Bağımlı Değişken Gerçek Kullanım

Tablo 64’te grup karar destek sistemleri kullanımına yönelik, davranışa dönük niyetin gerçekleşen kullanım üzerindeki etkisini gösteren regresyon analizi sonuçları görülmektedir.

Tablo 64. Davranışa Yönelik Niyet Tututumunun Gerçekleşen Kullanım Üzerine Etkisi

β (st.hata) St. β t Sonuç

Değişmez Değer 7,274 (0,762) 9,548

Davranışa dönük niyet** 0,055 (0,025) 0,213 2,177 Kabul Model F

R² 4,741

0,032

* p<0.10

**p<0.05

Tablo 64 incelendiğinde, grup karar destek sistemleri kullanımına yönelik niyetin, grup karar destek sistemlerinin gerçekleşen kullanımı üzerindeki etkisinin varlığının araştırılan modelin istatistiki olarak anlamlı (F= 4,741; < 0.001) ve modelin açıklama gücü önemli (R²= 0,032) olarak ortaya çıkmıştır. Regresyon analizleri sonuçları grup karar destek sistemleri kullanımına yönelik niyetin (β: 0,213, p<0.001), grup karar destek sistemlerinin gerçekleşen kullanımı üzerinde olumlu bir yönde etkili olduğunu göstermektedir. Bu sonuçla, H¹¹ hipotezi desteklenmektedir. Yapılan araştırmalarda, gerçekleşen davranış, kullanıcının bilgi teknolojisini kullanıp kullanmayacağı ile ilgili oluşturmuş olduğu tutumun davranışa dönüştürülmesi olarak tanımlanmıştır. Eğer kullanıcı bilgi teknolojisi ile ilgili olumlu bir tutum oluşmuş ise, bu niyeti etkileyecektir. Niyet ile tutum arasında pozitif bir ilişki vardır. Kullanıcının bilgi teknolojisine yönelik oluşturulmuş olduğu olumlu niyet kullanıcıyı bilgi teknolojisini kullanmaya itecektir. Aksi takdirde kullanıcı bilgi teknolojisini kullanmayacaktır.

Araştırma sonucunda elde edilen sonuç pozitif olduğu için, grup karar destek sistemleri kullanılacağı ortaya çıkmıştır.

Olasılığını Etkileyen Faktörler

Teknoloji Kabul Modelinden yararlanılarak grup karar destek sistemlerini kullanan işletmelerin, kullanma olasılığını etkileyen faktörlerle ilgili bir model oluşturulmuştur. Araştırma modeli aşağıdaki şekilde görülmektedir .

Şekil15. Grup Karar Destek Sistemlerini Kullanan ve Kullanmayan İşletmelerin, Kullanma Olasılığını Etkileyen Faktörler

Modelin analizi için lojistik regresyon uygulanmıştır. Lojistik regresyon analizinde, ikili sonuç değişkeni ile hem sürekli hem de kesikli değişkenlerden oluşan bağımsız değişkenler kümesi arasındaki ilişkiyi tanımlanmaya çalışılır (Albayrak, 2006, s.246). “Lojistik regresyon analizinin birçok alanda uygulaması yapılmaktadır. Lojistik modele dahil edilecek bağımsız değişkenler, tek değişkenli lojistik regresyon analiziyle belirlendikten sonra, çok değişkenli modele dahil edilen her bir değişkenin önemliliği gösterilmelidir. Lojistik regresyon analizi, diskriminant analizi ve çapraz tablo uygulamalarına alternatif olarak uygulanmaktadır. Kullanım nedeni olarak en temel yaklaşım doğrusal regresyon analizinde yapılabilir; bağımlı değişken 0 ve 1 gibi ikili (binary) ya da ikiden çok kategori içeren kesikli değişken olduğunda normallik varsayımı bozulmakta ve doğrusal regresyon analizi uygulanamamaktadır. Lojistik regresyonu doğrusal regresyondan ayıran en belirgin özellik ise lojistik regresyonda

Demografik

sonuç değişkenin ikili veya çoklu olmasıdır. Lojistik regresyon ve doğrusal regresyon arasındaki bu fark hem parametrik model seçimine, hem de varsayımlara yansımaktadır” (Bonney, 1987, s. 952).

Lojistik regresyonda da, doğrusal regresyon analizinde olduğu gibi bazı değişken değerlerine dayanarak tahmin yapılmaya çalışılır. Ancak bu iki yöntem arasında üç önemli fark vardır (Akaya, 1998, s.211).

1. Doğrusal regresyon analizinde tahmin edilecek olan bağımlı değişken sürekli iken, Lojistik regresyon Analizinde bağımlı değişken kesikli bir değer almaktadır.

2. Doğrusal regresyon analizinde bağımlı değişkenin değeri, Lojistik regresyon Analizinde ise bağımlı değişkenin alabileceği değerlerden birinin gerçekleşme olasılığı tahmin edilir.

3. Doğrusal regresyon analizinde bağımsız değişkenin çoklu normal dağılım göstermesi şartı aranırken, Lojistik regresyon Analizinde böyle bir şart yoktur.

Lojistik regresyon modelleri zayıf ölçekle ölçülmüş değişkenler arasındaki ilişkinin şeklini ortaya koyan modellerdir. Yapılan birçok çalışmada bağımlı değişken sadece iki sonuca sahiptir (Albayrak, 2006, s. 246). Genellikle üzerinde durulan olayın gerçekleşmesi 1 gerçekleşmemesi ise 0 ile gösterilir. Regresyon katsayılarının önemli olup olmadığını test etmede kullanılabilecek testlerden biri Wald testidir. Wald testine ait test istatistiğinin dağılımı standart normal dağılıma yaklaşır. Her değişken için listedeki standart hatalar kullanılarak Z testi yapılır. Wald testi, örnek hacminin büyük olması durumunda anlam kazanır (Altunışık vd.. 2005, s.187).

Lojistik regresyon analizinde, ANOVA testine çevirme yapılamaz. Bu modeldeki bağımsız değişkenler, bağımlı değişken (1= Kullanma, 0= Kullanmayan) varsayansının ne kadar açıklandığını göstermektedir. p değerleri 0,05’ten küçük olduğu için model bağımlı değişkeni istatiksel olarak anlamlı ve önemli derecede açıklamaktadır. Nitekim modeldeki bağımsız değişkenler, bağımlı değişkeni (1=Kullanma, 0=Kullanama) %50’sini açıklamaktadır (R²=0,502).

yenilik, çalışanların desteklemesi, işbirliği, ekip hedefleri, medeni durum, yaş, cinsiyet, eğitim durumu, kullanmak istememesi değişkenleri grup karar destek sistemlerini uygulayan işletmelerin kullanma olasılığı üzerinde olumlu bir etkisi olduğu görülmüştür. Bilgi teknolojilerini hızlı bir şekilde her geçen gün gelişmektedir.

İşletmelerde, daha az zamanda, kaliteli ve maliyeti az ürünler üretebilmek, maliyetlerini azaltmak amacıyla yeni bilgi teknolojilerine yönelmektedir. Yapılan regresyon analizinde de, grup karar destek sistemleri kullanan cevaplayıcıların yeni bilgi teknolojileri ile ilgili yenilikleri takip edileceği (p=0,084, p<0.05) ortaya çıkmıştır.

Yapılan analizde, örgüt kültürü yine belirleyici bir faktör olarak bulunmuştur. Örgütün başarılı bir kurum olması için, bazı faktörler önemlidir. Bunlar, çalışanların birbirini desteklemesi, örgüt kültürüne ayak uydurabilmesi, ekip hedeflerinin, bireysel hedeflerden önce gelmesidir. Yapılan regresyon analizinde de görülmüştür ki, grup karar destek sistemleri nin kullanılması ve olumlu yönde benimsenmesinde bu faktörlerin etkili olduğu görülmektedir. Daha önce yapılan araştırmalarda, bilgi teknolojilerini kullanan kişilerin, yaş aralıklarının 20-42 arası olduğu, kadınların erkeklere göre, teknoloji kullanımında daha iyi olduğu, üniversiteye giden kişilerin mutlaka bilgisayar kullanmayı bildikleri için eğitim durumları bakımından en az üniversite mezunu oldukları, medeni durum bakımında da, evli olanların teknolojiye daha yatkın oldukları ortaya çıkmıştır ( Davis, 2001). Tüm bu bulgular, elde edilen araştırma bulgularıyla örtüştüğü görülmüştür.

Tablo 65. Grup Karar Destek Sistemleri Kullanma Olasılığını Etkileyen Faktörler

Katsayı Std. hata Wald Serbestlik

derecesi p-değeri Beklenen Katsayı

Çalışma Yılı -0,049 0,035 1,969 1 0,161 0,952

Yenilik 0,473 0,274 2,986 1 0,084 1,656

Değişiklik 0, 228 0,267 0,727 1 0,394 1,256

Çalışanlar Birbirini Destekler 1,235 0,468 6,975 1 0,008 3,438

İşbirliği - 1,158 0,424 7,448 1 0,006 0,314

Model

Katsayıları için

Omnibus Testi Ki-kare Serbestlik

derecesi P değeri

Adım 96,456 11 ,000

Blok 96,456 11 ,000

Model 96,456 11 ,000

Model özeti -2 Log Cox & Snell R² Nagelkerke R²

186,348 ,377 ,502

2.3.6. Grup Karar Destek Sistemlerini Kullanan ve Kullanmayan