi.org/10.1108/10650740910921564
  26. Hubona, G. S. & Kennick, E. (1996). The influence of external variables on information technology usage behavior. Paper presented at the Proceedings of HICSS-29:29th Hawaii International Conference on System Sciences. https://doi.org/10.1109/hicss.1996.495323
  27. Karcıoğlu, R.; Kılıçarslan, Ş. & Çelik, K. (2022). Covid-19 pandemi döneminde lisans öğrencilerinin uzaktan eğitim kapsamında muhasebe derslerine yönelik bakış açıları üzerine bir araştırma. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 12(1), 1 – 22. https://doi.org/10.33437/ksusbd.910518
  28. Kline, R.B. (1998). Principles and practice of structural equation modeling. New York, NY: The Guilford Press. Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration (ijec), 11(4), 1-10. https://doi.org/10.4018/ijec.2015100101
  29. Kock, N., & Lynn, G. (2012). Lateral collinearity and misleading results in variance-based SEM: An illustration and recommendations. Journal of the Association for information Systems, 13(7), 1-40.
  30. Lee, Y. C. (2006). An empirical investigation into factors influencing the adoption of an e-learning system. On-line Information Review, 30(5), 517 - 554. https://doi.org/10.1108/14684520610706406
  31. Lin, H.-F. (2011). An empricial investigation of mobile banking adoption: The effect of innovation attributes and knowledge – based trust. International Journal of Information Management, (31), 252 – 260. https://doi.org/10.1016/j.ijinfomgt.2010.07.006
  32. Liu, I. F., Chen, M. C., Sun, Y. S., Wible, D., & Kuo, C. H. (2010). Extending the TAM model to explore the factors that affect intention to use an online learning community. Computers & education, 54(2), 600-610. https://doi.org/10.1016/j.compedu.2009.09.009
  33. Lu, J., Yu, C-S, Liu, C., & Yao, J. E. (2003). Technology acceptance model for wireless internet. Internet Research: electronic networking applications and policy, 13(3), 206 – 222. https://doi.org/10.1108/10662240310478222
  34. Mathwick, C., Wiertz, C., & De Ruyter, K. (2008). Social capital production in a virtual P3 community. Journal of consumer research, 34(6), 832–849. https://doi.org/10.1086/523291
  35. Moon, J.W., & Kim, Y.G. (2001). Extending the TAM for a World-Wide-Web context. Information & Management, 38(4), 217 – 230. https://doi.org/10.1016/s0378-7206(00)00061-6
  36. Natarajan, T., Balasubramanian, S.A., & Kasilingam, D.L. (2017). Understanding the intention to use mobile shopping applications and its influence on price sensitivity. Journal of Retailing and Consumer Services, 37, 8-22. https://doi.org/10.1016/j.jretconser.2017.02.010
  37. Özdemir, M., Karavardar, A. & Özkan, M. (2021). Pandemi sürecinde uzaktan eğitimle muhasebe dersleri alan öğrencilerin uzaktan eğitim algılarının değerlendirilmesi. International Social Sciences Studies Journal, 7(76), 07 – 19.https://doi.org/10.26449/sssj.2854
  38. Özer, G., Günlük, M., & Özcan, M. (2019). Muhasebe akademisyenlerinin muhasebe eğitiminde uzaktan eğitim uygulamaları kullanımına yönelik algılarının teknoloji kabul modeli çerçevesinde incelenmesi. Muhasebe ve Vergi Uygulamaları Dergisi, 12(1), 65–90. https://doi.org/10.29067/muvu.415133
  39. Özer, G., Özcan, M., & Aktaş, S. (2010). Muhasebecilerin bilgi teknolojisi kullanımının teknoloji kabul modeli (TKM) ile incelenmesi. Yaşar Üniversitesi E-Dergisi, 5(19), 3278 – 3293. https://doi.org/10.15612/bd.2021.555
  40. Pavlou, P.A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International journal of electronic commerce, 7(3), 101–134. https://doi.org/10.1080/10864415.2003.11044275
  41. Sarea, A., Alhadrami, A., & Taufiq-Hail, G.A.M. (2020). Covid-19 and digitizing accounting education: empirical evidence from GCC. PSU Research Review, 5(1), 68- 83. https://doi.org/10.1108/prr-10-2020-0034
  42. Sarstedt, M., Ringle, C.M., & Hair, J. F. (2017). Partial Least Squares Structual Equation Modelling. In C. Hamburg, M. Klarmann, A. Vomberg (Eds.), Handbook of Market Resarch, Heidelberg: Springer. https://doi.org/10.1007/978-3-319-05542-8_15-1
  43. Şeker, Y. (2021). Covid-19 pandemi sürecinde uzaktan eğitim sistemi ve uzaktan muhasebe öğretimine ilişkin öğrencilerin görüşleri üzerine bir araştırma. Muhasebe Konularında Bilimsel Yaklaşım ve Araştırmalar, (Ed. Şahin Karabulut), Gazi Kitabevi. 345–375. https://doi.org/10.33206/mjss.934058
  44. Serçemeli, M., & Kurnaz, E. (2020). Covid – 19 pandemi döneminde öğrencilerin uzaktan eğitim ve uzaktan muhasebe eğitimine yönelik bakış açıları üzerine bir araştırma. Uluslararası Sosyal Bilimler Akademik Araştırmalar Dergisi, 4(1), 40 – 53. https://doi.org/10.33206/mjss.934058
  45. Süklüm, N. (2021). Muhasebe dersi alan öğrencilerin Covid-19 pandemi dönemi uzaktan muhasebe eğitimi hakkındaki görüşleri. Girişimcilik ve Kalkınma Dergisi, 16(1), 76 – 90. https://doi.org/10.25095/mufad.401312
  46. Taylor, S. & Todd, P. (1995). Assessing IT usage: The role of prior experience. MIS quarterly, 561 – 570. https://doi.org/10.2307/249633
  47. TDK, https://sozluk.gov.tr/
  48. Toker Gökçe, A. (2008). Küreselleşme sürecinde uzaktan eğitim. Diyarbakır Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 11, 1 – 12. https://doi.org/10.14582/duzgef.674
  49. Tuğay, O. (2021). Üniversite öğrencilerinin covid-19 sürecinde uzaktan eğitimle almış oldukları muhasebe dersleri ile ilgili bakış açıları üzerine bir araştırma. Muhasebe Bilim Dünyası Dergisi, 23(2), 380 – 396. https://doi.org/10.31460/mbdd.801495
  50. Türel, A., & Pekdemir, R. (2020). Insights into accounting education in a Covid-19 world – Turkey. Accounting Education, 29(5), 539–542.
  51. Ünsal, A. (2021). Covid 19 pandemi döneminde çevrimiçi muhasebe eğitiminin ZOGA analizi. Sosyal Araştırmalar ve Davranış Bilimleri Dergisi, 7(13), 451 – 470. https://doi.org/10.52096/jsrbs.6.1.7.13.22
  52. Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision sciences, 39(2), 273-315. https://doi.org/10.1111/j.1540-5915.2008.00192.x
  53. Venkatesh, V., & Davis, F.D. (1996). A model of the antecedents of perceived ease of use: Development and test. Decision sciences, 27(3), 451 – 481. https://doi.org/10.1111/j.1540-5915.1996.tb01822.x
  54. Venkatesh, V., & Davis, F.D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science, 46(2), 186 – 204. https://doi.org/10.1287/mnsc.46.2.186.11926
  55. Venkatesh,V., Morris, M.G., Davis, G.B., & Davis, F.D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 27(3), 425 – 478. https://doi.org/10.2307/30036540
  56. Yadegaridehkordi, E., Shuib, L., Nilashi, M., & Asadi, S. (2019). Decision to adopt online collaborative learning tools in higher education: A case of top Malaysian universities. Education and Information Technologies, 24(1), 79-102. https://doi.org/10.1007/s10639-018-9761-z
  57. Yıldız, E. (2021). Smart PLS ile yapisal eşitlik modellemesi (2. Baskı). Seçkin Yayıncılık.
  58. Hair, J. F., Hult, G. T. M., Ringle, C.M., & Sarstedt, M. (2017). Primer on partial least squares structural equation modeling (PLS-SEM) (2nd Ed.). Sage, Thousand Oaks. https://doi.org/10.1007/978-3-030-80519-7