MétaCan
Menu
Retour à la cohorte
Enregistrement W2983857183 · doi:10.5430/ijhe.v8n6p267

Digital Competencies and Professional attitudes as Predictors of Universities academics' Digital Technologies Usage: Example of Al-Hussein Bin Talal

2019· article· en· W2983857183 sur OpenAlexvenueno aff
Mustafa Jwaifell, Osama M. Kraishan, Dima Waswas, Raed O Salah

Notice bibliographique

RevueInternational Journal of Higher Education · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)DigitizationPerceptionInformation and Communications TechnologyLikert scalePsychologyMedical educationPedagogyEngineeringComputer scienceMedicineSocial psychologyWorld Wide WebTelecommunications

Résumé

récupéré en direct d'OpenAlex

Information Communication Technologies (ICT) has experienced remarkable development and changes provoked by the spread of digitization and the rise of electronic technologies. Those changes made it urgent to understand academics' perceptions and professional usage of those technologies in higher education. To understand the academics' perception of digital technologies in higher education we have conducted this study in Al-Hussein Bin Talal University (AHU) as an example of academics' digital competencies, professional attitudes, and professional application of digital tools, and possibility of predicting the degree of application of digital tools through the degree of academics' competencies and professional attitudes . This study carried out in Ma'an, a poor-environment area of Southern Governorate in Jordan, with 107 academics who work in AHU as an instructors, has one aim which is to explore how they perceive new digital technologies. Most important result of the study showed that academics competence, attitudes, and digital technologies tools usage are in average level. Moreover the study showed that digital technology tool usage's degree can be predicted through the degrees of the academics' competence and attitudes.. Recommendations were included in this study.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,158
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,327
Écart entre enseignants0,310 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetGender and Technology in EducationTravaux en français237 207