The Adoption of a Virtual Reality–Assisted Training System for Mental Rotation: A Partial Least Squares Structural Equation Modeling Approach
Notice bibliographique
Résumé
BACKGROUND: Virtual reality (VR) technologies have been developed to assist education and training. Although recent research suggested that the application of VR led to effective learning and training outcomes, investigations concerning the acceptance of these VR systems are needed to better urge learners and trainees to be active adopters. OBJECTIVE: This study aimed to create a theoretical model to examine how determining factors from relevant theories of technology acceptance can be used to explain the acceptance of a novel VR-assisted mental rotation (MR) training system created by our research team to better understand how to encourage learners to use VR technology to enhance their spatial ability. METHODS: Stereo and interactive MR tasks based on Shepard and Metzler's pencil and paper test for MR ability were created. The participants completed a set of MR tasks using 3D glasses and stereoscopic display and a 6-degree-of-freedom joystick controller. Following task completion, psychometric constructs from theories and previous studies (ie, perceived ease of use, perceived enjoyment, attitude, satisfaction, and behavioral intention to use the system) were used to measure relevant factors influencing behavior intentions. RESULTS: The statistical technique of partial least squares structural equation modeling was applied to analyze the data. The model explained 47.7% of the novel, VR-assisted MR training system's adoption intention, which suggests that the model has moderate explanatory power. Direct and indirect effects were also interpreted. CONCLUSIONS: The findings of this study have both theoretical and practical importance not only for MR training but also for other VR-assisted education. The results can extend current theories from the context of information systems to educational and training technology, specifically for the use of VR-assisted systems and devices. The empirical evidence has practical implications for educators, technology developers, and policy makers regarding MR training.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».