Student Satisfaction in Social Media–Based Learning Environments: Development, Validation, and Psychometric Evaluation of the CuSAERS (Questionnaire of Satisfaction With Educational Activities Performed on Social Media)
Notice bibliographique
Résumé
BACKGROUND: Social media platforms are increasingly integrated into higher education, enabling collaborative, student-centered learning. Yet, few instruments specifically measure students' satisfaction with these activities across platforms. A brief, valid tool is needed to evaluate perceived quality and guide instructional design in social media-based learning environments. OBJECTIVE: This study investigated the use of social media as educational tools in the university environment, with the aim of designing and validating the CuSAERS (Questionnaire of Satisfaction With Educational Activities Performed on Social Media). METHODS: Using a mixed and sequential methodology, we explored the perceptions of bachelor's and master's degree students in physiotherapy who participated in teaching activities through X (formerly Twitter) and Instagram. The first phase of the project identified key dimensions of satisfaction from the literature, expert interviews, and cognitive interviews. The second phase assessed the psychometric properties of the CuSAERS in a sample of 150 students, addressing construct validity, internal reliability, concurrent validity, and discriminant validity. RESULTS: Exploratory factor analysis supported a 3-factor structure-perception of learning, task satisfaction/environment, and self-realization-explaining 61.9% of the variance, with acceptable overall reliability. Concurrent validity was supported by moderate correlations with the Academic Satisfaction Scale. Master's students reported higher scores than bachelor's students. CONCLUSIONS: CuSAERS provides preliminary evidence as a promising measure of student satisfaction with social media-based learning activities; its use should remain formative and cautious until confirmatory and invariance analyses are completed. TRIAL REGISTRATION: No applicable.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».