Testing the Technology Acceptance Model 3 (TAM 3) with the Inclusion of Change Fatigue and Overload, in the Context of Faculty from Seventh-day Adventist Universities: A Revised Model
Notice bibliographique
Résumé
Problem. In recent years, the use of technology in institutions of higher learning has grown significantly. The use of Learning Management Systems (LMSs) is central to this growth. LMSs assist in the ease, consistency, and effectiveness of delivering instruction to students. The challenges involved in implementing an LMS, and the time pressures placed on faculty make decisions concerning LMSs particularly crucial. Since the goal of administration is to encourage adoption and optimal usage of the LMS by as many faculty members as possible, the focus of this study is the dynamic of factors that predict usage of Learning Management Systems. Method. Two hundred randomly selected faculty members responded to a 40-item SurveyMonkey questionnaire based on the TAM 3 variables plus Change Fatigue, Overload, and demographics. This questionnaire evaluated factors that influence their use of the LMS employed by their university. Correlations, regressions, and path analysis were employed to test critical links between key variables in the model. Results. Analysis found substantial differences from links in the TAM 3 model. Specifically, factors including Subjective Norm, Image, Computer Self-Efficacy, Computer Anxiety, Computer Playfulness, Perceived Enjoyment, Objective Usability, and Experience did not significantly impact the present model. The consistent dynamic on all of these variables is that with greater fluency, more extensive use of computers, and the effect of digital wisdom, each of these factors fades in importance. Whereas Overload did not impact the model, Change Fatigue was a significant predictor of lower LMS usage. A more parsimonious revised model of factors that reflect these changes was constructed. Conclusions. The proposed design appears to be a simpler and more streamlined model for use by administrators in understanding the factors that lead to effective and increased use of Learning Management Systems. The core elements of the TAM 3 remain intact. This suggests that administrators should pay close attention to perceived usefulness of the LMS, perceived ease of use, voluntariness, and change fatigue in selecting and implementing any new system and in seeking to increase adoption of the current system.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».