Using a Modified Technology Acceptance Model for a Learning Management System Platform: A Questionnaire Design for Evaluating the Blackboard Learning Management System
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
Educational approaches have advanced and changed tremendously in recent years. The evolution of communication technologies has been important, particularly since many educational activities have been moved to an e-learning format. This has introduced innovative teaching methods and educational management techniques. Learning management systems (LMS) such as Web-based course development tools (WebCT), Blackboard, and learning spaces are currently widely accessible. Most higher education institutions use Blackboard as their primary LMS platform, making it one of the most frequently used LMS platforms. Blackboard technology is a widely used online program for educational institutions that makes it easier to distribute crucial items from teachers to students, such as papers, student reports, projects, and other publications. Consequently, the main objective of this paper is to design a technology acceptance model to investigate user acceptance of a Blackboard learning management system. In addition, we aim to create a quantitative strategy using a technology acceptance model (TAM) questionnaire as the major investigation tool. The Blackboard learning management system is evaluated using a quantitative approach based on the TAM. We use perceived usefulness, perceived ease of use, user satisfaction and attributes of usability as the associated constructs for evaluation. All of these structures were altered to fit the study's needs. Furthermore, in this paper, we examin the specifics of each concept, and how they relate to the research problem. The study's findings indicate a set of methodologies that can be used to evaluate the benefits of using the Blackboard system for online learning.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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