Investigating the adoption of digital Library by postgraduate students in Jordan: An Enhanced of UTAUT Model
Notice bibliographique
Résumé
The current study aims to determine the factors influencing the intention to employ digital libraries among postgraduate students in Jordanian universities. The data were gathered through questionnaires in the format of Google Forms. The questionnaires were distributed to postgraduate students enrolled in Jordanian universities with digital libraries, who were recruited via purposive sampling. A total of 261 responses were received, with 67 deemed unsuitable for the study analysis and subsequently excluded. Resultantly, 194 valid questionnaires were finalized for data analysis. The SMART-partial least squares (PLS) software was utilized to conduct structural equation modelling (SEM) to test the study hypotheses. This study discovered that the variables, namely performance expectancy, effort, and facilitating conditions expectancy, were significantly and positively associated with the outcome variable, which is the intention to employ digital libraries. Meanwhile, social influence was revealed to be insignificant. Performance expectancy also significantly mediated the correlations between technological readiness and the intention to utilize and between online self-efficacy and the intention to utilize. The present study focused only on potential users among postgraduate students at Jordanian universities with digital libraries. The findings contributed valuable insights into the academic sector, especially library management to enhance the rate of digital library or e-library adoption at Jordanian universities. Digital library managers and policymakers could leverage the findings to design pertinent strategies that increase user engagement within digital library environments. The UTAUT model was demonstrated to be capable of predicting users’ intentions of employing digital libraries and corroborated the mediation role of performance expectancy on the associations between technological readiness and the intention to utilize and between online self-efficacy and the intention to use.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».