Information Communication Technology (ICT) Utilization in Private Universities in Uganda: Exploring Strategies to Improve. A Case of Uganda Christian University
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
The study was an extension of a similar study by [1] conducted among local government staff in Uganda and was extended among staff at Uganda Christian University. A total of 108 respondents out of the accessible 130 representing 83.0% response rate was realized after administering the study instruments over a period of two (2) weeks. Of the 108 respondents, 70.4% constituted staff in administration, 8.0% heads of sections and 21.6% academic staff. Data was analyzed using different statistical techniques which included descriptive statistics, mainly mean and standard deviation, Pearson Product Moment Correlation Coefficient to establish the relationships between variables and multiple regression analysis to establish causal influence of factors on ICT utilization. At bivariate level, organizational support systems, ICT infrastructure and users’ perceptions had a strong relationship on ICT utilization. Multiple regression analysis revealed that only user perceptions (perceived ease of use) and user knowledge and skills had a significant causal influence on ICT utilization. The researcher Recommended that UCU strategic management cater for personnel ICT capacity building to improve their skills and therefore enhance ICT usability. Further research may consider segmenting staff by faculties and study how utilization levels differ using ANOVA. A comparative study can also be undertaken to assess UCU and any other private university.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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