Technostress, burnout en de modererende rol van computer ... · Figuur 2. Modererend effect van...

UNIVERSITEIT GENT

Faculteit Psychologie en Pedagogische Wetenschappen

Academiejaar 2010-2011

Eerste Examenperiode

Technostress, burnout en de modererende rol van computer self-efficacy:

Een onderzoek bij administratief bedienden in Vlaanderen.

Masterproef neergelegd tot het behalen van de graad van master in de psychologie,

afstudeerrichting Bedrijfspsychologie en Personeelsbeleid

door Angélique Daeleman

Promotor: Prof. Dr. Peter Vlerick

Begeleiding: Lic. Bart Van de Ven

I

Abstract

Het gebruik van informatie- en communicatietechnologie (ICT) heeft de laatste vier

decennia een steeds prominentere plaats ingenomen op de werkvloer. Deze ICT werden

ingevoerd met het doel de productiviteit en de prestaties te verbeteren, maar er zijn ook

negatieve gevolgen, zoals technostress. Technostress wordt veroorzaakt door de

onmogelijkheid om zich aan te passen of op een gezonde manier om te gaan met nieuwe

ICT. Door de constante evolutie van technologie is er nood aan onderzoek omtrent de

negatieve gevolgen. Dit onderzoek speelt hierop in, specifiek door het verband tussen

technostress en burnout na te gaan en de modererende rol van computer self-efficacy en

attitude ten aanzien van computers in deze relatie te onderzoeken. Technostress wordt

hier gemeten door een vertaalde en gevalideerde vragenlijst die uit vijf subschalen

bestaat: techno-overload, techno-invasie, techno-complexiteit, techno-onveiligheid en

techno-onzekerheid. Er werden 177 administratief medewerkers van verschillende

organisaties online bevraagd. De eerste onderzoeksvraag gaat na of er een rechtstreekse

relatie bestaat tussen technostress en burnout. De tweede onderzoeksvraag gaat na of

deze relatie gemodereerd wordt door computer self-efficacy en de attitude ten aanzien

van computers. Uit de resultaten, die werden verkregen door hiërarchische multipele

regressieanalyse, komen een aantal duidelijke effecten naar voor. De moderatie

hypothesen werden niet bevestigd voor techno-complexiteit en techno-onzekerheid. Wel

blijkt er voor de andere drie technostress dimensies een moderatie-effect van attitude ten

aanzien van computers aanwezig te zijn. Deze resultaten zijn van belang in de praktijk,

waar men indien mogelijk technostress moet vermijden of werknemers moet leren

omgaan met negatieve gevolgen van technologie.

II

Inhoudstafel

Abstract .............................................................................................................................. I

Inhoudstafel ...................................................................................................................... II

Lijst met tabellen ............................................................................................................ IV

Lijst met figuren ............................................................................................................. IV

Woord Vooraf ................................................................................................................... V

Inleiding ............................................................................................................................ 1

Theoretische achtergrond en Hypotheseontwikkeling ..................................................... 2

Burnout 2

Definitie burnout. 2

Gevolgen van burnout. 3

Antecedenten van burnout. 4

Technostress 5

Definitie technostress. 5

Componenten technostress. 5

Oorzaken technostress. 6

Attitude ten aanzien van Computers 7

Computer Self-Efficacy 7

Definitie Self-efficacy. 7

Computer Self-efficacy. 8

Onderzoeksmodel en Hypotheses 8

Methode .......................................................................................................................... 13

Procedure en steekproef 13

Meetinstrumenten 14

Controlevariabelen. 14

Afhankelijke variabele. 15

Onafhankelijke variabelen. 16

Data-analyse 19

III

Resultaten ....................................................................................................................... 19

Preliminaire Analyses 19

Hypothese Toetsing 22

Techno-overload – Burnout. 22

Techno-invasie – Burnout. 25

Techno-complexiteit – Burnout. 27

Techno-onveiligheid – Burnout. 29

Techno-onzekerheid – Burnout. 32

Discussie ......................................................................................................................... 35

Beperkingen en toekomstig onderzoek 37

Implicaties voor de praktijk 38

Conclusie 39

Referenties ...................................................................................................................... 41

Appendix ........................................................................................................................ 46

Bijlage 1. Begeleidende brief 47

Bijlage 2. Vragenlijsten 48

Bijlage 3. Codeboek 53

IV

Lijst met tabellen

Tabel 1. Geroteerde Factor Matrix UBOS 16

Tabel 2. Geroteerde Factor Matrix Technostress Questionnaire 18

Tabel 3. Psychometrische kenmerken van de meetschalen (n = 177) 20

Tabel 4. Pearson intercorrelaties (n = 177) 21

Tabel 5. Hiërarchische regressieanalyses van techno-overload, CSE, attitudes ten

aanzien van computers en diens interacties op burnout 24

Tabel 6. Hiërarchische regressieanalyses van techno-invasie, CSE, attitudes ten aanzien

van computers en diens interacties op burnout. 26

Tabel 7. Hiërarchische regressieanalyses van techno-complexiteit, CSE, attitudes ten

aanzien van computers en diens interacties op burnout. 28

Tabel 8. Hiërarchische regressieanalyses van techno-onveiligheid, CSE, attitudes ten


Tabel 9. Hiërarchische regressieanalyses van techno-onzekerheid, CSE, attitudes ten


Lijst met figuren

Figuur 1. Onderzoeksmodel: De impact van Technostress op Burnout, Computer Self-

efficacy en attitude ten aanzien van computers als modererende variabelen. 10

Figuur 2. Modererend effect van attitude op de relatie tussen techno-overload en

depersonalisatie. 23

Figuur 3. Modererend effect van attitude op de relatie tussen techno-invasie 27

Figuur 4. Modererend effect van attitude op de relatie tussen techno-onveiligheid en

depersonalisatie. 30

Figuur 5. Modererend effect van attitude op de relatie tussen techno-onveiligheid en

persoonlijke bekwaamheid. 32

V

Woord Vooraf

Bij de start van het eerste masterjaar moesten we ons masterproef onderwerp kiezen. Ik

koos toen voor het onderwerp met als titel „ICT @ work: Technostress en Burnout‟.

Twee jaar later en meer dan 15.000 woorden verder, moet ik vaststellen dat ik het nog

steeds een zeer boeiend onderwerp vind. Het schrijven van een scriptie betekende een

grote uitdaging voor mij maar het heeft me veel voldoening geschonken. Ik zie het dan

ook als een hoogtepunt van mijn opleiding. Doorheen dit interessante, leerrijke proces

was er uiteraard sprake van vallen en opstaan, maar ik kon hierbij steeds rekenen op

verschillende mensen uit mijn omgeving. Dankzij hun hulp en steun heb ik deze scriptie

tot een goed einde kunnen brengen. Graag wil ik deze mensen van harte bedanken.

Allereerst zou ik Prof. Dr. Peter Vlerick, promotor, willen bedanken voor het aanreiken

van dit boeiende onderwerp. Zeer veel dank gaat ook uit naar Bart Van de Ven, mijn

thesisbegeleider, die telkens weer antwoord kon bieden op mijn vragen en ervaren

problemen en die de scriptie verschillende malen doorlas en verbeteringen aanreikte.

Vervolgens wil ik ook graag alle participanten bedanken die mijn vragenlijst invulden,

zonder hen was deze masterproef zeker niet mogelijk geweest. In het bijzonder ook

dank aan Sarah, zij zorgde ervoor dat ik binnen haar organisatie een groot aantal

administratief medewerkers kon bereiken..

Verder bedank ik ook mijn medestudenten voor hun steun tijdens de moeilijke

momenten, creatieve ideeën en oplossingen.

Tenslotte wil ik ook mijn ouders bedanken, in de eerste plaats om deze studie mogelijk

te maken en zeker ook voor de praktische hulp bij het bereiken van de verschillende

deelnemende organisaties. Daarnaast wil ik hen en mijn vriend Jonas ook uitdrukkelijk

danken voor hun nooit aflatende begrip, steun en interesse.

1

Inleiding

Het gebruik van computertechnologie zoals het internet, draadloze netwerken en

mobiele communicatie heeft de laatste vier decennia een steeds prominentere plaats

ingenomen op de werkvloer. Werkroutines en het dagelijks leven moesten hieraan

aangepast worden. De werking van hele afdelingen valt of staat door het gebruik van

informatie- en communicatietechnologie (ICT).

Deze ICT‟s werden ingevoerd met het doel de productiviteit en de prestaties te

verbeteren, daarnaast zijn er ook nog andere positieve gevolgen. In de literatuur kunnen

we onder andere terugvinden dat een hoge mate van blootstelling aan een technologie

leidt tot minder angst voor deze technologie. Deze relatie is vaak afhankelijk van het

type blootstelling, wat zorgt voor een vrij complexe relatie tussen blootstelling aan

technologie en het welzijn van werknemers (Chua, Chen, & Wong, 1999; Salanova &

Schaufeli, 2000; Smith, Caputi, & Rawstorne, 2000). Naast de positieve effecten van de

implementatie van ICT‟s op de werkvloer, zijn er ook negatieve effecten op de

gezondheid en het psychologisch welzijn van werknemers te rapporteren. Afhankelijk

van iemands persoonlijke houding en iemands attitude tegenover ICT‟s kan

computertechnologie leiden tot een verhoging van angst en spanning (Tarafdar, Tu,

Ragu-Nathan & Ragu-Nathan, 2007). Vervolgens kan het gebruik van ICT ook leiden

tot stress, dit fenomeen, gekend als technostress, wordt gekenmerkt door de

onmogelijkheid om op een gezonde manier met nieuwe computertechnologieën om te

gaan (Brod, 1984). Dit wordt bijvoorbeeld duidelijk wanneer ICT‟s leiden tot een

constante verbondenheid met het werk, werknemers hebben dan het gevoel constant

stand-by te zijn en geloven dat ze zelf de controle over tijd en ruimte verloren hebben.

Concreet is technostress dus de som van alle negatieve effecten die de kop op steken

wanneer individuen proberen om met nieuwe ICT om te gaan, dit door steeds nieuwe

technologische vaardigheden te leren om zo aan de hogere productiviteitseisen te

voldoen (Şahin, & Çoklar, 2009).

Het doel van dit onderzoek is om technostress te relateren aan een negatieve

gezondheidsuitkomst, namelijk burnout. Verder zal ook nagegaan worden of de relatie

tussen technostress en burnout beïnvloed wordt door computer self-efficacy en attitudes

ten aanzien van computers. Er is echter nog weinig onderzoek naar de relatie tussen

2

deze twee constructen. Uit voorgaand onderzoek is reeds gebleken dat een hoge mate

van technostress leidt tot een verminderde productiviteit en een hoge mate van rolstress

(Tarafdar et al., 2007), wat op zijn minst tegenstrijdig te noemen is met de

oorspronkelijke bedoeling van het invoeren van ICT op de werkvloer. Wij zullen

nagaan of technostress ook gerelateerd is aan burnout. Technostress zal gemeten worden

aan de hand van zijn vijf componenten (Tarafdar et al., 2007), de vijf componenten van

technostress zijn techno-overload, techno-invasie, techno-complexiteit, techno-

onveiligheid en techno-onzekerheid. Burnout zal gemeten worden aan de hand van drie

componenten, namelijk emotionele uitputting, depersonalisatie en persoonlijke

bekwaamheid (Maslach, Schaufeli, & Leiter, 2001). Zoals eerder vermeld spelen

iemands persoonlijke houding en iemands attitude ten aanzien van computers ook een

rol. Attitude ten aanzien van computertechnologie kan in verband gebracht worden met

het construct computer self-efficacy. Computer self-efficacy is gebaseerd op het

construct self-efficacy van Bandura (1986) en representeert de percepties van een

individu over zijn/ haar bekwaamheid om computers te gebruiken bij het vervullen van

een bepaalde taak (Murphy, Coover, & Owen, 1989; Compeau, & Higgins, 1995).

Het doel van dit onderzoek is dus om na te gaan of er een rechtstreekse relatie

bestaat tussen technostress door computergebruik en burnout en verder zal er worden

nagegaan of computer self-efficacy en persoonlijke attitude ten aanzien van computers

een modererende rol vervullen in deze relatie. Om te beginnen zullen we in deze paper

de afhankelijke, onafhankelijke en moderator variabelen definiëren en situeren binnen

dit onderzoek. Vervolgens zullen we het onderzoeksmodel en de hypotheses

voorstellen. Hierna volgt een bespreking van de gehanteerde onderzoeksmethode en

tenslotte zullen we het hebben over de resultaten en de implicaties van het onderzoek.

Theoretische achtergrond en Hypotheseontwikkeling

Burnout

Definitie burnout. Burnout wordt gedefinieerd als een werkgerelateerd

syndroom veroorzaakt door een veeleisende werkomgeving (Halbesleben & Buckley,

2004; Maslach et al., 2001). Burnout wordt doorgaans gezien als een drie- dimensioneel

3

syndroom, gekenmerkt door een affectieve respons namelijk emotionele uitputting,

depersonalisatie en persoonlijke bekwaamheid (Maslach et al., 2001). Emotionele

uitputting is de centrale component van burnout en het is ook de meest opvallende

manifestatie van het burnoutsyndroom.

Emotionele uitputting wordt vooral gekenmerkt door het verlies aan energie dat

men ervaart wanneer men overdreven inspanningen moet leveren op het werk

(Salanova, Grau, Cifre, & Llorens, 2000). Hoewel emotionele uitputting noodzakelijk is

om burnout te definiëren, is het niet voldoende. Emotionele uitputting beschrijft immers

enkel de stressdimensie van burnout, maar omvat geen aspecten van de relatie die

mensen hebben met hun werk (Maslach et al., 2001).

De tweede component van burnout, depersonalisatie, wordt omschreven als een

onverschillige en afstandelijke houding ten opzichte van het werk. Werknemers gaan

zich cognitief distantiëren door een houding te ontwikkelen die eerder onverschillig of

zelfs cynisch is (Hetland, Sandal, & Johnsen, 2006). Deze distantiëring is een zodanig

automatische reactie op emotionele uitputting waardoor deze twee componenten als de

kern van burnout beschouwd worden (Maslach et al., 2001).

Ten slotte is een gebrek aan persoonlijke bekwaamheid de derde en laatste component

van burnout. Met persoonlijke bekwaamheid wordt het gevoel van prestatie en job-

competentie bedoeld. Deze component zou zich eerder onafhankelijk van de vorige

twee componenten ontwikkelen (Salanova et al., 2000). Concreet kan men een hoge

mate van emotionele uitputting en depersonalisatie en een lage score op persoonlijke

bekwaamheid beschouwen als burnout.

Gevolgen van burnout. Het feit dat burnout vandaag zo veel aandacht krijgt, is

ten dele te wijten aan de gevolgen ervan. Burnout is gerelateerd aan verscheidene

werkgerelateerde gevolgen, hier kan een onderscheid gemaakt worden tussen twee

soorten. Enerzijds zijn er de gevolgen gerelateerd aan het terugtrekken van het werk, vb.

absenteïsme, verloopintentie en turnover. Anderzijds, wanneer men wel gaat werken,

leidt burnout tot een lagere productiviteit en een daling van de effectiviteit. Deze

uitkomsten leiden op hun beurt tot een daling in jobsatisfactie en betrokkenheid

(Maslach et al., 2001). Werknemers die lijden aan het burnoutsyndroom kunnen een

negatieve impact hebben op hun collega‟s, burnout kan dus “besmettelijk” zijn en

4

zichzelf versterken door informele interacties op het werk (Maslach et al., 2001). Verder

kan burnout een impact hebben op de gezondheid van werknemers, hierbij is de

component van emotionele uitputting het meest predictief voor stressgerelateerde

gezondheidseffecten (Maslach et al., 2001).

Onderzoek leert ons dat burnout ook effecten heeft op de fysieke gezondheid,

burnout kan immers leiden tot cardiovasculaire aandoeningen en diabetes (Melamed,

Shirom, Toker, Berliner, & Shapira, 2006). De relatie van burnout met mentale

gezondheid is complexer, uit onderzoek blijkt dat burnout gerelateerd is aan de

persoonlijkheidsdimensie neuroticisme (Langelaan, Bakker, van Doornen, & Schaufeli,

2006). Hierdoor kunnen we argumenteren dat mensen die mentaal gezonder zijn beter

kunnen omgaan met chronische stressoren en dus minder vaak zullen lijden aan

burnout. Verder is er nog de assumptie dat burnout mentale stoornissen veroorzaakt,

zoals angst, depressie, een verlaagd zelfbeeld,…

Antecedenten van burnout. Er zijn verschillende soorten antecedenten van

burnout, enerzijds zijn er de persoonlijke factoren en anderzijds zijn er de werk

gerelateerde of situationele factoren (Maslach et al., 2001). Hier zullen we ons echter

beperken tot de werk gerelateerde of situationele factoren, aangezien de relaties van

persoonlijke factoren met burnout niet zo sterk zijn als de relatie van burnout met de

werk gerelateerde of situationele factoren. We kunnen dus stellen dat burnout meer een

sociaal dan een individueel fenomeen is (Maslach et al., 2001).

Kwantitatieve en kwalitatieve job-eisen zijn in het verleden uitvoerig bestudeerd en uit

dat onderzoek is gebleken dat burnout het gevolg is van een te hoge werklast (Maslach

et al., 2001). De ervaren werklast en tijdsdruk zijn sterk gerelateerd aan burnout, in het

bijzonder aan de dimensie „emotionele uitputting‟. Verder is uit onderzoek, gebaseerd

op het JD-R model, gebleken dat hoge taakeisen op het werk en een gebrek aan

hulpbronnen burnout voorspellen (Demerouti, Bakker, Nachreiner, & Schaufeli, 2001).

Werknemers die een gebrek aan sociale steun ervaren blijken hoger te scoren op

burnout. Ook een gebrek aan controle en feedback leiden tot een hogere score op

burnout. De kans op burnout is dus groter voor werknemers die weinig participatie

hebben in het beslissingsproces en weinig beslissingsruimte hebben in hun werk in het

algemeen. Daar bij aansluitend vertonen ook rolconflict en rolambiguïteit een matige tot

5

hoge correlatie met burnout (Maslach et al., 2001). Recent onderzoek toont aan dat er

een relatie is tussen leiderschap en de mate van burnout ervaren bij ondergeschikten in

de ICT-sector. Zowel transformationeel als passief-vermijdend leiderschap zijn

gerelateerd aan de drie burnout componenten (Hetland, Mjeldheim Sandal, & Backer

Johnsen, 2007). Wanneer we kijken naar de impact van technologie op het werk dan

zien we dat uit een onderzoek bij verpleegsters op intensieve zorgen is gebleken dat er

een positieve relatie bestaat tussen burnout en technologiegebruik (Schaufeli, Keijsers,

& Miranda, 1995).

Technostress

Definitie technostress. De term technostress werd voor het eerst gedefinieerd

door Craig Brod in 1984, hij omschreef technostress als een moderne aanpassingsziekte

veroorzaakt door de onmogelijkheid om op een gezonde manier met nieuwe

computertechnologieën om te gaan (Brod, 1984). Deze definitie werd in 1997 uitgebreid

door Weil en Rosen, concreet betekende dit dat technostress door hen gezien werd als

elke negatieve impact op attitudes, gedachten, gedragingen of lichamelijke fysiologie

die direct of indirect veroorzaakt is door technologie (Weil & Rosen, 1997). Andere

vaak voorkomende termen voor technostress in de literatuur zijn bv. technofobie,

cyberfobie, computerfobie en computerstress (Wang et al., 2008).

Componenten technostress. De bestaande literatuur identificeert diverse

aspecten van technostress, maar meest recent werden er door Tarafdar et al. (2007) vijf

componenten van technostress omschreven bij de ontwikkeling van een technostress-

schaal. Deze componenten beschrijven typische situaties waar het gebruik van

computertechnologie kan leiden tot technostress. De eerste component is techno-

overload, hier worden er situaties beschreven waarbij werknemers gedwongen worden

sneller en langer te werken omwille van ICT‟s. De tweede component, techno-invasie,

is het effect van ICT‟s waarbij situaties worden gecreëerd waarin gebruikers constant

bereikbaar zijn, werknemers voelen hierbij de behoefte om constant „in verbinding te

staan‟ met de organisatie, er is sprake van een overlap tussen de werk gerelateerde en

persoonlijke context. Vervolgens is er techno-complexiteit, hier beschrijft men situaties

6

waar de complexiteit van ICT‟s gebruikers een gevoel geeft van tekort te schieten op het

vlak van computervaardigheden. Ze worden hierbij als het ware gedwongen om tijd en

moeite te investeren in het leren en begrijpen van ICT‟s. De vierde component is

techno-onveiligheid, deze wordt geassocieerd met situaties waarin gebruikers zich

bedreigd voelen door de ICT‟s. Ze zijn bang dat ze hun job zullen verliezen door twee

mogelijke scenario‟s: een eerste scenario is dat de ICT‟s de werknemers vervangen, het

tweede scenario stelt dat werknemers vervangen worden door iemand die de nieuwe

ICT‟s beter begrijpt. De vijfde en laatste component van technostress is techno-

onzekerheid, hierbij wordt gerefereerd naar contexten waarbij continue veranderingen in

een ICT gebruikers van streek brengen en waarbij onzekerheid gecreëerd wordt. Als

gevolg moeten de gebruikers constant leren en zichzelf bijscholen over de nieuwe

ICT‟s.

Oorzaken technostress. In de organisatiecontext wordt technostress

veroorzaakt door individuele pogingen om met nieuwe ICT‟s te leren omgaan, alsook

door hun impact op de fysieke, sociale en cognitieve eisen. Bloom (1985) beweert dat

een gebrek aan computervaardigheden en ervaring de voornaamste oorzaken zijn van

computer gerelateerde technostress, deze tekortkomingen kunnen angst induceren

waardoor mensen minder geneigd gaan zijn om ICT‟s te gebruiken.

Onderzoek toont ook aan dat er externe factoren zijn die de mate van ervaren

technostress versterken of verzwakken. Werknemers kunnen verschillen in technostress

rapporteren afhankelijk van de organisatiestructuur (Wang et al., 2008). Organisaties

met een lage centralisatie en lage innovatie rapporteren lagere niveaus van technostress,

terwijl organisaties gekenmerkt door een hoge centralisatie en hoge innovatie meer

technostress rapporteren. Kijken we naar de vijf componenten van technostress, dan

zien we dat techno-invasie geen significante verschillen met zich meebrengt. De andere

componenten zijn altijd het laagst in organisaties met een lage centralisatie en lage

innovatie en het hoogst in organisaties met een hoge centralisatie en hoge innovatie.

7

Attitude ten aanzien van Computers

In dit onderzoek zullen we nagaan of de relatie tussen technostress en burnout

beïnvloed wordt door de attitude ten aanzien van computers die individuen hanteren. Er

is geen eenduidige definitie voor attitudes, maar in basis gaat het om een evaluatie.

Attitudes worden dus over het algemeen beschouwd als een geheel van de evaluaties die

mensen maken over dingen of objecten. Deze evaluaties worden gemaakt op een

continuüm dat gaat van positief tot negatief (Petty, Wegener, & Fabrigar, 1997).

Net zoals attitudes niet eenduidig te definiëren zijn, is er ook geen unieke,

universele definitie voor het construct computer attitudes. Meestal wordt in de literatuur

het theoretisch model van MacGuire (1985) over attitudes gevolgd. In dit model word

een drieledig perspectief naar voor gebracht. MacGuire stelde dat de structuur van een

attitude tot drie evaluatieve componenten kan bevatten: een cognitieve component,

hiermee bedoelen we gedachten of ideeën die uitgedrukt worden als overtuigingen, een

affectieve component, dit zijn gevoelens en emoties ten aanzien van een attitude object

en een gedragsmatige component, wat tot uiting komt in observeerbaar gedrag of

intentioneel gedrag. Hoewel een attitude alle drie de componenten kan bezitten, kan ze

ook grotendeels of enkel gebaseerd zijn op één van de bovenstaande componenten.

In lijn met dit model verwijst de cognitieve component van attitude ten aanzien

van computers naar de stereotypes of overtuigingen die mensen hanteren over computes

en computergebruik. De affectieve component verwijst dan naar het gemak en plezier

dat men associeert met computers. Ten slotte verwijst de gedragsmatige component naar

het dagelijkse computergebruik (Sáinz & López-Sáez, 2009).

Computer Self-Efficacy

Definitie Self-efficacy. In deze studie zal onderzocht worden of computer self-

efficacy een modererend effect heeft op de relatie van technostress met burnout.

Computer self-efficacy is gebaseerd op de theorie van self-efficacy (Bandura, 1986,

1997). Bandura (1986) definieert self-efficacy als “People's judgments of their

capabilities to organize and execute courses of action required to attain designated types

of performances. It is concerned not with the skills one has but with judgments of what

8

one can do with whatever skills one possesses (p.391).” Het is een belangrijk construct

in de sociale psychologie. Bandura (1986) gelooft dat individuele self-efficacy van

belang is voor het bepalen van prestatie en dat deze prestatie dus niet bepaald wordt

door de onderliggende vaardigheden die nodig zijn voor het uitvoeren van een bepaalde

taak. Verder benadrukt zijn theorie dat de meest invloedrijke bron op self-efficacy

overtuigingen het geïnterpreteerd resultaat van iemands prestatie of ervaring is.

Resultaten die gezien worden als succesvol doen self-efficacy toenemen, terwijl minder

goede resultaten leiden tot een daling in self-efficacy.

Computer Self-efficacy. We kunnen een onderscheid maken tussen algemene

en specifieke self-efficacy, deze twee soorten van self-efficacy zijn onderling

gerelateerd en kunnen complementair werken. Daar waar algemene self-efficacy als een

globaal vertrouwen in iemands capaciteiten over verschillende situaties wordt gezien,

kan men specifieke self-efficacy omschrijven als het vertrouwen in iemands capaciteiten

in een specifieke situatie. Een vorm van die specifieke self-efficacy is computer self-

efficacy. Computer self-efficacy wordt door Murphy, Coover en Owen (1989)

gedefinieerd als de perceptie van iemands mogelijkheden met betrekking tot specifieke

computer-gerelateerde kennis en vaardigheden. Het construct stelt dus de percepties van

een individu over zijn/ haar bekwaamheid om computers te gebruiken bij het vervullen

van een bepaalde taak voor en niet de vaardigheden die men bezit om die taak uit te

voeren. Het gaat dus ook niet om wat iemand in het verleden heeft gedaan, maar het

gaat eerder om de oordelen over wat gedaan kan worden in de toekomst. Computer self-

efficacy verwijst dus niet naar eenvoudige componenten van de vaardigheid, maar naar

de oordelen over de bekwaamheid om die vaardigheid toe te passen op algemene, brede

taken.

Onderzoeksmodel en Hypotheses

Wanneer we er de literatuur op nakijken zien we dat er al heel wat onderzoek

verricht is naar technostress en burnout als aparte constructen, hierdoor zijn de

verschillende antecedenten en gevolgen van beide in kaart gebracht. Er is echter nog

weinig onderzoek naar de relatie tussen deze twee constructen. Technologiegebruik

9

werd wel reeds gerelateerd aan twee componenten van burnout bij verpleegsters op de

dienst intensieve zorgen (Schaufeli et al., 1995). In een ander onderzoek bij Spaanse

werknemers die dagelijks in contact kwamen met computertechnologie werd er dan

weer geen directe relatie gevonden tussen blootstelling aan technologie en burnout

(Salanova & Schaufeli, 2000). In bovenstaand onderzoek wordt het construct

technostress echter niet gemeten en gaat het steeds over technologiegebruik en

blootstelling aan technologie. Het doel van dit onderzoek is dus om na te gaan of er een

rechtstreekse relatie bestaat tussen technostress door computergebruik en burnout, wat

meteen ook onze eerste onderzoeksvraag is.

De tweede onderzoeksvraag zal peilen naar de modererende rol van computer

self-efficacy en de attitude ten aanzien van computers in deze relatie. Hoewel de meeste

studies omtrent computer self-efficacy het construct bestuderen als afhankelijke

variabele, is uit onderzoek gebleken dat self-efficacy een belangrijke modererende rol

vervult in het stressproces. Grau et al. (2000) vonden dat specifieke self-efficacy meer

relaties tussen stress en strain modereert dan algemene self-efficacy. Uit voorgaand

onderzoek kan men afleiden dat self-efficacy de relatie tussen werklast en enkele

werkgerelateerde strains modereert (Jex & Bliese, 1999). Verder hebben Salanova,

Peiró en Schaufeli (2002) aangetoond dat specifieke self-efficacy een modererende rol

speelt in de relatie van controle over het werk met jobsatisfactie en burnout. Het komt er

in dit onderzoek op neer dat werknemers met een hoge controle en hoge taakeisen, meer

burnout rapporteren wanneer zij een lage computer self-efficacy hebben. Ten slotte

blijkt uit onderzoek bij 140 werknemers uit de ICT-sector dat computer self-efficacy de

relatie tussen computer training en burnout modereert, maar enkel voor emotionele

uitputting en depersonalisatie (Salanova et al., 2000). Voor zover we er de literatuur op

nagaan is er echter nog geen onderzoek naar de effecten van computer self-efficacy in

de relatie tussen technostress en burnout.

Figuur 1 geeft het onderzoeksmodel van dit onderzoek weer. Zoals eerder

vermeld zal deze studie peilen naar de relatie tussen technostress en burnout en zullen

we nagaan of deze relatie gemodereerd wordt door computer self-efficacy en attitude

ten aanzien van computers. In dit onderzoek zullen we technostress definiëren aan de

hand van de vijf componenten, namelijk techno-overload, techno-invasie, techno-

complexiteit, techno-onveiligheid en techno-onzekerheid (Tarafdar et al., 2007).

10

Burnout zullen we beschrijven door gebruik te maken van drie componenten, namelijk

emotionele uitputting, depersonalisatie en persoonlijke bekwaamheid (Maslach,

Schaufeli, & Leiter, 2001). Computer self-efficacy en attitude ten aanzien van

computers worden in dit onderzoek behandeld als modererende variabelen.

De bovenstaande uiteenzetting zorgt voor het poneren van zes hypothesen.

Onderzoek heeft aangetoond dat technologie één van de factoren is die stress

veroorzaakt (Sami & Pangannaiah, 2006; Thomée, Eklöf, Gustafsson, Nilsson, &

Hagberg, 2005; Wang et al., 2008). In deze context kan men stellen dat er verschillende

manieren zijn waarop technologie stress kan veroorzaken.

Figuur 1. Onderzoeksmodel: De impact van Technostress op Burnout, Computer Self-

efficacy en attitude ten aanzien van computers als modererende variabelen.

In het bijzonder kan men dus stellen dat door de implementatie van technologie

op de werkvloer met de bedoeling om de productiviteit te verhogen, werknemers

volgens de vijf componenten van technostress (a) het gevoel krijgen dat ze gedwongen

worden sneller en langer te werken; (b) het gevoel krijgen dat er situaties gecreëerd

worden waarbij ze constant in verbinding staan met hun werk en constant bereikbaar

moeten zijn (Tarafdar et al., 2007); (c) steeds complexere vaardigheden nodig hebben

waardoor ze constant moeten bijleren (Tarafdar et al., 2007); (d) zich bedreigd voelen

door ICT‟s en een gevoel van onveiligheid ervaren (Tarafdar et al., 2007); (e) een

11

gevoel van onzekerheid ervaren door de constante veranderingen die ICT‟s met zich

meebrengen (Sethi, King, & Campbell Quick, 2004; Tarafdar et al, 2007). De ervaren

werklast, tijdsdruk en negatieve gevoelens kunnen dan leiden tot burnout (Sethi et al.,

2004; Tarafdar et al., 2007). Verwacht wordt dat werknemers die zich bekwaam voelen

in het werken met ICT‟s of werknemers die een positievere attitude ten aanzien van

computers hebben minder burnout zullen rapporteren (Salanova et al., 2000). We gaan

hierbij afzonderlijk kijken naar emotionele uitputting, depersonalisatie en persoonlijke

bekwaamheid.

De continue implementatie van technologie op de werkvloer zorgt ervoor dat

medewerkers niet op een gezonde manier met deze aanpassingen kunnen omgaan en dus

technostress ervaren (Brod, 1984). Deze stress kan leiden tot een verlies aan energie dat

men ervaart wanneer men overdreven inspanningen moet leveren op het werk (Salanova

et al., 2000). We verwachten daarbij dat werknemers die zich bekwaam voelen in het

werken met ICT‟s of die een positievere attitude ten aanzien van computers hebben,

minder energieverlies of emotionele uitputting zullen rapporteren.

Hypothese 1: De vijf componenten van technostress zijn positief

geassocieerd met emotionele uitputting, en deze relatie wordt

gemodereerd door computer self-efficacy. In het bijzonder verwachten

we dat de positieve relatie tussen technostress en emotionele uitputting

verzwakt zal worden door een hoge computer self-efficacy.


geassocieerd met emotionele uitputting, en deze relatie wordt

gemodereerd door attitude ten aanzien van computers. In het bijzonder

verwachten we dat de positieve relatie tussen technostress en emotionele

uitputting verzwakt zal worden door positieve attitudes ten aanzien van

computers.

12

Verder gaan we ervan uit dat technostress kan leiden tot een

onverschillige en afstandelijke houding ten opzichte van het werk. Verwacht

wordt dat werknemers die zich bekwaam voelen in het werken met ICT‟s of

werknemers die een positievere attitude ten aanzien van computers hebben,

minder depersonalisatie zullen rapporteren (Salanova et al., 2000).


geassocieerd met depersonalisatie, en deze relatie wordt gemodereerd

door computer self-efficacy. In het bijzonder verwachten we dat de

positieve relatie tussen technostress en depersonalisatie verzwakt zal

worden door een hoge computer self-efficacy.


geassocieerd met depersonalisatie, en deze relatie wordt gemodereerd

door attitude ten aanzien van computers. In het bijzonder verwachten we

dat de positieve relatie tussen technostress en depersonalisatie verzwakt

zal worden door positieve attitudes ten aanzien van computers.

Ten slotte verwachten we dat technostress kan leiden tot een verminderde

persoonlijke bekwaamheid op het werk. We stellen dat werknemers die

technostress ervaren zich minder competent zullen voelen in hun job tenzij deze

werknemers zich bekwaam voelen in het werken met ICT‟s of een positieve

attitude ten aanzien van computers hebben.

Hypothese 5: De vijf componenten van technostress zijn negatief

geassocieerd met persoonlijke bekwaamheid, en deze relatie wordt

gemodereerd door computer self-efficacy. In het bijzonder verwachten

we dat de negatieve relatie tussen technostress en persoonlijke

bekwaamheid verzwakt zal worden door een hoge computer self-efficacy.

Hypothese 6: De vijf componenten van technostress zijn negatief

geassocieerd met persoonlijke bekwaamheid, en deze relatie wordt

13

gemodereerd door attitude ten aanzien van computers. In het bijzonder

verwachten we dat de negatieve relatie tussen technostress en

persoonlijke bekwaamheid verzwakt zal worden door positieve attitudes

ten aanzien van computers.

Deze zes hypothesen zullen getest worden per afzonderlijke technostress

component. Er zal dus nagegaan worden of respectievelijk techno-overload,

techno-invasie, techno-complexiteit, techno-onveiligheid en techno-onzekerheid

gerelateerd zijn met de drie burnout componenten en of er een moderatie

gevonden wordt van computer self-efficacy en attitude ten aanzien van

computers.

Methode

Procedure en steekproef

Deze studie is een cross-sectioneel onderzoek waarvan de gegevens verzameld

zijn aan de hand van een online vragenlijst. Er werd gekozen voor een online vragenlijst

omdat het ten eerste een zeer toegankelijk medium is voor de beoogde steekproef en ten

tweede omdat dit medium het toelaat om grote groepen te bevragen. De vragenlijst

bevatte naast een technostress-schaal, ook een burnout-schaal, een computer self-

efficacy schaal en een schaal die peilde naar de attitude ten aanzien van computers.

De begeleidende e-mail met de link naar de online vragenlijst werd in september

2010 doorgestuurd naar de personeelsverantwoordelijken van verschillende bedrijven en

organisaties uit de publieke en particuliere sector in Vlaanderen. Uiteindelijk namen er

van september tot december 2010 acht organisaties deel waarvan er vier uit de

particuliere sector afkomstig waren. De vragenlijst werd door de deelnemende

organisaties via de personeelsverantwoordelijke verspreid onder zoveel mogelijk

administratieve medewerkers van de organisatie. Bij enkele organisaties maakte de

personeelsverantwoordelijke zelf al een selectie onder de administratief medewerkers

waardoor de uitnodiging enkel verstuurd werd naar medewerkers die volgens de

verantwoordelijke de grootste kans op medewerking zouden bieden. Elke medewerker

14

die de uitnodiging ontvangen had, kreeg zelf de keuze of hij deelnam of niet. De enige

voorwaarde die gesteld werd voor deelname was dat de medewerker in kwestie

administratief werk aan de computer uitvoerde. In totaal werden er 177 vragenlijsten

volledig en zonder fouten ingevuld. Er kan voor dit onderzoek geen respons rate

berekend worden daar we niet weten hoeveel administratieve medewerkers de

uitnodiging tot deelname hebben ontvangen.

Beschouwen we de demografische kenmerken van onze sample dan kunnen we

zien dat 40.2% van de respondenten afkomstig is uit de publieke sector en 59.8% uit de

particuliere sector. Van de steekproef gaf 12.0% aan in een kleine organisatie te werken,

48.7% in een middelgrote organisatie en 39.1% was afkomstig uit een grote organisatie.

De steekproef bestaat uit 76.2% vrouwen en 23.8% mannen. De leeftijd van de

respondenten gaat van 19 tot 64 jaar, met een gemiddelde van 36.5 jaar. Verder is

72.2% van de steekproef samenwonend, wat maakt dat 27.8% niet samenwonend is.

Van alle respondenten heeft 4% een diploma lager secundair als hoogst behaalde

diploma, 36.7% een diploma hoger secundair, 43.1% een diploma hoger onderwijs (niet

universitair) en 16.1% een universitair diploma.

Bekijken we de steekproef op basis van functieniveau, dan zien we dat 58.5%

van de steekproef een administratief ondersteunende functie heeft, 8.9% een

uitvoerende functie, 12.5% is professioneel medewerker, 14.1% behoort tot het

middenkader en 6% maakt deel uit van het hoger kader. De gemiddelde anciënniteit in

de functie is 9.8 jaar. Het aantal uur beeldschermwerk varieert van 3 uur per dag (1.6%)

tot meer dan 8 uur per dag (8.1%), de meerderheid (40.1%) werkt 8 uur per dag aan de

computer.

Meetinstrumenten

Controlevariabelen. Eerst en vooral werden er een aantal demografische

variabelen bevraagd die in de analyses opgenomen zullen worden als

controlevariabelen. Leeftijd, geslacht, burgerlijke staat en opleidingsniveau zijn

opgenomen omdat uit eerder onderzoek reeds is gebleken dat deze een effect kunnen

hebben op zowel de afhankelijke, onafhankelijke, als modererende variabele (Maslach

et al., 2001; Wang, Shu, & Tu, 2008; McQueen & Mill, 1998).

15

Leeftijd wordt bevraagd als continue variabele. Geslacht (gecodeerd als man = 0,

vrouw = 1) en burgerlijke staat (gecodeerd als samenwonend = 0, niet samenwonend =

1) worden geoperationaliseerd als dichotome variabelen. Opleidingsniveau wordt

nagegaan door middel van vier niveaus (lager secundair, hoger secundair, hoger

onderwijs – niet universitair, hoger onderwijs – universitair). Verder werd ook nog

functieniveau opgenomen om te controleren voor een effect tussen leidinggevenden en

niet leidinggevenden, deze variabele werd oorspronkelijk bevraagd op vijf niveaus

(administratief ondersteunend, uitvoeren, professioneel medewerker, middenkader,

hoger kader) maar werd later gedichotomiseerd (niet-leidinggevend = 0, leidinggevend

= 1).

Afhankelijke variabele. De afhankelijke variabele burnout werd gemeten door

de Nederlandstalige versie van de Maslach Burnout Inventory – General Survey (MBI-

GS; Schaufeli, Leiter, Maslach & Jackson, 1996), namelijk de Utrechtse Burnout Schaal

(UBOS, Schaufeli & van Dierendonck, 2000). De UBOS bestaat uit vijftien items. De

vijftien items zijn terug te brengen tot de drie grote subschalen van burnout, namelijk

emotionele uitputting (vijf items; bv. “Ik voel me mentaal uitgeput door mijn werk”; α =

.84), depersonalisatie (vier items; bv. “Ik twijfel aan het nut van mijn werk”; α = .78),

en persoonlijke bekwaamheid (zes items; bv. “Ik weet de problemen in mijn werk goed

op te lossen”; α = .82). Alle items worden gescoord op een Likertschaal van zeven

punten, gaande van 1 (nooit) tot 7 (altijd). Hoge scores op emotionele uitputting en

depersonalisatie en lage scores op persoonlijke bekwaamheid zijn indicatief voor

burnout. De range van scores voor emotionele uitputting is 5 – 35, 4 – 28 voor

depersonalisatie en 6 – 42 voor persoonlijke bekwaamheid. De psychometrisch kwaliteit

van de UBOS is over het algemeen goed, de factoriële validiteit is goed en de

subschalen blijken relatief stabiel en intern consistent over de tijd. Ook de test-

hertestbetrouwbaarheid is hoog.

Door middel van exploratieve factoranalyse werd nagegaan of de drie

subschalen van burnout ook terug te vinden zijn bij onze steekproef en dit was

inderdaad het geval. Elk item van de vragenlijst laadde op één van de drie factoren. De

resultaten van de factoranalyse zijn terug te vinden in tabel 1.

16

Tabel 1. Geroteerde Factor Matrix UBOS

Factor

1 2 3

Item 1 0,739

Item 2 0,615

Item 3 0,727

Item 4 0,660

Item 5 0,774

Item 6 0,712

Item 7 0,601

Item 8 0,675

Item 9 0,663

Item 10 0,633

Item 11 0,707

Item 12 0,542

Item 13 0,627

Item 14 0,568

Item 15 0,740

Onafhankelijke variabelen. De eerste onafhankelijke variabele, technostress,

werd gemeten door de Technostress Questionnaire ontwikkeld door Ragu-Nathan en

Ragu-Nathan (2002). Deze vragenlijst is vertaald van het Engels naar het Nederlands

door middel van translation-backtranslation. Alle 25 items in de vragenlijst worden

gemeten op een Likertschaal van vijf punten, waarbij 1 gelijk is aan “volledig niet

akkoord” en vijf staat voor “volledig akkoord”. Er werd aan de respondenten gevraagd

om het antwoord aan te duiden dat hun overtuiging het beste weergaf, de technologie

waarover de items handelden had betrekking op de dagelijkse computer gebaseerde

applicaties die de respondenten tijdens hun job gebruikten. De 25 items van de

vragenlijst meten de vijf technostress componenten. De vijf componenten van

technostress zijn na exploratieve factoranalyse terug te vinden in de vertaalde

vragenlijst. De vragenlijst is dus valide. Alle items behalve twee hadden voldoende

grote factorladingen op één van de vijf factoren. Dit was niet zo voor item zes en zeven,

deze laadden op geen enkele factor met een factorlading groter dan .5 en werden dan

17

ook weggelaten voor verdere analyses. We kunnen dus 23 items van de vragenlijst

behouden. De resultaten van deze factoranalyse zijn terug te vinden in Tabel 2.

De eerste vijf items meten de component techno-overload (bv. “Ik word door

deze technologie gedwongen om veel sneller te werken”), de Cronbach‟s α voor techno-

overload bedraagt .85. De component techno-invasie wordt gemeten door de volgende

vier items (bv. “Ik breng minder tijd door met mijn familie omwille van deze

technologie”) met een Cronbach‟s α van .82. De derde component techno-complexiteit

wordt gemeten door vijf items (bv. “Ik weet niet genoeg over deze technologie om mijn

job naar behoren uit te voeren”). Voor deze component bedraagt de Cronbach‟s α .83.

De vierde component techno-onveiligheid wordt eveneens gemeten door vijf items met

een Cronbach‟s α van .83 (bv. “Ik voel een constante bedreiging van mijn

werkzekerheid omwille van nieuwe technologieën”) en de laatste component, techno-

onzekerheid, wordt gemeten door vier items (bv. “Er zijn altijd nieuwe ontwikkelingen

in de technologie die we in onze organisatie gebruiken”). Voor deze laatste component

bedraagt de Cronbach‟s α .85. Voor de interpretatie van de scores op de Technostress

Questionnaire geldt hoe hoger de score op de vragenlijst, hoe meer technostress men

ervaart.

Tenslotte werd de modererende variabele computer self-efficacy bevraagd door

de Computer Self-efficacy Measure (Compeau & Higgins, 1995) deze werd eveneens

door translation-backtranslation vertaald van het Engels naar het Nederlands. Deze

vragenlijst is gebaseerd op de populaire Computer Self-efficacy scale van Murphy et al.

(1989). De Computer Self-efficacy Measure is taakgericht en omvat verschillende

niveaus van taakmoeilijkheid om de grootte van computer self-efficacy te kunnen

meten. De sterkte van de mate van computer self-efficacy zit vervat in de

antwoordschaal die gaat van 1 (helemaal niet zeker) tot 10 (helemaal zeker). De schaal

bestaat uit tien items waarbij respondenten moeten aangeven hoe zeker ze zijn in het

gebruik van een onbekend softwarepakket, deze vragenlijst peilt dus naar een specifieke

situatie. Hoe hoger de score op de items, hoe hoger de mate van ervaren computer self-

efficacy. Over het algemeen vertoont deze vragenlijst een hoge interne

betrouwbaarheid.

Om een algemeen beeld te verkrijgen van hoe mensen het computergebruik

ervaren en welke opvattingen ze hanteren ten aanzien van computers en

18

computergebruik, hebben we ervoor geopteerd nog drie items op te nemen die peilen

naar de attitude ten aanzien van computers. Deze zijn (a) Ik voel me zeker bij het werken

op een persoonlijke computer, (b) Ik vind dat ik een positieve attitude heb ten aanzien

van computers en (c) Ik vind dat computers nuttig zijn (Murphy et al., 1989; Torkzadeh

et al., 1999). Deze items zullen gemeten worden door een Likertschaal van vijf punten,

gaande van “volledig niet akkoord” tot “volledig akkoord”.

Tabel 2. Geroteerde Factor Matrix Technostress Questionnaire

Factor

1 2 3 4 5

Item 1 0,764

Item 2 0,661

Item 3 0,752

Item 4 0,533

Item 5 0,661

Item 8 0,593

Item 9 0,726

Item 10 0,745

Item 11 0,739

Item 12 0,666

Item 13 0,727

Item 14 0,641

Item 15 0,691

Item 16 0,702

Item 17 0,751

Item 18 0,52

Item 19 0,758

Item 20 0,642

Item 21 0,63

Item 22 0,746

Item 23 0,838

Item 24 0,74

Item 25 0,665

19

Data-analyse

Om de data te analyseren en de hypothesen te toetsen zijn eerst Pearson

intercorrelaties berekend. Vervolgens werd er gebruik gemaakt van hiërarchische

multipele regressies om de hypothesen te toetsen, hierbij werden emotionele uitputting,

depersonalisatie en persoonlijke bekwaamheid telkens opgenomen als afhankelijke

variabele. Techno-overload, techno-invasie, techno-complexiteit, techno-onveiligheid,

techno-onzekerheid, computer self-efficacy en computer attitude werden opgenomen als

onafhankelijke variabelen, samen met alle mogelijke interactietermen. De

controlevariabelen zijn leeftijd, geslacht, burgerlijke staat, opleidingsniveau en

functieniveau.

In de eerste stap werden de controle variabelen ingevoerd, zo kunnen we

achterhalen of deze een invloed hebben op de afhankelijke variabelen. In de tweede stap

werden per hypothese de correcte onafhankelijke variabelen ingevoerd, samen met de

moderator variabelen (Cohen & Cohen, 1983; Kleinbaum, Kupper, & Muller, 1988).

Resultaten

Preliminaire Analyses

Tabel 3 toont een overzicht van de psychometrische kenmerken van de

meetschalen. Het betreft meer bepaald de gemiddelde schaalsomscore (M), de

gemiddelde schaalitemscore (m), de standaarddeviaties (SD), de range (Min - Max) en

de Cronbach‟s α per variabele. Uit tabel 3 blijkt dat de administratief medewerkers uit

deze steekproef relatief hoog scoren op techno-onzekerheid (m = 3.26), eerder matig

scoren op techno-overload (m = 2.76), techno-invasie (m = 2.005) en techno-

complexiteit (m = 2.283). Verder merken we een eerder lage score op techno-

onveiligheid (m = 1.896) op. De Cronbach‟s α‟s op deze vijf schalen zijn zeer goed.

Nemen we de burnoutschalen in beschouwing dan zien we dat er gemiddeld gescoord

wordt voor emotionele uitputting (m = 2.688) en depersonalisatie (m = 2.355). Er wordt

eerder een hoge mate van persoonlijke bekwaamheid gerapporteerd (m = 4.827). Ook

voor deze schalen zijn de Cronbach‟s α‟s zeer goed.

20

Tot slot kunnen we stellen dat er een relatief hoge score wordt gehaald op de Computer

Self Efficacy schaal (m = 7.712) en op de attitude items (m = 4.31). Opnieuw zijn de

Cronbach‟s α‟s zeer goed.

Tabel 3. Psychometrische kenmerken van de meetschalen (n = 177)

M SD m Min. -

Max. Cronbach's

Leeftijd 36,576 11,41 36,576 19 - 64

Techno-overload 13,8 4,018 2,76 2 - 4 0,85

Techno-invasie 8,018 2,836 2,005 1 - 3 0,816

Techno-complex. 11,413 3,848 2,283 1 - 3 0,834

Techno-onveil. 9,478 3,115 1,896 1 - 3 0,835

Techno-onzeker. 13,028 3,142 3,257 2 - 4 0,847

Emo. Uitputting 13,442 5,383 2,688 2 - 4 0,871

Depersonalisatie 9,419 4,371 2,355 1 - 3 0,816

Pers. Bekwaamh. 28,961 5,784 4,827 4 - 6 0,833

CSE 77,123 17,7 7,712 6 - 9 0,904

Attitude PC 12,929 2,214 4,31 4 - 5 0,867

In tabel 4 worden de Pearson intercorrelaties van alle opgenomen variabelen

weergegeven. De verschillende technostress-schalen hangen positief samen. Techno-

overload vertoont de hoogste correlatie met techno-invasie (r = .422, p<0.01) en techno-

onveiligheid (r = .404, p<0.01). Deze laatste vertoont eveneens een hoge correlatie met

techno-complexiteit (r = .462, p<0.01). Techno-overload vertoont een positieve

correlatie met emotionele uitputting (r = .459, p<0.01) en depersonalisatie (r = .349,

p<0.01) en een negatieve relatie met persoonlijke bekwaamheid (r = -.222, p<0.01). Dit

is ook het geval voor techno-complexiteit en techno-onveiligheid. Techno-invasie

correleert positief met emotionele uitputting (r = .204, p<0.01) en depersonalisatie (r =

.191, p<0.05), maar vertoont geen significante correlatie met persoonlijke

bekwaamheid. Techno-onzekerheid vertoont enkel voor emotionele uitputting een

significante correlatie (r = .237, p<0.01). De significante relaties van de technostress-

schalen met de burnoutcomponenten liggen dus in de veronderstelde richting. Dit is

eveneens het geval voor de attitudeschaal en de computer self-efficacy schaal.

21

Tabel 4. Pearson intercorrelaties (n = 177)

Variabele 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

1. Techno-overload 1 ,422** ,395** ,404** ,303** ,459** ,349** -,222** -,252** -,256**

2. Techno-invasie 1 ,146 ,309** ,09 ,204** ,191* -,022 ,024 ,029

3. Techno-complexiteit 1 ,462** ,094 ,316** ,388** -,371** -,508** -,444**

4. Techno-onveiligheid 1 ,209** ,235** ,335** -,308** -,321** -,297**

5. Techno-onzekerheid 1 ,237** ,072 ,128 -,074 ,02

6. Emotionele uitputting 1 ,647** -,312** -,170* -,074

7. Depersonalisatie 1 -,506** -,291** -,122

8. Persoonlijke bekwaamheid 1 ,440** ,287**

9. Attitude PC 1 ,468**

10. CSE 1

* correlaties significant bij p<0.05 (tweezijdig getoetst); ** correlaties significant bij p<0.01 (tweezijdig getoetst)

22

Attitude ten aanzien van computers vertoont een significante negatieve correlatie

met techno-overload (r = -.252, p<0.01), techno-complexiteit (r = -.208, p<0.01),

techno-onveiligheid (r = -.321, p<0.01), emotionele uitputting (r = -.170, p<0.01) en

depersonalisatie (r = -.291, p<0.01). Er wordt een positieve correlatie met persoonlijke

bekwaamheid teruggevonden (r = .440, p<0.01). Dit soort relaties worden ook

teruggevonden voor computer self-efficacy met bovenstaande variabelen, behalve voor

emotionele uitputting en depersonalisatie.

Hypothese Toetsing

De hypotheses werden steeds op dezelfde manier getoetst: eerst werden enkel de

controlevariabelen leeftijd, geslacht, burgerlijke staat, opleidingsniveau en

functieniveau in het model opgenomen. Daarna werden de onafhankelijke variabelen en

moderator variabelen opgenomen om hoofdeffecten en interactie-effecten na te gaan.

Dit werd herhaald voor alle hypothesen, naargelang de hypothese werd er telkens een

andere burnoutcomponent als afhankelijke variabele ingevoerd en als onafhankelijke

variabele werd telkens één van de vijf technostress componenten opgenomen in het

model.

Techno-overload – Burnout. Om de hypotheses voor de technostress

component techno-overload te testen zijn drie verschillende hiërarchische

regressieanalyses uitgevoerd met telkens één van de drie burnoutcomponenten als

afhankelijke variabele. De hiërarchische regressieanalyse met emotionele uitputting als

afhankelijke variabele, waarbij in de eerste stap de controlevariabelen en in de tweede

stap de onafhankelijke variabelen en hun interacties werden opgenomen, heeft

aangetoond dat de 4% variantie, die door de controlevariabelen verklaard kan worden,

niet significant is (F(5,184)=1.542, p=0.179). Als we de onafhankelijk variabelen en

hun interacties in rekening brengen, dan zien we dat de verklaarde variantie stijgt tot

22% (F(5,179)=10.689, p<0.01). Uit de p-waarde kunnen we afleiden dat deze variantie

wel significant is. Het volledige model verklaart bijgevolg 26% van de variantie en we

zullen dus kijken naar de tweede stap voor de interpretatie van de resultaten. Uit tabel 5

blijkt dat er een hoofdeffect is van techno-overload op emotionele uitputting (b = 0.470,

23

p<0.01). Het gevonden effect ligt in de verwachte richting. Er zijn geen significante

interactie-effecten. Voor techno-overload worden hypothese 1 en 2 niet bevestigd.

Bestuderen we depersonalisatie als afhankelijke variabele, dan is 4% verklaarde

variantie door het model met de controlevariabelen niet significant (F(5,183)=1.381,

p=0.233). De 18% verklaarde variantie van de onafhankelijke variabelen en hun

interacties is echter wel significant (F(5,178)=8.189, p<0.01). Het volledige model

verklaart 22% van de variantie. We nemen dus opnieuw de tweede stap in beschouwing

voor de interpretatie van de resultaten. In deze tweede stap is er een significant effect

van de controlevariabele geslacht (b = 0.218, p<0.05). Uit tabel 5 kunnen we afleiden

dat er een significant hoofdeffect is van techno-overload op depersonalisatie (b = 0.345,

p<0.01). Het effect van attitude ten aanzien van computers is significant indien we een

p-waarde van .10 hanteren (b = -0.165, p<0.10). De resultaten tonen eveneens een

significant interactie-effect voor techno-overload met attitude ten aanzien van

computers bij een p-waarde van .10 (b = -0.168, p<0.10). De gevonden effecten liggen

in de verwachte richting. Figuur 2 laat zien dat administratief medewerkers die een hoge

techno-overload ervaren en die een lage attitude hebben ten aanzien van computers,

hoger scoren op depersonalisatie. Wat betreft techno-overload wordt hypothese 3 niet

bevestigd en wordt hypothese 4 bevestigd bij een p-waarde van .10.

Figuur 2. Modererend effect van attitude op de relatie tussen techno-overload en

depersonalisatie.

24

Gaan we tot slot kijken naar het model in tabel 5 met persoonlijke bekwaamheid als

afhankelijke variabele, dan zien we dat de controlevariabelen 9% van de variantie

verklaren (F(5,185)=3.543, p<0.01) en in de tweede stap wordt er 19% van de variantie

verklaard (F(5,180)=9.300, p<0.01), deze stap zal in beschouwing worden genomen

voor de verdere interpretatie. Het volledige model verklaart bijna 28% van de variantie.

Er is een significant hoofdeffect van attitude ten aanzien van computers op persoonlijke

bekwaamheid (b = 0.276, p<0.01). Er zijn geen significante interactie-effecten.

Hypothese 5 en 6 worden niet bevestigd voor de technostress component techno-

overload.

Tabel 5. Hiërarchische regressieanalyses van techno-overload, CSE, attitudes ten

aanzien van computers en diens interacties op burnout

Emotionele

uitputting

Depersonalisatie Persoonlijke

bekwaamheid

R²

change

R²

change

R²

change

Stap 1. Geslacht 0,220** 0,263* 0,046

Leeftijd -0,134 0,027 0,052

Burgerlijke staat 0,013 0,057 0,034

Functieniveau 0,041 0,123 -0,197*

Opleiding -0,001 0,04 -0,003 0,036 -0,132 0,087**

Stap 2. Techno-overload (To) 0,470** 0,345** -0,082

CSE 0,046 -0,004 0,101

Attitude -0,107 -0,165 0,276**

To x CSE 0,084 0,064 -0,12

To x attitude -0,103 0,221** -0,168 0,18** 0,131 0,187**

Multipele R 0,511 0,465 0,524

R² 0,261 0,217 0,275

F 6,318** 4,921** 6,819**

Noot. * p<0.05; ** p<0.01

Noot. De B-waarden zijn de ongestandaardiseerde coëfficiënten voor stap 2.

25

Techno-invasie – Burnout. Om het effect van techno-invasie op burnout te

testen zijn opnieuw drie hiërarchische regressie analyses uitgevoerd met telkens één

van de drie burnoutcomponenten als afhankelijke variabele. De eerste regressieanalyse

met emotionele uitputting als afhankelijke variabele, waarbij in de eerste stap de

controlevariabelen en in de tweede stap de onafhankelijke variabelen en hun interacties

werden opgenomen, heeft aangetoond dat de 4% variantie die door de

controlevariabelen verklaard kan worden, niet significant is (F(5,184)=1.562, p=0.173).

Wanneer we dan de onafhankelijk variabelen en hun interacties in rekening

brengen, dan zien we dat de verklaarde variantie stijgt tot 10% (F(5,179)=3.994,

p<0.01). Uit de p-waarde kunnen we afleiden dat deze variantie wel significant is. Het

volledige model verklaart bijgevolg 14% van de variantie en we zullen dus kijken naar

de tweede stap voor de interpretatie van de resultaten. In deze tweede stap blijkt er een

significant effect te zijn van de controlevariabelen geslacht (b = 0.209, p<0.05) en

leeftijd (b = -0.216, p<0.05). Er is een hoofdeffect van techno-invasie op emotionele

uitputting (b = 0.219, p<0.01) en van attitude ten aanzien van computers op emotionele

uitputting (b = -0.238, p<0.01). De gevonden hoofdeffecten liggen in de verwachte

richting. Er zijn geen significante interactie-effecten voor de relatie tussen techno-

invasie en emotionele uitputting. Hypothese 1 en 2 worden niet bevestigd voor techno-

invasie.

Bestuderen we de tweede regressieanalyse met depersonalisatie als afhankelijke

variabele (Tabel 6), dan is de 4% verklaarde variantie van de controlevariabelen niet

significant (F(5,183)=1.435, p=0.214). De 13% verklaarde variantie van de

onafhankelijke variabelen en hun interacties is echter wel significant (F(5,178)=5.655,

p<0.01). Het volledige model verklaart dus 17% van de variantie. We nemen dus

opnieuw de tweede stap in beschouwing voor de interpretatie van de resultaten. In deze

tweede stap is er een significant effect van de controlevariabele geslacht (b = 0.284,

p<0.05). Uit tabel 6 kunnen we afleiden dat er een significant hoofdeffect is van techno-

invasie (b = 0.219, p<0.01) en van attitude ten aanzien van computers (b = -0.327,

p<0.01) op de afhankelijke variabele depersonalisatie. De resultaten tonen eveneens een

significant interactie-effect voor techno-invasie met attitude ten aanzien van computers

bij een p-waarde van .10 (b = -0.156, p<0.10). De gevonden effecten liggen in de

verwachte richting. Figuur 3 laat zien dat administratief medewerkers die een hoge mate

26

van techno-invasie ervaren en een lage attitude ten aanzien van computers hebben,

hoger scoren op depersonalisatie. Voor techno-invasie wordt hypothese 3 niet bevestigd

en hypothese 4 wordt bevestigd bij een p-waarde van .10.

Tabel 6. Hiërarchische regressieanalyses van techno-invasie, CSE, attitudes ten aanzien

van computers en diens interacties op burnout.

Emotionele

uitputting


bekwaamheid

R²

change

R²

change

R²

change

Stap 1. Geslacht 0,214* 0,265** 0,041

Leeftijd -0,134 0,026 0,041


Functieniveau 0,033 0,126 -0,207*

Opleiding 0,015 0,041 0,005 0,038 -0,112 0,082**

Stap 2. Techno-invasie (T-i) 0,219** 0,219** -0,106

CSE -0,031 -0,04 0,105

Attitude -0,238** -0,327** 0,354**

T-i x CSE 0,029 0,116 -0,166

T-i x attitude 0,042 0,096** -0,156 0,132** 0,153* 0,191**

Multipele R 0,37 0,412 0,523

R² 0,137 0,17 0,273

F 2,481** 3,636** 6,760**

Noot. * p<0.05; ** p<0.01


Beschouwen we de derde regressieanalyse in tabel 6 met persoonlijke

bekwaamheid als afhankelijke variabele, dan zien we dat de controlevariabelen 8% van

de variantie verklaren (F(5,185)=3.312, p<0.01) en in de tweede stap wordt er 19% van

de variantie verklaard (F(5,180)=9.452, p<0.01). De laatste stap zal in beschouwing

worden genomen voor de verdere interpretatie. Het volledige model verklaart bijna 27%

27

van de variantie. Er is een significant hoofdeffect van attitude ten aanzien van

computers op persoonlijke bekwaamheid (b = 0.354, p<0.01). Er is wel significant

interactie-effect, maar dit kan niet geïnterpreteerd worden daar er geen significant

hoofdeffect van techno-invasie is. Hypothese 5 en 6 worden niet bevestigd voor techno-

invasie.

Techno-complexiteit – Burnout. Tabel 7 toont de samenvatting van de

hiërarchische regressieanalyses om het effect van techno-complexiteit op de burnout

componenten te testen. De eerste regressieanalyse met emotionele uitputting als




niet significant is (F(5,184)=1.510, p=0.189). Wanneer we dan de onafhankelijk

variabelen en hun interacties in het model opnemen, dan zien we dat de verklaarde

variantie stijgt tot 13.6% (F(5,179)=5.905, p<0.01). Uit de p-waarde kunnen we

afleiden dat deze variantie significant is. Het volledige model verklaart bijgevolg 17.6%

van de variantie en we zullen dus kijken naar de tweede stap voor de interpretatie van de

resultaten. In deze tweede stap blijkt er een significant effect te zijn van de

controlevariabelen geslacht (b = 0.209, p<0.05) en leeftijd (b = -0.267, p<0.05).

0

0,5

1

1,5

2

2,5

3

3,5

lage techno-invasie hoge techno-invasie

De

pe

rso

nal

isat

ie

lage attitude

hoge attitude

Figuur 3. Modererend effect van attitude op de relatie tussen techno-invasie

28

Tabel 7. Hiërarchische regressieanalyses van techno-complexiteit, CSE, attitudes ten

aanzien van computers en diens interacties op burnout.

Emotionele

uitputting


bekwaamheid

R²

change

R²

change

R²

change

Stap 1. Geslacht 0,213* 0,256* 0,043

Leeftijd -0,143 0,03 0,062


Functieniveau 0,056 0,145 -0,208*

Opleiding -0,1 0,039 -0,01 0,036 -0,116 0,088**

Stap 2. Techno-complexiteit (T-c) 0,355** 0,328** -0,233**

CSE 0,062 0,027 0,047

Attitude -0,084 -0,146 0,271**

T-c x CSE 0,167 0,141 -0,007

T-c x attitude -0,092 0,136** -0,089 0,148** -0,036 0,194**

Multipele R 0,419 0,43 0,531

R² 0,175 0,184 0,282

F 3,808** 4,027** 7,073**

Noot. * p<0.05; ** p<0.01


Er is een hoofdeffect van techno-complexiteit op emotionele uitputting (b = 0.355,

p<0.01). Er zijn geen significante interactie-effecten gevonden voor de eerste

hiërarchische regressieanalyse. Hypothese 1 en 2 worden niet bevestigd voor techno-

complexiteit. Bestuderen we de tweede regressieanalyse met depersonalisatie als

afhankelijke variabele, dan is de 3% verklaarde variantie van de controlevariabelen niet

significant (F(5,183)=1.379, p=0.234). De 15% verklaarde variantie van de

onafhankelijke variabelen en hun interacties is wel significant (F(5,178)=6.469,

p<0.01). Het volledige model verklaart dus 18% van de variantie. We nemen dus

opnieuw de tweede stap in beschouwing voor de interpretatie van de resultaten. In deze

29

tweede stap is er een significant effect van de controlevariabele geslacht (b = 0.257,

p<0.05). Uit tabel 7 kunnen we afleiden dat er een significant hoofdeffect is van techno-

complexiteit (b = 0.328, p<0.01) op de afhankelijke variabele depersonalisatie. De

resultaten tonen geen significante interactie-effecten voor de tweede regressieanalyse.

Hypothese 3 en 4 worden niet bevestigd voor techno-complexiteit.



de variantie verklaren (F(5,185)=3.554, p<0.01) en in de tweede stap wordt er 19% van

de variantie verklaard (F(5,180)=9.752, p<0.01). De laatste stap zal in beschouwing

worden genomen voor de verdere interpretatie. Het volledige model verklaart 27% van

de variantie. Er is een significant effect van de controlevariabele leeftijd (b = 0.181,

p<0.05). Er is een significant hoofdeffect van techno-complexiteit (b = -0.233, p<0.01)

en van attitude ten aanzien van computers (b = 0.271, p<0.01) op persoonlijke

bekwaamheid, maar er zijn geen significante interacties terug te vinden. Hypothese 5 en

6 worden niet bevestigd voor techno-complexiteit.

Techno-onveiligheid – Burnout. Om de hypotheses te testen voor techno-

onveiligheid zijn eveneens drie verschillende hiërarchische regressieanalyses

uitgevoerd. De hiërarchische regressieanalyse met emotionele uitputting als




niet significant is (F(5,184)=1.670, p=0.144). Als we daarbovenop de onafhankelijk

variabelen en hun interacties in rekening brengen, dan zien we dat de verklaarde

variantie stijgt tot 10% (F(5,179)=4.226, p<0.01). Uit de p-waarde kunnen we afleiden

dat deze variantie wel significant is. Het volledige model verklaart bijgevolg 14% van

de variantie en we zullen dus kijken naar de tweede stap voor de interpretatie van de

resultaten. Er is in deze tweede stap een significant effect voor de controlevariabele

geslacht (b = 0.235, p<0.05). Uit tabel 8 blijkt dat er een hoofdeffect is van techno-

onveiligheid (b = 0.196, p<0.05) en van attitude ten aanzien van computers (b = -0.202,

p<0.05) op emotionele uitputting. De gevonden effecten liggen in de verwachte

richting. Er is een significant interactie-effect van techno-onveiligheid met computer

30

self-efficacy maar dit is niet te interpreteren daar er geen hoofdeffect van computer self-

efficacy is. Voor techno-onveiligheid worden hypothese 1 en 2 niet bevestigd.


variabele, dan is 5% verklaarde variantie van de controlevariabelen niet significant

(F(5,183)=1.858, p=0.104) (Tabel 8). De 17.5% verklaarde variantie van de

onafhankelijke variabelen en hun interacties is echter wel significant (F(5,178)=8.040,

p<0.01). Het volledige model verklaart 22.5% van de variantie. We nemen dus opnieuw

de tweede stap in beschouwing voor de interpretatie van de resultaten. In deze tweede

stap is er een significant effect van de controlevariabele geslacht (b = 0.288, p<0.05).

Uit tabel 8 kunnen we afleiden dat er een significant hoofdeffect is van techno-

onveiligheid (b = 0.324, p<0.01) en van attitude ten aanzien van computers (b = -0.329,

p<0.01) op depersonalisatie. De gevonden effecten liggen in de verwachte richting. De

resultaten tonen eveneens een significant interactie-effect voor techno-onveiligheid met

attitude ten aanzien van computers (b = -0.167, p<0.05). Figuur 4 laat zien dat wanneer

administratief medewerkers een hoge mate van techno-onveiligheid ervaren en

eveneens een lage attitude ten aanzien van computers hebben, zij hoger scoren op

depersonalisatie. Hypothese 3 wordt niet bevestigd en hypothese 4 wordt wel bevestigd

voor de component techno-onveiligheid.

0

0,5

1

1,5

2

2,5

3

3,5

lage techno-onveiligheid hoge techno-onveiligheid

De

per

son

alis

atie

lage attitude

hoge attitude

Figuur 4. Modererend effect van attitude op de relatie tussen techno-onveiligheid

en depersonalisatie.

31

Tabel 8. Hiërarchische regressieanalyses van techno-onveiligheid, CSE, attitudes ten


Emotionele

uitputting


bekwaamheid

R²

change

R²

change

R²

change

Stap 1. Geslacht 0,240* 0,296** 0,029

Leeftijd -0,118 0,057 0,031

Burgerlijke staat -0,004 0,044 0,038

Functieniveau 0,041 0,149 -0,219*

Opleiding -0,013 0,043 -0,26 0,048 -0,11 0,082**

Stap 2. Techno-onveiligheid (T-v) 0,196* 0,324** -0,147*

CSE 0,057 0,092 0,064

Attitude -0,202* -0,239** 0,289**

T-v x CSE 0,206* 0,206* -0,206**

T-v x attitude -0,091 0,101** -0,167* 0,175** 0,225** 0,223**

Multipele R 0,38 0,473 0,552

R² 0,144 0,224 0,305

F 3,021* 5,128** 7,897**

Noot. * p<0.05; ** p<0.01


Gaan we tot slot kijken naar het model in tabel 8 met persoonlijke bekwaamheid

als afhankelijke variabele, dan zien we dat de controlevariabelen 8% van de variantie

verklaren (F(5,185)=3.296, p<0.01) en in de tweede stap wordt er 22% van de variantie

verklaard (F(5,180)=11.558, p<0.01), deze stap zal in beschouwing worden genomen

voor de verdere interpretatie. Het volledige model verklaart 30% van de variantie. Tabel

8 toont hoofdeffecten van techno-onveiligheid (b = -0.147, p<0.05) en attitude (b =

0.289, p<0.01) op de afhankelijke variabele persoonlijke bekwaamheid. We zien ook

een significant interactie-effect van techno-onveiligheid met attitude ten aanzien van

computers op persoonlijke bekwaamheid (b = 0.225, p<0.01). Hypothese 5 wordt niet

32

bevestigd, hypothese 6 wordt wel bevestigd voor techno-onveiligheid. Figuur 5 toont

dat administratief medewerkers zich minder bekwaam voelen wanneer zij een lage

attitude ten aanzien van computers hebben en meer techno-onveiligheid ervaren.

Techno-onzekerheid – Burnout. Om het effect van techno-onzekerheid op

burnout te testen zijn drie hiërarchische regressie analyses uitgevoerd met telkens één

van de drie burnoutcomponenten als afhankelijke variabele. De eerste regressieanalyse

met emotionele uitputting als afhankelijke variabele, waarbij in de eerste stap de

controlevariabelen en in de tweede stap de onafhankelijke variabelen en hun interacties

werden opgenomen, heeft aangetoond dat de 4% variantie, die door de

controlevariabelen verklaard kan worden, niet significant is (F(5,186)=1.585, p=0.166).

Wanneer we dan de onafhankelijk variabelen en hun interacties in rekening brengen,

dan zien we dat de verklaarde variantie stijgt tot 11% (F(5,181)=4.554, p<0.01). Uit de

p-waarde kunnen we afleiden dat deze variantie wel significant is. Het volledige model

verklaart bijgevolg 15% van de variantie en we zullen dus kijken naar de tweede stap

voor de interpretatie van de resultaten. In deze tweede stap blijkt er een significant

effect te zijn van de controlevariabelen geslacht (b = 0.195, p<0.05) en leeftijd (b = -

0.212, p<0.05).

3

3,5

4

4,5

5

5,5

6

lage techno-onveiligheid hoge techno-onveiligheid

Pe

rso

on

lijke

bek

waa

mh

eid

lage attitude

hoge attitude

Figuur 5. Modererend effect van attitude op de relatie tussen techno-onveiligheid

en persoonlijke bekwaamheid.

33

Er is een hoofdeffect van techno-onzekerheid op emotionele uitputting (b =

0.272, p<0.01) en van attitude ten aanzien van computers op emotionele uitputting (b =

-0.208, p< 0.05) (Tabel 9). De gevonden hoofdeffecten liggen in de verwachte richting.

Er zijn geen significante interactie-effecten voor de relatie tussen techno-onzekerheid en

emotionele uitputting. Hypothese 1 en 2 worden niet bevestigd voor techno-

complexiteit.


variabele, dan is de 4% verklaarde variantie van de controlevariabelen niet significant

(F(5,185)=1.370, p=0.238). De 11% verklaarde variantie van de onafhankelijke

variabelen en hun interacties is echter wel significant (F(5,180)=4.740, p<0.01). Het

volledige model verklaart dus 15% van de variantie. We nemen dus opnieuw de tweede

stap in beschouwing voor de interpretatie van de resultaten. In deze tweede stap is er

een significant effect van de controlevariabele geslacht (b = 0.275, p<0.05). Uit tabel 9

kunnen we afleiden dat er een significant hoofdeffect is van attitude ten aanzien van

computers (b = -0.279, p<0.01) op de afhankelijke variabele depersonalisatie. De

resultaten tonen geen significante interactie-effecten. Voor techno-onzekerheid worden

hypothese 3 en 4 niet bevestigd.



de variantie verklaren (F(5,187)=3.355, p<0.01). en in de tweede stap wordt er bijna

19% van de variantie verklaard (F(5,182)=9.285, p<0.01). De laatste stap zal in

beschouwing worden genomen voor de verdere interpretatie. Het volledige model

verklaart bijna 27% van de variantie.. Tabel 9 toont een significant hoofdeffect van

attitude ten aanzien van computers op persoonlijke bekwaamheid (b = 0.351, p<0.01).

We vinden een hoofdeffect van techno-onzekerheid op persoonlijke bekwaamheid

indien we een significantieniveau van 0.10 hanteren (b = 0.112, p<0.10). Er zijn geen

significante interactie-effecten. Hypothese 5 en 6 worden niet bevestigd wat betreft

techno-onzekerheid.

Uit bovenstaande resultaten blijkt dat de relatie tussen de vijf technostress

componenten en emotionele uitputting noch door computer self-efficacy, noch door

attitude ten aanzien van computers gemodereerd wordt. De relatie tussen de vijf

34

componenten van technostress en depersonalisatie wordt niet gemodereerd door

computer self-efficacy, er is echter wel een moderatie van attitude ten aanzien van

computers voor drie van de vijf technostress componenten, namelijk voor techno-

overload, techno-invasie en techno-onveiligheid. De relatie tussen de vijf technostress

componenten en persoonlijke bekwaamheid wordt niet gemodereerd door computer

self-efficacy, maar wel door attitude ten aanzien van computers voor de component

techno-onveiligheid. Hieruit kunnen we afleiden dat hypothese 1, 2, 3 en 5 niet

bevestigd worden en dat hypothese 4 en 6 gedeeltelijk bevestigd worden.

Tabel 9. Hiërarchische regressieanalyses van techno-onzekerheid, CSE, attitudes ten


Emotionele

uitputting


bekwaamheid

R²

change

R²

change

R²

change

Stap 1. Geslacht 0,215* 0,260* 0,041

Leeftijd -0,141 0,023 0,041


Functieniveau 0,037 0,128 -0,208*

Opleiding 0,01 0,041 -0,003 0,036 -0,112* 0,082**

Stap 2. Techno-onzekerheid (T-z) 0,272** 0,068 0,112

CSE -0,043 -0,038 0,088

Attitude -0,208* -0,279** 0,351**

T-z x CSE 0,055 0,076 -0,099

T-z x attitude -0,106 0,107** -0,239* 0,112** 0,049 0,187**

Multipele R 0,385 0,385 0,518

R² 0,148 0,148 0,269

F 3,145** 3,124** 6,692**

Noot. * p<0.05; ** p<0.01


35

Discussie

De huidige studie onderzocht de modererende rol van computer self-efficacy en

attitude ten aanzien van computers op de relatie tussen technostress en burnout. We

verwachtten een positieve relatie tussen de vijf technostress componenten en emotionele

uitputting, een positieve relatie tussen de vijf technostress componenten en

depersonalisatie en een negatieve relatie tussen de vijf technostress componenten en

persoonlijke bekwaamheid. Tevens verwachtten we dat computer self-efficacy en

attitude ten aanzien van computers de relatie tussen de technostress componenten en de

drie burnout componenten zouden verzwakken. Na factoranalyse konden zowel de drie

burnout componenten (Maslach et al., 2001), als de vijf technostress componenten

(Tarafdar et al., 2007) teruggevonden worden bij onze steekproef. De gebruikte

vragenlijsten waren dus valide. In verdere analyses werden de relaties tussen deze

componenten nagegaan. Er bleek een hoofdeffect te bestaan tussen techno-overload en

emotionele uitputting en tussen techno-overload en depersonalisatie. Medewerkers die

techno-overload ervaren op het werk, ervaren dus een verlies aan energie en vertonen

een meer afstandelijke houding ten opzichte van het werk. Uit eerder onderzoek is reeds

gebleken dat de mate van technologiegebruik een risicofactor vormt voor het

ontwikkelen van gezondheidsproblemen (Schaufeli et al., 1995; Thomée et al., 2005).

Daarnaast bleek de relatie tussen techno-overload en depersonalisatie gemodereerd te

worden door attitude ten aanzien van computers. Administratief medewerkers die meer

techno-overload ervaren, zullen een meer afstandelijke houding ten opzichte van het

werk aannemen tenzij zij een positieve attitude ten aanzien van computers hebben. Dit

ligt in lijn met de verwachtingen en met de resultaten uit eerder onderzoek die stellen

dat afhankelijk van iemands attitude tegenover ICT‟s, computertechnologie kan leiden

tot een verhoging van angst en spanning (Tarafdar et al.,2007).

Er werd ook een hoofdeffect gevonden voor techno-invasie met emotionele

uitputting en voor techno-invasie met depersonalisatie. Dus wanneer werknemers het

gevoel hebben constant bereikbaar te zijn kan dit leiden tot meer burnout, wat zich uit in

energie verlies en een afstandelijke houding ten opzichte van het werk. Dit zou

ondermeer te wijten kunnen zijn aan een rolconflict dat optreedt wanneer de werk

gerelateerde en persoonlijke context overlappen (Tarafdar et al., 2007). Verder bleek er

36

een modererend effect te zijn van attitude ten aanzien van computers tussen techno-

invasie en depersonalisatie. Administratief medewerkers die een hoge mate van techno-

invasie ervaren en een lage attitude ten aanzien van computers hebben, vertonen dus een

meer afstandelijke houding ten opzichte van het werk.

Voor de component techno-complexiteit werden er enkel hoofdeffecten met alle

drie de burnoutcomponenten teruggevonden. Hoe meer medewerkers het gevoel hebben

tekort te schieten op vlak van computervaardigheden, hoe meer burnout zij zullen

ervaren. Er werden geen moderatie-effecten teruggevonden. Dit kan te wijten zijn aan

het feit dat wanneer werknemers het gevoel hebben tekort te schieten, hun positieve

attitudes ten aanzien van computers geen impact meer hebben op de situatie.

Toekomstig onderzoek kan hierover meer duidelijkheid bieden.

De relatie tussen techno-onveiligheid en burnout wordt voor depersonalisatie en

persoonlijke bekwaamheid gemodereerd door attitude ten aanzien van computers. Dit

wil zeggen dat administratief medewerkers die zich bedreigd voelen in hun job meer

depersonalisatie ervaren en zich minder bekwaam voelen naarmate ze een minder

positieve attitude ten aanzien van computers hebben. Dit is in lijn met eerder onderzoek

waaruit blijkt dat job veiligheid of job zekerheid een belangrijke factor is in het

veroorzaken van stress en burnout (Sethi et al., 2004).

Tenslotte blijken computer self-efficacy en attitude ten aanzien van computers

geen moderatoren te zijn in de relatie tussen techno-onzekerheid en burnout. Hier

werden ook enkel hoofdeffecten teruggevonden. Wanneer medewerkers continue

veranderingen in technologie ervaren kan dit leiden tot meer emotionele uitputting,

depersonalisatie en minder persoonlijke bekwaamheid. Het ontbreken van moderatie-

effecten kan te wijten zijn aan het feit dat de onzekere situatie overheerst en dus een

positieve attitude of een gevoel van bekwaamheid in het werken met computers teniet

doet, toekomstig onderzoek kan hier meer duidelijkheid scheppen.

Uit eerder onderzoek is gebleken dat personen met een positieve ingesteldheid of

een positieve attitude minder burnout vertonen (Alarcon, Eschleman, & Bowling,

2009). Deze relatie kan verklaren waarom een positieve attitude ten aanzien van

computers zorgt voor minder emotionele uitputting en minder depersonalisatie wanneer

medewerkers technostress ervaren. Hoewel attitude ten aanzien van computers een

aantal keer naar voor gekomen is als moderator in de relatie tussen technostress en

37

burnout, is dit voor computer self- efficacy niet het geval. Het uitblijven van een

moderatie-effect van computer self-efficacy kan te wijten zijn aan de gehanteerde

schaal. Eerder onderzoek naar de modererende rol van computer self-efficacy maakte

gebruik van een schaal die gebaseerd was op computerattitudes (Salanova et al., 2000).

Een voorbeeld van een item uit die schaal is “Ik voel me zeer bekwaam bij het gebruiken

van computer gebaseerde technologie.” Dit item verwijst zowel naar de affectieve als

gedragsmatige component van attitudes (Sáinz & López-Sáez, 2009). We gaan er dus

van uit dat de computer self-efficacy schaal uit vorig onderzoek dichter aanleunt bij de

attitudeschaal die wij hanteerden, wat de gevonden effecten kan verklaren.

Beperkingen en toekomstig onderzoek

De voornaamste beperking van deze studie is het gebruik van een cross-

sectioneel design. Deze methodologie maakt dat de resultaten niet volgens een causaal

verband geïnterpreteerd mogen worden. Longitudinaal onderzoek kan hier een

oplossing bieden (Taris & Kompier, 2003).

Ten tweede mochten de administratief medewerkers die de uitnodiging tot

deelname ontvingen zelf kiezen of ze deelnamen aan het onderzoek of niet. Er was geen

sprake van verplichting, ook niet door de personeelsverantwoordelijke. Dit kan

mogelijks effect gehad hebben op de resultaten, het kan namelijk zo zijn dat de

participanten meer geïnteresseerd waren in deelname aangezien zij al een relatief hoge

mate van technostress ervoeren.

Ten derde zijn de gebruikte meetinstrumenten gebaseerd op zelfrapportage, het

gaat dus telkens om percepties van individuen en niet om objectieve metingen. Door het

gebruik van zelfrapportage metingen, kunnen de resultaten common method

variantiebias vertonen of beïnvloed zijn door het verlangen consistent te antwoorden

(Conway, 2002). We hopen dus dat toekomstige studies objectievere metingen kunnen

hanteren om common method variantiebias te vermijden. Er kunnen bijvoorbeeld

bedrijfsgegevens over het aantal uur beeldschermwerk dat men verricht, het aantal

foutmeldingen op een computer, het aantal software aanpassingen, afwezigheidcijfers

en job eigenschappen opgenomen worden om op die manier de problemen met

zelfrapportage metingen te vermijden.

38

Ten vierde kan het ook zijn dat er geen effect van computer self-efficacy

gevonden is omdat de “Computer Self-efficacy Measure” specifiek gericht is naar één

situatie, namelijk het werken met een onbekend softwarepakket. Het kan echter zo zijn

dat er bij de selectie van administratief medewerkers wordt verwacht dat zij bepaalde

computervaardigheden bezitten en dus ook kunnen omgaan met situaties waarin zij

blootgesteld worden aan onbekende software. In toekomstig onderzoek kan men hier

dan ook rekening mee houden. Daarenboven moet er nagegaan worden of de

voorgestelde situatie in de vragenlijst realistisch en representatief is voor de organisatie

waarin ze afgenomen wordt. Het is ook belangrijk om te vermelden dat de vragenlijst

focust op het werken met een onbekend softwarepakket en dus leren als extra dimensie

introduceert. Daar waar het vermogen om met nieuwe technologieën om te gaan een

essentie is voor een competente computergebruiker, is het ook mogelijk dat self-efficacy

ten opzichte van leren verschilt van self-efficacy ten opzichte van computers voor een

individu (Compeau & Higgins, 1995).

Verder is het zo dat twee van de vier gevonden interactie-effecten

randsignificant waren, ze waren slechts significant indien we een p-waarde van .10

hanteerden. Deze p-waarde vergroot de kans op het maken van een type I fout waarbij

men de nulhypothese onterecht gaat verwerpen (Cohen, 1994).

Ook werd er in dit onderzoek geen rekening gehouden met interne kenmerken

van de organisaties. Het is dus aangewezen om er in toekomstig onderzoek voor te

zorgen dat de respondenten uit één organisatie afkomstig zijn of dat de organisaties

gelijke structuren en procedures hanteren om sample bias te voorkomen. Verder kan het

voor toekomstig onderzoek nuttig zijn zich specifiek naar bepaalde sectoren te richten

om op die manier vergelijkende studies te maken en te kijken of de gevonden resultaten

generaliseerbaar zijn. Het kan namelijk zo zijn dat werknemers die een specifieke

opleiding genoten hebben om dagelijks met computertechnologie te werken, zoals in de

IT-sector, minder technostress ervaren.

Implicaties voor de praktijk

Deze studie kan belangrijke implicaties hebben voor de praktijk. Eerst en vooral

is het belangrijk om te weten dat de vijf technostress-factoren (techno-overload, techno-

39

invasie, techno-complexiteit, techno-onveiligheid en techno-onzekerheid) de condities

blootleggen onder dewelke gebruikers van ICT‟s technostress ervaren. Men kan dus

gaan meten in welke mate er technostress aanwezig is binnen de organisatie. Op die

manier kan men een beeld vormen van waar de pijnpunten liggen op vlak van

technologiegebruik.

Het is ook belangrijk om te weten dat er een omgekeerd U-verband bestaat

tussen de stress van werknemers en werkprestatie. Met andere woorden, bepaalde

niveaus van stress zijn voordelig voor de productiviteit van werknemers, maar teveel

stress zal de prestaties en productiviteit hinderen (Anderson, 1976). Managers moeten

dus meer aandacht schenken aan manieren om de technologie gerelateerde stress van

werknemers te beperken tot de drempelwaarde van stress die leidt tot hogere prestaties.

Een mogelijkheid om technostress en de negatieve gevolgen ervan binnen

organisaties te vermijden is het selecteren van werknemers op basis van hun attitude ten

aanzien van computers. Zoals uit de resultaten van dit onderzoek blijkt zorgt een

positieve attitude ten aanzien van computers voor minder burnout bij verschillende

technostress componenten. Tenslotte is het van belang dat medewerkers leren omgaan

met technostress. Het management van een organisatie kan hiervoor zorgen door

trainingen te organiseren waarbij werknemers copingstrategieën aangereikt krijgen

(Sami & Pangannaiah, 2006) en in eenvoudige stappen leren werken met

computertechnologie, op die manier verwerven ze een hogere persoonlijke

bekwaamheid en een postieve attitude ten aanzien van computers, waardoor ze in staat

zijn om beter om te gaan met technostress (Beas & Salanova, 2006).

Conclusie

Technostress ontstaat wanneer medewerkers niet op een gezonde manier kunnen

omgaan met nieuwe computertechnologieën. In deze studie werd technostress gemeten

aan de hand van een vertaling van de Technostress vragenlijst van Tarafdar et al.

(2007), deze bestaat uit vijf factoren. In een eerste onderzoeksvraag werd er een

positieve relatie tussen technostress en burnout voorgesteld. Een tweede

onderzoeksvraag ging na of deze relatie gemodereerd werd door computer self-efficacy

of de attitude ten aanzien van computers die een persoon hanteert.

40

De belangrijkste bevindingen in ons onderzoek wijzen er op dat

computergebruik technostress kan veroorzaken op vijf verschillende manieren, deze zijn

een overload aan technologie, het binnenvallen van technologie in het privé-leven, de

onmogelijkheid om met complexe technologie om te gaan, technologie die de job

veiligheid bedreigt en technologie die onzekerheid veroorzaakt. ICT-gebruikers kunnen

het slachtoffer zijn van één of meer van bovenstaande bronnen van technostress, die hun

technostress niveau gaan bepalen. Verder kunnen we afleiden dat er inderdaad een

relatie bestaat tussen technostress en burnout en dat computergebruik een mogelijke

impact heeft op de psychologische gezondheidstoestand van werknemers. Een positieve

attitude ten aanzien van computers kan in sommige gevallen soelaas bieden, ze

modereert namelijk de relatie tussen techno-overload, techno-invasie, techno-

onveiligheid en burnout maar niet voor techno-complexiteit en techno-onzekerheid. We

kunnen echter geen causale verbanden leggen bij deze relaties. Toekomstige studies

moeten dit verder onderzoeken, daarnaast is het voor toekomstige studies aangewezen

om zich te focussen op specifieke situaties om zo een duidelijker beeld te krijgen over

de relatie tussen technostress en burnout. Technologie en dus technostress zijn aanwezig

in bijna alle moderne organisaties en door de constante evolutie van technologie zal de

hoeveelheid technostress alleen maar toenemen. Organisaties doen dus best zoveel

mogelijk om de impact van technostress, zowel voor de werknemer zelf als voor de

organisatie, niet te onderschatten en hier zo goed als mogelijk op in te spelen.

41

Referenties

Alarcon, G., Eschleman, K. J., & Bowling, N. A. (2009). Relationships between

personality variables and burnout: A meta-analysis. Work & Stress, 23(3), 244-

263.

Anderson, C. R. (1976). Coping behavior as intervening mechanisms in the inverted-u

stress performance relationship. Journal of Applied Psychology, 61, 30–34.

Bandura, A. (1986). Social Foundations of Thought and Action, Englewood Cliffs, NJ:

Prentice Hall.

Bandura, A. (1997). Self-Efficacy: The Exercise of Control, New York: W.H. Freeman

and Company.

Beas, M. I., & Salanova, M. (2006). Self-efficacy beliefs, computer training and

psychological well-being among information and communication technology

workers. Computers in Human Behavior, 22, 1043-1058.

Bloom, A. J. (1985). An anxiety management approach to computer-phobia. Training

and Development Journal, 39(1), 90–94.

Brod, C. (1984). Technostress: The human cost of the computer revolution. Reading,

MA: Addison-Wesley.

Chua, S. L., Chen, D. T., & Wong, A. F. L. (1999). Computer anxiety and its correlates:

a meta-analysis. Computers in Human Behavior, 15, 609-623.

Cohen, J. (1994). The earth is round (p<.05). American Psychologist, 49, 997-1003.

Cohen, J., & Cohen, P. (1983). Applied multiple regression/correlation analysis for the

behavioural sciences (seconded.). Hillsdale, NJ: Erlbaum.

42

Conway, J.M. (2002). Method variance and method bias in industrial and organizational

psychology. In S.G. Rogelberg (Ed.), Handbook of research methods in

organizational and industrial psychology (pp. 344–365). Malden, MA: Blackwell

Publishers.

Compeau, D. R., & Higgins, C.A. (1995). Computer Self-efficacy: Development of a

Measure and Initial Test. MIS Quarterly, 19(2), 189-211.

Demerouti, E., Bakker, A. B., Nachreiner, F., & Schaufeli, W. B. (2001). The job

demands–resources model of burnout. Journal of Applied Psychology, 86, 499–

512.

Grau, R., Salanova, M., & Peiro´ , J. M. (2000). Efectos moduladores de la autoeficacia

en el estre´s laboral. [Moderating role of self-efficacy in the job stress] Apuntes de

Psicología, 18(1), 57–75.

Halbesleben, J. R. B., & Buckley, M. R. (2004). Burnout in organizational life. Journal

of Management, 30(6), 859–879.

Hetland, H., Mjeldheim Sandal, G., & Backer Johnsen, T. (2007). Burnout in the

information technology sector: Does leadership matter? European journal of work

and organizational psychology, 16(1), 58-75.

Jex, S. M., & Bliese, P. D. (1999). Efficacy Beliefs as a Moderator of the Impact of

Work-Related Stressors: A Multilevel Study. Journal of Applied Psychology,

84(3), 349-361.

Kleinbaum, D. G., Kupper, L. L., & Muller, K. E. (1988). Applied regression analysis

and other multivariable methods (second ed.). Boston: PWS-Kent.

43

Langelaan, S., Bakker, A. B., van Doornen, L. J. P., & Schaufeli, W.B. (2006). Burnout

and work engagement: Do individual differences make a difference? Personality

and Individual Differences, 40, 521-532.

Maslach, C., Schaufeli, W. B., & Leiter, M. P. (2001). Job Burnout. Annual Reviews

Psychology, 52, 397-422.

McQueen, R. J., & Mill, A. M. (1998). End user computing sophistication in a large

health services organization, Effective utilization and management of emerging

information technologies. In M. Khosrowpour (Ed.), Information resources

management association conference (pp. 263–276). Hershey: Idea Group

Publishing.

McGuire WJ. 1985. Attitudes and attitude change. In The Handbook of Social

Psychology,ed. G Lindzey, E Aronson, 2: 233–346. New York: Random House.

3rd ed.

Murphy, C. A., Coover, D., & Owen, S. V. (1989). Development and validity of the

computer self-efficacy scale. Educational and Psychological Measurement, 49,

893±899.

Petty, R. E., Wegener, D. T., & Fabrigar, L. R. (1997). Attitudes and attitude change.

Annual Reviews Psychology, 48, 609-647.

Ragu-Nathan, B., Ragu-Nathan, T. S., & Tu, Q. (2002). A Large-scale multinational

investigation of techno-stress and its impact on information. Technology (IT)

workforce productivity. Research proposal submitted to IT research division of

the US National Science Foundation.

Şahin, Y. L., & Çoklar, A. N. (2009). Social networking users‟ views on technology and

the determination of technostress levels. Procedia Social and Behavioral

Sciences, 1, 1437-1442.

44

Sáinz, M., & López-Sáez, M. (2010). Gender differences in computer attitudes and the

choice of technology-related occupations in a sample of secondary students in

Spain. Computers & Education, 54, 578-584.

Salanova, M., Grau, R. M., Cifre, E., & Llorens, S. (2000). Computer training,

frequency of usage and burnout: the moderating role of computer self-efficacy.

Computers in Human Behavior, 16, 575-590.

Salanova, M., Peiró, J. M., & Schaufeli, W. B. (2002). Self-efficacy specificity and

burnout among information technology workers: An extension of the job demand-

control model. European journal of work and organizational psychology, 11(1),

1-25.

Salanova, M., & Schaufeli, W. B. (2000). Exposure to information technology and its

relation to burnout. Behaviour and Information Technology, 19(5), 385-392.

Sami, L. K., & Pangannaiah, N. B. (2006). “Technostress” A literature survey on the

effect of information technology on library users. Library Review, 55(7), 429-439.

Schaufeli, W. B., Keijsers, G. J., & Reis Miranda, D. (1995). Burnout, technology use,

and ICU-performance. In S. L. Sauter, & L. R. Murphy, Organizational risk

factors for job stress (pp. 259±271). Washington, DC: APA Books.

Schaufeli, W. B., Leiter, M. P., Maslach, Ch., & Jackson, S. E. (1996). Maslach

Burnout Inventory- General Survey. In C. Maslach, S. E. Jackson, & M. P. Leiter,

The Maslach Burnout Inventory (3rd.ed) Ð Test Manual (pp. 19±26). Palo Alto,

CA: Consulting Psychologists Press.

Schaufeli, W.B., & Van Dierendonck, D. (2000). Handleiding van de Utrechtse

Burnout Schaal (UBOS) [Manual for Utrecht Burnout Scale]. Lisse: Swets Test

Services.

45

Sethi, V., King, R. C., Campbell Quick, J. (2004), What causes stress in information

system professionals? Communications of the ACM, 47(3), 99-102.

Smith, B., Caputi, P., & Rawstorne, P. (2000). Differentiating computer experience and

attitudes toward computers: an empirical investigation. Computers in Human

Behaviour, 16, 59-81.

Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The Impact of

Technostress on Role Stress and Productivity. Journal of Management

Information Systems, 24(1), 301-328.

Taris, T.W., Kompier, M., (2003). Challenges in longitudinal designs in occupational

health psychology. Scandinavian journal of work environment & health, 29(1), 1-

4.

Thomée, S., Eklöf, M., Gustafsson, E., Nilsson, R., & Hagberg, M. (2007). Prevalence

of perceived stress, symptoms of depression and sleep disturbances in relation to

information and communication technology (ICT) use among young adults – an

explorative prospective study. Computers in Human Behavior, 23, 1300-1321.

Torkzadeh, R., Pfluhoeft, K., & Hall, L. (1999). Computer self-efficacy training

effectiveness and user attitudes: An empirical study. Behavior and Information

Technology, 18, 299–309.

Wang, K., Shu, Q., & Tu, Q. (2008). Technostress under different organizational

environments: An empirical investigation. Computers in Human Behavior, 24,

3002-3013.

46

Appendix

Bijlage 1. Begeleidende brief 47

Bijlage 2. Vragenlijsten 48

Bijlage 3. Codeboek 53

47

Bijlage 1. Begeleidende brief

Gent, (datum)

Geachte,

In het kader van mijn masterproef voor mijn studie Bedrijfspsychologie en

Personeelsbeleid aan de Universiteit Gent voer ik momenteel een onderzoek naar “De

impact van technostress op burnout bij administratief bedienden”.

Ik zou het ten zeerste appreciëren indien u hieraan een bijdrage wil leveren door de

vragenlijst in te vullen die u vindt via volgende link (URL). Het invullen van deze

vragenlijst neemt ongeveer 15 minuten in beslag. Er zijn geen juiste of foute

antwoorden.

Gelieve mij de ingevulde vragenlijst via de link door te sturen voor 31/12/2010.

Uiteraard worden alle bekomen gegevens strikt vertrouwelijk verwerkt en wordt elke

vorm van anonimiteit gewaarborgd.

Bij deze wil ik u alvast danken voor uw medewerking aan dit onderzoek. Indien u

geïnteresseerd bent in eventuele resultaten van dit onderzoek kan u mij bereiken via

onderstaande adresgegevens.

Hoogachtend,

Angélique Daeleman,

Kerkveldstraat 67,

9420 Erpe-Mere.

Tel.: 0494/66.62.04

Email: [email protected]

mailto:[email protected]

48

Bijlage 2. Vragenlijsten

Persoonlijke gegevens

1. Geslacht:

Man

Vrouw

2. Leeftijd: … jaar

3. Burgerlijke staat:

Samenwonend

Niet samenwonend

4. Hoogst behaalde diploma:

Lager secundair

Hoger secundair

Hoger onderwijs, niet-universitair

Hoger onderwijs, universitair

Technostress

De volgende stellingen hebben betrekking op stress ervaren door technologiegebruik.

Omcirkel het antwoord dat het best uw huidige overtuiging omschrijft.

Gelieve de volgende schaal te gebruiken voor elke stelling:

1= Volledig niet akkoord

2= Niet akkoord

3= Noch akkoord, noch niet akkoord

4= Akkoord

5= Volledig akkoord

De term „deze technologie‟ heeft betrekking op de dagelijkse computergebaseerde

applicaties die u tijdens u job gebruikt, zoals e-mail, verwerkingssystemen, database

systemen, ontwikkelingstools.

1. Ik word door deze technologie gedwongen om veel

sneller te werken. 1 2 3 4 5

49

2. Ik word door deze technologie gedwongen om meer

werk te verrichten dan ik aankan. 1 2 3 4 5

3. Ik word door deze technologie gedwongen om met een

zeer strak tijdschema te werken. 1 2 3 4 5

4. Ik word gedwongen mijn werkgewoontes te veranderen

om mij aan te passen aan nieuwe technologieën. 1 2 3 4 5

5. Ik heb een hogere werklast omwille van de

toegenomen technologie complexiteit. 1 2 3 4 5

6. Ik moet elke dag veel tijd spenderen aan het lezen van

een overweldigende hoeveelheid e-mail. 1 2 3 4 5

7. Ik moet harder werken omwille van de vertragingen

door hardware, software en netwerk problemen. 1 2 3 4 5

8. Ik breng minder tijd door met mijn familie omwille van

deze technologie. 1 2 3 4 5

9. Ik moet in contact staan met mijn werk, zelfs tijdens

mijn vakantie omwille van deze technologie. 1 2 3 4 5

10. Ik moet mijn vakantie- en weekendtijd opofferen om

op de hoogte te blijven van nieuwe technologieën. 1 2 3 4 5

11. Ik voel dat mijn persoonlijke leven ingenomen wordt

door deze technologie. 1 2 3 4 5

12. Ik weet niet genoeg over deze technologie om mijn

job naar behoren uit te voeren. 1 2 3 4 5

13. Ik heb veel tijd nodig om nieuwe technologieën te

begrijpen en te gebruiken. 1 2 3 4 5

14. Ik heb niet genoeg tijd om mijn

technologievaardigheden te bestuderen en bij te schaven. 1 2 3 4 5

15. Ik vind dat nieuw aangeworven werknemers in deze

organisatie meer weten over computertechnologie dan ik. 1 2 3 4 5

16. Ik vind het vaak te complex voor me om nieuwe

technologieën te begrijpen en te gebruiken. 1 2 3 4 5

17. Ik voel een constante bedreiging van mijn

werkzekerheid omwille van nieuwe technologieën. 1 2 3 4 5

18. Ik moet mijn vaardigheden constant bijwerken om te

vermijden dat ik vervangen word. 1 2 3 4 5

19. Ik ben bedreigd door collega's met nieuwere

technologie vaardigheden. 1 2 3 4 5

20. Ik deel mijn kennis niet met mijn collega's uit angst

vervangen te worden. 1 2 3 4 5

21. Ik voel dat er minder kennis gedeeld wordt onder

collega's uit angst vervangen te worden. 1 2 3 4 5

22. Er zijn altijd nieuwe ontwikkelingen in de technologie

die we in onze organisatie gebruiken. 1 2 3 4 5

23. Er zijn voortdurende veranderingen in de

computersoftware in onze organisatie. 1 2 3 4 5

50

24. Er zijn voortdurende veranderingen in de

computerhardware in onze organisatie. 1 2 3 4 5

25. Er zijn frequente upgrades in de computernetwerken

in onze organisatie. 1 2 3 4 5

Burnout

De volgende uitspraken hebben betrekking op hoe u uw werk beleeft en hoe u

zich daarbij voelt. Wilt u aangeven hoe vaak iedere uitspraak op u van

toepassing is door steeds het best passende cijfertje te omcirkelen.

Gelieve de volgende schaal te gebruiken voor elke uitspraak:

1 = Nooit

2 = Sporadisch

3 = Af en toe

4 = Regelmatig

5 = Dikwijls

6 = Zeer dikwijls

7= Altijd

N

ooit

Spora

dis

ch

Af

en t

oe

Reg

elm

atig

Dik

wij

ls

Zee

r

dik

wij

ls

Alt

ijd

1. Ik voel me mentaal uitgeput door mijn werk. 1 2 3 4 5 6 7

2. Ik twijfel aan het nut van mijn werk. 1 2 3 4 5 6 7

3. Een hele dag werken vormt een zware belasting voor mij. 1 2 3 4 5 6 7

4. Ik weet de problemen in mijn werk goed op te lossen. 1 2 3 4 5 6 7

5. Ik voel me “opgebrand” door mijn werk. 1 2 3 4 5 6 7

6. Ik heb het gevoel dat ik met mijn werk een positieve

bijdrage lever aan het functioneren van de organisatie. 1 2 3 4 5 6 7

7. Ik merk dat ik te veel afstand heb gekregen van mijn werk. 1 2 3 4 5 6 7

8. Ik ben niet meer zo enthousiast als vroeger over mijn werk. 1 2 3 4 5 6 7

9. Ik vind dat ik mijn werk goed doe. 1 2 3 4 5 6 7

10. Als ik op mijn werk iets afrond, vrolijkt me dat op. 1 2 3 4 5 6 7

51

11. Aan het einde van een werkdag voel ik me leeg. 1 2 3 4 5 6 7

12. Ik heb in deze baan veel waardevolle dingen bereikt. 1 2 3 4 5 6 7

13. Ik voel me vermoeid als ik ‟s morgens opsta en er weer een

werkdag voor me ligt. 1 2 3 4 5 6 7

14. Ik ben cynischer geworden over de effecten van mijn werk. 1 2 3 4 5 6 7

15. Op mijn werk blaak ik van zelfvertrouwen. 1 2 3 4 5 6 7

Computer Self-Efficacy

De volgende stellingen hebben betrekking op uw attitudes ten aanzien van computers.

Omcirkel het antwoord dat het best uw huidige attitude omschrijft.

Gelieve de volgende schaal te gebruiken voor elke stelling:

1= Volledig niet akkoord

2= Niet akkoord

3= Noch akkoord, noch niet akkoord

4= Akkoord

5= Volledig akkoord

1. Ik voel me zeker bij het werken op een computer. 1 2 3 4 5

2. Ik vind dat ik een positieve attitude heb ten aanzien van

computers. 1 2 3 4 5

3. Ik vind dat computers nuttig zijn. 1 2 3 4 5

Er wordt in het professionele leven vaak verteld over softwarepakketten die beschikbaar

zijn om het werk makkelijker te maken. Beeldt u voor de volgende vragen in dat u zo

een nieuw softwarepakket ontvangen hebt voor sommige aspecten van u job. Het speelt

geen rol wat dit softwarepakket specifiek doet, enkel dat het is bedoeld om uw job

makkelijker te maken en dat u het nog nooit voordien gebruikt hebt.

Bij de volgende vragen moet u aanduiden of u het onbekende softwarepakket kan

gebruiken onder verschillende condities. Gelieve voor elk van de condities aan te duiden

hoe zeker u bent dat u uw werk kan uitvoeren met het softwarepakket, dit door het voor

u meest passende cijfer te omcirkelen, waarbij 1 staat voor “Helemaal niet zeker”, 5

voor “Min of meer zeker” en 10 voor “Helemaal zeker”.

52

Ik kan mijn taken volbrengen door gebruik te maken van het

softwarepakket…

1. …wanneer er niemand in de buurt zou zijn die me

kan zeggen wat ik moet doen. 1 2 3 4 5 6 7 8 9 10

2. …wanneer ik nog nooit een gelijkaardig

softwarepakket gebruikt heb. 1 2 3 4 5 6 7 8 9 10

3. …wanneer ik enkel de handleiding van de sofware

heb ter referentie 1 2 3 4 5 6 7 8 9 10

4. …wanneer ik iemand anders het softwarepakket heb

zien gebruiken alvorens ik het zelf probeer. 1 2 3 4 5 6 7 8 9 10

5. …wanneer ik iemand om hulp kan vragen als ik zou

vastlopen. 1 2 3 4 5 6 7 8 9 10

6. …wanneer iemand anders me zou helpen om te

starten. 1 2 3 4 5 6 7 8 9 10

7. …wanneer ik veel tijd zou hebben om het werk

waarvoor de software voorzien was uit te voeren 1 2 3 4 5 6 7 8 9 10

8. …wanneer ik enkel de ingebouwde helpapplicatie

heb ter assistentie. 1 2 3 4 5 6 7 8 9 10

9. …wanneer iemand me eerst zou tonen hoe ik het

moet doen. 1 2 3 4 5 6 7 8 9 10

10. …wanneer ik reeds gelijkaardige

softwarepakketten heb gebruikt om hetzelfde werk uit

te voeren.

1 2 3 4 5 6 7 8 9 10

53

Bijlage 3. Codeboek

Technostress (Technostress Questionnaire)

Nr. Vraag Naam Construct/ Variabele Afkorting Aantal Items

Missing Value

Antwoordmogelijkheden Kwantificering

Techno-overload TECHOV 7 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE TECHOV = TECHOV1 + TECHOV2 + TECHOV3 + TECHOV4 + TECHOV5 + TECHOV6 + TECHOV7 Min TECHOV = 7 / Max TECHOV = 35 Hoge score = hoe meer techno-overload men ervaart

1 sneller werken TECHOV1 1 99

2 meer werk te verrichten TECHOV2 1 99

3 strak tijdschema TECHOV3 1 99

4 werkgewoontes veranderen TECHOV4 1 99

5 hogere werklast TECHOV5 1 99

6 hoeveelheid e-mail TECHOV6 1 99

7 harder werken door vertraging TECHOV7 1 99

54

Techno-invasie TECHIN 4 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE TECHIN = TECHIN8 + TECHIN9 + TECHIN10 + TECHIN11 Min TECHIN = 4 / Max TECHIN = 20 Hoge score = hoe meer techno-invasie men ervaart

8 minder tijd met familie TECHIN8 1 99

9 contact met werk in vakantie TECHIN9 1 99

10 vakantie en weekend opofferen TECHIN10 1 99

11 persoonlijk leven ingenomen TECHIN11 1 99

Techno-complexiteit TECHCO 5 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE TECHCO = TECHCO12 + TECHCO13 + TECHCO14 + TECHCO15 + TECHCO16 Min TECHCO = 5 / Max TECHCO = 25 Hoge score = hoe meer techno-complexiteit men ervaart

12 weet niet genoeg over technologie TECHCO12 1 99

13 veel tijd nodig om te begrijpen TECHCO13 1 99

14 niet genoeg tijd om te bestuderen TECHCO14 1 99

15 nieuwe werknemers weten meer TECHCO15 1 99

16 te complex om te begrijpen TECHCO16 1 99

55

Techno-onveiligheid TECHON 5 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE TECHON = TECHON17 + TECHON18 + TECHON19 + TECHON20 + TECHON21 Min TECHON = 5 / Max TECHON = 25 Hoge score = hoe meer techno-onveiligheid men ervaart

17 constante bedreiging werkzekerheid TECHON17 1 99

18 vervanging vermijden TECHON18 1 99

19 bedreigd door nieuwe collega's TECHON19 1 99

20 deel kennis niet met collega's TECHON20 1 99

21 er wordt minder kennis gedeeld TECHON21 1 99

Techno-onzekerheid TECHOZ 4 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE TECHOZ = TECHOZ22 + TECHOZ23 + TECHOZ24 + TECHOZ25 Min TECHOZ = 4 / Max TECHOZ = 20 Hoge score = hoe meer techno-onzekerheid men ervaart

22 nieuwe ontwikkelingen TECHOZ22 1 99

23 voortdurende veranderingen software TECHOZ23 1 99

24 voortdurende veranderingen hardware TECHOZ24 1 99

25 frequente upgrades TECHOZ25 1 99

56

Burnout (UBOS)


Missing Value


Emotionele uitputting EUITP 5 1 = nooit 2 = sporadisch 3 = af en toe 4 = regelmatig 5 = dikwijls 6 = zeer dikwijls 7 = altijd

COMPUTE EUITP = EUITP1 + EUITP3 + EUITP5 + EUITP11 + EUITP13 Min EUITP = 5 / Max EUITP = 35 Hoge score = hoe meer emotionele uitputting men ervaart

1 mentaal uitgeput EUITP1 1 99

3 hele dag werken vormt zware belasting EUITP3 1 99

5 opgebrand EUITP5 1 99

11 zich leeg voelen aan het einde van een werkdag EUITP11 1 99

13 vermoeid voor werkdag EUITP13 1 99

Depersonalisatie DP 4 1 = nooit 2 = sporadisch 3 = af en toe 4 = regelmatig 5 = dikwijls 6 = zeer dikwijls 7 = altijd

COMPUTE DP = DP2 + DP7 + DP8 + DP14 Min DP = 4 / Max DP = 28 Hoge score = hoe meer depersonalisatie men ervaart

2 twijfel aan nut van werk DP2 1 99

7 te veel afstand van werk DP7 1 99

8 niet meer zo enthousiast DP8 1 99

14 cynischer over effecten van mijn werk DP14 1 99

57

Persoonlijke bekwaamheid PB 6 1 = nooit 2 = sporadisch 3 = af en toe 4 = regelmatig 5 = dikwijls 6 = zeer dikwijls 7 = altijd

COMPUTE PB = PB4 + PB6 + PB9 + PB10 + PB12 + PB15 Min PB = 6 / Max PB = 42 Hoge score = hoe meer persoonlijke bekwaamheid men ervaart

4 problemen in mijn werk goed oplossen PB4 1 99

6 gevoel positieve bijdrage PB6 1 99

9 vind dat ik mijn werk goed doe PB9 1 99

10 iets afronden vrolijkt me op PB10 1 99

12 in deze baan veel waardevolle dingen bereikt PB12 1 99

15 in mijn werk blaak ik van zelfvertrouwen PB15 1 99

Attitude ten aanzien van computers


Missing Value


Attitudes ATT 3 1 = volledig niet akkoord 2 = niet akkoord 3 = noch akkoord, noch niet akkoord 4 = akkoord 5 = volledig akkoord

COMPUTE ATT = ATT1 + ATT2 + ATT3 Min ATT = 3 / Max ATT = 15 Hoge score = hoe positiever de attitude ten aanzien van computers

1 zeker bij het werken op computer ATT1 1 99

2 positieve attitude ATT2 1 99

3 computers zijn nuttig ATT3 1 99

58

Computer self-efficacy (CSE-measure)


Missing Value


Computer Self-Efficacy CSE 10 1 = helemaal niet zeker 5 = min of meer zeker 10 = helemaal zeker

COMPUTE CSE = CSE1 + CSE2 + CSE3 + CSE4 + CSE5 + CSE6 + CSE7 + CSE8 + CSE9 + CSE10 Min CSE = 10 / Max CSE = 100 Hoge score = hoge computer self-efficacy

1 niemand in de buurt CSE1 1 99

2 nooit gelijkaardig softwarepakket gebruikt CSE2 1 99

3 enkel handleiding van software CSE3 1 99

4 iemand anders al zien gebruiken CSE4 1 99

5 iemand om hulp kan vragen CSE5 1 99

6 iemand me zou helpen CSE6 1 99

7 veel tijd om werk uit te voeren CSE7 1 99

8 enkel helpapplicatie CSE8 1 99

9 iemand eerst zou tonen CSE9 1 99

10 reeds gelijkaardig softwarepakket gebruikt CSE10 1 99

Technostress, burnout en de modererende rol van computer ... · Figuur 2. Modererend effect van...

Documents

Transcript of Technostress, burnout en de modererende rol van computer ... · Figuur 2. Modererend effect van...