پایان نامه ارشد رایگان درباره دانشجویان، رگرسیون، پیشرفت تحصیلی، معادلات ساختاری

متمرکز کرده است. آمار توصیفی در سال ۲۰۰۲ نرخ افت تحصیلی را ۴۶% و در سال ۲۰۰۵ این نرخ را ۵۴.۲% نشان میدهد. برای بررسی این مشکل با استفاده از پرسشنامه اطلاعات مربوط به سن، جنسیت، سطح تحصیلات، برداشت دانشجو از حمایت خانوادگی و سازمانی، رضایت و ارتباط جمع آوری شد. نتیجه این تحقیق نشان داد از بین متغیرهای انگیزشی، ارتباط و از بین سایر متغیرها، پشتیبانیِ سازمانی، قابلیت پیشبینی موفقیت کارآموزان برخط را دارد.
کینگیی۲۲۴و همکارانش (۲۰۰۹) با استفاده از بررسی پیشینه پژوهشهای انجام شده در زمینه پذیرش سیستمهای یادگیری برخط، چهار عامل تعیین کننده برای یادگیری آنلاین مشخص کردهاند:
۱) جنسیت: بررسی پیشینه در این پژوهش حاکی ست خودکارآمدی رایانهای،۲۲۵برداشت از مفید بودن،۲۲۶برداشت از سهولت استفاده۲۲۷و هدف گزینی رفتاری۲۲۸ در افراد مذکّر به مراتب بالاتر از خانم‌ها است. بر این اساس پیشبینی می‌شود موفقیت دانشجویان مذکّر بیشتر باشد.
۲) نگرشها: نگرش مثبت و منفی در پذیرش و ادامه تحصیل به روش آنلاین تأثیر دارد، مواردی چون اضطراب رایانهای،۲۲۹عدم آشنایی دانشجویان با روش جدید آموزشی در محیط برخط، تأخیر در دریافت پاسخها و کم بودن تعامل دانشجویان با یکدیگر و دانشجویان با اساتید میتواند زمینهساز نگرش منفی دانشجو شود. قاعدتاً نگرش منفی امکان افت در تحصیل برخط را به دنبال دارد.
۳) برداشت از مفید بودن: تصور یادگیرنده از مفید بودن آموزش برخط برای زندگی امروز یا آینده او، در پذیرش یا عدم پذیرش آموزش برخط تأثیر میگذارد. برداشت دانشجو از مفید بودن بر میزان رضایت وی از آموزش برخط و عملکرد تحصیلی او تأثیر مثبت دارد. بنابراین هر چه برداشت از مفید بودن یادگیری برخط بالاتر باشد احتمال پذیرش و موفقیت دانشجو در این سیستم بالاتر خواهد بود.
۴) برداشت از سهولت استفاده: هر چه فرد برای یادگیری و استفاده از فناوری خاصی، تلاش کمتری نماید؛ احتمال تداوم استفاده از فناوری برای آن بیشتر خواهد بود. بنابراین هر چه کار با وبسایتهای آموزشی آسان باشد، انتظار میرود میزان ثبت نام و ماندگاری در سیستمهای برخط بیشتر باشد. (کینگ یی و همکاران، ۲۰۰۹).
گارلیک و همکارانش۲۳۰(۲۰۰۹) به بررسی عوامل پیشبینی کننده، نمره پیشرفت تحصیلی دانشجویان در یک درس آنلاین پرداختهاند. در این پژوهش ۴۰ دانشجو که در درس شرکت کرده بودند، انتخاب شدند. متغیرهای پیشبین عبارت بودند از جنسیت، سن، مرکز کنترل، معدل مقطع قبل. متغیر ملاک نیز نمره نهایی درس، نمره امتحان جامع و نمره تکلیف نوشتاری درس است. برای رسیدن به هدف پژوهش، پژوهشگران سه مدل جداگان? رگرسیون را ساختند. نتایج تحلیل رگرسیون چندگانه نشان داد: معدل مقطع قبل برای نمره نهایی دروس و نمره تکلیف نوشتاری دانشجو پیشبین معنیداری است. جنسیت، سن و مرکز کنترل از قدرت پیشبینی معنیداری برخوردار نیستند.
لیو، گمز و ین۲۳۱ (۲۰۰۹) نقش حضور اجتماعی۲۳۲ را در نمره نهایی و موفقیت یا عدم موفقیت دانشجو در دروس برخط، بررسی کردهاند. منظور از حضور اجتماعی میزان احساس، برداشت یا عکس‌العمل فرد به موجودیتهای ذهنی۲۳۳در محیطهای بر خط؛ است. در این پژوهش از طریق پرسشنامه داده‌های ۱۰۸ دانشجوی مریلندی که حداقل در یک درس برخط شرکت کردهاند جمع آوری شده است. برای پیشبینی تکمیل یا عدم تکمیل دروس از رگرسیون لجستیک استفاده شد و برای نمره نهایی A، B، C، تا W از رگرسیون لجستیک ترتیبی استفاده شد. نتایج نشان داده، حضور اجتماعی متغیری است که توانایی پیش بینی نمره نهایی دانشجو و موفقیت یا عدم موفقیت او را دارد. این پژوهش توجه به رویکرد تلفیقی و تشکیل جوامع یادگیری اجتماعی برای تضمین موفقیت یادگیرنده الکترونیکی را مهم میداند.
مگ گیونی۲۳۴(۲۰۰۹) به بررسی عوامل موثر در ماندگاری۲۳۵دانشجویان مقطع کارشناسی در دروس برخط پرداخته است. با به‌کارگیری روش تحقیق کمّی و استفاده از روش تحلیل رگرسیون روی داده‌های حاصل از ۴۷۶ دانشجو به این نتیجه رسیده که تجربه قبلی در زمینه دروس برخط و تکمیل تکالیف درسی، قویترین پیشبینی کننده اتمام دروس هستند.
واندرپول۲۳۶(۲۰۰۹) دانشجویان برخط را بر اساس سن در دو طبقه تقسیم کرده است: دانشجویان معمول، کسانی بودند که سن زیر ۲۴ سال داشتهاند و بلافاصله بعد از پایان دوره متوسطه به دانشگاه آمدهاند. دانشجویان غیر معمول، دانشجویان بالای ۲۵ سال بودند که اغلب متأهل و شاغل تمام وقت بودهاند. دو دسته متغیر در پژوهش واندرپول تحقیق شد: دسته اول متغیرهای دموگرافیک شامل: سن، وضعیت تأهل، تعداد فرزند، وضعیت استخدامی، جنسیت، نژاد، نمره آزمون ورودی به دانشگاه، سطح مهارت رایانهای و تجارب یادگیری آنلاین قبلی. دسته دوم، متغیرهای انگیزشی را شامل می‌شدند. در این پژوهش داده‌های حاصل از پرسشنامه آنلاین که از ۱۳۳ دانشجو جمعآوری شده بود، مورد تحلیل قرار گرفت. نتایج، نشان داده بین دانشجویان معمول و غیر معمول از نظر نمره نهایی تفاوت معناداری وجود ندارد. نتیجه تحلیل رگرسیون در مورد عوامل دموگرافیک نشان داد بین نمره نهایی دانشجویان (معمول و غیر معمول) و تعداد فرزند رابطه پیشبین منفی وجود دارد. به این معنا که هر چه تعداد فرزند بیشتر می‌شود نمره نهایی کمتر میشود. از میان متغیرهای انگیزشی، بین داشتن حس پیشرفت و نمره نهایی دانشجویان معمولی رابطه پیشبین وجود داشت؛ اما این رابطه بین دانشجویان غیر معمول مشاهده نشد.
نیستور و نیوبر۲۳۷ (۲۰۱۰) در دانشگاه LMU مونیخ پژوهشی را روی نمونه ۲۰۹ نفری از دانشجویان الکترونیکی در رشته علوم تربیتی انجام دادند. نتیجه این بررسی که بر روی اطلاعات حاصل از فعالیتهای دانشجویان در طول یک ترم تحصیلی (۱۴ هفته) بود؛ نشان داد، از مجموع نمونه مورد بررسی ۷۶.۱% درس را تمام و ۲۳.۹% مشمول افت تحصیلی شدهاند. نتیجه تحقیق نشان داد از مجموع افرادی که مشمول افت تحصیلی شده‌اند ۷.۷% (۱۶ نفر) در دو هفته اول تحصیل، ریزش داشته‌اند که ۱۴ نفر آن‌ها خانم بوده است. این پژوهش به مقایسه دانشجویان موفق و مشمول افت بر اساس متغیرهایی چون تعداد پیام ارسال شده و طول پیام پرداخته است. به عنوان مثال متوسط تعداد پیام ارسالی دانشجویان موفق ۸۳.۴% بوده است حال اینکه این تعداد برای دانشجویان مشمول افت ۸.۹۴% بوده است. به طور کلی از زمان شروع درس، دانشجویان موفق در تمرینها و فعالیت دروس، مشارکت بیشتری داشته‌اند و بر اساس میزان فعالیت در دو هفته اول می‌توان موفقیت یا افت دانشجو را پیش بینی کرد.
بوستون و آیس۲۳۸ (۲۰۱۱) با هدف شناسایی عوامل پیشبینی کننده موفقیت دانشجویان الکترونیکی، داده‌های تعداد بیست هزار و ۵۶۹ دانشجو را در یکی از دانشگاههای نظامی آمریکا مورد بررسی قرار دادهاند. اغلب متغیرهای پیشبین در این پژوهش از پایگاه داده دانشگاه استخراج شده که عبارتند از : نوع برنامه، سطح دوره (کارشناسی، ارشد)، معدل تراکمی، تعداد واحد اخذ شده در سال ۲۰۰۷، جنسیت، نژاد، گروه سنی، رسته نظامی، نمره کسب شده در آخرین درس، دانشجوی جدید یا بازگشت به تحصیل و تعداد واحد انتقالی. متغیر ملاک ثبت نام و عدم ثبت نام دانشجو بوده است. ۴۵ متغیر در این پژوهش معنیدار بودند که ۳۲.۸% واریانس را تبیین میکردند و از میان این ۴۵ متغیر، پنج مورد آن ۲۸.۲% از واریانس را تبیین میکرد. اولین و مهم‌ترین متغیر پیشبین برای افت تحصیلی دانشجویان، داشتن و نداشتن واحد انتقالی است. به عبارتی کسانی که واحد انتقالی از دانشگاه دیگر نداشتهاند، به دلیل زمانبر بودن زمان تحصیل اقدام به گرفتن واحد زیاد میکردند تا زودتر دانشآموخته شوند؛ این امر باعث افت تحصیلی آن‌ها شده است. تعداد واحد در سال ۲۰۰۷ دومین متغیر پیشبین معنیدار در این پژوهش بوده است. به این معنا که هرچه متوسط تعداد واحد دانشجو در این سال بیشتر میشود، احتمال عدم ثبت نام کاهش مییابد. اخذ نمره F و داشتن درس محروم از امتحان و معدل دانشجو سه متغیر دیگر این پژوهش هستند که همگی به نوعی متغیرهای تحصیلی محسوب میشوند.
۲-۵- ۲ پیشینه پژوهش های مبتنی بر معادلات ساختاری
با توجه به وجود روابط مستقیم و غیر مستقیم بین عوامل مختلف در حوزه علوم رفتاری، در دهههای اخیر به تحلیل معادلات ساختاری که طی آن اثرات مستقیم و غیر مستقیم بین عوامل تحلیل می‌شود، اقبال بیشتری شده است؛ لذا علاوه بر مجموعه تحقیقاتی که در بخش قبل اشاره شد و در آن‌ها محققان با استفاده از آزمونهای آماری مقایسه (آزمون تی و …)، رگرسیون، تحلیل تشخیص و … وضعیت تحصیلی دانشجویان و عوامل مرتبط را بررسی میکردند؛ پژوهشهایی نیز با استفاده از تحلیل معادلات ساختاری برای شناسایی عوامل موثر بر وضعیت تحصیلی و یا رفتار یادگیرنده الکترونیکی انجام شده است که در این بخش بر حسب زمان انتشار، گزارش می‌شوند.
-شین و کیم (۱۹۹۹)، عوامل موثر بر وضعیت تحصیلی دانشجویان در دانشگاه باز ملی کره۲۳۹ را مورد بررسی قرار دادهاند. متغیرهای برونزاد عبارت بودند از: حجم کاری، یکپارچگی اجتماعی و انگیزه اتمام تحصیل۲۴۰. متغیرهای برونزاد نیز عبارتند از: زمان مطالعه، یادگیری برنامهریزی شده، فعالیتهای رو در رو. نتایج تحلیل مسیر نشان داد، حجم کاری در میانگین نمرات دانشجویان اثر مستقیم معنیدار ندارد (۰۴/۰- =?). اما حجم کاری از طریق تأثیر در متغیر مدت زمان مطالعه به طور غیر مستقیم در میانگین نمرات تأثیرگذار است. علاوه بر زمان مطالعه، یکپارچگی اجتماعی و فعالیتهای اضافی رو در رو تأثیر قابل توجهی در نمرات دانشجویان از راه دور داشته است.
-برنارد، پاتون و لَن (۲۰۰۸) به بررسی اثرات مستقیم و غیر مستقیم برداشت از دروس برخط و خودگردانی بر پیشرفت تحصیلی پرداخته‌اند. پژوهش آنان نشان داد: برداشت از یادگیری برخط و پیشرفت تحصیلی (۴۳/۰=?)؛ برداشت از یادگیری و خودگردانی (۷۰/۰=?) و خودگردانی بر پیشرفت تحصیلی (۱۸/۰=?) اثر مستقیم دارد. اثر غیر مستقیم خودگردانی بر پیشرفت تحصیلی از طریق تأثیر بر برداشت دانشجو از دروس برخط (۱۳/۰=?) معنی دارد بود. در این پژوهش هرچند اثر خودگردانی بر پیشرفت ضعیف است، اما به طور غیر مستقیم و از طریق تأثیر بر برداشت دانشجو در پیشرفت تحصیلی او اثر گذار است.
-سریدهاران و همکارانش۲۴۱(۲۰۱۰) برای شناسایی تأثیر مهم‌ترین ابعاد مدل PTM242بر اثر بخشی یادگیری الکترونیکی از مدل معادلات ساختاری بهره گرفتهاند. مدل اولی? پژوهش شامل چهار متغیر برونزاد است:۱) پداگوژی، ۲) تکنولوژی، ۳) منابع یادگیری، ۴) هستیشناسی فراداده۲۴۳. عوامل درونزاد عبارت بودند از: ۱) مدیریت منابع یادگیری ۲) اثربخشی مدیریتی ۳) اثربخشی یادگیری الکترونیکی. برای آزمون مدل، داده‌های ۲۱۰ دانشجوی الکترونیکی در دانشگاه باز استرالیا به وسیله پرسشنامه لیکرت

این مطلب مشابه را هم بخوانید :   پایان نامه ارشد رایگان دربارهپیشرفت تحصیلی، خودکارآمدی، یادگیری الکترونیک، دانشجویان

دیدگاهتان را بنویسید