Social Media Improves Students’ Academic Performance: Exploring the Role of Social Media Adoption in the Open Learning Environment among International Medical Students in China
Notice bibliographique
Résumé
Numerous studies have examined the role of social media as an open-learning (OL) tool in the field of education, but the empirical evidence necessary to validate such OL tools is scant, specifically in terms of student academic performance (AP). In today's digital age, social media platforms are most popular among the student community, and they provide opportunities for OL where they can easily communicate, interact, and collaborate with each other. The authors of this study aimed to minimize the literature gap among student communities who adopt social media for OL, which has positive impacts on their AP in Chinese higher education. We adopted social constructivism theory (SCT) and the technology acceptance model (TAM) to formulate a conceptual framework. Primary data containing 233 questionnaires of international medical students in China were collected in January 2021 through the survey method. The gathered data were analyzed through structural equation modeling techniques with SmartPLS 3. The results revealed that perceived usefulness, perceived ease of use, and interactions with peers have positive and significant influence on OL. In addition, OL was found to have positive and significant influence on students' AP and engagement. Lastly, engagement showed a positive impact on students' AP. Thus, this study shows that social media serves as a dynamic tool to expedite the development of OL settings by encouraging collaboration, group discussion, and the exchange of ideas between students that reinforce their learning behavior and performance.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».