عنوان فارسی مقاله:عوامل تعیین کننده یادگیری آنلاین فعال در محیط یادگیری هوشمند: یک مطالعه تجربی با PLS-SEM

چکیده

یک محیط یادگیری هوشمند، شامل شخصی‌سازی، بازخورد بهنگام و تعامل هوشمند، شرایط اولیه را برای مشارکت فعال در آموزش آنلاین فراهم می‌کند. شناسایی عواملی که بر یادگیری آنلاین فعال در یک محیط یادگیری هوشمند تأثیر می‌گذارند، برای پیشنهاد استراتژی‌های بهبود هدفمند و افزایش اثربخشی یادگیری آنلاین فعال آنها حیاتی است. این مطالعه چارچوب پژوهشی یادگیری آنلاین فعال را با تئوری‌های رضایت از یادگیری، مدل پذیرش فناوری (TAM) و یک محیط یادگیری هوشمند می‌سازد. ما فرض می‌کنیم که عوامل زیر بر یادگیری آنلاین فعال تأثیر می‌گذارند: ویژگی‌های معمول یک محیط یادگیری هوشمند، سودمندی درک شده و سهولت استفاده، انزوای اجتماعی، انتظارات یادگیری و شکایات. در مجموع ۵۲۸ پرسشنامه معتبر از طریق بسترهای آنلاین جمع آوری شد. تحلیل مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM) با استفاده از SmartPLS 3 نشان داد که: (۱) شخصی‌سازی، تعامل هوشمند و بازخورد بلادرنگ محیط یادگیری هوشمند، همگی تأثیر مثبتی بر یادگیری آنلاین فعال دارند. (۲) سهولت استفاده و سودمندی درک شده در مدل پذیرش فناوری (TAM) بر یادگیری فعال آنلاین تأثیر مثبت دارد. (۳) به طور ابتکاری چند متغیر جدید را کشف کرد که بر یادگیری آنلاین فعال تأثیر می‌گذارد: انتظارات یادگیری تأثیر مثبتی بر یادگیری آنلاین فعال دارد، در حالی که شکایات یادگیری و انزوای اجتماعی تأثیر منفی بر یادگیری آنلاین فعال دارد. بر اساس نتایج، این مطالعه مدل آموزش هوشمند آنلاین را پیشنهاد می‌کند و چگونگی ترویج یادگیری آنلاین فعال در یک محیط هوشمند را مورد بحث قرار می‌دهد.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Determinants of Active Online Learning in the Smart Learning Environment: An Empirical Study with PLS-SEM

Abstract

A smart learning environment, featuring personalization, real-time feedback, and intelligent interaction, provides the primary conditions for actively participating in online education. Identifying the factors that influence active online learning in a smart learning environment is critical for proposing targeted improvement strategies and enhancing their active online learning effectiveness. This study constructs the research framework of active online learning with theories of learning satisfaction, the Technology Acceptance Model (TAM), and a smart learning environment. We hypothesize that the following factors will influence active online learning: Typical characteristics of a smart learning environment, perceived usefulness and ease of use, social isolation, learning expectations, and complaints. A total of 528 valid questionnaires were collected through online platforms. The partial least squares structural equation modeling (PLS-SEM) analysis using SmartPLS 3 found that: (1) The personalization, intelligent interaction, and real-time feedback of the smart learning environment all have a positive impact on active online learning; (2) the perceived ease of use and perceived usefulness in the technology acceptance model (TAM) positively affect active online learning; (3) innovatively discovered some new variables that affect active online learning: Learning expectations positively impact active online learning, while learning complaints and social isolation negatively affect active online learning. Based on the results, this study proposes the online smart teaching model and discusses how to promote active online learning in a smart environment