MétaCan
Menu
Retour à la cohorte
Enregistrement W2604550836 · doi:10.34105/j.kmel.2017.09.005

Examining the antecedents of Facebook acceptance via structural equation modeling: A case of CEGEP students

2017· article· en· W2604550836 sur OpenAlexaff
Tenzin Doleck, Paul Bazelais, David John Lemay

Notice bibliographique

RevueKnowledge Management & E-Learning An International Journal · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingTechnology acceptance modelPsychologySocial psychologySocial mediaUsabilityWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Although the last decade has witnessed social networking sites of varied flavors, Facebook’s user growth continues to balloon, and relatedly, Facebook remains popular among the college populace. While there has been a growing body of work on ascertaining antecedents of Facebook use among college students, Collège d'enseignement général et professionnel (CEGEP) students’ acceptance of Facebook remains underexplored. The purpose of this study was to analyze CEGEP students’ acceptance of Facebook using the technology acceptance model (TAM). Structural equation modeling was conducted on data from a survey of 214 CEGEP students. We find that Facebook use is motivated by the core TAM constructs as well as the added factors of peer influence, perceived enjoyment, perceived self-efficacy, relative advantage, risk, and trust.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,367
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0040,001
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 Opus0,213
Tête enseignante GPT0,462
Écart entre enseignants0,249 · 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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge Management & E-Learning An International JournalMême sujetTechnology Adoption and User BehaviourTravaux en français237 207