Factors Affecting Online Teaching and Learning among Chinese High School Students: Education Equality Perspectives
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
Online learning is significant to promote education equality in high school sector. This research aims to explore the factors affecting students' acceptance of online learning, construct a structural equation model of high school students' online learning behavior, and propose measures to promote educational equity. The study employed quantitative research methods, utilizing online questionnaires to gather 633 data from high school students in Dazhou, Bazhong, and Liangshan regions. A comprehensive approach to data analysis was adopted, including descriptive statistical analysis, reliability and validity tests, confirmatory factor analysis, structural equation modeling, and path analysis. Key findings revealed the significant influence of online teaching quality and course content on students' perceived usefulness, ease of use, subjective norms, attitudes towards online learning, and their subsequent learning intentions and behaviors. The study confirmed the mediating roles of these perceptions and attitudes in shaping students' engagement with online learning platforms. In conclusion, the research provides vital insights into the dynamics of online education in a high school setting. It highlights the need for enhanced teaching quality and course design to improve online learning experiences. The findings offer valuable implications for educators, policymakers, technology developers, and other stakeholders, emphasizing the importance of a collaborative approach to create more effective and equitable online learning environments. This study lays a foundation for future research and strategies aimed at optimizing the potential of online education, ensuring it is accessible and beneficial to all students.
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 | 0,004 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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