Psychometric properties of the Arabic version of the Unified Theory of Acceptance and Use of Technology (UTAUT-2012) Among Nursing Students
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
The integration of artificial intelligence (AI) into nursing education is essential for equipping future nurses with the skills required to navigate an increasingly technology-driven healthcare environment. This study aimed to validate the Arabic version of the Unified Theory of Acceptance and Use of Technology (UTAUT-2012) model in assessing factors influencing nursing students’ acceptance and use of AI in healthcare education. A cross-sectional pilot study was conducted with 200 nursing students to evaluate the psychometric properties of the Arabic-translated UTAUT (2012) instrument. Confirmatory factor analysis was performed using covariance-based structural equation modeling (CB-SEM) in SmartPLS (Version 4.1.0). Confirmatory factor analysis supported the construct validity of the nine UTAUT 2012 constructs: performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation, price value, habit, behavioral intention, and use behavior. All items showed acceptable factor loadings (> .5), composite and construct reliability (> 0.7), and average variance extracted (> 0.5). Discriminant validity was confirmed using the Fornell-Larcker criterion and the heterotrait-monotrait ratio. The findings offer valuable insights into the factors influencing Arabic-speaking nursing students’ acceptance and use of AI in healthcare education, supporting the model’s validity in this cultural context.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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