MétaCan
Menu
Retour à la cohorte
Enregistrement W1956636359 · doi:10.19173/irrodl.v14i3.1412

An explanation for internet use obstacles concerning e-learning in Iran

2013· article· en· W1956636359 sur OpenAlexvenueno aff
Ali Rabiee, Zahra Nazarian, Raziyeh Gharibshaeyan

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation in Diverse Contexts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThe InternetContext (archaeology)Likert scaleHigher educationPsychologyE learningExploratory factor analysisEducational technologyQualitative researchExploratory researchQualitative propertyDistance educationMathematics educationComputer scienceKnowledge managementMedical educationWorld Wide WebSociologyPolitical scienceSocial scienceMedicineGeography

Résumé

récupéré en direct d'OpenAlex

E-learning is advancing in Iran right now. The Iranian higher education system is applying electronic learning in order to conquer the limitations of the existing education system. These limitations include the growing number of applicants for entering universities, lack of classrooms for education, and universities’ tensions in replying to these needs. Also, ease of access to e-learning and a lack of financial resources are reasons for applying e-learning in Iran. In addition, the Iranian higher education system wants to progress with global changes in the information era and they see it as necessary to acquire information and knowledge. Meanwhile, web technology enjoys a special and significant role. This paper investigated barriers to using internet technology for e-learning in the Iranian context. The methodology employed both qualitative and quantitative techniques. In the qualitative stage, exploratory observations of eight virtual institutes for higher education and interviews with 20 experts in these institutes were used. The analysis of the data showed that socio-cultural, structural, educational, economic, and legal factors were the most prominent obstacles to web technology use; each factor comprised a number of components. So as to check the primacy of the factors and the extracted components at large, the researchers developed a Likert-type questionnaire; the questionnaire, which comprised the five types of obstacles and their related components, enjoyed a high degree of validity and reliability. Twenty students in each of the eight institutes were asked to fill out the questionnaire. The analysis of the data showed that socio-cultural factors are the most influential barriers to use of the Internet in e-learning.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,271
Tête enseignante GPT0,510
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetEducation in Diverse ContextsTravaux en français237 207