Le condizioni di supporto: chiave segreta o solo un accessorio per l’e‑learning?

Le università spendono milioni per piattaforme online, ma gli studenti spesso non le usano come previsto. Perché? Uno studio su 470 studenti indonesiani ha messo alla prova il modello UTAUT, che collega fattori come utilità percepita e pressione sociale all’intenzione di usare una tecnologia. I risultati confermano che Performance Expectancy (quanto credi che l’e‑learning ti aiuti a raggiungere i tuoi obiettivi) e Effort Expectancy (quanto è facile da usare) sono davvero importanti, così come il divertimento percepito. Sorprendentemente, le cosiddette Facilitating Conditions – ovvero la presenza di infrastrutture, connessione internet e supporto tecnico – non spingono direttamente gli studenti a voler studiare online. Invece, queste condizioni agiscono come un “catalizzatore”: migliorano la percezione di utilità e di facilità d'uso, che a loro volta aumentano l’intenzione di usare la piattaforma e, infine, il comportamento reale. In pratica, avere una buona rete o un’app ben progettata non basta; è il modo in cui questi strumenti rendono lo studio più efficace e meno faticoso che conta davvero. Per gli amministratori universitari, il messaggio è chiaro: investire in tecnologia non è più una questione di quantità, ma di qualità dell’esperienza di apprendimento.

Il modello UTAUT (Unified Theory of Acceptance and Use of Technology) è stato originariamente proposto da Venkatesh et al. (2003) per spiegare l’adozione di tecnologie informatiche in contesti organizzativi. Esso comprende quattro costruttori primari: Performance Expectancy (PE), Effort Expectancy (EE), Social Influence (SI) e Facilitating Conditions (FC). In questo studio, la variabile FC è stata trattata come costruttore di tipo “enabling”, cioè capace di influenzare indirettamente l’intenzione comportamentale (BI) attraverso PE e EE. L’analisi di mediazione ha mostrato coefficienti di regressione β=0.556 per FC→PE e β=0.419 per FC→EE, indicando che il supporto infrastrutturale potenzia la percezione di utilità e la facilità d’uso. Inoltre, l’effetto totale di FC su BI è risultato non significativo (β=-0.085), confermando l’ipotesi di assenza di relazione diretta. La robustezza del modello è stata verificata con bootstrapping a 5.000 campioni e con test di invariance multi‑group per genere e anno di corso, senza variazioni sostanziali. Questi risultati suggeriscono una revisione teorica del UTAUT, introducendo un percorso “enabling” dove le condizioni di supporto fungono da prerequisito per l’attivazione dei driver motivazionali tradizionali. Dal punto di vista pratico, le istituzioni dovrebbero focalizzarsi su interventi che migliorino la percezione di PE e EE, ad esempio mediante tutorial interattivi, feedback personalizzati e design centrato sull’utente, piuttosto che limitarsi a garantire solo la disponibilità di hardware o connessione.