COVID-19 蔓延后电子学习使用后接受的实证研究：基于 SEM-ANN 混合方法的多分析视角
计算机与社会
2021-12-03 v1 应用统计
摘要
出于多种原因，对疫苗的恐惧导致了人群的排斥。学生就疫苗有效性提出了疑问，这反过来又导致了疫苗接种犹豫。学生的认知受疫苗接种犹豫的影响，进而影响了电子学习平台的接受度。因此，本研究旨在基于一个采用不同变量的概念模型来考察电子学习平台的使用后接受。每个变量对电子学习平台的使用后接受都有独特贡献。当前研究使用了一种混合模型，其中采用了技术接受模型(TAM)的决定因素以及其他外部因素，如疫苗恐惧、感知常规使用、感知愉悦、感知临界质量和自我效能，这些因素直接与电子学习平台的使用后接受相关。早期相关研究聚焦于不同环境和国家中电子学习接受的重要性。然而，本研究考察了海湾地区新近普及的电子学习平台，使用了混合概念模型。过往的实证研究主要使用结构方程建模(SEM)分析；而本研究采用了一种新兴的混合分析方法，其中使用了基于深度学习的 SEM 与人工神经网络(ANN)。本研究还使用了重要性-绩效图分析(IPMA)来确定各因素的重要性和绩效。所提出的模型得到了数据分析结果的支持。
引用
@article{arxiv.2112.01293,
title = {The empirical study of e-learning post-acceptance after the spread of COVID-19: A multi-analytical approach based hybrid SEM-ANN},
author = {Ashraf Elnagar and Imad Afyouni and Ismail Shahin and Ali Bou Nassif and Said A. Salloum},
journal= {arXiv preprint arXiv:2112.01293},
year = {2021}
}
备注
32 pages