MétaCan
Menu
Retour à la cohorte
Enregistrement W4395463015 · doi:10.18280/isi.290233

The Elementary School Teachers Adoption of Learning Management System: A UTAUT Model Analysis

2024· article· en· W4395463015 sur OpenAlexvenueno aff
Sri Marmoah, Supianto Supianto, Fatma Sukmawati, Jenny Indrastoeti Siti Poerwanti, Yantoro

Notice bibliographique

RevueIngénierie des systèmes d information · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Sebelas Maret
Mots-clésUnified theory of acceptance and use of technologyExpectancy theoryLikert scaleStructural equation modelingPsychologyReliability (semiconductor)HabitLearning ManagementSocial influenceScale (ratio)Mathematics educationValidityKnowledge managementApplied psychologyComputer scienceSocial psychologyPsychometricsMathematicsStatisticsDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

This study investigates how primary school teachers are integrating Learning Management Systems (LMS) using the Unified Theory of Acceptance and Use of Technology (UTAUT) approach.A four-point Likert scale questionnaire including characteristics like Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions, Hedonic Motivation, Price Value, and Habit was used in this study, which involved 426 instructors from 84 public and private primary schools.Google Forms was used to collect the data, and structural equation modeling (SEM) was used to analyze it.The results of the study show that these factors have a strong correlation with teachers' behavioral intentions and user behavior with reference to LMS, demonstrating excellent reliability and validity.These results align with the UTAUT model, contributing to the understanding of factors influencing LMS adoption among elementary school teachers.The implications suggest that policymakers and practitioners can utilise these findings to design more effective strategies for enhancing technology adoption in future educational contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,313
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIngénierie des systèmes d informationMême sujetTechnology Adoption and User BehaviourTravaux en français237 207