Effect of Cultural Values on Students' Adoption of Social Media for Collaborative Learning
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
ABSTRACT Background Collaborative learning, which emphasises cooperative group techniques, intersects with the evolving role of social media as a tool. Understanding how cultural values influence these dynamics is crucial for effectively integrating and utilising social media into collaborative learning environments. Objective This research aims to advance knowledge in collaborative learning by introducing a multidimensional approach to understanding the impact of espoused cultural values (ECV) on technology acceptance in the Indian context, using the unified theory of technology acceptance and usage (UTAUT) for collaborative learning. Methods The study employed a multivariate data analysis approach using raw data collected through a convenience sampling technique from 250 engineering students in Rajasthan, India. The study investigated the influence of ECV treated as a higher‐order construct, on effort expectancy (EE), performance expectancy (PE), social influence (SI), facilitating conditions (FC) and students' intentions to use Facebook for collaborative learning. The analysis was performed using the partial least squares structural equation modelling (PLS‐SEM) method with SmartPLS v3.2.9. Results The PLS‐SEM analysis demonstrated significant impacts of ECV on EE, PE, FC and SI. To provide better insights, the lower‐order constructs of ECV (i.e., uncertainty avoidance, power distance, masculinity/femininity and individualism/collectivism) that influenced the intent to use were also analysed. This research contributes to the understanding of factors that influence the adoption of collaborative learning tools and guides the development of tailored strategies for technology adoption.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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