This research study focused on evaluating user satisfaction with the MOODLE platform, a popular educational software used for online learning. The study employed the Genetic Algorithm Multicriteria Satisfaction Analysis (GA-MUSA) method and compared its results to the conventional MUSA method. The data were collected through a questionnaire administered to participants, including public servants, students and professors, who had experience using MOODLE. Descriptive statistics, correlation analysis, and comparative analysis were conducted to analyze the data. The findings of the study revealed that the GA-MUSA method produced a higher overall satisfaction level compared to the Conventional MUSA method. This suggests that the GA-MUSA method may offer a more accurate estimation of overall satisfaction with the MOODLE platform. The correlation analysis indicated that MOODLE experience was a significant demographic variable related to satisfaction levels, highlighting the importance of considering users' experience when evaluating satisfaction. The study contributes to the existing research by providing insights into the use of the GA-MUSA method for evaluating user satisfaction with educative software. It demonstrates the potential of this method as an alternative to the conventional MUSA method and calls for further exploration of its applicability in this domain. The limitations of the research, such as the sample size and the need for future comparative studies, are also acknowledged. Overall, this research enhances our understanding of user satisfaction with educative software and emphasizes the importance of considering user experience in software design and development. The findings can inform software developers and educational institutions in improving the design, functionality, and overall user experience of online learning platforms like MOODLE.
Αυτή η ερευνητική μελέτη επικεντρώθηκε στην αξιολόγηση της ικανοποίησης των χρηστών με την πλατφόρμα MOODLE, ένα δημοφιλές εκπαιδευτικό λογισμικό που χρησιμοποιείται για διαδικτυακή μάθηση. Η μελέτη χρησιμοποίησε τη μέθοδο Genetic Algorithm Multicriteria Satisfaction Analysis (GA-MUSA) και συνέκρινε τα αποτελέσματά της με τη συμβατική μέθοδο MUSA. Τα δεδομένα συλλέχθηκαν μέσω ενός ερωτηματολογίου που χορηγήθηκε σε συμμετέχοντες, συμπεριλαμβανομένων δημοσίων υπαλλήλων, φοιτητών και καθηγητών, που είχαν εμπειρία στη χρήση του MOODLE. Για την ανάλυση των δεδομένων διενεργήθηκαν περιγραφικές στατιστικές, ανάλυση συσχέτισης και συγκριτική ανάλυση. Τα ευρήματα της μελέτης αποκάλυψαν ότι η μέθοδος GA-MUSA παρήγαγε υψηλότερο συνολικό επίπεδο ικανοποίησης σε σύγκριση με τη συμβατική μέθοδο MUSA. Αυτό υποδηλώνει ότι η μέθοδος GA-MUSA μπορεί να προσφέρει μια πιο ακριβή εκτίμηση της συνολικής ικανοποίησης από την πλατφόρμα MOODLE. Η ανάλυση συσχέτισης έδειξε ότι η εμπειρία MOODLE ήταν μια σημαντική δημογραφική μεταβλητή που σχετίζεται με τα επίπεδα ικανοποίησης, υπογραμμίζοντας τη σημασία της εξέτασης της εμπειρίας των χρηστών κατά την αξιολόγηση της ικανοποίησης. Η μελέτη συμβάλλει στην υπάρχουσα έρευνα παρέχοντας πληροφορίες σχετικά με τη χρήση της μεθόδου GA-MUSA για την αξιολόγηση της ικανοποίησης των χρηστών με το εκπαιδευτικό λογισμικό. Καταδεικνύει τις δυνατότητες αυτής της μεθόδου ως εναλλακτική της συμβατικής μεθόδου MUSA και καλεί για περαιτέρω διερεύνηση της δυνατότητας εφαρμογής της σε αυτόν τον τομέα. Αναγνωρίζονται επίσης οι περιορισμοί της έρευνας, όπως το μέγεθος του δείγματος και η ανάγκη για μελλοντικές συγκριτικές μελέτες. Συνολικά, αυτή η έρευνα ενισχύει την κατανόησή μας για την ικανοποίηση των χρηστών με το εκπαιδευτικό λογισμικό και τονίζει τη σημασία της εξέτασης της εμπειρίας του χρήστη στο σχεδιασμό και την ανάπτυξη λογισμικού. Τα ευρήματα μπορούν να ενημερώσουν τους προγραμματιστές λογισμικού και τα εκπαιδευτικά ιδρύματα για τη βελτίωση του σχεδιασμού, της λειτουργικότητας και της συνολικής εμπειρίας χρήστη διαδικτυακών πλατφορμών μάθησης όπως το MOODLE.
National Documentation Centre (EKT)
