A UTAUT Evaluation of WhatsApp as a Tool for Lecture Delivery During the COVID-19 Lockdown at a Zimbabwean University
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
Focusing through the lens of the (COVID-19) lockdown which was enforced on the 30th of March 2020, it became apparent that students from rural resource-constrained educational institutions had to adapt to sustainable online learning platforms from traditional content delivery. WhatsApp a social networking app, but due to its low data consumption, it became a de-facto teaching and learning tool for Lupane State University (LSU) students in Zimbabwe. Prior studies have focused on the use of WhatsApp as an alternative lecture delivery platform but very few have evaluated its role as the sole platform for lecture delivery. With no government or institutional support for data acquisition, students failed to utilise other e-learning platforms that were in place due to exorbitant data costs. This study seeks to evaluate the success of WhatsApp mediated teaching and learning at LSU during the COVID-19 pandemic. This was a randomized evaluation of weekly lecture delivery through WhatsApp to LSU students. A questionnaire based on the Unified Theory of Acceptance and Use of Technology’s main constructs was delivered to 200 students that were randomly selected. The results revealed that student’s attitudes, behavioral intention of using WhatsApp for learning as well as the platform’s usefulness were rated highly, implying high adoption. The positive perceptions suggest that it would be easy for the institution to formally integrate the platform to augment traditional lecture delivery or for use during an event that disrupts traditional face-to-face lecture delivery. Results revealed that WhatsApp can support 21st century learning through autonomous, collaborative and learner centred education.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 découle