Individual, technological, organizational, and environmental factors impact of the internet of things on e-learning adoption in higher education institutions in Jordan
Notice bibliographique
Résumé
The world of the Internet of Things (IoT), even though it is continuously morphing as a fresh paradigm at the intersection of technology and education, is still struggling with several difficulties that prevent its absorption into the e-learning platforms of higher education institutions (HEIs). The breadth of Internet of Things implementation in developing countries, particularly Jordan, Malaysia, Iran, Saudi Arabia, Iraq, and Bangladesh, remains behind, even though industrialized nations have made significant advancements in their utilization of IoT, with the United Kingdom, the United States of America, China, and Japan acting as prominent examples. In the realm of research that focuses on the progression of the IOT integration into the e-learning systems of economically challenged countries, there is a substantial disparity. In particular, the focus of this research is on Jordan to shed light on the primary variables that are either facilitating or hindering the adoption of the IoT within the e-learning sector of Jordan's HEIs. A comprehensive analysis of previous research has been undertaken as a first stage in this investigation. The goal of this analysis is to identify important factors that are involved in the process of IOT adoption. Following that, we used an inferential technique, collecting data from 306 respondents who were enrolled in Jordanian higher education institutions. During our investigation, we discovered that the rate of the IOT integration was significantly influenced by factors such as accessibility, usability, technical assistance, and individual capabilities. In addition, our findings suggest that factors such as attitude, behavior, financial preparedness, dependability, and training have a substantial impact on the adoption of the IOT. On the other hand, the study seemed to indicate that characteristics such as class capacity, awareness, system resources, and course design had a minor influence on the adoption rates inside HEIs. In conclusion, this study provides tangible suggestions to strengthen the integration of the IoT inside Jordanian HEIs. These recommendations provide significant insights that can be used by policy architects, government entities, and higher education institutions to overcome the challenges that relate to the deployment of IoT in the higher learning sector.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».