Internet usage among undergraduate nursing students: A case study of a selected university in South Africa
Notice bibliographique
Résumé
Background: Globally, the internet is becoming an increasingly indispensable tool in academic institutions and the workplace. Nursing students are required to use the computer and the internet to search for information and to use various software, for which computer and internet literacy are essential. Despite becoming an important tool for teaching and learning, literature reflects an under-utilization of the internet in academic and non-academic settings for a number of reasons. This article explores the general internet usage of undergraduate nursing students at a selected university in South Africa.Methods: A quantitative, non-experimental, exploratory descriptive design was used, with 115 undergraduate nursing students participating in the study. Data was collected using a questionnaire survey after obtaining ethical clearance from the university’s ethics committee and were analysed descriptively.Results: The findings revealed that the internet was used for various purposes including; academic (96.5%); communication (82.6%), pleasure (71.3%), and work-related activity (53.9%). Facebook (77.4%) was the most commonly used social network. Constraints encountered in using Barriers to the use of the internet include restriction of access to certain sites (62.6%), very slow internet connection (55.7%), little training on how to use internet facilities (38.3%), and a limited number of computers (37.4%).Conclusions: Contrary to other studies, this study shows that students do use the internet for a number of reasons, and recommend structured support on how to use if for academic purposes.
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 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».