Les déterminants intra-individuels de l’acceptation et utilisation des technologies d’information et communication (TIC) comme outil pédagogique : Cas du Data Show par les professeurs du lycée à Agadir.
Notice bibliographique
Résumé
Ce travail de recherche vise principalement l’identification des déterminants intra-individuels les plus significatifs pour prédire le comportement de l’acceptation des TIC plus particulièrement le Data Show par les enseignants marocains du deuxième cycle comme outil pédagogique. En fait, Il s’agit d’étudier la nature des relations d’influence qui pourraient existées entre l’intention de l’utilisation du data show par les enseignants du lycée et les déterminants intra-individuels les plus significatifs. Pour ce faire, nous avons mobilisé le modèle de l’acceptation des technologies développé par Venkatesh et Bala en 2008 comme principal soubassement théorique. En outre, dans cette étude, nous avons adopté un positionnement épistémologique positiviste et un raisonnement hypothético-déductif. En effet, un questionnaire a été administré et des données d'enquête ont été recueillies auprès d’un échantillon de 300 enseignants travaillants dans les lycées à Agadir avec un taux de retour de 25%. Le traitement et analyse des données collectées a été réalisé à l’aide du logiciel Smart PLS v4. Les résultats montrent que l’auto-efficacité et la recherche du plaisir et la volonté sont les déterminants intra-individuels qui influencent significativement l’intention des enseignants à utiliser le data show dans leurs actions pédagogiques. Néanmoins, malgré que les résultats de cette étude soient satisfaisants et cohérents avec les résultats de certaines études empiriques dans d’autres contextes, il est difficile de les généraliser en raison de la petite taille de l’échantillon étudié et les particularités de la technologie étudiée.
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 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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».