4 From a methodologically rigorous point of view it is not allowed to  การแปล - 4 From a methodologically rigorous point of view it is not allowed to  ไทย วิธีการพูด

4 From a methodologically rigorous

4 From a methodologically rigorous point of view it is not allowed to calculate an average of ordinally scaled data (though when summing up a set of items, it is quite common). Nevertheless, we took averages because the values show interesting trends.



Table 2


Use of E-Learning-Tools for Different Activities Separately for University

Use of e-learning-tools for


Literature search


Query the library account /
Mark of books

Access to online information tools (e.g., online journals) Download of event
materials

Register to events

Access to the lecture directory
Chats to communicate with students
Chats to communicate with lecturers / tutors
E-mail communication with fellow students,
tutors, and lecturers

Online lectures

Online educational offers
for self-studies

Online seminars

Formation of working groups
Access to student-
organized platforms

Online solving tasks


Average of all services

Note: Self-disclosures from 1 = I use regularly and often to 4 = I have never done. The differences in the average were tested on a 97.5 percent-interval for significance; “sg” means differences are significant in the average to B = HTW Berlin; F = Uni Freiburg; Z = Uni Zurich.



Table 3


Use of E-Learning-Tools for Different Activities Separately by Sex


Use of e-learning-tools for …
Female
Male All students

Literature search 2.27 sg
2.57
2.41
Query the library account /
mark of books 2.53 sg
2.93
2.72
Access to online information tools (e.g.
online journals)
2.53
2.65
2.59

Download of event materials 1.35 sg
1.61
1.48

Register to events 1.37 sg
1.55
1.46

Access to the lecture directory 1.47 sg
1.68
1.57

Chats to communicate with students 2.8 sg
2.96
2.88
Chats to communicate with lecturers /
tutors 3.16 sg
3.31
3.23
E-mail communication with fellow students, tutors and lecturers
2.43
2.57
2.5

Online lectures 2.77 sg
3.07
2.91
Online educational offers for self- studies
2.56
2.71
2.63

Online seminars
3.57
3.5
3.54

Formation of working groups
3.37
3.41
3.39

Access to student-organized platforms
3.14
3.13
3.13

Online solving tasks
2.56 sg
2.87
2.71

Average of all services
2.53
2.7
Note: Self-disclosures from 1 = I use regularly and often to 4 = I have never done. The differences in the average were tested on a 97.5 percent-interval for significance; “‘sg”’ means differences by female / male are significant in the average.



It was also remarkable that on average the female students assessed themselves as being more active in the usage of e-learning than their male counterparts. Based on our general hypothesis, this may be explained by the fact that e-learning in higher education is understood as learning rather than technology, thus fitting even more easily into female self-concepts.

In a further part of the questionnaire, students had to answer questions concerning their computer skills. Using Cronbach’s alpha for these questions, we developed 21 items which we divided into the three variables: competency in standard software, competency in media design, and computer skills mastery. 5 The given items were for example: I have a good overview of the data on my computer; I am able to arrange documents and essays in an attractive way by using a word processor; I find it easy to solve computer problems. The students were able to respond with 1 (is not the case), 2 (is rather not the case), 3 (is rather the case), and 4 (is the case), so that conformity in the general format signified relevantly high self-confidence. The three clusters extracted from the results showed the following summary results: Concerning competency in


5 The competency in standard software was determined by the following items:
- I have a good overview of the data on my computer.
- I am able to effectively protect my computer from viruses and hackers.
- I am able to create essays by using attractive and convenient word processing programmes.
- I am able to make a well-prepared, computer-based presentation of attractive design.
- I am able to process and visualize by using spreadsheet numerical data.
- I am able to send e-mails with attached files to one or more persons using an e-mail programme.
- I am able to find the information I am searching for quickly by using the internet.
- I am able to further process by using image-processing programme, existing images or photos.

The competency in media design was determined by the following items:
- I am able to create by using graphics programmes, clear diagrams, attractive invitations or posters.
- I am able to take, cut and edit by using audio software sounds, language or music, so as to
create an attractive audio track.
- I am able to cut and edit by using video editing software digital videos, so as to create an attractive video track.
- I am able to burn CDs and DVDs by using burning software and to create matching cover and
stickers.
- I am able to create web pages attractively and clearly and to publish the pages in the internet.
- I am able to write smaller programmes in at least one programming language.

And the variable computer skills mastery was determined by the following items:
- I find it easy to understand new working methods with the computer, and to understand new programmes.
- I think I can solve problems that might arise while working with the computer.
- I still believe I have a good competence level of computer usage even after experiencing a time of failure during usage.
- I have a good feeling when it comes to my computer skills.
- I can change settings (for example system settings) on the computer by myself and also customize, without having to consult anyone.
- I find it easy to solve computer problems.
- I think that I am good at explaining a computer programme to others.



standard software there was no significant difference between the sexes. Around 98% of male students and around 96% of their female fellow students thought that they were (rather) competent in this field. Regarding the variable competency in media design, students’ answers aggregated as follows: More than 50% of male students but only 27% of their female fellow students considered themselves (rather) competent. Finally, concerning computer skills mastery, 87% of male students assumed themselves to be (rather) competent but only 66% of female students did so.

These results can be interpreted in line with our hypothesis as follows: In everyday routinized activities (including everyday problems) computers and the Internet are merely tools with no outstanding technological appeal and are thus no longer suitable for differential gender performance. However, when the activities and applications are no longer part of everyday routine and problems appear to lack transparency and to be uncontrollable, ICT again becomes a gender biased technology suitable for expressing gender differences. Consequently, computer buffs and nerds are still typically male.

Using a little interpretational boldness, further interesting results can be found in this data. We asked questions on the diversity of computer and internet usage and the answers revealed the above-mentioned results. On that basis, we examined the diversity of computer use in regard to correlations between/with the three competence classes. For this purpose, diversity of use was split into five categories. The first category included those students who use the computer with maximum diversity, while the fifth category included the students who use the computer with minimal diversity. The second to fourth categories were the gradations in between. We also categorized the three self-rated skills into four categories. Here, the first category included students who assessed their skills as being very low while the fourth category included students who assessed their skills as being very high. The second and third categories were the gradations in between. They showed the following results: Spearman correlation, that is, the coefficient measuring the strength of the correlation, between diversity of computer use and competency in standard software, 0.345; 6 Spearman correlation between diversity of computer use and competency in media design, 0.366; Spearman correlation between diversity of computer use and computer skills mastery, 0.424. Not surprisingly, there was overall a mild to medium correlation between the diversity of computer use and the self-rated computer skills since these items can be seen as being mutually related. This means, if the user assesses his competence high, he also assesses his diversity of use high.

However, viewing this from our basic assumption regarding the importance of self- assessment of competences for usage of technology, the data shows an interesting differentiation in relation to gender: Spearman correlation between diversity of use and competency in standard software is 0.417 (female) and 0.300 (male). Spearman


6 The correlation has a negative sign because of the categorization in the diversity (the value for high diversity is 1, the value for low diversity is 2. In comparison to this, a low self-rated skill = 1, and a high self-rated skill = 4). We have omitted the sign for better understanding.



correlation between diversity of use and competency in media design is 0.381 (female) and 0.282 (male). Spearman correlation between diversity of use and computer skills mastery is 0.443 (female) and 0.351 (male). So correlation between the self-assessed competences and the diversity of usage for female students is always slightly stronger than for the male students. Of course, this small difference could be considered as not particularly noteworthy. However, based on Hagemann-White’s (1993) assumption that the regular male behavior is dominant and a part of the co-construction of gender and technology, the slight twist in the data makes sense. Consequently, men ju
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
4 จากจุดมุมมองที่เข้มงวด methodologically มันไม่ได้ในการคำนวณค่าเฉลี่ยของข้อมูล ordinally ปรับสัดส่วนให้ได้ (แม้ว่าเมื่อรวมค่าชุดต่าง ๆ เป็นปกติ) อย่างไรก็ตาม เราเอาค่าเฉลี่ยเนื่องจากค่าแสดงแนวโน้มที่น่าสนใจ ตารางที่ 2ใช้เครื่องมือการเรียนรู้ E สำหรับกิจกรรมต่าง ๆ แยกต่างหากสำหรับมหาวิทยาลัยใช้อีเรียนเครื่องมือสำหรับ…ค้นหาเอกสารประกอบการสอบถามบัญชีไลบรารี /หมายของหนังสือดาวน์โหลดเข้าถึงข้อมูลออนไลน์เครื่องมือ (เช่น ออนไลน์เล่ม) ของเหตุการณ์วัสดุลงทะเบียนเหตุการณ์การเข้าถึงไดเรกทอรีบรรยายสนทนาสื่อสารกับนักเรียนChats สามารถสื่อสารกับอาจารย์ / สอนอีเมล์สื่อสารกับเพื่อนนักเรียนสอน ครูและบรรยายออนไลน์บริการการศึกษาออนไลน์สำหรับ self-studiesสัมมนาออนไลน์จัดตั้งกลุ่มทำงานการเข้าถึงนักเรียน-จัดระบบออนไลน์แก้งานค่าเฉลี่ยของบริการทั้งหมดหมายเหตุ: เผยตนเอง 1 =ฉันใช้เป็นประจำ และบ่อยครั้งที่ 4 =ผมไม่เคยทำ ทดสอบความแตกต่างของค่าเฉลี่ยในช่วงร้อยละ 97.5 สำคัญ "คือ" หมายถึง ความแตกต่างสำคัญในค่าเฉลี่ยการ B = HTW เบอร์ลิน F = Uni Freiburg Z = Uni ซูริค ตาราง 3ใช้เครื่องมือการเรียนรู้ E สำหรับกิจกรรมต่าง ๆ แยกตามเพศใช้อีเรียนเครื่องมือสำหรับ... เพศหญิง ชายนักเรียนทั้งหมดเอกสารประกอบการค้นหา 2.27 sg 2.57 2.41สอบถามบัญชีไลบรารี /เครื่องของ sg หนังสือ 2.53 2.93 2.72เครื่องมือการเข้าถึงข้อมูลออนไลน์ (เช่นสมุดรายวันออนไลน์) 2.53 2.65 2.59ดาวน์โหลดเหตุการณ์วัสดุ 1.35 sg 1.61 1.48ลงทะเบียนเพื่อเหตุการณ์ 1.37 sg 1.55 1.46การเข้าถึงคือไดเรกทอรี 1.47 บรรยาย 1.68 1.57สนทนาสื่อสารกับนักเรียน 2.8 sg 2.96 2.88สนทนาสื่อสารกับอาจารย์ /สอน 3.16 sg 3.31 3.23อีเมล์สื่อสารกับครู และเพื่อนนักเรียน สอน 2.43 2.57 2.5Sg บรรยายออนไลน์ 2.77 อาหาร 3.07 2.91บริการออนไลน์ศึกษาที่ตนเองศึกษา 2.56 2.71 2.63สัมมนาออนไลน์ 3.57 3.5 3.54จัดตั้งกลุ่มทำงาน 3.37 3.41 3.39ถึงแพลตฟอร์มจัดระเบียบนักเรียน 3.14 3.13 3.13ออนไลน์แก้งาน 2.56 sg 2.87 2.71ค่าเฉลี่ยของบริการทั้งหมด 2.53 2.7 หมายเหตุ: เผยตนเอง 1 =ฉันใช้เป็นประจำ และบ่อยครั้งที่ 4 =ผมไม่เคยทำ ทดสอบความแตกต่างของค่าเฉลี่ยในช่วงร้อยละ 97.5 สำคัญ "'sg "' หมายถึง ความแตกต่าง โดยมีเพศหญิง / เพศชายอย่างมีนัยสำคัญในค่าเฉลี่ย ก็ยังโดดเด่นว่า โดยเฉลี่ยนักเรียนหญิงประเมินตนเองเป็นอยู่ในการใช้อีเลิร์นนิ่งกว่าคู่ของพวกเขาชาย ตามสมมติฐานของเราทั่วไป นี้อาจจะอธิบายความจริงที่ว่า การศึกษาในระดับอุดมศึกษาจะเข้าใจว่าเป็นเรียนแทนเทคโนโลยี จึง เหมาะสมได้ง่ายขึ้นเป็น self-concepts หญิงในส่วนเพิ่มเติมของแบบสอบถาม นักเรียนได้ตอบคำถามเกี่ยวกับทักษะคอมพิวเตอร์ เราใช้อัลฟาของ Cronbach สำหรับคำถามเหล่านี้ พัฒนาสินค้า 21 ซึ่งเราแบ่งออกเป็นตัวแปรสาม: ความสามารถซอฟต์แวร์มาตรฐาน ความสามารถในการออกแบบสื่อ และเป็นครูคอมพิวเตอร์ทักษะการ 5 รายการที่กำหนดได้เช่น: มีภาพรวมที่ดีของข้อมูลบนคอมพิวเตอร์ของฉัน ฉันสามารถจัดเรียงเอกสารและบทความในทางที่น่าสนใจ โดยใช้โปรแกรมประมวลผลคำ ฉันค้นหาง่ายต่อการแก้ไขปัญหา นักเรียนมีความสามารถตอบสนองกับ 1 (ไม่ใช่), 2 (ไม่เป็นกรณี), 3 (เป็นแต่กรณีนี้), และ 4 (เป็นกรณี), เพื่อให้ความมั่นใจสูง relevantly signified ให้สอดคล้องในรูปแบบทั่วไป คลัสเตอร์ 3 ที่สกัดจากผลแสดงให้เห็นว่าผลสรุป: เกี่ยวกับความสามารถใน5 ศักยภาพซอฟต์แวร์มาตรฐานกำหนดตามรายการต่อไปนี้:-มีภาพรวมที่ดีของข้อมูลบนคอมพิวเตอร์ของฉัน-ฉันสามารถป้องกันคอมพิวเตอร์จากไวรัสและแฮกเกอร์ได้อย่างมีประสิทธิภาพ-ฉันสามารถสร้างรายงาน โดยใช้โปรแกรมประมวลผลคำที่น่าสนใจ และสะดวก-ฉันสามารถให้ชาว โดย ใช้คอมพิวเตอร์นำเสนอการออกแบบที่น่าสนใจ-ฉันสามารถประมวลผล และแสดงให้เห็น โดยการใช้กระดาษคำนวณข้อมูลตัวเลข-ผมได้ส่งอีเมล์พร้อมไฟล์แนบหนึ่ง หรือหลายคนใช้เป็นโปรแกรมอีเมล-ฉันสามารถค้นหาข้อมูลที่ฉันกำลังค้นหาอย่างรวดเร็ว โดยการใช้อินเทอร์เน็ต-เป็นกระบวนการต่อไปได้ โดยใช้การประมวลผลภาพโครงการ อยู่รูป หรือภาพถ่ายความสามารถในการออกแบบสื่อเป็นไปตามรายการต่อไปนี้:-ฉันสามารถสร้าง โดยใช้โปรแกรมกราฟิก ล้างไดอะแกรม เชิญที่น่าสนใจหรือโปสเตอร์-ฉันสามารถใช้ ตัด และแก้ไข โดย ใช้เสียงเสียงซอฟต์แวร์ ภาษา เพลง ที่จะสร้างเสียงเพลงน่าสนใจ-ฉันสามารถตัด และแก้ไข โดยใช้วิดีโอแก้ไขซอฟต์แวร์ดิจิตอลวิดีโอ เพื่อสร้างแทร็กวิดีโอน่าสนใจ-ฉันสามารถเขียนซีดีและดีวีดี โดยใช้ซอฟต์แวร์เขียน และสร้างปกตรงกัน และสติกเกอร์-ฉันสามารถ สร้างหน้าเว็บอย่างชัดเจน และเผยแพร่หน้าในอินเทอร์เน็ต-ฉันสามารถเขียนโปรแกรมเล็กน้อยภาษาและเป็นครูทักษะคอมพิวเตอร์ตัวแปรถูกตามรายการต่อไปนี้:-ค้นหาง่าย เพื่อให้เข้าใจวิธีทำงานใหม่ ด้วยคอมพิวเตอร์ และเข้าใจโปรแกรมใหม่-ผมคิดว่า ผมสามารถแก้ปัญหาที่อาจเกิดขึ้นขณะทำงานกับคอมพิวเตอร์-ผมยังเชื่อว่า มีระดับความสามารถที่ดีของการใช้งานคอมพิวเตอร์แม้หลังจากประสบกับช่วงเวลาของความล้มเหลวในระหว่างการใช้งาน-มีความรู้สึกที่ดีเมื่อมันมาถึงทักษะด้านคอมพิวเตอร์ของฉัน-สามารถเปลี่ยนการตั้งค่า (ตัวอย่างการตั้งค่าระบบ) บนคอมพิวเตอร์ ด้วยตัวเอง และยัง กำหนด เอง โดยไม่ต้องปรึกษาใคร-ค้นหาง่ายต่อการแก้ไขปัญหา-ฉันคิดว่า ฉันดีที่อธิบายถึงโปรแกรมคอมพิวเตอร์อื่น ไม่แตกต่างอย่างมีนัยสำคัญระหว่างเพศมีมาตรฐานซอฟต์แวร์ได้ ประมาณ 98% ของนักเรียนชายและประมาณ 96% ของนักศึกษาหญิงที่เพื่อนคิดว่า พวกเขามีอำนาจ (ค่อนข้าง) ในฟิลด์นี้ เกี่ยวกับความสามารถตัวแปรในการออกแบบสื่อ คำตอบของนักเรียนรวมดังนี้: มากกว่า 50% ของนักเรียนชายแต่เพียง 27% ของนักศึกษาเพื่อนหญิงถือว่าตัวเองมีอำนาจ (ค่อนข้าง) สุดท้าย เกี่ยวกับคอมพิวเตอร์ทักษะการเป็นครู 87% ของนักเรียนชายสันนิษฐานเอง (ค่อนข้าง) มีอำนาจ แต่เพียง 66% ของนักเรียนหญิงไม่ให้มีการผลลัพธ์เหล่านี้สามารถตีความตามสมมติฐานของเราเป็นดังนี้: ในกิจกรรม routinized ทุกวัน (รวมทั้งปัญหาชีวิตประจำวัน) คอมพิวเตอร์และอินเทอร์เน็ตเป็นเพียงเครื่องมือที่ มีอุทธรณ์ไม่มีเทคโนโลยีที่โดดเด่น และไม่เหมาะสมกับประสิทธิภาพเพศแตกต่างกัน อย่างไรก็ตาม กิจกรรมและโปรแกรมประยุกต์ไม่เป็นส่วนหนึ่งของงานประจำทุกวัน และปัญหาที่ปรากฏเมื่อ ขาดความโปร่งใส และเป็น uncontrollable, ICT อีกครั้งเมื่อ เทคโนโลยีเพศภาพเหมาะสมกับกำลังเพศความแตกต่าง ดังนั้น ชื่นชอบคอมพิวเตอร์และ nerds จะยังคงปกติชายใช้น้อย interpretational boldness ผลลัพธ์ที่น่าสนใจเพิ่มเติม สามารถพบได้ในข้อมูลนี้ เราถามคำถามในความหลากหลายของการใช้คอมพิวเตอร์และอินเทอร์เน็ต และคำตอบเปิดเผยผลลัพธ์ดังกล่าว ตาม เราตรวจสอบความหลากหลายของการใช้คอมพิวเตอร์เรื่องความสัมพันธ์ระหว่าง/มีเรียน 3 ความสามารถ สำหรับวัตถุประสงค์นี้ ความหลากหลายของใช้ถูกแบ่งออกเป็น 5 ประเภท ประเภทแรกรวมเหล่านักเรียนที่ใช้คอมพิวเตอร์ มีความหลากหลายสูงสุด ในขณะที่ประเภทห้ารวมนักเรียนที่ใช้คอมพิวเตอร์ มีความหลากหลายน้อยที่สุด ประเภทที่สองกับสี่ได้ไล่ในระหว่าง เรายังแบ่งทักษะตนเองได้รับการจัดอันดับสามเป็นสี่ประเภท ที่นี่ ประเภทแรกรวมนักเรียนที่ประเมินทักษะของพวกเขาเป็นต่ำมากในขณะที่ประเภทสี่รวมนักเรียนที่ประเมินทักษะของพวกเขาเป็นสูงมาก ประเภทที่สอง และที่สามถูกไล่ที่ในระหว่าง พวกเขาแสดงให้เห็นว่าผลลัพธ์ต่อไปนี้: สหสัมพันธ์ Spearman คือ สัมประสิทธิ์การวัดความเข้มแข็งของความสัมพันธ์ ความหลากหลายของการใช้คอมพิวเตอร์และความสามารถในมาตรฐานซอฟต์แวร์ 0.345 6 สหสัมพันธ์ spearman ระหว่างความหลากหลายของการใช้คอมพิวเตอร์และความสามารถในการออกแบบสื่อ 0.366 สหสัมพันธ์ spearman ระหว่างความหลากหลายของคอมพิวเตอร์ใช้คอมพิวเตอร์และทักษะ 0.424 ไม่น่าแปลกใจ มีคำไมลด์ไปกลางความสัมพันธ์ระหว่างความหลากหลายของการใช้คอมพิวเตอร์และทักษะคอมพิวเตอร์ได้รับคะแนนด้วยตนเองเนื่องจากสามารถเห็นสินค้าเหล่านี้เป็นการเกี่ยวข้องกัน นี้หมายถึง ถ้าผู้ประเมินความสามารถของเขาสูง เขายังดำรงชีวิตความหลากหลายของการใช้สูงขึ้นอย่างไรก็ตาม นี้ดูจากอัสสัมชัญของเราพื้นฐานเกี่ยวกับความสำคัญของการประเมินตนเองของ competences สำหรับการใช้งานของเทคโนโลยี ข้อมูลแสดงการสร้างความแตกต่างที่น่าสนใจเกี่ยวกับเพศ: Spearman ความสัมพันธ์ระหว่างความหลากหลายของการใช้และความสามารถในซอฟต์แวร์มาตรฐานคือ 0.417 (เพศหญิง) และ 0.300 (เพศชาย) Spearman6 สหสัมพันธ์มีเครื่องหมายลบเนื่องจากการจัดประเภทในความหลากหลาย (ค่าสำหรับความหลากหลายสูงคือ 1 ค่าความหลากหลายต่ำเป็น 2 โดยนี้ เป็นตัวเองได้คะแนนทักษะ = 1 และทักษะด้วยตนเองได้รับคะแนนสูง = 4) เราได้ละเว้นเครื่องหมายเพื่อความเข้าใจที่ดีขึ้น ความสัมพันธ์ระหว่างความหลากหลายของการใช้และความสามารถในการออกแบบสื่อเป็น 0.381 (เพศหญิง) และ 0.282 (เพศชาย) Spearman ความสัมพันธ์ระหว่างความหลากหลายของการใช้คอมพิวเตอร์และทักษะเป็น 0.443 (เพศหญิง) และ 0.351 (เพศชาย) ดังนั้น ความสัมพันธ์ระหว่าง competences จากการประเมินตนเองและความหลากหลายของการใช้งานสำหรับนักเรียนหญิงได้เสมอเล็กน้อยแข็งกว่าสำหรับนักเรียนชาย แน่นอน ความแตกต่างเล็ก ๆ นี้อาจถือเป็นไม่สังเกต อย่างไรก็ตาม ตาม Hagemann ขาวปกติเพศลักษณะการทำงานเป็นหลักและเป็นส่วนหนึ่งของการก่อสร้างร่วมเพศและเทคโนโลยีอัสสัมชัญ (1993) บิดเล็กน้อยข้อมูลที่เหมาะสม ดังนั้น ชายจู
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
4 From a methodologically rigorous point of view it is not allowed to calculate an average of ordinally scaled data (though when summing up a set of items, it is quite common). Nevertheless, we took averages because the values show interesting trends.



Table 2


Use of E-Learning-Tools for Different Activities Separately for University

Use of e-learning-tools for


Literature search


Query the library account /
Mark of books

Access to online information tools (e.g., online journals) Download of event
materials

Register to events

Access to the lecture directory
Chats to communicate with students
Chats to communicate with lecturers / tutors
E-mail communication with fellow students,
tutors, and lecturers

Online lectures

Online educational offers
for self-studies

Online seminars

Formation of working groups
Access to student-
organized platforms

Online solving tasks


Average of all services

Note: Self-disclosures from 1 = I use regularly and often to 4 = I have never done. The differences in the average were tested on a 97.5 percent-interval for significance; “sg” means differences are significant in the average to B = HTW Berlin; F = Uni Freiburg; Z = Uni Zurich.



Table 3


Use of E-Learning-Tools for Different Activities Separately by Sex


Use of e-learning-tools for …
Female
Male All students

Literature search 2.27 sg
2.57
2.41
Query the library account /
mark of books 2.53 sg
2.93
2.72
Access to online information tools (e.g.
online journals)
2.53
2.65
2.59

Download of event materials 1.35 sg
1.61
1.48

Register to events 1.37 sg
1.55
1.46

Access to the lecture directory 1.47 sg
1.68
1.57

Chats to communicate with students 2.8 sg
2.96
2.88
Chats to communicate with lecturers /
tutors 3.16 sg
3.31
3.23
E-mail communication with fellow students, tutors and lecturers
2.43
2.57
2.5

Online lectures 2.77 sg
3.07
2.91
Online educational offers for self- studies
2.56
2.71
2.63

Online seminars
3.57
3.5
3.54

Formation of working groups
3.37
3.41
3.39

Access to student-organized platforms
3.14
3.13
3.13

Online solving tasks
2.56 sg
2.87
2.71

Average of all services
2.53
2.7
Note: Self-disclosures from 1 = I use regularly and often to 4 = I have never done. The differences in the average were tested on a 97.5 percent-interval for significance; “‘sg”’ means differences by female / male are significant in the average.



It was also remarkable that on average the female students assessed themselves as being more active in the usage of e-learning than their male counterparts. Based on our general hypothesis, this may be explained by the fact that e-learning in higher education is understood as learning rather than technology, thus fitting even more easily into female self-concepts.

In a further part of the questionnaire, students had to answer questions concerning their computer skills. Using Cronbach’s alpha for these questions, we developed 21 items which we divided into the three variables: competency in standard software, competency in media design, and computer skills mastery. 5 The given items were for example: I have a good overview of the data on my computer; I am able to arrange documents and essays in an attractive way by using a word processor; I find it easy to solve computer problems. The students were able to respond with 1 (is not the case), 2 (is rather not the case), 3 (is rather the case), and 4 (is the case), so that conformity in the general format signified relevantly high self-confidence. The three clusters extracted from the results showed the following summary results: Concerning competency in


5 The competency in standard software was determined by the following items:
- I have a good overview of the data on my computer.
- I am able to effectively protect my computer from viruses and hackers.
- I am able to create essays by using attractive and convenient word processing programmes.
- I am able to make a well-prepared, computer-based presentation of attractive design.
- I am able to process and visualize by using spreadsheet numerical data.
- I am able to send e-mails with attached files to one or more persons using an e-mail programme.
- I am able to find the information I am searching for quickly by using the internet.
- I am able to further process by using image-processing programme, existing images or photos.

The competency in media design was determined by the following items:
- I am able to create by using graphics programmes, clear diagrams, attractive invitations or posters.
- I am able to take, cut and edit by using audio software sounds, language or music, so as to
create an attractive audio track.
- I am able to cut and edit by using video editing software digital videos, so as to create an attractive video track.
- I am able to burn CDs and DVDs by using burning software and to create matching cover and
stickers.
- I am able to create web pages attractively and clearly and to publish the pages in the internet.
- I am able to write smaller programmes in at least one programming language.

And the variable computer skills mastery was determined by the following items:
- I find it easy to understand new working methods with the computer, and to understand new programmes.
- I think I can solve problems that might arise while working with the computer.
- I still believe I have a good competence level of computer usage even after experiencing a time of failure during usage.
- I have a good feeling when it comes to my computer skills.
- I can change settings (for example system settings) on the computer by myself and also customize, without having to consult anyone.
- I find it easy to solve computer problems.
- I think that I am good at explaining a computer programme to others.



standard software there was no significant difference between the sexes. Around 98% of male students and around 96% of their female fellow students thought that they were (rather) competent in this field. Regarding the variable competency in media design, students’ answers aggregated as follows: More than 50% of male students but only 27% of their female fellow students considered themselves (rather) competent. Finally, concerning computer skills mastery, 87% of male students assumed themselves to be (rather) competent but only 66% of female students did so.

These results can be interpreted in line with our hypothesis as follows: In everyday routinized activities (including everyday problems) computers and the Internet are merely tools with no outstanding technological appeal and are thus no longer suitable for differential gender performance. However, when the activities and applications are no longer part of everyday routine and problems appear to lack transparency and to be uncontrollable, ICT again becomes a gender biased technology suitable for expressing gender differences. Consequently, computer buffs and nerds are still typically male.

Using a little interpretational boldness, further interesting results can be found in this data. We asked questions on the diversity of computer and internet usage and the answers revealed the above-mentioned results. On that basis, we examined the diversity of computer use in regard to correlations between/with the three competence classes. For this purpose, diversity of use was split into five categories. The first category included those students who use the computer with maximum diversity, while the fifth category included the students who use the computer with minimal diversity. The second to fourth categories were the gradations in between. We also categorized the three self-rated skills into four categories. Here, the first category included students who assessed their skills as being very low while the fourth category included students who assessed their skills as being very high. The second and third categories were the gradations in between. They showed the following results: Spearman correlation, that is, the coefficient measuring the strength of the correlation, between diversity of computer use and competency in standard software, 0.345; 6 Spearman correlation between diversity of computer use and competency in media design, 0.366; Spearman correlation between diversity of computer use and computer skills mastery, 0.424. Not surprisingly, there was overall a mild to medium correlation between the diversity of computer use and the self-rated computer skills since these items can be seen as being mutually related. This means, if the user assesses his competence high, he also assesses his diversity of use high.

However, viewing this from our basic assumption regarding the importance of self- assessment of competences for usage of technology, the data shows an interesting differentiation in relation to gender: Spearman correlation between diversity of use and competency in standard software is 0.417 (female) and 0.300 (male). Spearman


6 The correlation has a negative sign because of the categorization in the diversity (the value for high diversity is 1, the value for low diversity is 2. In comparison to this, a low self-rated skill = 1, and a high self-rated skill = 4). We have omitted the sign for better understanding.



correlation between diversity of use and competency in media design is 0.381 (female) and 0.282 (male). Spearman correlation between diversity of use and computer skills mastery is 0.443 (female) and 0.351 (male). So correlation between the self-assessed competences and the diversity of usage for female students is always slightly stronger than for the male students. Of course, this small difference could be considered as not particularly noteworthy. However, based on Hagemann-White’s (1993) assumption that the regular male behavior is dominant and a part of the co-construction of gender and technology, the slight twist in the data makes sense. Consequently, men ju
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
จากวิธีการที่เคร่งครัด มุมมองมันไม่อนุญาติให้คำนวณค่าเฉลี่ยของ ordinally ปรับข้อมูล ( แม้ว่าเมื่อสรุปชุดของรายการ มันเป็นเรื่องธรรมดา ) แต่เราเอาค่าเฉลี่ยเนื่องจากค่าแสดงแนวโน้มที่น่าสนใจ






ใช้ตารางที่ 2 e-learning-tools สำหรับกิจกรรมที่แตกต่างกันที่แยกต่างหากสำหรับใช้ e-learning-tools สำหรับมหาวิทยาลัย


. . . . . . .




ค้นหาวรรณกรรมค้นหาสมุดบัญชี /
เครื่องหมายหนังสือ

การเข้าถึงข้อมูลออนไลน์เครื่องมือ ( เช่น วารสารออนไลน์ดาวน์โหลดของวัสดุงาน




การลงทะเบียนเหตุการณ์บรรยายไดเรกทอรีที่จะสื่อสารกับนักเรียน

แชทสนทนาสื่อสารกับอาจารย์ / ติวเตอร์

e - mail การสื่อสารกับเพื่อนนักเรียน ครู และ อาจารย์บรรยาย



ออนไลน์การศึกษาออนไลน์สำหรับการศึกษาด้วยตนเองให้

ออนไลน์สัมมนา

การเข้าถึงนักเรียนทำงานกลุ่ม
-
จัดการงานออนไลน์แพลตฟอร์ม




มีบริการทั้งหมด

หมายเหตุ : ตนเอง การเปิดเผยข้อมูลจาก 1 = ผมใช้เป็นประจำและมักจะ 4 = ผมไม่เคยทำมาก่อน ความแตกต่างในค่าเฉลี่ย ทดสอบในช่วงร้อยละ 97.5 ความสำคัญ ; " SG " หมายถึง ความแตกต่างอย่างมีนัยสำคัญในคะแนน B = htw เบอร์ลิน ; F = uni ฟรี ;Z = uni ซูริค .






ใช้ตารางที่ 3 e-learning-tools สำหรับกิจกรรมที่แตกต่างกันโดยแยกเพศ


ใช้ e-learning-tools สำหรับ . . . . . . .

หญิงชาย นักเรียนทุกคน

วรรณกรรมค้นหา 2.27 SG


สอบถาม 2.57 2.41 ห้องสมุดบัญชี /
เครื่องหมายหนังสือ 2.53 SG


ดีน้อย การเข้าถึงข้อมูลออนไลน์เครื่องมือ ( เช่น
ออนไลน์วารสาร )




2.59 2.53 2.65 ดาวน์โหลดงานวัสดุ 1.35 SG
1.61
0

ลงทะเบียนกิจกรรม 1.37 SG

1.46 1.55

การเข้าถึงไดเรกทอรี 1.47 ล้านบาท หรือ 1.68

1.57

สนทนาสื่อสารกับนักศึกษา 2.8 SG


แชท 2.96 ) เพื่อสื่อสารกับอาจารย์ / ติวเตอร์ 3.16 SG



e - mail การสื่อสาร 3.23 3.31 กับเพื่อนนักศึกษา อาจารย์ผู้สอนและอาจารย์

2.57 2.43


ออนไลน์ 2.5 บรรยาย 2.77 ล้านบาท เหลือ 2.90


ออนไลน์การศึกษาเสนอตนเองศึกษา




2 ต่อคือออนไลน์สัมมนา

3

3.57 3.54 จัดตั้งคณะทำงาน




3.37 3.41 3.39 เข้าถึงนักเรียนจัด

3.13 3.13 ) 3.14




งานออนไลน์แก้ปัญหา 2.56 ล้านบาท เฉลี่ย 2.71 2.87




บริการ 2.53 2.7
หมายเหตุ : ข้อมูลจาก 1 = ผมตนเอง ใช้เป็นประจำและมักจะ 4 = ผมไม่เคยทำมาก่อน ความแตกต่างในค่าเฉลี่ย ทดสอบในช่วงร้อยละ 97.5 ความสำคัญ" 'sg " หมายถึง ความแตกต่างของหญิงชายเป็นสําคัญในเฉลี่ย



มันก็ยังทึ่งว่า โดยเฉลี่ยแล้วนักเรียนประเมินตนเองเป็น ที่ใช้งานในการใช้ E-Learning กว่าตน ชายคู่ . จากสมมติฐานทั่วไป ซึ่งอาจจะอธิบายความจริงที่ว่าอีเลิร์นนิงในระดับอุดมศึกษา คือ เข้าใจ เรียนรู้ มากกว่าเทคโนโลยีจึงกระชับมากขึ้นได้ง่ายในแนวคิดของตนเอง หญิง

ในส่วนเพิ่มเติมของแบบสอบถามที่นักเรียนได้ตอบคำถามเกี่ยวกับทักษะคอมพิวเตอร์ของพวกเขา โดยใช้ค่าสัมประสิทธิ์ครอนบาคแอลฟาสำหรับคำถามเหล่านี้ เราพัฒนา 21 รายการ ซึ่งเราแบ่งออกเป็นสามตัวแปรความสามารถในซอฟต์แวร์มาตรฐานความสามารถในการออกแบบสื่อและการเรียนรู้ทักษะการใช้คอมพิวเตอร์5 ให้รายการเช่น : ฉันมีภาพรวมที่ดีของข้อมูลในคอมพิวเตอร์ของฉัน ฉันสามารถจัดเรียงเอกสารและบทความในทางที่น่าสนใจโดยใช้โปรแกรมประมวลผลคำ ผมพบว่ามันง่ายที่จะแก้ไขปัญหาคอมพิวเตอร์ นักศึกษาสามารถตอบสนองกับ 1 ( ไม่ใช่กรณีนี้ ) , 2 ( คือไม่กรณี ) , 3 ( ค่อนข้างกรณี ) และ 4 ( เป็นกรณี )เพื่อให้สอดคล้องในรูปแบบทั่วไปความหมาย relevantly สูง เชื่อมั่นในตนเอง 3 กลุ่ม ที่สกัดจาก ผลพบว่า ผลสรุป : เกี่ยวกับสมรรถภาพใน


5 สมรรถนะซอฟต์แวร์มาตรฐานถูกกำหนดจากรายการต่อไปนี้ :
- ผมมีภาพรวมที่ดีของข้อมูลในคอมพิวเตอร์ของฉัน .
- ฉันสามารถได้อย่างมีประสิทธิภาพการปกป้องคอมพิวเตอร์จากไวรัสและแฮกเกอร์
- ฉันสามารถสร้างบทความที่น่าสนใจและสะดวกโดยใช้โปรแกรมประมวลผลคํา .
- ฉันสามารถเตรียมดีคอมพิวเตอร์นำเสนอการออกแบบที่น่าสนใจ .
- ผมเข้าใจและเห็นภาพโดยการใช้สเปรดชีตข้อมูลตัวเลข .
- ฉันสามารถส่งอีเมล์พร้อมแนบไฟล์หนึ่งหรือมากกว่าหนึ่งคน การใช้อีเมล์
)- ฉันสามารถหาข้อมูลที่ผมค้นหาได้อย่างรวดเร็วโดยการใช้อินเทอร์เน็ต
- ฉันสามารถดำเนินการต่อโดยใช้โปรแกรมประมวลผลภาพ , ภาพที่มีอยู่หรือภาพถ่าย

ความสามารถในการออกแบบสื่อถูกกำหนดจากรายการต่อไปนี้ :
- ฉันสามารถสร้างโดยใช้กราฟิกโปรแกรม ล้าง แผนภาพที่น่าสนใจ เชิญ หรือ โปสเตอร์
- ฉันสามารถใช้ตัดและแก้ไขโดยการใช้เสียง ซอฟต์แวร์ เสียง ภาษา หรือดนตรีเพื่อ
สร้างแทร็กเสียงมีเสน่ห์ .
- ฉันสามารถตัดและแก้ไขโดยการใช้ซอฟต์แวร์ตัดต่อวิดีโอดิจิตอลวิดีโอเพื่อสร้างวิดีโอที่น่าสนใจติดตาม .
- ฉันสามารถเผาซีดีและดีวีดีโดยใช้ซอฟต์แวร์การเผาไหม้และ สร้างการจับคู่ปก

สติ๊กเกอร์
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: