Factors Influencing Teachers’ Use of Multimedia Enhanced Content in Secondary Schools in Tanzania
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
<p class="Style2">Tanzania is faced with a severe shortage of qualified in-service school science and mathematics teachers. While science and mathematics account for 46% of the curriculum, only 28% of teachers are qualified to teach these subjects. In order to overcome this challenge, the Ministry of Education and Vocational Training (MoEVT) implemented a project to use multimedia-enhanced content to upgrade subject content knowledge of science and mathematics teachers in secondary schools. A total of 70 topics and 147 subtopics were developed and enhanced with various multimedia elements. The content was used to train 2,000 in-service science and mathematics teachers from secondary schools in 19 selected centers countrywide. However, the presence and availability of this content does not automatically guarantee that teachers will use them. For this content to improve teachers’ subject content knowledge, they must be accepted and used by teachers in secondary schools. This study examines factors affecting teachers’ acceptance and prolonged use of developed multimedia-enhanced content using the extended Unified Theory of Acceptance and Use of Technology (UTAUT2) as a research framework. A sample of 1,137 teachers out of 2,000 was collected and tested against the research model using regression analysis. With exception of <em>performance expectancy</em>, all other factors had a statistically significant effect on teachers’ acceptance and use of the developed content. The government and other stakeholders can use these findings to develop strategies that will promote acceptance and use of the developed content in secondary schools in Tanzania.</p>
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 | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| 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 découle