Multiple Factors Influence Undergraduates’ Intent to Use Online Library Resources
Notice bibliographique
Résumé
A Review of:
 Joo, S., & Choi, N. (2015). Factors affecting undergraduates’ selection of online library resources in academic tasks. Library Hi Tech, 33(2), 272-291. doi: 10.1108/LHT-01-2015-0008
 
 Objective – To investigate multiple factors that may affect undergraduate students’ selection of online library resources. Usefulness and ease of use, quality, and user differences were each explored as factors influencing undergraduates’ use intention.
 
 Design – Survey questionnaire. 
 
 Setting – A state university located in the United States of America. 
 
 Subjects – 332 randomly selected undergraduate students.
 
 Methods – A survey designed to measure the intent to utilize online library resources was administered to an undergraduate population. The results, including 11 factors of use intention, were analyzed quantitatively using inferential statistics such as structural equation modeling, multiple regression, t-tests, ANOVAs, and linear regression. 
 
 Main Results – The factors of usefulness and ease of use were reported to have a positive relationship with undergraduates’ intent to use online library resources (regression weights = 0.473 and 0.408, p < 0.01). Respondents who answered that they were “very or extremely familiar” with online library resources had higher use intention of these sources (mean = 6.17) than other groups moderately or not at all familiar (mean = 5.74 and 4.95, respectively). Experience in a library instruction program was not found to influence use intention (t = -0.368, p > 0.05). 
 
 Conclusions – The authors conclude that multiple factors influence online library resource selection behavior among undergraduates. The results indicate that usefulness and ease of use are important factors in use intention. The effect of “resource quality” factors, indicated by credibility, format, accessibility, currency, and coverage, suggested that all five factors positively impact use intention. Accessibility is most likely to increase the likelihood of online library resource selection while the credibility of a source has the weakest effect on selection. Familiarity with online library resources and self-reported strong search skills also positively influenced use intention.
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 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,348 |
| Science ouverte | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».