Adoção de Inovação em Sistemas de Informações para Apoio ao Ensino: Um Estudo na
Área de Saúde
Autoria: Gilberto Perez, Ronaldo Zwicker, Reynaldo Cavalheiro Marcondes
RESUMO
Este trabalho tem por objetivo analisar os principais fatores que afetam a adoção de uma
inovação tecnológica em Sistemas de Informações (SI) para o ensino na área de saúde.
Avaliam-se também os resultados dessa adoção para os professores envolvidos com essa
inovação, qual seja, o Eclass - um tipo de sistema de informações inovador utilizado para
auxiliar os professores no ensino na Faculdade de Ciências Médicas da Santa Casa de São
Paulo. A pesquisa foi realizada junto a docentes dos cursos de medicina, enfermagem e
fonoaudiologia, no período de junho a novembro de 2006. Os dados coletados por meio de
questionário foram tratados por meio da análise de regressão linear múltipla e da modelagem
de equações estruturais. Os resultados da pesquisa indicaram que a adoção do EClass é
influenciada por características percebidas pelo uso dessa inovação e acarretam reflexos na
percepção de novas possibilidades de inovação no ensino da área de saúde. Dentre outras, as
características percebidas que se destacaram na pesquisa foram a Demonstração de Resultado
e a Vantagem relativa.
1. INTRODUÇÃO
Os Sistemas de Informação apoiados na tecnologia vêm se tornando um componente
significativo em quase tudo o que as empresas fazem e a avaliação dos benefícios
relacionados aos investimentos em tecnologia é um aspecto cada vez mais importante do
processo de adoção destes sistemas (NICKERSON, 2001; TURBAN et al., 2006). No campo
do ensino, os sistemas baseados na WEB possibilitam inúmeras aplicações voltadas ao
descobrimento, comunicação e colaboração, dentre eles, os sistemas de apoio ao ensino, de
ensino a distância e trabalho a distância (TURBAN et al., 2006).
A organização inovadora busca na adoção de novas tecnologias e processos a obtenção de
diferenciais que permitam obter retornos melhores que seus concorrentes, oferecendo um
melhor atendimento a seus clientes, o que levou diversos setores a investirem cifras cada vez
maiores em Sistemas de Informações (SI) e, de forma mais abrangente, em Tecnologia de
Informação (TI). Esses investimentos contemplam tecnologias que podem ser utilizadas para
a coleta, criação, armazenamento, processamento, comunicação e distribuição de dados e
informações. Este é o caso de algumas instituições superiores de ensino que passaram a
utilizar sistemas inovadores para oferecer uma série de facilidades a seus alunos, com o
objetivo de superar a pouca eficiência do processo tradicional de educação.
No caso dos SI modernos a sua utilização é cada vez mais descentralizada e tem levado
diferentes grupos de trabalho a atuarem de forma colaborativa em prol de um objetivo
comum, o que dificilmente era possível de se conseguir com sistemas centralizados (LARSEN
e McGUIRE, 1998). Na área de saúde, o investimento em inovação tecnológica constitui a
regra. A inovação típica diz respeito a tecnologia de alta complexidade, por exemplo, os
equipamentos de tomografia computadorizada, de ressonância magnética e de raios-x digitais.
São equipamentos complexos e que necessariamente são operados por profissionais altamente
especializados e dedicados ao seu uso.
A utilização desses equipamentos constitui a atividade fim destes profissionais, interferindo
muito pouco em rotinas organizacionais sendo que as eventuais dificuldades de sua adoção
1
podem ser superadas com o treinamento destes profissionais. Diferentemente dessa situação, a
inovação em Sistemas de Informações em geral interpõe dificuldades de diversas naturezas
que muitas vezes podem redundar na sua rejeição pelos usuários.
No contexto da área da saúde identificou-se como uma oportunidade de pesquisa a adoção da
inovação em sistemas de informação ligados ao ensino para a formação de profissionais de
diversas especialidades. Dada a multiplicidade de aspectos envolvidos, a inovação propiciada
por sistemas de informações para apoio ao ensino, nem sempre é percebida uniformemente.
Diante das observações anteriores, definiu-se como objetivo desta pesquisa analisar os
principais fatores que afetam a adoção de uma inovação tecnológica em Sistemas de
Informações (SI) para o ensino na área de saúde. Doravante, os termos: fatores ou
características serão utilizados com o mesmo significado.
Para isso, buscou-se obter um melhor entendimento dos aspectos que participam do sucesso
ou insucesso da adoção de um sistema utilizado para apoio ao ensino na área de saúde. O
texto que segue relata os procedimentos e os resultados de pesquisa realizada no âmbito da
adoção do EClass, um sistema de auxílio ao ensino descrito em item mais adiante, por uma
grande instituição de saúde situada na cidade de São Paulo, a Faculdade de Ciências
Médicas da Santa Casa de São Paulo, que é referência no ensino e formação de
profissionais de medicina, de enfermagem e de fonoaudiologia. A aparente escassez de
estudos relacionados à adoção de inovações tecnológicas de SI nessa área, em particular no
Brasil, foi a justificativa do presente estudo.
2. FUNDAMENTAÇÃO TEÓRICA
Os sistemas de informações podem ser classificados de diferentes maneiras. Do ponto de vista
organizacional podemos ter sistemas de informações operacionais e sistemas de informações
gerenciais. Mas também podemos considerar os SI sob a perspectiva do número de pessoas ou
empresas que fazem uso deles. De acordo com essa tipologia, Nickerson (2001) relaciona
cinco tipos de sistemas de informações mais comuns: individuais, para grupos de trabalho,
organizacionais, inter-organizacionais e globais. No âmbito do tipo de sistema considerado na
presente pesquisa, o Prontuário Médico Eletrônico se situa como um sistema de informações
para grupos de trabalho e como um sistema de informações organizacionais. O EClass tanto
atende a requisitos de grupos de trabalho específicos quanto a requisitos da organização como
um todo.
2.1 Sistemas de Informação na Área de Saúde
Blois e Shortliffe (1990) citados pela Sociedade Brasileira de Informática em Saúde (SBIS,
2006) definem a Informática Médica ou Informática em Saúde (Medical Informatics) como
um campo de rápido desenvolvimento científico que lida com armazenamento, recuperação e
uso da informação, dados e conhecimento biomédicos para a resolução de problemas e
tomada de decisão. A Saúde é uma das áreas onde a necessidade de informação para a tomada
de decisões é exemplar. Para prover estas informações existe a Informática Médica que é o
campo científico que lida com recursos, dispositivos e métodos para otimizar o
armazenamento, recuperação e gerenciamento de informações biomédicas.
O crescimento da Informática Médica como uma disciplina deve-se, em grande parte, aos
avanços nas tecnologias de computação e comunicação, à crescente convicção de que o
conhecimento médico e as informações sobre os pacientes não são mais gerenciáveis por
2
métodos tradicionais baseados em papel, e a certeza de que os processos de acesso ao
conhecimento e tomada de decisão desempenham papel central na medicina moderna.
De acordo com Raitoharju e Laine (2006), a aceitação de SI é um dos fatores críticos de
sucesso para a obtenção dos benefícios esperados a partir dos investimentos efetuados com
esse tipo de tecnologia. Esses autores enfatizam que, apesar dos vários estudos sobre a
aceitação de SI, muito pouco se sabe sobre quais fatores afetam o processo de adoção desse
tipo de inovação tecnológica pelos profissionais de saúde. A efetiva implementação e
utilização desse tipo de tecnologia na área de saúde requerem cooperação entre as pessoas,
bem como o envolvimento dos médicos, enfermeiros, assistentes sociais e demais
profissionais da área.
Para Lee (2004), o uso de computadores no acompanhamento dos cuidados aos pacientes e
documentação médica em geral representa uma mudança inovadora e um desafio significativo
para as enfermeiras. Esse autor alerta para o fato de que, uma vez que os cursos de
enfermagem não apresentam disciplinas envolvendo informática avançada, esses profissionais
tomam atitudes negativas com relação ao uso de computadores. Atualmente estes
profissionais precisam de suporte e especial atenção ao longo do desenvolvimento de sistemas
voltados para o seu uso. Considerando as áreas de interesse do Congresso do Sistema
Brasileiro de Informática na Saúde de 2006, algumas aplicações de SI na saúde estão
relacionadas a seguir (SBIS, 2006):
• Sistemas de apoio à decisão em saúde;
• Sistemas de Apoio ao Ensino, Educação à Distância e Aspectos Pedagógicos;
• Apoio a educação em medicina por meio da Internet;
• Prontuário eletrônico do paciente;
• Telediagnóstico por imagem;
• Sistemas de informações em saúde;
• Sistemas de informações e gestão estratégica em saúde;
• Informática em enfermagem;
• Sistemas clínicos e sistemas de informação hospitalar;
• Tecnologias wireless em saúde;
• Redes e a integração da informação em saúde;
• Bioinformática.
Nesta relação destacam-se os Sistemas de Apoio ao Ensino, Educação à Distância e Aspectos
Pedagógicos, dentre os quais, se situa o EClass, a inovação tecnológica objeto da presente
pesquisa.
2.2 Conceitos de Inovação
O termo inovação vem do Latim – innovare – que significa fazer algo novo. Segundo Tidd et
al. (2005) a inovação deve ser entendida como um processo que visa transformar
oportunidade em novas idéias e colocá-las amplamente em prática. Ainda para esses autores, a
inovação é o ato ou efeito de inovar, isto é, tornar algo novo; renovar; ou introduzir uma
novidade. Esse termo, contudo, pode causa confusão, pois alguns entendem a inovação como
invenção.
Para Pennings (1998) pode-se entender a inovação como a adoção de uma idéia, a qual é tida
como nova para o indivíduo ou outra entidade que a adota. Nesse sentido estão inclusos novos
produtos ou serviços, novas tecnologias para produzir ou entregar o produto ou serviço, e
3
novos procedimentos, sistemas e arranjos sociais. Dosi (1988) cita o processo de inovação
como: busca e descoberta, experimentação, desenvolvimento, imitação e adoção de novos
produtos, novos processos de produção e novas formas organizacionais. Tushman e Nadler
(1997) consideram que a inovação aplicada a produto, serviço ou processo deve ser encarada
como forma de competir em ambientes dinâmicos com contínuas mudanças tecnológicas, os
quais levam as empresas a adotarem a inovação no seu dia-a-dia.
Schumpeter (1982) alerta para o fato de que a inovação pode assumir várias formas; não
sendo necessário que se invente algo novo, podendo mesmo submeter uma idéia já existente a
uma nova forma de realizá-la ou uma nova situação. Na ótica do usuário da inovação, Engel
et al. (2000) consideram que uma inovação é qualquer idéia ou produto percebido pelo
consumidor potencial como sendo algo novo. Para Jelinek (1997) inovação é uma atividade
coletiva que ocorre com o passar do tempo e com a revisão contínua dos alicerces cognitivos
e compartilhados dos participantes.
Para Drucker (2004) a inovação pode ser introduzida por meio de mudanças capazes de criar
novas melhorias de desempenho organizacional. A inovação pode ocorrer de forma não
homogênea, isto é, pode ser introduzida em graus ou níveis diferentes, desde o nível mais
simples, até o mais complexo. Basicamente ela pode ocorrer de duas formas: a inovação na
forma de mudanças em produtos e serviços e a inovação na forma como o produto ou serviço
passa a ser produzido ou oferecido (TIDD, BESSANT e PAVITT, 2005; TUSHMAN e
NADLER, 1997).
Apesar da inovação e da tecnologia caminharem lado a lado, a inovação não implica
necessariamente na criação, produção e comercialização apenas dos maiores avanços daquilo
que é tido como o estado da arte em tecnologia (inovação radical). Ela também pode incluir
mudanças em pequena escala nas tecnologias já utilizadas atualmente, caracterizando uma
melhoria, mudança gradativa ou inovação incremental (TIDD, BESSANT e PAVITT, 2005).
Entre os dois extremos a literatura apresenta um nível intermediário denominado inovação
sintética (FREIRE, 2002).
2.3 Difusão e Adoção da Inovação
A difusão de uma inovação é o processo de sua comunicação em determinado contexto social
envolvendo indivíduos e grupos, geralmente integrantes de uma organização. Por sua vez, a
adoção de uma inovação também é um processo, no qual, os indivíduos e grupos decidem
pelo seu uso, como melhor curso de ação disponível. A contrapartida da adoção é a rejeição,
ou seja, quando ocorre a decisão pela não adoção. Rogers (2003) define a difusão de uma
inovação como um tipo de comunicação social, no qual as mensagens transmitidas estão
relacionadas com novas idéias. A difusão é o processo pelo qual uma inovação é comunicada
ao longo do tempo, por meio de determinados canais, entre os vários membros de um sistema
social.
Nas últimas décadas vários autores estudaram as principais características ou atributos
percebidos em uma inovação que facilitam a sua adoção, inclusive as inovações em TI
(ROGERS, 1983; MOORE e BENBASAT, 1991; KARAHANNA et al., 1999; TENG et al.,
2002; AHUJA e THATCHER, 2005). Em princípio a forma pela qual uma inovação é adotada
depende diretamente dos atributos percebidos nessa inovação por seus usuários. A
identificação de cinco características percebidas da inovação é derivada da pesquisa de
Rogers (1983) e da literatura sobre a difusão de inovação. Larsen e McGuire (1998) referem4
se a tais características como sendo universais para estudos de adoção de inovações. O
Quadro 1 resume as cinco características referidas.
Quadro 1 - As cinco características percebidas em uma inovação
Característica
Vantagem Relativa
Compatibilidade
Complexidade
Descrição
Grau com o qual uma inovação é percebida como sendo melhor que seu
precursor.
Grau com o qual uma inovação é percebida como sendo consistente com valores
existentes, necessidade e experiências passadas dos adotantes potenciais.
Grau com o qual uma inovação é percebida como sendo difícil de se usar.
Observabilidade
Grau com o qual o resultado de uma inovação é observável pela organização.
Experimentação
Grau com o qual uma inovação pode ser experimentada antes da adoção.
Fonte: Rogers (1983)
Em complemento a essas características apontadas por Rogers, outras duas adicionais foram
identificadas na pesquisa de Moore e Benbasat (1991): a imagem e o uso voluntário,
conforme mostra o Quadro 2. Esses últimos autores desenvolveram um instrumento geral para
ser utilizado na avaliação das várias percepções que um indivíduo pode ter sobre as
características de uso de uma inovação. Tais percepções decorrem do seu envolvimento com o
processo de adoção, por exemplo, de uma inovação tecnológica na forma de um novo sistema
de informações.
Quadro 2 - Características percebidas no uso de uma inovação tecnológica
Característica
Descrição
Autor (es)
Vantagem Relativa
Grau em que uma inovação é percebida como melhor que seu
precursor.
Rogers (1983)
Compatibilidade
Grau em que uma inovação é percebida como consistente com
valores, necessidade e experiências dos adotantes potenciais.
Rogers (1983)
Experimentação
Grau em que uma inovação pode ser experimentada antes da
adoção.
Rogers (1983)
Facilidade de Uso
Grau em que uma inovação é percebida como fácil de se usar.
Imagem
Uso Voluntário
Visibilidade
Demonstração de
Resultado
Grau em que o uso de uma inovação é percebido para
melhorar a imagem de um indivíduo ou status de um sistema
social.
Grau em que o uso de uma inovação é percebido como
voluntário ou espontâneo.
Moore e Benbasat
(1991)
Moore e Benbasat
(1991)
Moore e Benbasat
(1991)
Grau em que uma inovação se torna visível para os indivíduos
ou grupos de uma organização.
Moore e Benbasat
(1991)
Grau em que os resultados do uso de uma inovação são
tangíveis.
Moore e Benbasat
(1991)
Fonte: Adaptado de Moore e Benbasat (1991)
5
Moore e Benbasat (1991) adotaram em seu estudo o termo facilidade de uso em substituição
a complexidade identificada por Rogers (1983). Além disso, aqueles autores introduziram
duas novas características: a visibilidade que derivou da característica observabilidade e a
demonstração de resultado. As características percebidas de uma inovação estudadas por
Moore e Benbasat foram utilizadas nos procedimentos metodológicos e serão apresentadas em
item mais adiante.
2.4 EClasss - Sistema para Apoio ao Ensino
O EClass (@Class) é um sistema de apoio ao ensino que fornece um meio rápido e fácil de
inserir informações e materiais utilizados pelos docentes, para que o corpo discente possa
acessá-lo de forma igualmente ágil. O sistema (atualmente na versão 1.1) tanto permite aos
professores colocarem avisos para seus alunos, como permite aos alunos se comunicarem com
seus professores por meio de avisos. Um recurso também disponível nesse sistema é o Fórum,
por meio do qual pode ocorrer a comunicação entre o professor e seus alunos, de forma
interativa. A instituição pretende, também, colocar no sistema as chamadas aulas magnas, ou
palestras de professores e pesquisadores visitantes.
O Eclass é um ambiente de aprendizagem e tem relevância na Faculdade por ser uma
instituição de ensino. É uma ferramenta adicional oferecida aos alunos e que tem por objetivo
a melhoria da qualidade do ensino. Esse ambiente informacional flexibiliza para professores e
alunos a disponibilidade de material didático pedagógico. É importante ressaltar que o sistema
foi desenvolvido na plataforma PHP com servidor Linux®, portanto, é de fácil acesso.
O sistema executa em qualquer tipo de ambiente WEB. Para a instituição é fácil colocar num
ambiente Linux, pois tem custos relativamente baixos em termos de servidor e de sistemas
operacionais, por ser uma plataforma livre, de ambiente livre e software livre. O uso do Eclass
é voluntário e todo professor tem acesso ao ambiente, uma vez que é proporcionado um
treinamento para que ele possa utilizá-lo.
A estratégia da direção da Faculdade foi adotar o sistema como uma ação institucional, ou
seja, como uma inovação da própria instituição como parte de uma política institucional que
tem como meta a utilização deste ambiente. Por esse motivo é que se decidiu por não impor a
todos os professores a utilização, mas sim, facilitar a criação de uma cultura internamente
para a sua utilização. A área de TI da Faculdade realizou vários cursos de capacitação e
treinamento aos professores, sobre a disponibilização de conteúdo, a elaboração de fórum e a
estatística de acesso dos alunos. Com relação aos alunos, não houve necessidade de
treinamento, pois eles entram no sistema e escolhem o professor e, a partir daí, decidem a área
que vão acessar. Com relação à, não se fez uma avaliação sobre a percepção dos professores
ou alunos. Alguns professores são entusiastas de informática e gostam de trabalhar com esse
ambiente e disponibilizam bastante conteúdo na rede. O nível de utilização está maior e a
faculdade começa a pensar em verificar o nível de satisfação dos professores e de alunos
2.5 Perfil da Instituição Pesquisada
A Faculdade de Ciências Médicas da Santa Casa de São Paulo se consolidou durante a década
de 1950 pela atividade de profissionais que voluntariamente atendiam os doentes.
Documentos dessa época registraram essa iniciativa do corpo clínico, como se percebe em
ofício enviado àquela época à mesa administrativa, datado de 20/04/1956 e assinado por
representantes do Corpo Clínico da época. Daquela época histórica até os dias de hoje, muito
ganhou a Faculdade (FCMSCSP, 2006).
6
Embora de início tivesse de contar com a presença de docentes de outras instituições, como a
Faculdade de Medicina da USP, a Escola Paulista de Medicina, o Instituto Oscar Freire, o
Hospital AC Camargo, o Hospital Emílio Ribas, o Hospital do Juqueri e o Instituto Butantã,
progressivamente seus próprios docentes foram se titulando. Muitos obtiveram a titulação de
livres-docentes, outros complementaram seus mestrados e doutorados em outras instituições e
a maioria foi, lenta e progressivamente, se titulando na própria Faculdade, após a criação de
seus diversos cursos de pós-graduação. Hoje são 410 docentes, dos quais 270 são titulados
(FCMSCSP, 2006).
A Faculdade de Ciências Médicas da Santa Casa de São Paulo está inserida no Complexo
Hospitalar da Irmandade de Misericórdia da Santa Casa de São Paulo. O Hospital Central
conta com cerca de 770 leitos, 50 salas cirúrgicas, 5 subdivisões de emergência (Pediatria,
Cirurgia, Clínica Médica, Obstetrícia e Ginecologia, Ortopedia e Traumatologia), Unidades
de Tratamento Intensivo e toda a infra-estrutura de suporte diagnóstico e procedimentos.
Executa todos os tipos de atendimentos, incluindo-se transplantes de órgãos (córnea, rim,
coração, medula óssea e fígado) (FCMSCSP, 2006).
3. PROCEDIMENTOS METODOLÓGICOS
Para se atingir o objetivo geral do trabalho, qual seja analisar os principais fatores que afetam
a adoção de uma inovação tecnológica em Sistemas de Informações (SI) para o ensino na área
de saúde, estabeleceu-se como objetivos específicos: (a) avaliar o impacto causado pelos
diferentes fatores determinantes da adoção da inovação tecnológica; (b) identificar os
resultados obtidos pela sua adoção e (c) avaliação do modelo de equações estrutural proposto.
A opção foi por uma abordagem metodológica quantitativa, com a intenção de se quantificar a
dependência da adoção da inovação das características percebidas pelo uso de uma inovação,
segundo os conceitos de Rogers (1983) e Moore e Benbasat (1991). O estudo enfocou os
aspectos de adoção, uso da tecnologia e os resultados decorrentes da adoção e uso.
Utilizou-se para a coleta das informações um questionário composto por perguntas fechadas
que foi respondido pelos diversos usuários do EClass: professores das áreas de medicina,
enfermagem e fonoaudiologia. A amostra adotada foi do tipo não probabilístico por
conveniência, tendo em vista a sua delimitação a um ambiente específico.
Como técnica de análise dos dados obtidos foi utilizada a Modelagem de Equações Estruturais
(Structural Equation Modeling - SEM). A SEM não designa uma técnica única, mas uma
família de procedimentos relacionados (KLINE, 2005). Para Hair et al. (2005), a SEM
engloba uma família inteira de modelos conhecidos por muitos nomes, entre eles a análise de
estrutura de covariância, análise de variável latente, análise fatorial confirmatória, ou
simplesmente análise LISREL. A Modelagem de Equações Estruturais utiliza uma série de
relações de dependência simultaneamente sendo particularmente útil quando uma variável
dependente se torna independente em subseqüentes relações de dependência (HAIR et al.,
2005). Esse conjunto de relações, cada uma envolvendo variáveis dependentes e
independentes, é a base da SEM.
Para avaliar a adoção de uma inovação em SI, no âmbito das características percebidas,
adoção e resultado do uso, foi utilizada uma adaptação do instrumento desenvolvido por
Benbasat e Moore (1991). Um questionário quantitativo com 33 perguntas fechadas foi
aplicado junto aos usuários do EClass.
7
O modelo considerado pela modelagem de equações estruturais está representado na Figura 1.
Nesse modelo observa-se que o uso de uma inovação tecnológica é determinado pelas
características percebidas pelo uso dessa inovação. Esse uso é inferido a partir da declaração
pelo usuário sobre o grau de uso da inovação, bem como pela declaração de intensificar o seu
uso. Como conseqüência disso se estabelece a percepção de novas alternativas de melhorias
em processos e serviços, alternativas de desenvolvimento de novos processos e serviços, e de
perspectivas para mais inovações.
Figura 1 - Modelo de Equações Estruturais proposto
Uma ilustração desse processo pode ser feita, por exemplo, pela adoção de um sistema de
apoio ao ensino na área de saúde. A partir do momento em que os professores começam a
perceber as características do sistema, ele passa a ser utilizado rotineiramente por esses
usuários. Como conseqüência desse uso os profissionais podem executar melhor o seu
trabalho, atender seus alunos de forma mais efetiva e criar novas formas de executar suas
tarefas. Na medida em que estes resultados são percebidos, novas idéias são formuladas e
novas perspectivas de inovação ficam aparentes.
A partir do modelo apresentado na Figura 1 foram formuladas as seguintes hipóteses do
estudo, com referência às características percebidas pelo uso de uma inovação tecnológica na
área de saúde, a serem testadas:
H1: A característica Vantagem Relativa afeta significativamente a adoção de uma inovação
tecnológica.
H2: A característica Uso Voluntário afeta significativamente a adoção de uma inovação
tecnológica.
8
H3: A característica Compatibilidade afeta significativamente a adoção de uma inovação
tecnológica.
H4: A característica Imagem afeta significativamente a adoção de uma inovação tecnológica.
H5: A característica Facilidade de Uso afeta significativamente a adoção de uma inovação
tecnológica.
H6: A característica Demonstração de Resultado afeta significativamente a adoção de uma
inovação tecnológica.
H7: A característica Visibilidade afeta significativamente a adoção de uma inovação
tecnológica.
H8: A característica Experimentação afeta significativamente a adoção de uma inovação
tecnológica.
Com relação aos resultados da adoção de uma inovação, a hipótese formulada foi a que segue:
H9: Os processos e serviços são impactados positivamente pela adoção de uma inovação
tecnológica.
4. ANÁLISE DOS DADOS
A composição mínima da amostra baseou-se em recomendações de Hair et al. (2005), que
sugere um número de 5 a 10 questionários (observações) preenchidos por variáveis latentes
formativas estudadas (caminhos que recebem seta no modelo estrutural). No caso do presente
estudo foram nove (9) variáveis para atender ao modelo proposto.
Para o tratamento dos dados foi utilizado o software SmartPLS® Versão 2.0.M3, executado
em ambiente Windows XP®, para a validação do modelo estrutural proposto originalmente.
Em todas as etapas adotou-se a mesma parametrização indicada por seu fornecedor. Ao se
executar o algoritmo de bootstrapping para calcular os valores do teste t utilizou-se o número
500 para o total de simulações aleatórias e n para o tamanho de cada amostra. Segundo Hair et
al. (2005), esse procedimento é um tipo de reamostragem aleatória na qual os dados originais
são repetidamente processados com substituição para estimação do modelo.
As variáveis utilizadas no modelo estrutural proposto foram obtidas pelas assertivas do
questionário quantitativo aplicado aos usuários do EClass e estão indicadas no Quadro 3. As
variáveis utilizadas para a avaliação do uso de uma inovação foram: P_US1 e P_US2. As
assertivas para obtenção das variáveis relativas às características percebidas de uso da
inovação tecnológica estudadas (v1 a v27) foram elaboradas com base no instrumento
resultante do estudo de Moore e Benbasat (1991). O indicadores do resultado do uso do
EClass foram obtidos por meio das variáveis v28 a v33.
9
Quadro 3 - Variáveis utilizadas no modelo estrutural
Assertiva
Variável
Considero-me um usuário intensivo do EClass
Assim que possível pretendo utilizar mais intensamente o EClass
Meus superiores não me obrigam a utilizar o EClass
Usando o EClass posso realizar minhas tarefas mais rapidamente
Eu tive várias oportunidades de experimentar aplicações para o EClass
As pessoas da minha instituição que usam o EClass têm um perfil diferenciado
O uso do EClass torna mais fácil a realização do meu trabalho
Acredito que é fácil utilizar o EClass para fazer o que eu preciso fazer
Acredito que posso comunicar aos outros as conseqüências do uso do EClass
O uso do EClass me possibilita um maior controle do meu trabalho
Entendo que o uso do EClass ajusta-se bem à forma que eu gosto de trabalhar
O uso do EClass não é percebido em minha instituição
As pessoas da minha instituição que usam o EClass têm maior prestígio do que aquelas que não
usam
Antes de decidir a usar o EClass eu pude experimentá-lo corretamente
O uso do EClass melhora a qualidade do meu trabalho
Minha interação como o EClass é clara e de fácil compreensão
Os resultados do uso do EClass são aparentes para mim
É fácil observar outras pessoas utilizando o EClass em minha instituição
Não tenho dificuldades para explicar por que o uso do EClass pode ou não ser benéfico
Embora seja útil, usar o EClass não é obrigatório em meu trabalho
Na minha instituição pode-se encontrar o EClass em vários computadores
No geral, acredito que o EClass é fácil de ser utilizado
O uso do EClass ajusta-se ao meu estilo de trabalho
Aprender a usar o EClass é fácil para mim
O uso do EClass é compatível com todos os aspectos do meu trabalho
Me foi permitido usar o EClass a título de teste, o tempo suficiente para entender o que poderia
fazer
O uso do EClass melhora minha efetividade no trabalho
Não tive dificuldades para dizer aos outros sobre os resultados do uso do EClass
Usar o EClass é um símbolo de status em minha instituição
O uso do EClass possibilita a criação de novos serviços ou processos
O uso do EClass permite melhorar a forma de realizar serviços ou processos atuais
O uso do EClass permite a criação de serviços ou processos diferenciados
O uso do EClass possibilita inovar a forma de executar minhas funções administrativas
O uso do EClass permite ter acesso a novos conhecimentos
O uso do EClass propicia novas alternativas para o método de ensino
P_US1
P_US2
V1
V2
V3
V4
V5
V6
V7
V8
V9
V10
V11
V12
V13
V14
V15
V16
V17
V18
V19
V20
V21
V22
V23
V24
V25
V26
V27
V28
V29
V30
V31
V32
V33
Após os trâmites formais e com o aval da direção da Faculdade de Ciências Médicas da Santa
Casa, o questionário foi aplicado aos professores envolvidos com o uso do EClass. O retorno
das respostas correspondeu a 44 questionários, os quais foram considerados todos válidos. Em
três questionários foram deixadas algumas questões em branco e adotou-se o valor médio para
elas, com o intuito de não descartar os questionários por completo. A Tabela 1 sintetiza o
perfil da amostra e do universo de respondentes.
10
Tabela 1 - Perfil dos participantes da pesquisa
Área
no. de
usuários
% do
universo
no. de
% de
respondentes /
respondentes respondentes no. de usuários
Medicina
62
72,9%
31
70,5%
50,0%
Enfermagem
11
12,9%
6
13,6%
54,5%
Fonoaudiologia
12
14,1%
7
15,9%
58,3%
Total
85
100,0%
44
100,0%
51,8%
4.1 Avaliação do Modelo de Mensuração
Os resultados do processamento do modelo estrutural proposto mostraram-se adequados, ou
seja, praticamente todas as variáveis observadas (v1 a v33) apresentaram valores de
correlação iguais ou superiores a 0,70, conforme recomendação de Tenenhaus et al. (2004).
Levanto-se em conta esse limite, retirou-se apenas a variável v19 (valor de correlação 0,61)
do construto Visibilidade. Após esse ajuste efetuou-se novo processamento. O resultado da
apuração do modelo está apresentado na figura 2.
v13
v21
v23
0,909
0,860
v11
-0,030
0,867
0,897
v4
v14
v20
v22
v6
v15
v17
v26
v7
Imagem
0,854
0,867
0,947
0,892
0,800
0,226
0,160
R esultado
do Uso
0,820
0,604
0,907
Facilidad e
de Uso
0,919
0,801
D emonstração
de Resultado
0,962
Visibilidade
0,880
v29
0,891
v30
0,714
v31
0,780
0,769
P_U S2
v32
v33
-0,084
0,809
0,903
0,916
v28
0,672
0,789
0,042
v18
0,769
Uso
0,376
v1
0,828
Uso
Voluntário
P_U S1
0,859
0,883
v8
Vantag em
R elativa
0,017
0,221
v5
0,932
C ompatibilidade
0,768
v27
v25
0,886
0,914
0,961
v9
v2
0,737
v10
0,836
v16
Experimentação
0,856
v12
v24
v3
Figura 2 - Apuração do modelo ajustado
As tabelas 2 e 3, a seguir, apresentam os principais indicadores obtidos para o modelo
ajustado, sem a variável v19. Na tabela 2 observa-se que os valores obtidos para o Alfa de
Cronbach são superiores a 0,60 o que é recomendado pela literatura como valor de corte
(HAIR et al., 2005). O mesmo aconteceu com a variância média explicada (VME) e com a
com a confiabilidade composta, ambos com valores sempre acima de 0,50 conforme
recomendado por Tenenhaus et al. (2004).
11
Tabela 2 - Indicadores da apuração do modelo ajustado
Variável
Alfa de
Cronbach
VME
Compatibilidade
0,896320
0,829492
0,910765
0,935750
Demonstração de Resultado
0,880505
0,737662
0,858873
0,918072
Experimentação
0,627064
0,722529
0,850017
0,838265
Facilidade de Uso
0,628332
0,560213
0,748474
0,790206
Imagem
0,889063
0,749493
0,865733
0,922873
Uso Voluntário
0,828351
0,715579
0,845919
0,882568
Vantagem Relativa
0,877350
0,620919
0,787984
0,906759
Visibilidade
0,607988
0,670137
0,818619
0,802471
Uso
0,924087
0,772961
0,879182
0,943884
Resultado do Uso
0,874890
0,885539
0,941031
0,939265
√VME
Confiabilidade
Composta
Para melhor compreensão dos resultados obtidos pela modelagem de equações estruturais,
colocaram-se na diagonal da Tabela 2 os valores da raiz quadrada da variância média
explicada da Tabela 1.
Uso
Resultado do Uso
Uso Voluntário
Vantagem Relativa
Visibilidade
USO
Imagem
Facilidade
de Uso
Visibilidade
Imagem
Vantagem
Relativa
Facilidade de Uso
0,8500
2
0,5952
9
0,6534
7
0,4655
6
0,8195
9
0,4260
8
0,6733
7
0,3832
6
Uso
Voluntário
Experimentação
0,8588
7
0,7336
0
0,7833
4
0,7707
0
0,6565
1
0,7052
8
0,3054
1
0,8281
7
0,5561
0
Resultado
do Uso
Demonstração de
Resultado
Experimentação
Compatibilidade
Demonstração
de Resultado
Compatibilidade
Tabela 3 - Correlações entre as variáveis no modelo ajustado
0,7879
8
0,3084
5
0,7043
5
0,4111
7
0,8186
2
0,3290
2
0,1385
3
0,8791
8
0,3447
4
0,9410
3
0,9107
7
0,8002
4
0,6523
6
0,6156
6
0,7586
0
0,5602
8
0,6744
0
0,4041
2
0,7046
8
0,5598
8
0,7484
7
0,7433
7
0,4564
8
0,5600
0
0,3075
6
0,6707
7
0,5646
1
0,8657
3
0,4345
5
0,5603
6
0,3956
4
0,5843
9
0,3987
7
0,8459
2
0,6374
5
0,0688
9
0,6008
1
0,3001
3
Tenenhaus et al. (2004) recomendam que o valor da raiz quadrada deva ser maior que as
correlações entre as variáveis em que elas se localizam (valores das linhas e colunas). Tal fato
se confirmou, como pode ser verificado nos valores destacados na diagonal da Tabela 3. Este
procedimento, denominado validade discriminante, visa testar se as variáveis latentes
estudadas deveriam ser agrupadas ou não. Um agrupamento ocorreria caso fosse detectado um
valor para a raiz quadrada menor que a correlação entre as variáveis.
12
4.2 Validação do Modelo Estrutural
Na Figura 2 podem ser identificados os coeficientes de regressão associados a cada uma das
variáveis observadas (Vantagem Relativa, Uso Voluntário, Compatibilidade, Imagem,
Facilidade de Uso, Demonstração de Resultado, Visibilidade e Experimentação) e o quanto
eles impactam na variável latente Uso, bem como o quanto essa última afeta a variável latente
Resultados do Uso.
Os coeficientes de regressão padronizados indicam o quanto cada construto afeta as variáveis
latentes, quando essas aumentam de uma unidade. A Demonstração de Resultado apresenta o
maior coeficiente de regressão (0,376) com a variável Uso, ou seja, quando a variável Uso
aumenta em uma unidade, a maior contribuição para essa variação vem da Demonstração de
Resultado. Por sua vez, a variável Uso apresenta um coeficiente de regressão igual a 0,820
com relação à variável Resultados do Uso.
Na Figura 2 observa-se que os coeficientes de regressão padronizados das variáveis
Compatibilidade e Experimentação apresentam valores negativos (-0,030 e -0,084). Apesar de
serem valores baixos eles merecem uma análise. Uma explicação para a Compatibilidade
pode ser dada pelas experiências passadas dos professores que o adotaram, bem como, o fato
do EClass ter afetado muito a sistemática de ensino. Com relação à Experimentação, na
realidade, os usuários não puderam utilizar o sistema durante um tempo determinado antes de
adotá-lo. As demais variáveis (Vantagem Relativa, Uso Voluntário, Imagem, Facilidade de
Uso, Demonstração de Resultado e Visibilidade) afetam positivamente o Uso do EClass.
Na figura 2 também se observam os valores dos coeficientes de determinação da variância
(R2) das variáveis dependentes Uso e Resultados do Uso. Esses coeficientes indicam o
percentual de variância da variável dependente que é explicado pelas variáveis independentes.
Os valores de R2 obtidos estão no interior dos círculos que representam essas variáveis. No
caso da variável Uso o valor do coeficiente de determinação da variância (R2) obtido foi de
60,4%. Esse resultado está de acordo com a proposição de Rogers (2003), para o qual as cinco
características percebidas em uma inovação explicam de 49% a 87% da sua taxa de adoção.
No caso da variável Resultado do Uso o valor do coeficientes de determinação da variância
(R2) obtido foi de 67,2%.
Para a validação do modelo estrutural foi utilizado o algoritmo de bootstrapping (amostragem
aleatória) do software SmartPLS com o parâmetro 500 para o número de casos e amostras.
Esse procedimento teve como objetivo realizar 500 simulações com o conjunto de dados para
a obtenção dos resultados do teste da distribuição t de Student. Os resultados do teste t
dependem do número de questionários respondidos. Para uma amostra de 44 respondentes
(graus de liberdade) o valor da distribuição t de Student é 2,01, para um intervalo de
confiança de 95% e significância 0,05 (BUSSAB; MORETTIN, 2003).
O teste t de Student serviu para testar a hipótese de que os coeficientes de
correlação/regressão seriam iguais a zero. Caso o resultado do teste t fosse igual ou superior a
2,01 a hipótese seria rejeitada, ou seja, a correlação seria significante. No processamento do
algoritmo de bootstrapping observou-se que as variáveis latentes Compatibilidade e
Imagem apresentaram, respectivamente, os valores 0,755 e 0,656 para o teste t, os quais são
inferiores a 2,01, logo, elas foram excluídas do modelo inicial. No caso da variável
Visibilidade, como o resultado do teste t ficou próximo do valor limite (1,683), optou-se por
mantê-la no modelo. Um novo processamento sem as variáveis Compatibilidade e Imagem
afetou muito pouco (segunda casa decimal) os novos coeficientes calculados.
13
As variáveis constantes do construto Imagem (v4, v11 e v27) dizem respeito ao perfil
diferenciado, ao maior prestígio e ao status social do usuário de uma inovação tecnológica. A
não aderência da variável Imagem pode ser justificada pela suposição de que os professores
que utilizam o EClass, o façam de forma isolada em seus departamentos. Por isso,
provavelmente, eles não consigam verificar como o sistema pode melhorar sua imagem em
relação a outros professores que não utilizam o sistema . Uma outra possível justificativa para
a não aderência da variável Imagem pode ser dada pelo fato de que a maioria dos professores
respondentes serem da área de medicina. Isso corrobora os estudos de Raitoharju e Laine
(2006) de que diferentes profissionais da área de saúde apresentam diferentes percepções
sobre o uso de sistemas de informações. Com relação à Compatibilidade, os professores
usuários do EClass não conseguem constatar que o sistema se mostra compatível com
necessidades e experiências passadas, uma vez que não puderam utilizar outra ferramenta
similar para apoio ao ensino.
As demais variáveis (Visibilidade, Demonstração de Resultado, Experimentação, Facilidade
de Uso, Uso Voluntário e Vantagem Relativa) validaram o modelo e afetaram diretamente o
Uso, com destaque para a Demonstração de Resultado. Pelo que foi visto na teoria, a
Demonstração de Resultado diz respeito à tangibilidade dos resultados obtidos pelo uso de
uma inovação (MOORE e BENBASAT, 1991). Neste caso, os professores confirmaram que o
sistema facilita em muito a sua vida e seu relacionamento com seus alunos. Conforme pode
ser visto na Tabela 4, as hipóteses H3 e H4 referentes a Compatibilidade e Imagem foram
rejeitadas e as demais hipóteses (H1, H2, H5, H6, H7 e H8) foram verificadas.
Tabela 4 - Resultados finais do modelo proposto
Coeficiente
Padronizado
t-value
> 1,99
Hipótese
Vantagem Relativa→Uso
0,226045
5,607126
H1
Uso Voluntário→Uso
0,180149
6,791151
H2
Compatibilidade→Uso
-0,029519
0,755344
Imagem→Uso
0,016606
0,655475
H3
H4
Facilidade de Uso→Uso
0,220906
4,661152
H5
Rejeitada
Verificada
Demonstração de Resultado→Uso
0,375993
7,240863
H6
Verificada
Visibilidade→Uso
0,041921
1,683489*
H7
Verificada
Experimentação→Uso
-0,083567
2,489147
H8
Verificada
Uso→Resultado do Uso
0,819589
70,91783
H9
Verificada
Relação Estrutural
Status da
Hipótese
Verificada
Verificada
Rejeitada
* Variável mantida por apresentar valor próximo ao de corte (2,01)
5. CONCLUSÕES E CONSIDERAÇÕES FINAIS
Por intermédio da abordagem quantitativa desta pesquisa verificou-se que as características
percebidas em uma inovação são os fatores determinantes de sua adoção e uso. Estes
resultados corroboram as teorias desenvolvidas por (ROGERS, 1983) e Moore e Benbasat
(1991). O modelo estrutural de análise utilizado mostrou-se adequado e conduziu a um
melhor entendimento da adoção de inovações no âmbito da implantação de novos sistemas de
informações. Ficou evidenciado que o uso de sistemas de informações acarreta, por parte de
seus usuários, percepções que podem ter importantes reflexos nas tarefas e trabalho da
organização.
14
No estudo realizado mereceram destaque as variáveis representadas pelas características
percebidas, quais sejam, a Vantagem Relativa e a Demonstração de Resultado. Essas variáveis
contribuíram positivamente na adoção do EClass, com coeficientes notadamente superiores
aos demais, explicando dessa forma boa parte do modelo proposto inicialmente. As
características Compatibilidade e Imagem não foram consideradas como relevantes para
adoção pelos usuários e isso se deve, possivelmente, ao fato de que, para estes usuários, o
EClass já se constitui uma ferramenta incorporada ao seu dia-a-dia, porém, sem precedentes
iniciais que pudessem ser usados para comparação.
Também ficou evidenciado que as características percebidas explicam apenas uma parte da
adoção de inovações. O grau de explicação obtido confirma em grande parte a teoria, mas
também sugere a participação de outros fatores no processo de adoção, o que também é
assinalado por Rogers (1983) e Larsen e McGuire (1998). Uma boa parte desses outros fatores
eventualmente pode ser atribuída ao contexto social interno, por exemplo, a forma adotada
para a comunicação da inovação e os canais de divulgação da inovação, conforme sugere
Rogers (2003). Finalmente, também ficou aparente que os resultados decorrentes da adoção
da inovação e as melhorias obtidas pela sua introdução não se atém ao fenômeno da adoção.
A instituição pesquisada, além de conseguir oferecer melhores condições de atendimento aos
seus alunos, também conseguiu melhorar serviços e processos já existentes e fomentar o
desenvolvimento de novos processos e serviços.
Esta pesquisa teve como foco a inovação tecnológica definida pelo EClass em uma única
instituição da área de saúde, portanto, os resultados ficam limitados ao âmbito desta
instituição. Porém, os achados aqui relatados podem ser de alguma valia para outras
instituições de ensino da área de saúde, para as quais o EClass é pertinente. Os resultados da
pesquisa podem ser úteis na decisão, desenvolvimento, implantação e interpretação de
resultados de projetos com esse escopo. O estudo relatado também sugere a possível
ampliação do conceito de características percebidas, isto é, a incorporação de outros aspectos
do contexto organizacional que possivelmente também afetam a adoção. Por fim, recomendase que o modelo estrutural adotado seja aplicado e testado em novos estudos com outras
inovações tecnológicas, inclusive aquelas envolvendo novos Sistemas ou Tecnologias da
informação.
REFERÊNCIAS BIBLIOGRÁFICAS
AHUJA, M. K.; THATCHER J. B. Moving beyond intentions and toward the theory of
trying: Effects of work environment and gender on post-adoption
information
technology use. MIS Quarterly vol. 29 - n. 3, pp. 427-459/September, 2005.
BUSSAB, W. O.; MORETTIN, P. A. Estatística básica. 5a. ed. São Paulo: Saraiva, 2003.
DOSI, G. et al. Technical change and economic theory. London: Pinter Publishers, 1988.
DRUCKER, P. F. Innovation and Entrepreneurship – practice and principles. Elsevier,
2004.
ENGEL, J. F.; BLACKWELL, R. D.; MINIARD, Paul W. Comportamento do
Consumidor. 8ª. ed. Rio de Janeiro: LTC, 2000.
FCMSCSP – Faculdade de Ciências Médicas da Santa Casa de São Paulo. História da
Instituição. Disponível em: http://www.fcmscsp.edu.br/instituicao.php, acessado em 15/10/06.
FREIRE, A. Inovação: Novos Produtos, Serviços e Negócios para Portugal. Lisboa:
Verbo, 2002.
15
HAIR, J. F. Jr.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise
Multivariada de dados. 5ª. Ed. Porto Alegre: Bookman, 2005.
JELINEK, M. Organizational entrepreneurship in mature-industry firms: foresight,
oversight, and invisibility. In: Technological innovation. USA: Cambridge University Press,
1997).
KARAHANNA, E.; STRAUB, D. W.; CHERVANY, N. I. Information technology
adoption across time: a cross-sectional comparison of pre-adoption and post-adoption
beliefs. In MIS Quarterly, vol. 23, no. 2, jun, 1999.
KLINE, R. B. Principles and Practice of Structural Equation Modeling. 2nd ed. New
York: The Guilford Press, 2005.
LARSEN, T. J., McGUIRE, E. Information systems innovation and diffusion: Issues and
directions. Hershey, USA: Idea Group Publishing, 1998.
LEE, T. T. Nurses’ Adoption of technology: Application of Rogers’ innovation-diffusion
model. In Applied Nursing Research, vol. 17, n. 4, p. 231-238, November, 2004.
MOORE, G. C.; BENBASAT, I. Development of an instrument to measure the perceptions of
adopting an information technology innovation. In Information Systems Reserarch, vol. 2, no.
3, 1991.
NICKERSON, R. C. Business and information systems. New Jersey, USA: Prentice Hall,
2001.
PENNINGS, J. M. Innovations as precursors of organizational performance. In:
Information technology and organizational transformation – innovation for the 21st
century organization. Edited by Robert d. Galliers e Walter R. J. Baets. Editora Wiley, 1998.
RAITOHARJU, R.; LAINE, M. Exploring the differences in information technology
acceptance between healthcare professionals. In Proceedings of the 12th American
conference on information systems, Acapulco, México, p 2644-2651, august., 2006.
ROGERS, E. M. Diffusion of innovation. 3rd edition. The Free Press, New York, 1983.
ROGERS, E. M. Diffusion of innovation. 5rd edition. The Free Press, New York, 2003.
SBIS – Sociedade Brasileira de Informática em Saúde. O que é informática em Saúde?.
Disponível em: http://www.sbis.org.br. Acessado em 01/12/206.
SCHUMPETER, J. A. A teoria do desenvolvimento econômico. 3ª. edição. São Paulo: Abril
Cultural, 1982.
TENENHAUS, M.; VINZI, V. E.; CHATELIN, Y. M.; LAURO, C. PLS path modeling. In
Computational Statistics & data analysis, 48, p.159-205, 2004
TENG, J. T. C.; GROVER, V.; GÜTTLER, W. Information Technology innovations:
General diffusion patterns and its relationship to innovations characteristics. IEEE
transactions on engineering management, vol. 49 - n. 1, February, 2002.
TIDD, J.; BESSANT, J.; PAVITT, K. Managing innovation - integrating technological,
market and organizational change. 3rd. Ed. John Wiley & Sons, Ltd, 2005.
TURBAN, E.; LEIDNER, D.; MCLEAN, E.; WETHERBE, J. Information Technology for
management – transforming organizations in the digital economy. John Wiley & Sons,
2006.
TUSHMAN, M.; NADLER, D. Organizando-se para a inovação. Em: STARKEY, Ken.
Como as Organizações Aprendem - Relatos do sucesso das grandes empresas. São Paulo:
Futura, 1997.
16