EFL Instructors’ Perceptions of Blackboard Learning Management System (LMS) at University Level
Notice bibliographique
Résumé
The present paper aims to investigate EFL instructors’ perceptions of Blackboard learning management system (LMS) at Taif University in Saudi Arabia. To achieve this purposes, the researcher attempted to answer two questions. The first question investigates EFL instructors’ perceptions of Blackboard LMS. The second question aims to identify instructors’ suggestions to overcome difficulties encountered while using the system. A questionnaire of 4- Likert Scale was used to gather data from one hundred and two instructors to answer the first question, and content analysis was used to answer the second question. The collected data were analyzed in the form of descriptive statistics. The results, on one hand, revealed that 75% of the instructors have not used Blackboard technology before coming to university, which would affect their perceptions of the system. It was also evident that most of the instructors believe that the different features of Blackboard LMS are either poor or very poor. In addition, the instructors, in most of their responses to the functionalities of using the Blackboard LMS, rarely or never used the system. On the other hand, the results revealed that the instructors have a positive attitude towards the system in terms of its impact on learning, which can be the starting point to help them be familiarized more with the system’s features and functionalities through professional development. Based on the results, the researcher presented a number of conclusions and recommendations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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; 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 ».