MétaCan
Menu
Retour à la cohorte
Enregistrement W2160075467 · doi:10.1109/hicss.2014.22

Perceptions of Effectiveness of Instructional Uses of Technology in Higher Education in an Era of Web 2.0

2014· article· en· W2160075467 sur OpenAlexaffabout
Vivek Venkatesh, Anne‐Marie Croteau, Jihan Rabah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWorld Wide WebPerceptionMultimediaComputer aided instructionMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Understanding learners' perceptions regarding the effectiveness of information and communication technology (ICT) use, including those in the broad category of social media, is both important and critical to the success or failure of integration of ICT in higher education settings. Using theories of educational psychology and technology integration, a 50-item survey was constructed and data were collected from 14,283 students from 12 Québec universities in Canada, using a probabilistic sampling strategy. Exploratory factor analyses followed by multiple regressions show that engaging lectures, effective use of ICT tools for individual study and group-work, as well as active and self-regulated study strategies have a positive and significant impact on students' perceptions of course effectiveness. Results are discussed in light of research on social media tools, instructional effectiveness and gender difference in technology use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,342
Écart entre enseignants0,328 · 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 tête enseignante, 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

Citations120
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOnline and Blended LearningTravaux en français237 207