Are pre-service teachers ready to teach the Alpha generation? The impact of pre-service teachers' ChatGPT literacy levels on behavioral intentions toward ChatGPT-4.0
Notice bibliographique
Résumé
This study seeks to enhance our understanding of how pre-service teachers working with the Alpha Generation (PSTAG) interact with the Technology Acceptance Model (TAM) in the context of ChatGPT. It specifically examines their perceptions of ease of use (PEOU), perceived usefulness (PU), and behavioral intention (BI) toward ChatGPT-4o, utilizing an extended version of the TAM. The survey method was used, and 450 PSTAG participated in the current study. Data were collected through a survey including the ChatGPT literacy scale (ChatGPT-LS) and TAM to determine PSTAG’s ChatGPT-4o literacy level and its relationship with PEOU, PU, and BI. Thirteen hypotheses are developed to test the proposed model. All but one of the hypotheses are supported. This study shows that PEOU and PU play a key role in BI’s use of ChatGPT-4o, and the sub-dimensions of the ChatGPT-LS have a statistically significant effect on PEOU and PU. Technical proficiency was found to have no positive effect on PU. It can be suggested that PSTAG’s ChatGPT literacy level should be improved through courses to increase their behavioral intention to use ChatGPT-4o for educational purposes.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,005 | 0,001 |
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 ».