پایان نامه با واژگان کلیدی اضطراب امتحان

دانلود پایان نامه ارشد

کترونيکي را تبيين ميکند.
جدول ‏3-3: خلاصه مدل رگرسيون
مدل
آماره R
مجذور R
مجذور R تنظيم شده
خطاي استاندارد برآورد
آماره دوربين و واتسون
1
.421(a)
.177
.150
1.88173
1.903
تحليل رگرسيون براي بررسي معنيداري کل مدل از تحليل واريانس استفاده ميکند. جدول ‏3-4 نتايج تحليل واريانس را نشان ميدهد، از آنجا که (p<0/05) است، نشاندهنده معنيدار بودن کل مدل پيشبين است.
جدول ‏3-4: نتايج تحليل واريانس
مدل
مجموع مجذورات
درجه آزادي
ميانگين مجذورات
ميزان F
معني داري
1
رگرسيون
210.487
9
23.387
6.605
.000

باقي مانده
977.288
276
3.541

کل
1187.775
285

براي بررسي سهم هر کدام از عوامل در مدل اندازهگيري، ضريب بتاي استاندارد شده محاسبه شده که در جدول ‏3-5 آمده است.
جدول ‏3-5: ضرايب استاندارد و استاندارد نشده متغيرها
مدل
ضرايب استاندارد نشده
ضرايب استاندارد شده
آماره T
معني داري

آماره B
خطاي استاندارد
ضريب بتاي استاندارد شده

مقدار ثابت366
12.485
1.371

9.107
.000
1) مديريت زمان
.007
.161
.003
.045
.964
2) اضطراب امتحان
-.266
.132
-.129
-2.011
.045
3) رضايت تحصيلي
.664
.208
.234
3.186
.002
4) خود نظمدهي
.300
.205
.103
1.465
.144
5) اطمينان رايانهاي
-.430
.161
-.153
-2.662
.008
6) مطالعه الکترونيکي
.004
.153
.002
.026
.979
7) استقلال در يادگيري
.299
.175
.105
1.705
.089
8) مرکز کنترل
.021
.149
.009
.143
.886
9) اعتياد اينترنتي
-.045
.158
-.017
-.287
.774

معنيداري کلي مدل به اين معنا است که ابزار از روايي پيشبيني برخوردار است. مدل بدست آمده 15 درصد از تغييرات معدل دانشجويان را تبيين ميکند، اين ميزان آنچنان که بحث خواهد شد در مقايسه با ساير ابزارها از مطلوب بودن قدرت پيشبيني ابزار حکايت دارد.
نتايج اعتباريابي ابزار تعداد گويههاي پرسشنامه را از 67 به 39 گويه کاهش داد که اين امر منجر به صرفهجويي بيشتر وقت دانشجويان ميشود. در مقايسه با ساير ابزارهاي بحث شده، اين ابزار از نظر تعداد گويه در حد مطلوبي است، تعداد گويههاي پرسشنامه هلدر (2007) 60 و تعداد گويههاي آزمون موفقيت يادگيري الکترونيکي که توسط کر، رينرسون و کر (2006) طراحي شده 50 بوده است. بنابراين اين ابزار با وجود اينکه 9 عامل را شناسايي ميکند در عين حال بسيار اقتصادي است. از نظر ميزان واريانس تبييني توسط ابزارها، اين ابزار در حد مطلوب است، زيرا پرسشنامه پژوهش حاضر، حدود 60 درصد از واريانس سازه موفقيت دانشجو در تحصيل الکترونيکي را تبيين ميکند. اين در حالي است که ميزان واريانس تبيين شده از 42.2% براي ابزار اسميت (2005) تا 92% براي واتکينز، ليق و ترينر (2004) گزارش شده است.
روايي پيشبين اين ابزار براي پژوهش حاضر حائز اهميت است. ابزار طراحي شده توسط برنارد و همکاران (2004) مجموعاً 8% از واريانس نمره نهايي را تبيين ميکند، دو ابزاري که توسط هلدر (2007)، کر، رينرسون و کر (2006) طراحي شده است نيز 9% از واريانس نمره نهايي دانشجوي الکترونيکي را پيشبيني ميکنند. اين در حالي است که تحليل رگرسيون چندگانه براي ابزار حاضر 15% از تغييرات در معدل نهايي دانشجويان الکترونيکي را به حساب آورده است. اين عدد نشان دهنده روايي پيشبين بهتر اين ابزار نسبت به ساير ابزارها است.
روش معمول براي تعيين پايايي ابزارها، آلفاي کرونباخ است که ابزارهاي موجود در پيشينه نيز از آن بهره بردهاند. در مقايسه با ساير ابزارها که آلفاي آن‌ها بين 75/0 تا 93/0 متغير بوده است، آلفاي ابزار طراحي شده در اين پژوهش 80/0 بوده که نشان از پايايي مطلوب ابزار در مقايسه با ساير ابزارها دارد. خرده مقياسهاي نه گانه اين پژوهش نيز از پايايي مطلوبي برخوردار بودند.
3-4 جامعه آماري، روش نمونه گيري و حجم نمونه
جامعه اين پژوهش تمام دانشجويان کارشناسي و کارشناسي ارشد مرکز آموزش الکترونيکي دانشگاه علم و صنعت ايران است. جمعيت آن‌ها در ترم اول سال تحصيلي 90 – 89 يک هزار و 748 نفر بوده است.
اين پژوهش متناسب با سئوالهاي خود از روش‌هايي مناسب نمونهگيري استفاده ميکند. براي سئوالهاي اول تا هشتم، روش نمونهگيري از نوع تصادفي طبقهاي با اختصاص متناسب367 استفاده شد. به اين معنا که متناسب با جمعيت دانشجو در دو مقطع کارشناسي و کارشناسي ارشد و رشتههاي مختلف، نمونه مورد نظر انتخاب خواهد شد. جدول ‏3-6 جامعه پژوهش را به تفکيک رشته و مقطع تحصيلي نشان ميدهد.
جدول ‏3-6: جامعه آماري پژوهش
مقطع/ رشته
مهندسي فناوري اطلاعات
مهندسي صنايع
مديريت اجرايي
مهندسي فناوري ارتباطات گرايش مخابرات امن
مهندسي شيمي
کارشناسي
769
396

کارشناسي ارشد

314
216
53
جمع کل جامعه : 1748

براي انتساب نمونه به جامعه مورد مطالعه با رعايت نسبت دانشجويان در رشتههاي مختلف از فرمول نمونهگيري با احتساب نسبتها استفاده شد (عميدي، 1388). نمونه پيشبيني شده براي پژوهش با توجه به مقطع و رشته تحصيلي در جدول ‏3-7 گزارش شده است.

در فرمول فوق:

جدول ‏3-7: نمونه آماري پيش بيني شده
مقطع/ رشته
مهندسي فناوري اطلاعات
مهندسي صنايع
مديريت اجرايي
مخابرات امن
مهندسي شيمي
کارشناسي
230
171

کارشناسي ارشد

145
104
32
جمع کل نمونه :682

با توجه به افت شديد آزمودني در تحقيقات پرسشنامهاي به ويژه زماني که پيمايش الکترونيکي باشد، متناسب با حجم نمونه پيشبيني شده، ابتدا فهرستي از دانشجويان تهيه شد، سپس لينک پرسشنامه به 900 دانشجو ارسال شد. که در مجموع 759 دانشجو، پرسشنامه را تکميل کردند. از بين 759 دانشجو 21 نفر به دليل نامعتبر بودن شماره دانشجويي از نمونه کنار گذاشته شدند و نمونه نهايي به 738 دانشجو رسيد. مهم‌ترين مشخصات دانشجويان بر حسب مقطع و رشته تحصيلي در جدول ‏3-8 گزارش شده است.
جدول ‏3-8: نمونه واقعي پژوهش
مقطع/ رشته
مهندسي فناوري اطلاعات
مهندسي صنايع
مديريت اجرايي
مخابرات امن
مهندسي شيمي
کارشناسي
214
170

کارشناسي ارشد

170
132
52
جمع کل نمونه :738

براي پاسخ به سئوال هشتم پژوهش با توجه به اينکه نوع روش تحقيق کيفي است؛ از نوع نمونهگيري تدريجي استفاده شد. فليک (1387) درباره اين نوع نمونهگيري آورده است:
استراتژيهاي نمونهگيري تدريجي عمدتاً مبتني بر پايه”نمونهگيري نظري” مبتنياند که توسط گليزر و اشتراوس (1967) ابداع شد. تصميمگيري درباره انتخاب و در کنار يکديگر قرار دادن اطلاعات تجربي (موردها، گروهها، سازمانها و غيره) طي فرايند گردآوري و تفسير داده‌ها انجام ميپذيرد… نمايا بودن نمونه از طريق تصادفي بودن يا سهميهبندي تضمين نميشود، بلکه شما افراد، گروهها، و جز اين‌ها را بر اساس ميزان روشنايي بخشي (احتمالي شان) براي نظريههايي که تا آن لحظه تدوين شده است انتخاب ميکنيد (ص 138) .
با توجه به آنچه که در مورد روش نمونهگيري تدريجي در تحقيقات کيفي بحث شد، اين پژوهش نيز تعداد و حجم نمونه را در فرايند تحقيق و با توجه به اهداف پژوهش تعريف و تحديد نمود.

3-5 روش تجزيه و تحليل داده ها
همان‌گونه که در پيشينه آمده است، اغلب پژوهشها براي شناسايي متغيرهاي پيشبيني موفقيت و افت دانشجويان از روش تحليل رگرسيون استفاده کردهاند. البته برخي با استفاده از روش‌هايي مانند آزمون T، تحليل واريانس و معادلهاي ناپارامتريک به مقايسه گروهها پرداختهاند که پژوهش حاضر به طور مستقيم اين اهداف را دنبال نميکند. برخي نيز از مدل آماري تحليل مميزي368 بهره بردهاند. روزگار و نعمت اللهي (1385) در مقالهاي تحت عنوان مقايسه تحليل مميزي (آناليز تشخيصي) و رگرسيون لجستيک آوردهاند: در اين دو روش تفاوتهاي جزئي وجود دارد و آن اينکه در تحليل مميزي، متغيرهاي مستقل (پيشگو)، متغيرهاي پيوسته هستند. اما در رگرسيون لجستيک متغيرهاي مستقل ميتوانند گسسته (دوتايي)، طبقهاي و پيوسته نيز باشند (ص 30).
با توجه به متغيرهاي اين پژوهش که برخي مانند وضعيت تأهل و جنسيت که اسمي هستند قاعدتاً تحليل مميزي قابل کاربرد نخواهد بود؛ لذا تحليل رگرسيون در مجموع بر تحليل مميزي (آناليز تشخيصي) ارجحيّت دارد. اما رگرسيون لجستيک انواعي دارد که بايد با توجه به متغير پيشبيني شونده (پاسخ)، انتخاب شوند (روزگار و نعمت اللهي، 1385). رگرسيون لجستيک با توجه به نوع متغير پاسخ به سه دسته تقسيم ميشود:
* رگرسيون لجستيک دوتايي369: زماني مورد استفاده قرار ميگيرد که متغير پاسخ يک متغير دو حالتي (دوبخشي370) باشد. مانند بله/ خير؛ قبول/ رد.
* رگرسيون ترتيبي371: زماني مورد استفاده قرار ميگيرد که متغير ترتيبي باشد. متغيرهاي ترتيبي متغيرهاي گروهبندي شدهاي هستند که داراي سه سطح يا بيشتر از سه سطح هستند که ترتيب طبيعي دارند. همانند کاملاً مخالف، مخالف، طبيعي، موافق و کاملاً موافق.
* رگرسيون لجستيک اسمي372: زماني مورد استفاده قرار ميگيرد که متغير پاسخ يک متغير اسمي باشد. متغيرهاي اسمي، متغيرهاي گروهبندي شدهاي هستند که داراي سه سطح يا بيشتر و بدون ترتيب طبيعي هستند (ص 33).
با توجه به اينکه متغير ملاک در اين پژوهش معدل يادگيرنده الکترونيکي در مقياس پيوسته است، انواع رگرسيون لجستيک را نميتوان بکار برد. روش مناسب تحليل براي پيشبيني مقياسهاي پيوسته چون معدل دانشجو با ترکيب چند متغير رگرسيون چند متغيري373 است. دلاور (1388) در مورد رگرسيون چند متغيري آورده است:
“روشي که از طريق آن متغيرهاي پيشبيني کننده ترکيب ميشوند رگرسيون چند متغيري ناميده ميشود. در اين روش يک معادله رگرسيون چند متغيري محاسبه ميشود که ارزشهاي اندازهگيري شده پيشبيني را در يک فرمول خلاصه ميکند. ضرايب معادله براي هر متغير، بر اساس اهميت آن در پيشبيني متغير ملاک محاسبه و معين ميشود. نمره هر فرد در متغيرهاي پيشبيني در معادله رگرسيون جايگزين مي‌شود و نمره ملاک همان فرد محاسبه و پيشبيني مي‌شود. درجه همبستگي بين متغيرهاي پيشبيني کننده در معادله رگرسيون چند متغيري و متغير ملاک، به وسيله ضرايب نشان داده مي‌شود (دلاور، 1388 ص 220).”
استفاده از تحليل رگرسيون چند متغيري مفروضه‌هايي دارد که مهم‌ترين آن‌ها عبارتند از: 1) پيوسته و نرمال بودن داده‌هاي متغير ملاک؛ 2) بين متغيرهاي پيشبين و ملاک همبستگي خطي وجود داشته باشد؛ 3) مقياس متغيرهاي پيشبين اسمي نباشند؛ 4) تعداد مشاهدهها (نمونه پژوهش) زياد باشد (بريس، کمپ و سنلگار374، 1389).
براي آزمون مدل مسير پيشنهادي پژوهش حاضر، از روش مدليابي معادلات ساختاري375 استفاده ميشود. هومن (1388) در مورد مدليابي معادلات ساختاري آورده است:
“مدليابي معادلات ساختاري يک تکنيک تحليل چند متغيري بسيار کلي و نيرومند از خانواده رگرسيون چند متغيري و به بيان دقيقتر بسط مدل خطي کلي376 است که به پژوهشگر امکان ميدهد مجموعهاي از معادلات رگرسيون را به گونهاي همزمان مورد آزمون قرار دهد. مدليابي معادله ساختاري يک رويکرد آماري جامع براي آزمون فرضيههايي درباره روابط بين متغيرهاي مشاهده شده و مکنون است، که گاه تحليل ساختاري کوواريانس، مدليابي علّي و گاه نيز LISREL ناميده شده است. اما اصطلاح رايج اين روزها، مدليابي معادلات ساختاري است که يا به گونه خلاصه SEM است. “(هومن، 1388، ص 11).
در اين پژوهش براي پاسخ به سؤالات اول تا هفتم از تحليل رگرسيون چند متغيري و براي آزمون مدل مسير پيشنهادي، از تحليل معادلات ساختاري استفاده شد. سئوال هشتم که از نوع پژوهشهاي کيفي است نياز به روش‌هايي تحليل کيفي داده‌ها دارد. براي تحليل سئوال هشتم از روش تحليل محتواي کيفي استفاده ميشود. فليک (1382) درباره اين روش تحليل آورده است:
“اساساً اجراي تحليل محتواي کيفي در عمل شامل سه تکنيک ميشود. در خلاصه کردن تحليل محتوا داده‌ها بازگويي ميشوند. به اين معنا که گزارههايي که ارتباط چنداني به پرسش تحقيق ندارند يا آن‌هايي که معناي مشابهي با ساير عبارتها دارند کنار گذاشته مي‌شوند (تلخيص اول) و گزارههاي مشابه، دسته بندي و خلاصه ميشوند (تلخيص دوم). در اين جا داده‌ها از طريق کنار گذاشتن گزارههايي که در عبارتهاي تعميم داده شده آمدهاند کنار گذاشته ميشوند، به اين معنا که گزاره‌ها در سطح انتزاعيتر تلخيص مي‌شوند”(ص 348).
براي پاسخ به اين سئوال که دانشجويان چه دلايلي را براي موفقيت و عدم موفقيت خود در تحصيل الکترونيکي بيان ميکنند، پس از گردآوري داده‌هاي حاصل از گفتگو و مصاحبههاي ايميلي، داده‌ها تلخيص، طبقهبندي و تحليل مي‌کند.
3-6 خلاصه فصل
در اين فصل از گزارش پژوهش مشخص شد، روش تحقيق توصيفي – پيمايشي و روش علّي- مقايسهاي از بين روش‌هايي تحقيق کمي و مطالعه موردي از بين انواع روش‌هايي کيفي براي اهداف پژوهش حاضر مناسب هستند. براي شناسايي مدل پيشبين هوشمند نيز از روش دادهکاوي آموزشي استفاده شده است. همچنين مشخص شد، روش گردآوري داده‌ها مراجعه به سامانه آموزش و پيمايش الکترونيکي بوده است. نتايج روايي ابزار نيز نشان داد، پرسشنامه 39 سئوالي با 9 خرده مقياس قريب به 60 درصد از واريانس سازه موفقيت يادگيرنده الکترونيکي را تبيين ميکند. ضريب آلفاي کرونباخ 80/0 نشان از پايايي مطلوب ابزار داشت و روايي پيشبين ابزار نيز نشان داد، 15% از تغييرات در معدل کل يادگيرنده الکترونيکي را ميتوان با ابزار پژوهش پيشبيني کرد که در مقايسه با ساير ابزارهاي طراحي شده، روايي پيشبين ابزار را مطلوب نشان ميدهد. جامعه، روش نمونهگيري تصادفي با تخصيص مناسب مشخص شد. روش‌هايي تحليل نيز مشخص شد که در جدول ‏3-9 روش تحقيق، روش‌هايي تحليل، ابزار گردآوري داده‌ها و سؤالات پژوهش گزارش شده است.
جدول ‏3-9: خلاصه روش پژوهش و تحليل
سئول پژوهش
روش پژوهش
ابزار پژوهش
روش تحليل
متغيرهاي دموگرافيک (جنسيت، سن، تأهل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟
کمي : علي- مقايسهاي
اطلاعات موجود در سامانه آموزش
تحليل رگرسيون چند متغيري
متغيرهاي مربوط به پيشينه تحصيلي (فاصله بين دو مقطع تحصيلي، معدل مقطع قبل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟

کمي : علي- مقايسهاي
اطلاعات موجود در سامانه آموزش
تحليل رگرسيون چند متغيري
متغيرهاي اجتماعي- اقتصادي (اشتغال، سکونت، تأمين‌کننده هزينه تحصيل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟
کمي : توصيفي پيمايشي
پرسشنامه محقق ساخته
تحليل رگرسيون چند متغيري
متغيرهاي رواني- فني (اطمينان رايانهاي، اضطراب امتحان، مرکز کنترل، استقلال در يادگيري)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟

کمي: پيمايشي
پرسشنامه محقق ساخته
تحليل رگرسيون چند متغيري
متغيرهاي رسانهاي (دسترسي به اينترنت، رايانه قابل حمل، تلفن همراه)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟
کمي : توصيفي- پيمايشي
پرسشنامه محقق ساخته
تحليل رگرسيون چند متغيري
متغيرهاي مربوط به تجارب يادگيري الکترونيکي (عادت به يادگيري الکترونيکي، معدل اولين ترم تحصيل، رضايتمندي تحصيلي)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟
کمي : توصيفي- پيمايشي
پرسشنامه محقق ساخته
تحليل رگرسيون چند متغيري
متغيرهاي مديريتي (توانايي مديريت زمان، خود نظمدهي)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکند؟
کمي : توصيفي- پيمايشي
پرسشنامه محقق ساخته
تحليل رگرسيون چند متغيري
دانشجويان چه دلايلي را براي موفقيت و عدم موفقيت خود بيان ميکنند؟

کيفي- مطالعه موردي
مصاحبه حضوري و ايميلي
تحليل محتواي کيفي

4. فصل چهارم (يافته هاي پژوهش)

4-1 تحليل توصيفي داده ها
آنچنان که در فصل سوم بحث شد، همبستگي زير بناي تحليل رگرسيون چند متغيري است و تفسير نتايج تا حد زيادي به نظام کد دهي محقق وابسته است، بنابراين قبل از بررسي سئوالهاي پژوهش نظام کد دهي متغيرهاي پژوهش در جدول ‏4-1 گزارش ميشود:
جدول ‏4-1: نظام کد دهي به متغيرها
متغير
طبقه‌ها
کد
جنسيت
آقا
0

خانم
1
?وضعيت سکونت تهراني
تهراني
1

غير تهراني
0
?وضعيت سکونت شهرستانهاي تهران
شهرستانهاي تهران
1

غير شهرستانهاي تهران
0
?وضعيت سکونت ساير شهرستانها
شهرستاني
1

غير شهرستاني
0
وضعيت اشتغال
شاغل
0

غير شاغل
1
سن (زمان ثبت نام در مرکز)
مقياس نسبتي
بر حسب سال
*فاصله بين دو مقطع تحصيلي
مقياس نسبتي
بر حسب سال
وضعيت تأهل
متأهل
0

مجرد
1
سرعت اينترنت
kbp 56
1

kbp 64
2

kbp 128
3

kbp 256
4

kbp 512
5
لپ تاپ شخصي
داراي لپ تاپ
1

بدون لپ تاپ
0
از تلفن همراه براي اهداف يادگيري استفاده ميکنيد؟
بله
1

خير
0
*تأمين هزينه توسط دانشجو
دانشجو
1

غير دانشجو
0
*تأمين هزينه توسط خانواده
خانواده
1

غير خانواده
0
*تأمين هزينه مشارکتي (دانشجو و خانواده)
خودم و خانواده (مشارکتي)
1

غير مشارکتي
0
معدل مقطع قبل
مقياس فاصلهاي
عدد صفر تا بيست
معدل ترم اول
مقياس فاصلهاي
عدد صفر تا بيست
معدل کل
مقياس فاصلهاي
عدد صفر تا بيست
*افت تحصيلي
افت تحصيلي
0

موفق
1
يکي از مفروضههاي استفاده از رگرسيون چند متغيري اين است که متغيرهاي پيشبين انتخاب شده بايد بر اساس مقياس نسبتي، فاصلهاي و يا رتبهاي اندازهگيري شده باشند. برخي از متغيرهاي پيشبين پژوهش چون وضعيت سکونت و تأمين‌کننده هزينه تحصيل، اسمي هستند. براي اينکه اين متغيرها قابل استفاده در تحليل رگرسيون باشند، تبديل به متغيرهاي دو بخشي شدهاند. از آنجا که وضعيت سکونت دانشجويان در سه طبقه قرار داشت، سکونت در تهران، سکونت در شهرستانهاي تهران و سکونت در ساير شهرستانهاي ايران؛ اين سه طبقه به سه متغير دو بخشي تبديل شدند. براي تأمين‌کننده هزينه تحصيل نيز به همين سياق عمل شد، به اين روش که تأمين‌کننده هزينه تحصيل سه طبقه داشت: تأمين‌کننده هزينه تحصيل توسط خود دانشجو، تأمين هزينه تحصيل توسط خانواده، تأمين هزينه تحصيل توسط خانواده و دانشجو به صورت مشارکتي. متغير تأمين‌کننده هزينه تحصيل نيز به سه متغير دو بخشي تبديل شد.
نحوه محاسبه فاصله دو مقطع تحصيلي نيز نياز به توضيح بيشتري دارد. فاصله بين اخذ ديپلم و ورود به دانشگاه براي مقطع کارشناسي، از طريق تفاضل سن ورود به دانشگاه از عدد 18 محاسبه شد. نحوه محاسبه فاصله بين دو مقطع تحصيلي براي دانشجويان کارشناسي ارشد، از طريق تفاضل سن ورود به دانشگاه از عدد 23 محاسبه شد. علت انتخاب عدد 18 براي مقطع کارشناسي اين بود که به طور معمول در نظام آموزشي ايران، دانشآموز از سن 18 سالگي وارد دانشگاه ميشود. براي مقطع کارشناسي ارشد، نيز به همين سياق عمل شد. اگر دانشجو بدون وقفه تحصيل خود را ادامه دهد، پس از 4 سال دانشآموخته ميشود، به اين معنا که در 22 سالگي دانشآموخته و وارد مقطع بالاتر ميشود. با توجه به اينکه، اين زمان براي آموزش مهندسي اغلب بيشتر از 4 سال طول ميکشد. عدد 22 به 23 افزايش يافت.
افت تحصيلي متغير ملاک ديگري است که نياز به توضيح دارد. در پژوهش حاضر دانشجويان مشمول افت تحصيلي کساني هستند که ثبت نام کردهاند و به دليل مشروطي بيش از سه ترم اخراج شدهاند (اخراج اجباري)، يا با کارنامه حداقل يک ترم مشروطي انصراف دادهاند (انصراف به دليل وضعيت تحصيلي ضعيف). برخي از دانشجويان قبل از ثبت نام يا قبل از پايان ترم تحصيلي انصراف ميدهند، اين دانشجويان در دسته دانشجويان انصراف زود هنگام قرار دارند و نميتوان آن‌ها را در دسته افت تحصيلي تعريف نمود. در مقابل دانشجوياني که پس از يک ترم مشروط شدن انصراف ميدهند را ميتوان در دسته دانشجويان مشمول افت تحصيلي قرار داد، زيرا مهم‌ترين علت انصراف اين دانشجويان، وضعيت تحصيليشان است.

4-2 بررسي مفروضه هاي استفاده از رگرسيون
آنچنان که در بخش قبل اشاره شد، يکي از مفروضههاي استفاده از رگرسيون چند متغيري، فاصلهاي، نسبتي و ترتيبي بودن متغيرهاي پيشبين است و متغيرهاي اسمي بايد دو بخشي باشند. آنچنان که گذشت عمل دوبخشيسازي براي متغيرهاي تأمين‌کننده هزينه تحصيل و محل سکونت انجام پذيرفت. در ادامه پيششرط رابطه خطي بين متغيرها و نرمال بودن متغير وابسته گزارش ميشود.
4-2- 1 پيش فرض رابطه خطي بين متغيرها
يکي ديگر از شرايط استفاده از رگرسيون چند متغيري وجود رابطه خطي بين متغير پيشبين و ملاک است. از آنجا که انتخاب متغيرها بر اساس پيش فرض وجود رابطه بين آن‌ها با متغير ملاک معدل کل يادگيرنده الکترونيکي بود، از تحليل همبستگي يک دامنه براي بررسي همبستگي بين متغيرها استفاده شد. نتايج تحليل همبستگي براي متغيرهاي اسمي و ترتيبي در جدول ‏4-2 گزارش شده است.
جدول ‏4-2 :نتايج تحليل همبستگي اسپيرمن براي متغيرهاي اسمي و ترتيبي
ملاک پيش بين

معدل کل يادگيرنده الکترونيکي
جنسيت
.058
وضعيت تأهل
-.409**
وضعيت اشتغال
-.261**
تهراني
-.134**
اطراف تهران
-.017
شهرستان
.155**
خود فرد
.224**
خانواده
-.269**
خود و خانواده
.061
موبايل
-.028
سرعت اينترنت
.110**
لپ تاپ
.210**
علامت** در خروجي SPSS معنيدار بودن همبستگي را در سطح 01/0 نشان مي‌دهد. با توجه به اين قاعده و نظام کد دهي به متغيرهاي اسمي و ترتيبي، معني همبستگيهاي جدول ‏4-2 به اين قرار است:
– بين جنسيت و معدل يادگيرنده الکترونيکي ارتباط معنيداري وجود ندارد.
– بين وضعيت تأهل و معدل يادگيرنده الکترونيکي ارتباط معنيدار متوسطي وجود دارد. با توجه به اينکه جهت ارتباط منفي بوده و کد متأهل صفر بوده، ميتوان نتيجه گرفت بين تأهل و معدل يادگيرنده الکترونيکي رابطه مثبت و با مجرد بودن رابطه منفي وجود دارد. به عبارتي با تغيير از وضعيت تأهل از متأهل (0) به مجرد (1) معدل يادگيرنده الکترونيکي کاهش مييابد.
– بين وضعيت اشتغال و معدل يادگيرنده الکترونيکي رابطه معنيدار منفي وجود دارد. با تغيير از وضعيت شاغل (0) به غير شاغل (1) معدل يادگيرنده الکترونيکي کاهش مييابد.
– بين وضعيت سکونت در تهران و معدل يادگيرنده الکترونيکي رابطه معنيدار منفي وجود دارد. با تغيير از وضعيت سکونت در غير تهران (0) به تهران (1) معدل يادگيرنده الکترونيکي کاهش مييابد. بين سکونت در شهرستانهاي اطراف تهران و معدل يادگيرنده الکترونيکي رابطه معنيداري وجود ندارد. بين سکونت در ساير شهرستانها و معدل يادگيرنده الکترونيکي رابطه مثبت وجود دارد. به اين معنا که با تغيير از سکونت در تهران و شهرستانهاي تهران (0) به سکونت در ساير شهرستانهاي کشور، ميزان معدل يادگيرنده الکترونيکي افزايش مييابد.
– بين وضعيت تأمين هزينه تحصيل توسط خود فرد و معدل يادگيرنده الکترونيکي رابطه معنيدار مثبت وجود دارد. به اين معنا که با تغيير وضعيت تأمين هزينه از غير دانشجو (0) به دانشجو (1)، معدل فرد افزايش مييابد. همبستگي بين تأمين هزينه توسط خانواده نيز منفي است. به اين معنا که با تغيير از وضعيت تأمين هزينه از غير خانواده (0) به خانواده (1) معدل يادگيرنده کاهش مييابد. همبستگي براي تأمين هزينه مشارکتي و معدل يادگيرنده نيز معنيدار نيست.
– بين استفاده از تلفن همراه و معدل يادگيرنده الکترونيکي رابطه معنيداري وجود ندارد.
-بين سرعت اينترنت و معدل يادگيرنده الکترونيکي رابطه معنيدار مثبت و نسبتاً پاييني وجود دارد. با افزايش سرعت اينترنت دانشجو از kbp 56 به kbp 512 معدل فرد نيز افزايش مييابد.
– بين دارا بودن لپتاپ شخصي (1) و نداشتن لپتاپ شخصي (0) با معدل يادگيرنده الکترونيکي رابطه مثبت وجود دارد. به عبارتي با تغيير از وضعيت نداشتن لپتاپ (0) به دارا بودن لپتاپ (1) معدل يادگيرنده افزايش مييابد.
همبستگي بين متغيرهاي نسبتي و فاصلهاي پژوهش با معدل کل يادگيرنده الکترونيکي در جدول ‏4-3 گزارش شده است. نظر به اينکه انتظار ميرفت بين اين متغيرها با وضعيت تحصيلي يادگيرنده ارتباط وجود داشته باشد، از آزمون پيرسون يک دامنه استفاده شد.
جدول ‏4-3: همبستگي متغيرهاي نسبتي و فاصله اي با متغير ملاک
سن ورود
فاصله بين مقطع
معدل مقطع قبل
اطمينان رايانه اي
اضطراب امتحان
مرکز کنترل
اعتياد اينترنتي
عادت به مطالعه الکترونيکي
معدل ترم اول
رضايت‌مندي تحصيلي
توانايي مديريت زمان
خودگرداني
پيش بين

ملاک
.482**
.262**
.412**
.065*
-.396**
-.041
-.221**
.175**
.806**
.226**
.290**
.359**
معدل کل

نتايج تحليل همبستگي نشان ميدهد، بجز مرکز کنترل يادگيرنده الکترونيکي که همبستگي معنيداري با موفقيت تحصيلي يادگيرنده الکترونيکي ندارد؛ بقيه متغيرها همبستگي معنيداري دارند. البته بايد توجه داشت، رابطه اطمينان رايانهاي نيز بسيار پايين است و در سطح 05/0 معنيدار بوده است و اين معنيداري تحت تأثير حجم نمونه است. قواعد زير از معنيداري نتايج همبستگيهاي فوق قابل استنتاج است.
– هر چه خودگرداني يادگيرنده الکترونيکي افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– هر چه توانايي مديريت زمان يادگيرنده الکترونيکي افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– هر چه رضايتمندي يادگيرنده الکترونيکي افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– هر چه معدل ترم اول يادگيرنده الکترونيکي افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– هر چه عادت به مطالعه الکترونيکي يادگيرنده افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– هر چه اعتياد و رفتارهاي نامناسب يادگيرنده در فضاي يادگيري الکترونيکي بيشتر ميشود، ميزان موفقيت تحصيلي او نيز کاهش مييابد.
– هر چه اضطراب امتحان يادگيرنده الکترونيکي بيشتر ميشود، ميزان موفقيت تحصيلي او نيز کاهش مييابد.
– هر چه معدل مقطع قبل افزايش مييابد، ميزان موفقيت تحصيلي او نيز افزايش مييابد.
– با افزايش فاصله بين مقطع تحصيلي و پذيرش در دانشکده الکترونيکي، ميزان موفقيت تحصيلي فرد افزايش مييابد.
– با افزايش سن يادگيرنده الکترونيکي، ميزان موفقيت تحصيلي او افزايش مييابد.
4-2- 2 پيش فرض نرمال بودن متغير وابسته
براي بررسي نرمال بودن متغير وابسته از آزمون کالموگوروف- اسميرنوف377 استفاده شد. يکي از کاربردهاي اين آزمون براي بررسي نرمال بودن يک متغير اندازهگيري شده است. اگر آماره کالموگوروف- اسميرنوف براي متغير اندازهگيري شده بين 96/1+ و 96/1- باشد، ميتوان نرمال بودن متغير اندازهگيري شده را نتيجه گرفت (حسيني، 1382). نتايج آزمون کالموگوروف- اسميرنوف در جدول ‏4-4 گزارش شده است.

جدول ‏4-4: آزمون نرمال بودن متغير ملاک

معدل کل
N
721
Normal Parametersa,b
Mean
14.08

Std. Deviation
2.51
Most Extreme Differences
Absolute
.066

Positive
.066

Negative
-.060
Kolmogorov-Smirnov Z
1.782
Asymp. Sig. (2-tailed)
.003

همان‌گونه که مقدار کالموگوروف- اسميرنوف (1.78) نشان ميدهد، اين ميزان کمتر از 96/1+ است لذا ميتوان نرمال بودن متغير وابسته را نتيجه گرفت.
4-3 آمار توصيفي متغيرهاي پژوهش
آمار توصيفي متغيرهاي پيشبين و ملاکي که در سطح نسبتي و فاصلهاي سنجيده شدهاند در جدول ‏4-5 خلاصه شده است. متغير ملاک که معدل کل دانشجو است، با رنگ تيره مشخص شده است.
جدول ‏4-5: آمار توصيفي متغيرهاي پيش بين و ملاک (نسبتي و فاصله اي)
فراواني
انحراف معيار
ميانگين
حداکثر
حداقل
شاخص
متغير
738
6.48
24.87
52
17
سن در زمان ورود
738
5.21
4.47
29
0
فاصله بين دو مقطع
734
2.20
14.65
19.59
8.12
معدل مقطع قبل
738
0.81
4.23
5
1
اطمينان رايانه اي
738
1.04
2.88
5
1
اضطراب امتحان
738
0.63
3.22
5
1
مرکز کنترل
738
0.82
2.18
5
1
اعتياد اينترنتي
738
0.82
2.70
4.80
1
عادت به مطالعه الکترونيکي
738
2.39
14.37
19.83
6
معدل ترم اول
738
0.76
3.81
5
1
رضايت‌مندي تحصيلي
738
0.75
2.72
5
1
توانايي مديريت زمان
738
0.78
3.59
5
1
خودگرداني
721
2.51
14.08
19.46
5.76
معدل کل
آمار توصيفي مربوط به سن و فاصله بين دو مقطع تحصيلي نشان ميدهد، دانشجوياني وجود دارند که سن آن‌ها بيش از 50 سال است که حدود 30 سال از دانشآموختگي آن‌ها ميگذرد اما به روش الکترونيکي ادامه تحصيل ميدهند. اين نتايج نشان از يکي از تفاوتهاي فاحش مخاطبين نظام يادگيري الکترونيکي با آموزشهاي متداول دارد، که زمينه افت تحصيلي دانشجويان را فراهم ميکند.
مقايسه ميزان حداقلي، معدل مقطع قبل (8.12) با حداقل معدل موجود براي معدل اولين ترم (6) و حداقل معدل کل در تحصيل الکترونيکي (5.76) نشان ميدهد، به مراتب عملکرد تحصيلي يادگيرنده در سيستم الکترونيکي در مقايسه با آموزش حضوري کمتر ميشود. مقايسه ميانگينها نيز اين فرضيه را تاييد ميکند (نمودار ‏4-1). البته بايد توجه داشت، اين تحليل فقط مبتني بر آمار توصيفي است و نياز به تحليل استنباطي دارد.

نمودار ‏4-1: مقايسه معدل مقطع قبل، ترم اول و کل
متغيرهايي که توسط پرسشنامه محقق ساخته سنجيده شدهاند، به اين دليل که مقياسشان در طيف ليکرت از 1 تا 5 متغير بوده است جداگانه در نمودار ‏4-2 گزارش شده است.

نمودار ‏4-2: مقايسه ميانگين متغيرهاي پرسشنامه اي
همان‌گونه که در نمودار ‏4-2 مشاهده ميشود، متغير اعتياد اينترنتي که به رفتارهايي چون چت غير درسي و گردش در وبلاگها و وب سايتهاي غير درسي اشاره دارد با مقدار 2.18 درصد کمترين ميانگين را دارد، که يک نقطه قوت محسوب ميشود. اما پايين بودن متوسط عادت به مطالعه الکترونيکي و توانايي مديريت زمان را ميتوان به عنوان يک نقطه ضعف براي يادگيرندگان الکترونيکي بشمار آورد.
ميانگين اضطراب نشان مي‌دهد، اضطراب امتحان دانشجويان کمتر از متوسط است. اين نتيجه ميتواند اميد بخش باشد. مرکز کنترل، اطمينان رايانهاي، خودگرداني، رضايتمندي تحصيلي نيز بيشتر از ميانگين است؛ به اين معنا که به طور متوسط مرکز کنترل دانشجويان دروني بوده، در کار با رايانه عزت نفس بالايي دارند، خودگردان بوده و تا حدودي از تحصيل خود به روش الکترونيکي رضايت دارند. باز هم تاکيد ميشود، اين نتايج بر اساس تحليل توصيفي است و نيازمند تحليل استنباطي خواهد بود. از آنجا که در اين بخش فقط به گزارش تحليل توصيفي داده‌ها پرداخته شده، تحليل استنباطي در بخشهاي بعد گزارش خواهد شد.
جنسيت جزء متغيرهاي اسمي دو بخشي است، که به عنوان متغير پيشبين در دسته متغيرهاي دموگرافيک وارد مدل رگرسيون خواهد شد. فراواني نمونه مورد بررسي، بر حسب جنسيت و وضعيت تأهل در جدول ‏4-6 گزارش شده است.
جدول ‏4-6: آمار توصيفي بر حسب جنسيت و وضعيت تأهل

فراواني
درصد
درصد تراکمي

جنسيت
مرد
445
60.3
60.3

زن
293
39.7
100.0

تأهل
متأهل
252
34.1
34.1

مجرد
486
65.9
100.0
آمار توصيفي مربوط به جنسيت نشان ميدهد، فراواني تعداد دانشجويان مرد بيشتر از خانمها است. به عبارتي اقبال آقايان به ادامه تحصيل به روش الکترونيکي بيشتر از خانمها است. در بررسي ديگري بر روي پايگاه داد? تمام دانشجويان از سال 1383 تا 1390 تعداد دانشجويان ثبت شده در سيستم براي آقايان 628 و براي خانمها 401 نفر بوده است. به عبارتي ميتوان نتيجه گرفت، جمعيت تحصيلي دانشجويان مرد يک برابر و نيم جمعيت خانمها است. اين آمار دقيقاً بر خلاف روند آمار آموزش عالي است، زيرا آمار آموزش عالي حضوري، افزايش تعداد دانشجويان خانم را نشان ميدهد.
از نظر وضعيت تأهل 34% متأهل و 66% مجرد بودهاند. هر چند ميزان دانشجويان متأهل از مجرد کمتر است اما بايد توجه داشت، در مقايسه با آموزش حضوري، تعداد دانشجويان متأهل در ميان دانشجويان الکترونيکي بيشتر از حضوري است. در اين خصوص نياز به آمار وضعيت تأهل دانشجويان حضوري ضروري است و از آنجا که جزء اهداف پژوهش حاضر نيست، از آن ميگذريم. البته قطع يقين وضعيت تأهل دانشجويان الکترونيکي بيشتر از آموزشهاي حضوري خواهد بود.
وضعيت اشتغال، سکونت و تأمين‌کننده هزينه تحصيل نيز به عنوان متغيرهاي اجتماعي- اقتصادي مورد توجه بوده‌اند که در جدول ‏4-7 گزارش شده است.
جدول ‏4-7: آمار توصيفي متغيرهاي اجتماعي – اقتصادي (اشتغال، سکونت، هزينه تحصيل)

فراواني
درصد
اشتغال
شاغل
496
67.2

غير شاغل
242
32.8
سکونت
تهران
518
70.2

اطراف تهران
47
6.4

ساير شهرستانها
173
23.4
تأمين کننده هزينه تحصيل
دانشجو
351
48.2

خانواده
313
43.0

کارفرما
4
.5

ساير
5
.7

خود و خانواده (مشارکتي)
55
7.6
همان‌گونه که در جدول ‏4-7 مشاهده ميشود، نزديک به 70% درصد دانشجويان شاغل هستند و 50% نيز هزينه تحصيلشان را خودشان تأمين ميکنند. اين ويژگي تا حد زيادي ميتواند در وضعيت تحصيلي دانشجو تأثير بگذارد. از نظر وضعيت سکونت نيز بيشتر يادگيرندگان، مقيم تهران هستند. لازم به توضيح است، از آنجا که فراواني تعداد دانشجوياني که هزينه تحصيلشان توسط کارفرما يا ساير افراد تأمين ميشود، بسيار اندک است از تحليل کنار گذاشته شدهاند.
جدول ‏4-8 : آمار توصيفي متغيرهاي رسانه اي (لپ تاپ، تلفن همراه، دسترسي به اينترنت)

فراواني
درصد
تلفن همراه
استفاده آموزشي
109
14.77

عدم استفاده آموزشي
629
85.23
لپ تاپ
داراي لپتاپ
511
69.20

بدون لپتاپ
227
30.80
اينترنت
kbp 56
33
4.47

kbp 64
32
4.33

kbp 128
308
41.73

kbp 256
167
22.63

kbp 512
198
26.83

همان‌گونه که در جدول ‏4-8 مشاهده ميشود، حداکثر 15% درصد از نمونه پژوهشي اعلام کردهاند که از تلفن همراه خود براي اهداف يادگيري استفاده ميکنند. اين آمار نشان مي‌دهد، سياستهاي ارائه محتوا در آموزش الکترونيکي دانشگاه مورد بررسي، کمتر به سمت محتواي مبتني بر موبايل پيش رفته است. از طرفي فرضيه ديگر ميتواند اين باشد که فرهنگ استفاده از تلفن همراه به عنوان رسانه يادگيري بين يادگيرندگان الکترونيکي کمتر متداول است.
دسترسي به لپتاپ نيز نشان ميدهد، قريب به 70% دانشجويان به رايانه قابل حمل دسترسي دارند. از نظر سرعت اينترنت نيز بيش از 90% دانشجويان به سرعت بالاي kbp 128 دسترسي دارند که سرعت مناسبي براي دسترسي محتوا و کلاسهاي مجازي در دانشگاه مورد بررسي است. به عبارتي، افت و ضعف تحصيلي را کمتر ميتوان به اينترنت دانشجويان مرتبط کرد.

4-4 هدف اوّل: نقش پيش بين متغيرهاي دموگرافيک
براي بررسي نقش پيشبين متغيرهاي دموگرافيک از روش تحقيق علّي- مقايسهاي استفاده شد، به اين روش که با مراجعه به سامانه گلستان- سامانه مديريت وضعيت دانشجويان- اطلاعات مربوط به سن، جنس و وضعيت تأهل دانشجويانِ نمونه پژوهش جمعآوري شد. سئوال پژوهشي براي اين متغيرها عبارت است از:
متغيرهاي دموگرافيک (جنسيت، سن، تأهل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکنند؟
براي پاسخ به اين سئوال پژوهش از تحليل رگرسيون چند متغيري استفاده شد. براي بررسي رابطه متغيرهاي جنسيت و وضعيت تأهل با معدل کل يادگيرنده الکترونيکي از همبستگي اسپيرمن و براي بررسي رابطه سن ورود به آموزشهاي الکترونيکي با معدل کل يادگيرنده از روش تحليل پيرسون استفاده شد که نتايج آن در جدول ‏4-9 تلخيص شده است.
جدول ‏4-9: همبستگي متغيرهاي دموگرافيک با متغير ملاک

جنسيت
سن در زمان ورود
وضعيت تأهل
معدل کل
ضريب همبستگي
0.058
.482**
-.409**

سطح معني داري
0.06
.000
.000

فراواني
721
721
721

لازم به يادآوري است که در نظام کد دهي به جنسيت آقا، کد صفر (0) و به خانم کد (1) داده شده است. به دانشجوي متأهل کد صفر (0) و مجرد کد (1) اختصاص داده شده است. چنان که نتايج همبستگي نشان ميدهد، رابطه بين جنسيت و معدل کل بسيار پايين و معنيدار نبوده است. در مقابل رابطه بين سن با معدل کل و وضعيت تأهل با معدل کل در سطح 01/0 معنيدار است.
– بر اساس نتايج تحليل همبستگي اسپيرمن بين جنسيت و معدل يادگيرنده الکترونيکي، از آنجا که جهت همبستگي مثبت است، ميتوان نتيجه گرفت با تغيير مقدار عامل جنسيت از آقا (کد 0) به خانم (کد 1) معدل يادگيرنده افزايش مييابد.
– بين وضعيت تأهل و معدل يادگيرنده الکترونيکي ارتباط معنيدار متوسط و منفي وجود دارد. با توجه به اينکه کد متأهل صفر (0) بوده، ميتوان نتيجه گرفت بين متأهل بودن و معدل يادگيرنده الکترونيکي رابطه مثبت و با مجرد بودن رابطه منفي وجود دارد. به عبارتي با تغيير وضعيت تأهل از متأهل (0) به مجرد (1) معدل يادگيرنده الکترونيکي کاهش مييابد.
– همبستگي بين سن و وضعيت تحصيلي يادگيرنده الکترونيکي مثبت است. به اين معني که با افزايش سن ميزان موفقيت تحصيلي فرد، افزايش مييابد.
نظر به اينکه همبستگي بين جنسيت و وضعيت تحصيلي يادگيرنده الکترونيکي بسيار پايين است، فرض رابطه خطي برقرار نيست، لذا اين متغير وارد مدل رگرسيون نميشود. در نتيجه، براي بررسي نقش پيشبين متغيرهاي دموگرافيک، وضعيت تأهل و سن با استفاده از روش enter (ورود همزمان) وارد مدل رگرسيون شدند. خلاصه مدل رگرسيون براي اين متغيرها در جدول ‏4-10 گزارش شده است:
جدول ‏4-10: خلاصه مدل رگرسيون براي متغيرهاي دموگرافيک
مدل
آماره R
مجذور R
مجذور R تنظيم شده
خطاي استاندارد برآورد
1
.500a
.250
.248
2.17563

مقدار مجذور R تنظيم شده مدل نشان ميدهد، اين مدل رگرسيون با دو متغير ِوضعيت تأهل و سن، 24.8% از ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند. تحليل واريانس گزارش شده در جدول ‏4-11 معنيداري کل مدل رگرسيون را ارزيابي ميکند.
جدول ‏4-11: تحليل واريانس مدل رگرسيون متغيرهاي دموگرافيک
مدل
مجموع مجذورات
درجه آزادي
ميانگين مجذورات
ميزان F
معني داري
1
رگرسيون
1131.584
2
565.792
119.533
.000a

باقي مانده
3398.542
718
4.733

کل
4530.126
720

سطح معنيداري تحليل واريانس در جدول ‏4-11 از معنيدار بودن مدل پيشبين حکايت دارد. از مقايسه مقدار مجموع مجذورات باقيمانده با مجموع مجذورات رگرسيون در جدول ‏4-11 و بيشتر بودن مقدار مجذورات باقيمانده نسبت به مجموع مجذورات رگرسيون، ميتوان نتيجه گرفت عوامل ديگري خارج از مدل وجود دارند که ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند ولي وارد مدل نشدهاند. براي بررسي سهم هر کدام از عوامل در مدل اندازهگيري، ضريب بتاي استاندارد نشده در جدول ‏4-12 آمده است:
جدول ‏4-12: ضرايب استاندارد شده و استاندارد نشده براي متغيرهاي دموگرافيک
مدل

ضرايب استاندارد نشده
ضرايب استاندارد شده
آماره T
معني داري

آماره B
خطاي استاندارد
ضريب بتاي استاندارد شده

مقدار ثابت
10.984
.504

21.811
.000
سن در زمان ورود
.149
.016
.381
9.305
.000
وضعيت تأهل
-.878
.217
-.165
-4.043
.000

نتايج ستون معنيداري در جدول ‏4-12 نشان ميدهد، نقش پيشبين، سن و وضعيت تأهل معنيدار است. نظر به اينکه بزرگ بودن قدر مطلق آماره T، نشان ميدهد متغير مربوط، قدرت پيشبين بيشتري دارد؛ ميتوان نتيجه گرفت سن متغير قويتري براي پيشبيني ميزان موفقيت يادگيرنده الکترونيکي است. بر اساس مقادير ارائه شده در ستون آماره B معادله رگرسيون براي متغيرهاي دموگرافيک به قرار زير است:
معدل کل يادگيرنده الکترونيکي=10.984+(.149*سن ورود)-(.878*وضعيت تأهل)
4-4-1 متغيرهاي دموگرافيک و پيش بيني افت تحصيلي
پيشبيني افت تحصيلي يادگيرنده الکترونيکي براي پژوهش حاضر حائز اهميت است. براي شناسايي نقش متغيرهاي دموگرافيک در موفقيت و افت تحصيلي دانشجوي الکترونيکي از تحليل رگرسيون لجستيک استفاده شد. از آنجا که ميزان افت تحصيلي بين دانشجويان کارشناسي ارشد، بسيار پايين و براي دانشجويان کارشناسي بالا بود، تحليل رگرسيون لجستيک براي دانشجويان کارشناسي انجام شد. جدول ‏4-13 آمار افت تحصيلي دانشجويان کارشناسي و کارشناسي ارشد را به طور مقايسهاي نشان ميدهد:
جدول ‏4-13: مقايسه آمار افت تحصيلي دانشجويان کارشناسي و کارشناسي ارشد

وضعيت تحصيلي
کل

افت تحصيلي
موفق

مقطع
کارشناسي ارشد
5
349
354

کارشناسي
122
262
384
کل
127
611
738
همان‌طور که در ستون آمار افت تحصيلي جدول ‏4-13 مشاهده ميشود، تعداد دانشجويان مشمول افت در مقطع کارشناسي ارشد، بسيار کم (5 مورد) است. در نتيجه، تحليل رگرسيون لجستيک براي پيشبيني موفقيت و افت تحصيلي دانشجويان کارشناسي انجام شد. افت تحصيلي با کد (0) و دانشجوي موفق با کد (1) به عنوان متغير ملاک وارد مدل شد. متغيرهاي پيشبين نيز عبارت بودند از سن، جنس و وضعيت تأهل که به روش اينتر (enter) يا همزمان وارد مدل شدند. در کل 384 دانشجوي کارشناسي وارد مدل شدند. نتايج آزمون Omnibus نشان داد، متغيرهاي دموگرافيک براي پيشبيني افت تحصيلي دانشجويان مناسب نيستند (X2=6.23,df=3,p>0/005). نتايج پيشبيني در جدول ‏4-14 گزارش شده است.
جدول ‏4-14: جدول طبقه بندي بر اساس متغيرهاي دموگرافيک
مشاهده شده
پيش بيني شده

وضعيت تحصيلي
درصد صحيح

افت تحصيلي
موفق

وضعيت تحصيلي
افت تحصيلي
0
122
.0

موفق
0
262
100.0
درصد کل
68.2

همان‌طور که ستون افت تحصيلي جدول ‏4-14 نشان ميدهد، متغيرهاي دموگرافيک وضعيت 68.2% از دانشجويان را به درستي پيشبيني کرده است. با توجه به اهميت پيشبيني دانشجويان مشمول افت، اين مدل بسيار ضعيف بوده و قدرت پيشبيني آن صفر است. نقش هر کدام از متغيرهاي دموگرافيک در جدول ‏4-15 گزارش شده است.
جدول ‏4-15: نقش متغيرهاي دموگرافيک در معادله رگرسيون لجستيک

B
S.E.
Wald
df
Sig.
Exp(B)
جنسيت
.453
.226
4.014
1
.045
1.573
سن
.014
.032
.205
1
.651
1.015
تأهل
-.427
.413
1.070
1
.301
.652
ثابت
.642
.929
.478
1
.489
1.900

آماره wald و B در جدول ‏4-15 نشان ميدهد، جنسيت تنها عامل معنيدار براي پيشبيني موفقيت (نه افت تحصيلي) يادگيرنده الکترونيکي است. با توجه به نظام کد دهي به جنسيت (آقا 0 و خانم 1) و وضعيت تحصيلي (افت تحصيلي با کد 0 و دانشجوي موفق با کد (1)؛ مي‌توان نتيجه گرفت با تغيير ارزش جنسيت از آقا (0) به خانم (1)، وضعيت تحصيلي نيز از مشمول افت (0) به موفق (1) تغيير مييابد. آمار توصيفي مربوط به افت تحصيلي دانشجويان بر حسب جنسيت نيز اين نتيجه را تاييد ميکند زيرا از مجموع 122 دانشجوي کارشناسي مشمول افت تحصيلي، 76 نفر مرد و 46 نفر خانم هستند.
4-5 هدف دوّم: نقش پيش بين متغيرهاي مربوط به پيشينه تحصيلي
پيشينه تحصيلي دانشجو به ويژه معدل ديپلم دانشجويان کارشناسي، در مدلها و پژوهشهاي متعددي مورد توجه پژوهشگران اين حوزه بوده است. در پژوهش حاضر نيز معدل مقطع قبل به عنوان متغير پيشبين وارد مدل رگرسيون شده است. معدل مقطع قبل براي دانشجويان مقطع کارشناسي، معدل ديپلم و براي دانشجويان کارشناسي ارشد، معدل کارشناسي است. فاصله بين دو مقطع تحصيلي نيز به عنوان متغير پيشينه تحصيلي لحاظ شده است. زيرا انتظار ميرود، با افزايش فاصله بين سال پذيرش و سال اخذ آخرين مدرک، فراموشي بيشتر و تسلط بر دروس پايه کمتر شود. سئوال پژوهشي براي متغيرهاي مربوط به پيشينه پژوهشي به قرار زير است:
متغيرهاي مربوط به پيشينه تحصيلي (فاصله بين دو مقطع تحصيلي، معدل مقطع قبل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکنند؟

همبستگي متغيرهاي پيشبين (فاصله و معدل مقطع قبل) با متغير ملاک (معدل کل يادگيرنده الکترونيکي) در جدول ‏4-16 گزارش شده است:
جدول ‏4-16: همبستگي پيشينه تحصيلي با متغير ملاک

فاصله زماني بين دو مقطع
معدل مقطع قبل
معدل کل
ضريب همبستگي
0.263
0.415

سطح معنيداري
.000
.000

فراواني
721
717

نتايج همبستگي پيرسون بين متغيرهاي مربوط به پيشينه تحصيلي و ميزان موفقيت يادگيرنده الکترونيکي نشان ميدهد، رابط? هر دو متغير در سطح 01/0 معنيدار است. همبستگي بين معدل مقطع قبل در حد متوسط و همبستگي بين فاصله بين مقطع تحصيلي قبلي با معدل کل يادگيرنده الکترونيکي، متوسط به پايين است. جهت همبستگيها مثبت است. اين بدان معنا است که با افزايش معدل مقطع قبل معدل يادگيرنده الکترونيکي نيز افزايش مييابد.
بر خلاف انتظارِ پژوهش حاضر، رابطه فاصله بين مقطع تحصيلي قبلي و معدل يادگيرنده الکترونيکي مثبت است؛ اين بدان معنا است که با افزايش فاصله بين دو مقطع ميزان موفقيت يادگيرنده الکترونيکي بيشتر ميشود. در قسمت بحث و بررسي يافتههاي پژوهش بيشتر درباره اين يافته بحث خواهيم کرد.
براي بررسي نقش پيشبين پيشينه تحصيلي دو متغير- فاصله بين دو مقطع و معدل مقطع قبل- با استفاده از روش enter (ورود همزمان) وارد مدل رگرسيون شدند. خلاصه مدل رگرسيون براي اين متغيرها در جدول ‏4-17 گزارش شده است:
جدول ‏4-17: خلاصه مدل رگرسيون براي متغيرهاي پيشينه تحصيلي
مدل
آماره R
مجذور R
مجذور R تنظيم شده
خطاي استاندارد برآورد
1
.483
.233
.231
2.20151

مقدار مجذور Rتنظيم شد? مدل نشان ميدهد، اين مدل رگرسيون با دو متغير معدل مقطع قبل و فاصله بين دو مقطع، 23.1% از ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند. تحليل واريانس گزارش شده در جدول ‏4-18 معنيداري کل مدل رگرسيون را ارزيابي ميکند.
جدول ‏4-18: تحليل واريانس مدل رگرسيون مربوط به پيشينه تحصيلي
مدل
مجموع مجذورات
درجه آزادي
ميانگين مجذورات
ميزان F
معنيداري
1
رگرسيون
1052.996
2
526.498
108.632
.000

باقي مانده
3460.492
714
4.847

کل
4513.488
716

سطح معنيداري تحليل واريانس در جدول ‏4-18 از معنيداري مدل پيشبين حکايت دارد. از مقايسه مقدار مجموع مجذورات باقيمانده (3460.492) با مجموع مجذورات رگرسيون (1052.996) در جدول ‏4-18 و بيشتر بودن مقدار مجذورات باقي مانده نسبت به مجموع مجذورات رگرسيون، ميتوان نتيجه گرفت، همانند مدل ارائه شده براي متغيرهاي دموگرافيک، عوامل ديگري خارج از اين مدل وجود دارند که ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند، ولي وارد مدل نشدهاند. براي بررسي سهم هر کدام از عوامل در مدل اندازهگيري، ضريب بتاي استاندارد نشده در جدول ‏4-19 آمده است:
جدول ‏4-19: ضرايب استاندارد شده و استاندارد نشده براي پيشينه تحصيلي
مدل

ضرايب استاندارد نشده
ضرايب استاندارد شده
آماره T
معنيداري

آماره B
خطاي استاندارد
ضريب بتاي استاندارد شده

مقدار ثابت
6.794
.555

12.247
.000
فاصله بين دو مقطع
.120
.016
.248
7.566
.000
معدل مقطع قبل
.461
.037
.405
12.352
.000

نتايج ستون معنيداري جدول ‏4-19 نشان ميدهد، نقش پيشبينِ هر دو متغير وارد شده به مدل معنيدار است. با توجه به بزرگ بودن آماره T معدل مقطع قبل نسبت به فاصله بين دو مقطع، ميتوان نتيجه گرفت معدل مقطع قبل متغير قويتري براي پيشبيني ميزان موفقيت يادگيرنده الکترونيکي است. بر اساس مقادير ارائه شده در ستون آماره B معادله رگرسيون براي متغيرهاي مربوط به پيشينه تحصيلي به قرار زير است:
معدل کل يادگيرنده =6.794+(.120* فاصله بين دو مقطع)+(.461* معدل مقطع قبل)

4-5- 1 پيشينه تحصيلي و پيش بيني افت تحصيلي
همان‌طور که در قسمت پيشبيني افت تحصيلي دانشجويان الکترونيکي با استفاده از متغيرهاي دموگرافيک بحث شد، به دليل پايين بودن افت تحصيلي دانشجويان کارشناسي ارشد، تحليل رگرسيون لجستيک فقط براي پيشبيني موفقيت و افت تحصيلي دانشجويان کارشناسي انجام ميشود. افت تحصيلي با کد (0) و دانشجوي موفق با کد (1) به عنوان متغير ملاک وارد مدل رگرسيون لجستيک شد. متغيرهاي پيشبين، فاصله بين دو مقطع و معدل ديپلم دانشجو است که به روش اينتر (enter) يا همزمان وارد مدل شدند.
در کل 384 دانشجوي کارشناسي وارد مدل شدند. نتايج آزمون Omnibus نشان داد: متغيرهاي مربوط به پيشينه تحصيلي براي پيشبيني افت تحصيلي دانشجويان مناسب هستند (X2=35.496, df=2, p<0/005). نتايج پيشبيني در جدول ‏4-20 گزارش شده است.
جدول ‏4-20: جدول طبقه بندي بر اساس متغيرهاي پيشينه تحصيلي
مشاهده شده
پيشبيني شده

وضعيت تحصيلي
درصد صحيح

افت تحصيلي
موفق

وضعيت تحصيلي
افت تحصيلي
31
90
25.6

موفق
21
240
92.0
درصد کل
70.9

همان‌طور که ستون افت تحصيلي جدول ‏4-20 نشان ميدهد، متغيرهاي مربوط به پيشينه تحصيلي دانشجوي کارشناسي، وضعيت 70.9% از دانشجويان را به درستي پيشبيني کرده است. با توجه به اهميت پيشبيني دانشجويان مشمول افت، اين مدل از مدل پيشبين متغيرهاي دموگرافيک که بسيار ضعيف و در حد صفر بود، بهتر عمل کرده و 25.6% از دانشجويان مشمول افت را به درستي پيشبيني کرده است. نقش هر کدام از متغيرهاي مربوط به پيشينه تحصيلي در جدول ‏4-21 گزارش شده است.
جدول ‏4-21: نقش متغيرهاي مربوط به پيشينه تحصيلي در معادله رگرسيون لجستيک

B
S.E.
Wald
df
Sig.
Exp(B)
فاصله بين دو مقطع تحصيلي
.005
.026
.036
1
.849
1.005
معدل مقطع قبل
.280
.050
30.980
1
.000
1.323
ثابت
-3.124
.688
20.616
1
.000
.044

سطح معنيداري و آماره wald و B در جدول ‏4-21 نشان ميدهد، از بين متغيّرهاي مربوط به پيشينه تحصيلي، معدل مقطع قبل معنيدار است. در مقام مقايسه از بين دو متغير، معدل مقطع قبل، قدرت پيشبيني بيشتري دارد. به عبارتي هر چه معدل ديپلم دانشجو بيشتر باشد، احتمال موفقيت او در تحصيل الکترونيکي بيشتر خواهد بود. در فصل پنجم اين يافتهها بحث و بررسي خواهد شد.
4-6 هدف سوّم: نقش پيش بين متغيرهاي اجتماعي- اقتصادي
شاغل بودن و مسئوليتهاي اجتماعي در کنار مشغوليتهاي خانوادگي براي يادگيرندگان از راه دور از دير باز به عنوان عامل افت تحصيلي مطرح بوده است. دور بودن دانشجويان از محل تحصيل و منبع تأمين هزينه به عنوان متغيرهاي اجتماعي- اقتصادي در پژوهش حاضر مطالعه شدهاند. سئوال پژوهشي براي بررسي نقش پيشبين متغيرهاي اجتماعي- اقتصادي به قرار زير است:
متغيرهاي اجتماعي- اقتصادي (اشتغال، سکونت، تأمين‌کننده هزينه تحصيل)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکنند؟
لازم به يادآوري است که متغيرهاي تأمين‌کننده هزينه تحصيل و وضعيت سکونت دانشجوي الکترونيکي به شش متغير دو بخشي تبديل شدند. از آنجا که متغيرهاي اسمي که بيش از دو بخش دارند را نميتوان وارد مدل رگرسيون کرد، اين تبديل صورت گرفت. نتايج تحليل همبستگي اسپيرمن براي بررسي رابطه متغيرهاي اجتماعي- اقتصادي با متغير ملاک (معدل کل يادگيرنده الکترونيکي) در جدول ‏4-22 گزارش شده است.
جدول ‏4-22: همبستگي متغيرهاي اجتماعي – اقتصادي با متغير ملاک

وضعيت اشتغال
تهراني
اطراف تهران
شهرستان
خود فرد
خانواده
خود و خانواده
معدل کل
ضريب همبستگي
-.260**
-.135**
-.017
.156**
.226**
-.271**
.061

سطح معنيداري
.000
.000
.327
.000
.000
.000
.052

فراواني
721
721
721
721
711
711
711

به طور کلي همبستگي بين متغيرهاي اجتماعي- اقتصادي با معدل کل يادگيرنده الکترونيکي پايين است. معني دار بودن همبستگيهاي جدول ‏4-22 نيز ميتواند ناشي از بالا بودن حجم نمونه باشد. با اين وجود معناي همبستگيهاي فوق مجدداً توضيح داده ميشود.
– بين وضعيت اشتغال و معدل يادگيرنده الکترونيکي رابطه معنيدار منفي (-.260) وجود دارد. با تغيير از وضعيت شاغل (0) به غير شاغل (1) معدل يادگيرنده الکترونيکي کاهش مييابد. اين بدان معنا است که الزاماً بين شاغل بودن يادگيرنده و معدل او نه تنها رابطه منفي وجود ندارد چه بسا شاغل بودن فرد با وضعيت تحصيل او رابطه مثبت دارد.
– بين وضعيت سکونت در تهران و معدل يادگيرنده الکترونيکي رابطه معنيدار منفي (-.135) وجود دارد. با تغيير از وضعيت سکونت در غير تهران (0) به تهران (1) معدل يادگيرنده الکترونيکي کاهش مييابد. بين سکونت در ساير شهرستانها و معدل يادگيرنده الکترونيکي رابطه مثبت وجود دارد. به اين معنا که با تغيير از سکونت در تهران و شهرستانهاي تهران (0) به سکونت در ساير شهرستانهاي کشور، ميزان معدل يادگيرنده الکترونيکي افزايش مييابد.
– بين وضعيت تأمين هزينه تحصيل توسط خود فرد و معدل يادگيرنده الکترونيکي رابطه معنيدار مثبت (.226) وجود دارد. به اين معنا که با تغيير وضعيت تأمين هزينه از غير دانشجو (0) به دانشجو (1)، معدل فرد افزايش مييابد. همبستگي بين تأمين هزينه توسط خانواده نيز منفي است. به اين معنا که با تغيير از وضعيت تأمين هزينه از غير خانواده (0) به خانواده (1) معدل يادگيرنده کاهش مييابد.
با توجه به پايين بودن همبستگيها و رعايت اصل ارتباط خطي براي تحليل رگرسيون چند متغيري سه متغير وارد مدل رگرسيون شدند که همبستگي معنيدار و بالاتري داشتند. اين متغيرها عبارتند از :1) وضعيت اشتغال؛ 2) سکونت در شهرستان و 3) تأمين هزينه توسط خانواده. اين سه متغير با استفاده از روش enter (ورود همزمان) وارد مدل رگرسيون شدند. خلاصه مدل رگرسيون براي اين متغيرها در جدول ‏4-23 گزارش شده است:
جدول ‏4-23: خلاصه مدل رگرسيون براي متغيرهاي اجتماعي- اقتصادي
مدل
آماره R
مجذور R
مجذور R تنظيم شده
خطاي استاندارد برآورد
1
.293
.086
.082
2.39709
مقدار مجذور Rتنظيم شده مدل نشان ميدهد، اين مدل رگرسيون با سه متغير اشتغال، سکونت در شهرستان و تأمين هزينه تحصيل توسط خانواده، 8% از ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند. تحليل واريانس گزارش شده در جدول ‏4-24 معنيداري کل مدل رگرسيون را ارزيابي ميکند.
جدول ‏4-24: تحليل واريانس مدل رگرسيون متغيرهاي اجتماعي- اقتصادي
مدل
مجموع مجذورات
درجه آزادي
ميانگين مجذورات
ميزان F
معنيداري
1
رگرسيون
382.505
3
127.502
22.189
.000

باقي مانده
4062.455
707
5.746

کل
4444.961
710

سطح معنيداري تحليل واريانس در جدول ‏4-24 از معنيداري مدل پيشبين حکايت دارد. از مقايسه مقدار مجموع مجذورات باقيمانده (4062.455) با مجموع مجذورات رگرسيون (382.505) در جدول ‏4-24 و بيشتر بودن مقدار مجذورات باقيمانده نسبت به مجموع مجذورات رگرسيون، ميتوان نتيجه گرفت، همانند مدل ارائه شده براي متغيرهاي دموگرافيک و پيشينه تحصيلي، عوامل ديگري خارج از اين مدل وجود دارند که ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند. براي بررسي سهم هر کدام از عوامل در مدل اندازهگيري، ضريب بتاي استاندارد نشده در جدول ‏4-25 آمده است:
جدول ‏4-25: ضرايب استاندارد شده و استاندارد نشده براي متغيرهاي اجتماعي – اقتصادي
مدل

ضرايب استاندارد نشده
ضرايب استاندارد شده
آماره T
معني داري

آماره B
خطاي استاندارد
ضريب بتاي استاندارد شده

مقدار ثابت
14.498
.132

109.807
.000
وضعيت اشتغال
-.625
.269
-.117
-2.325
.020
سکونت در شهرستان
.739
.213
.125
3.469
.001
تأمين هزينه توسط خانواده
-.815
.254
-.162
-3.205
.001

نتايج ستون معنيداري و کوچک‌تر از 05/0 بودنِ سطوح معنيداري نشان ميدهد، هر سه متغير پيشبين معنيدار هستند. با توجه به بزرگ بودن آماره T براي سکونت در شهرستان، اين متغير نسبت به ساير متغيرهاي اجتماعي- اقتصادي از قدرت پيشبيني بيشتري برخوردار است. البته بايد توجه داشت به طور کلي، قدرت پيشبيني متغيرهاي اجتماعي- اقتصادي نسبت به متغيرهاي دموگرافيک و پيشينه تحصيلي، ضعيفتر است که نياز به بحث بيشتري دارد، بحث بيشتر در فصل پنجم گزارش پژوهشي ارائه خواهد شد. بر اساس مقادير ارائه شده در ستون آماره B معادله رگرسيون براي متغيرهاي اجتماعي – اقتصادي به قرار زير است:
معدل کل يادگيرنده =14.498-(.625* وضعيت اشتغال)+(.739* سکونت در شهرستان)- (.815* تأمين هزينه توسط خانواده)

4-6-1 وضعيت اجتماعي – اقتصادي و پيش بيني افت تحصيلي
متغيرهاي اجتماعي شامل محل سکونت و وضعيت اشتغال هستند که محل سکونت به صورت شش متغير سه بخشي به روش اينتر (enter) يا همزمان، وارد مدل رگرسيون لجستيک شد.
در کل 384 دانشجوي کارشناسي وارد مدل شدند. نتايج آزمون Omnibus نشان داد، متغيرهاي اجتماعي – اقتصادي براي پيشبيني افت تحصيلي دانشجويان مناسب نيستند (X2=10.124.496,df=6,p>0/005). نتايج پيشبيني در جدول ‏4-26 گزارش شده است.

جدول ‏4-26: جدول طبقه بندي بر اساس متغيرهاي اجتماعي – اقتصادي
مشاهده شده
پيش بيني شده

وضعيت تحصيلي
درصد صحيح

افت تحصيلي
موفق

وضعيت تحصيلي
افت تحصيلي
0
117
.0

موفق
0
257
100.0
درصد کل
68.7

همان‌طور که ستون افت تحصيلي جدول ‏4-26 نشان ميدهد، متغيرهاي اجتماعي- اقتصادي دانشجوي کارشناسي، وضعيت 68.7% از دانشجويان را به درستي پيشبيني کرده است. با توجه به اهميت پيشبيني دانشجويان مشمول افت، اين مدل بسيار ضعيف عمل ميکند و قدرت پيشبيني آن در حد صفر است. از آنجا که هيچ کدام از اين متغيرهاي اجتماعي – اقتصادي معنيدار نبوده، نقش تفکيکي اين متغيرها و آمارههاي wald و B نيز براي هر کدام از متغيرها گزارش نميشود.
4-7 هدف چهارم: نقش پيش بين متغيرهاي رواني- فني
آنچنان که در فصل دوم گزارش شد، اطمينان رايانهاي، مرکز کنترل يادگيرنده و استقلال يادگيرنده الکترونيکي از جمله متغيرهايي است، که از لحاظ نظري براي موفقيت يادگيرنده الکترونيکي مهم بوده و گزارش‌هاي پژوهشي متعددي به نقش اين متغيرها پرداختهاند. پژوهش حاضر علاوه بر اين متغيرها، نقش پيشبين اضطراب امتحان را نيز بررسي کرده است. اين چهار متغير با هم در دسته متغيرهاي رواني- فني قرار گرفته است. اين نامگذاري به اين دليل است که متغير اطمينان رايانهاي نوعي حالت رواني در کار با رايانه است. سئوال پژوهشي براي متغيرهاي رواني- فني به قرار زير است:
متغيرهاي رواني- فني (اطمينان رايانهاي، اضطراب امتحان، مرکز کنترل، استقلال در يادگيري)، چه مقدار از تغييرات ميزان موفقيت دانشجو را در آموزش الکترونيکي تبيين ميکنند؟
همبستگي متغيرهاي پيشبين (اطمينان رايانهاي، اضطراب امتحان، مرکز کنترل، استقلال در يادگيري) با متغير ملاک (معدل کل يادگيرنده الکترونيکي) در جدول ‏4-27 گزارش شده است.
جدول ‏4-27 : همبستگي متغيرهاي رواني- فني با متغير ملاک

اطمينان رايانه اي
اضطراب امتحان
مرکز کنترل
استقلال يادگيرنده
معدل کل
ضريب همبستگي
.064*
-.395**
-.042
.174**

سطح معني داري
.044
.000
.129
.000

فراواني
721
721
721
721

نتايج رديف معنيداري جدول ‏4-27 نشان ميدهد، دو متغير اضطراب امتحان و استقلال يادگيرنده در سطح 01/0 و اطمينان رايانهاي در سطح 05/0 معنيدار هستند. همبستگي بين متغير مرکز کنترل و معدل کل يادگيرنده الکترونيکي معنيدار نيست. براي بررسي نقش پيشبين متغيرهاي رواني- فني دو متغير اضطراب امتحان و استقلال يادگيرنده با استفاده از روش enter (ورود همزمان) وارد مدل رگرسيون شدند. خلاصه مدل رگرسيون براي اين متغيرها در جدول ‏4-28 گزارش شده است:
جدول ‏4-28: خلاصه مدل رگرسيون براي متغيرهاي رواني – فني
مدل
آماره R
مجذور R
مجذور R تنظيم شده
خطاي استاندارد برآورد
1
.408
.166
.164
2.29276

مقدار مجذور Rتنظيم شده مدل نشان ميدهد، اين مدل رگرسيون با دو متغير ِاستقلال در يادگيري و اضطراب امتحان، 16.4% از ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکند. تحليل واريانس گزارش شده در جدول ‏4-29 معنيداري کل مدل رگرسيون را ارزيابي ميکند.
جدول ‏4-29: تحليل واريانس مدل رگرسيون مربوط به متغيرهاي رواني – فني
مدل
مجموع مجذورات
درجه آزادي
ميانگين مجذورات
ميزان F
معنيداري
1
رگرسيون
752.317
2
376.158
71.557
.000

باقي مانده
3774.359
718
5.257

کل
4526.676
720

سطح معنيداري تحليل واريانس در جدول ‏4-29 از معنيداري مدل پيشبين حکايت دارد. از مقايسه مقدار مجموع مجذورات باقيمانده (3774.359) با مجموع مجذورات رگرسيون (752.317) در جدول ‏4-29 و بيشتر بودن مقدار مجذورات باقي مانده نسبت به مجموع مجذورات رگرسيون، ميتوان نتيجه گرفت، همانند ساير مدلهاي ارائه شده تاکنون، عوامل ديگري خارج از اين مدل وجود دارند که ميزان موفقيت يادگيرنده الکترونيکي را تبيين ميکنند ولي وارد مدل نشدهاند. براي بررسي سهم هر کدام از عوامل در مدل اندازهگيري، ضريب بتاي استاندارد نشده در جدول ‏4-30 آمده است:

جدول ‏4-30: ضرايب استاندارد شده و استاندارد نشده براي متغيرهاي رواني – فني
مدل

ضرايب استاندارد نشده
ضرايب استاندارد شده
آماره T
معني داري

آماره B
خطاي استاندارد
ضريب بتاي استاندارد شده

مقدار ثابت
15.129
.623

24.276
.000
اضطراب امتحان
-.905
.084
-.376
-10.818
.000
استقلا

پایان نامه
Previous Entries پایان نامه با واژگان کلیدی اضطراب امتحان، ابزار پژوهش، آموزش از راه دور، عادت به مطالعه Next Entries پایان نامه با واژگان کلیدی عادت به مطالعه، اضطراب امتحان