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.
Bibliographic record
Abstract
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.
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 | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".