The adoption of a social learning system: Intrinsic value in the UTAUT model
Notice bibliographique
Résumé
Abstract The purpose of this study is to identify the determinants of the intention to use and the effective use of a learning management system that integrates social learning tools. Data were collected through an online questionnaire and analyzed using structural equation modeling techniques. As our theoretical lens, we adapted the original unified theory of acceptance and the use of technology model by extending it with intrinsic value construct. As such, this research allowed for the first time testing an extended version of the unified theory of acceptance and the use of technology model in a social learning context. Our results show that facilitating conditions and intrinsic value variables explained the behavioral intention to use a learning management system that integrates social media technology and that facilitating conditions variable predicted use behavior. Our research findings suggest fostering both students’ enjoyment and interest in using social learning technologies for education and offering them facilitating conditions to strengthen technology adoption. Practitioner Notes What is already known about this topic Universities know that students are accustomed to use social media for personal purposes. Teachers are trying to integrate social media tools into learning management systems. There is little knowledge about what makes students’ willing to use social media tools for learning. The unified theory of acceptance and use of technology is an approved model that explains the intention to use and the effective use of technology. What this paper adds The paper identifies the determinants that make students’ willing to use a learning management system in which a social media tool is embedded. Apart from the main determinants of the unified theory of acceptance and the use of technology model, intrinsic value—defined as the feeling of both enjoyment and interest from performing an activity—explains behavioral intention and use behavior toward social media systems. Implications for practice and/or policy The paper concludes with advices for decision makers in universities who want to integrate social learning tools in learning management systems: They have to pay attention to not only the social media system’s functionalities, but also to how the system can be enjoyable and interesting to use. They have to think about offering better facilitating conditions to students—like user manuals, an online FAQ, discussion forums, training sessions, or personal human support—to strengthen the adoption of social learning systems.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».