Exploring the role of e-learning, digital leadership and digital innovation behavior on schools' performance during society 5.0 era
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
In this digital era, all human activities have moved towards digital. The digital era has provided significant changes in all aspects of life, one of which is the educational aspect. Digital technology has opened up new education opportunities but also presents challenges that must be faced. Almost all sectors, including education in the industry 5.0 era, have digitized, namely by utilizing sophisticated information technology. Era Society 5.0, is an era that will make it easier for human life to interact and transition to the digital era. Thus, the use of digital technology for every aspect of life, especially the education sector, is very necessary since it will reflect the level of competitiveness of a country. This research aims to analyze the relationship between e-learning and performance, digital leadership and performance, and the relationship between digital innovation and performance. This type of research uses quantitative research methods. The population in this research is all high school teachers who have used e-learning platforms and have carried out digital innovation. The sampling technique used in this research was a simple random sampling technique and the total sample of respondents from this research was 489 teachers. The type of data used in this research is primary data and the data search tool used is an online questionnaire using a Likert scale. The data analysis is to use structural equation modelling. The results show that e-learning had a positive and significant relationship with performance, digital leadership had a positive and significant relationship with performance and digital innovation had a positive and significant relationship with performance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,013 |
| Science ouverte | 0,001 | 0,000 |
| 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