Fiabilité et validité du Modèle d’acceptation de la technologie (TAM) dans le contexte d’apprenants vietnamiens du français comme langue étrangère face aux TIC
Bibliographic record
Abstract
Les technologies de l’information et de la communication (TIC) ont pris leur essor ces dernières décennies. L’enseignement n’échappe pas à la tendance à introduire les TIC qui présentent des intérêts incontestables. Le présent article a pour but d’examiner la fiabilité et la validité du Modèle d’acceptation de la technologie TAM (Davis, 1989) dans un contexte vietnamien. À l’aide du questionnaire développé par Wong et Teo (2009), nous avons mené une enquête auprès de 217 étudiants vietnamiens apprenant le français langue étrangère (FLE) dans des universités où sont proposées des licences de FLE. Les données ont été traitées avec l’approche de modélisation par équations structurales. Les résultats montrent que le TAM peut être considéré comme un outil valide pour étudier les facteurs qui déterminent et qui influencent l’utilisation de la technologie dans l’apprentissage des étudiants vietnamiens. Ils indiquent également que les dimensions du TAM s’articulent entre elles de la même manière qu’ont préconisée Davis (1989) et Wong et Teo (2009).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.044 | 0.139 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".