Factors that impact student usage of the learning management system in Qatari schools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In an attempt to enhance teacher and student performance in school, a learning management system (LMS) known as Knowledge-Net (K-Net) was introduced in Qatari independent schools. (All public schools in Qatar have transformed to independent schools; the independent schools model is similar to the charter school system in North America.) An LMS is a tool that organizes and regulates classroom administrative tasks, supports teachers and students in the teaching and learning process, and informs parents of their children’s progress and school activities. Despite the benefits of the LMS, research studies indicate that its use by students has been limited because of a number of manipulative and non-manipulative factors that can influence behavior. This study explores the factors that impact student use of the LMS K-Net in Qatari independent schools. Quantitative data were collected through a questionnaire that was administered to students in 37 schools. A total of 1,376 students responded to the questionnaire. Semi-structured interviews were used to collect qualitative data that helped to confirm the results of the quantitative data and to provide additional insight on students’ perspectives regarding the use of the LMS. The results point to a strong relation between ICT knowledge and LMS usage. They suggest that the more ICT knowledge students have, the less prone they are to using the LMS. Attitudinal barriers were not predictive of usage. Student usage was strongly correlated to teacher and parent usage. This study is informative in evaluating LMS usage in Qatari schools. <br /><br />
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle