Analysis of Engineering Students Acceptance and Usage of 5G Technology: A Case Study of Gannon University
Notice bibliographique
Résumé
It has been around 20-25 years since the internet was first developed for public use, and since then the number of users has been increasing exponentially. In a recent report, there are around 313 million internet users, out of which 276.8 million are mobile internet users and internet penetration is 90.3% (Johnson, 2021). With the development of wireless telecommunication technology and mobile devices, use of the internet access has been increasing. From the first generation (1G) of cellular networks to the current 5th Generation (5G), there has been a huge improvement in the data rate, coverage, and security that made it possible to have the internet on mobile phones. The internet in mobile devices has existed since 2G and was used for checking emails and browsing the web (Yamauchi et al., 2005). It is important that users should accept new technology. In this study, acceptance, and usage of the 5G technology that was investigated in a survey of students from the engineering discipline of Gannon University. This work describes the usage of a statistical technique called the technology acceptance model to determine the engineering students perception of the degree to which the 5G technology is accepted and useful. It aims to answer the research questions of whether perceived usefulness and perceived ease of use a ect the actual usage of 5G technology among engineering students, as they tend to bend towards new technology because of the high involvement of technology in engineering studies. This work aims to answer, to what extent perceived usefulness and perceived ease of use determine the usage of 5G technology among the selected group of participants.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».