Incentives and Obstacles Influencing Faculty Members’ Use of Information and Communication Technology (ICT)
Notice bibliographique
Résumé
The use of Information and Communication Technology (ICT) in the classroom is very important for providing opportunities for students and learners to learn to operate in an information era. Studying the incentives and obstacles to the use of ICT in education may assist instructors to overcome these barriers and become successful technology adopters in the future. Thus, this paper investigates the factors related to the incentives and obstacles that influence the use of ICT in the educational practices as perceived by faculty members in Jordanian universities. Moreover, this article identifies factors that may affect faculty member’ decisions to use ICT in the classroom. These factors are interrelated; the success of the implementation of ICT in teaching and learning process is not dependent on the availability or absence of one individual factor, but is determined through a dynamic process involving a set of interrelated factors. A web-based questionnaire was employed and distributed to all faculty members of four selected universities in Jordan for the Fall Semester 2017/2018. A total of 262 participants from a wide variety of schools have responded and completed the survey. The results of the analysis revealed that the major factors that prevent or affect faculty member’ use of ICT in higher education institutions in Jordan are lack of faculty member ICT skills; lack of faculty member confidence; lack of pedagogical faculty member training; lack of suitable educational software; limited access to ICT tools; rigid structure of traditional education systems; restrictive curricula, etc. The article concluded that knowing the extent to which these factors and obstacles affect individuals and institution may help in taking a decision on how to tackle them.
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 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 ».