Empirical Analysis on Factors Impacting on Intention to Use M-learning in Basic Education in Egypt
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
It is apparent that m-learning will continuously have a massive role in terms of development in teaching and learning methods for education. Student's intention to use this technology is the main factor that eventually leads to a success in implementing m-learning. The objectives of this particular research are to come up with the development and examination towards a research model to uncover the factors that have important effects on the intention to use mobile learning for basic education in Egypt. A research model was developed through extending the unified theory of acceptance and use of technology (UTAUT) by incorporating two additional factors namely; learners' autonomy (LA) and content quality design (CQD). A quantitative approach based on cross-sectional survey was used to collect data from 386 respondents.. The methodology used in this study was a Partial Least Squares (PLS) that was expected to test the model empirically. The results showcased that learners' autonomy (LA), performance expectancy (PE), facilitating conditions (FC), and social influence (SI) are significant in relation to behavioural intention (BI) to use m-learning while effort expectancy (EE) did not show the impact on intention to use mobile learning. The research also found that content quality design (CQD) affects significantly on performance expectancy (PE) and effort expectancy (EE). The possible development in future research and the limitations of the findings are also discussed later in this paper.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle