Modeling Participation Intention of Adults in Continuing Education - A Behavioral Approach
Notice bibliographique
Résumé
The study examined how attitudes and subjective norms could be used to predict participation intention of adults in continuing education. In this research, attitudes comprised the two variables of positive attitude and negative attitude and subjective norms included normative belief and motivation to comply. Structural equation modeling using a maximum likelihood estimator was used to test the data collected from 752 adult respondents in Hong Kong, China. The results indicated that the relationships between positive attitude, negative attitude, normative belief and participation intention were significant. The relationship between motivation to comply and participation intention was found insignificant. However the strong relationship between motivation to comply and positive attitude revealed the indirect influence of motivation to comply on participation intention through positive attitude. The result also disclosed the phenomenon that normative belief was a better predictor of participation intention in continuing education than positive and negative attitudes in this context. The Theory of Reasoned Action (Fishbein & Ajzen, 1975) was used as the basis of reference in developing the conceptual framework of this study. The revised attitudes towards continuing education scales (Blunt, 2002) were shown to have validity in terms of the direct association with the various attitudes of adults towards continuing education. It was concluded that positive attitude, negative attitude, normative belief and motivation to comply with perceived social influence provided meaningful indicators of the respondents in the sample as well as reliable predictive variables to participation intention in continuing education.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».