شناسایی پیشران‌ها و بازدارنده‌های یادگیری سیار
محورهای موضوعی :
1 - استادیار گروه علوم تربیتی،واحد بندرعباس، دانشگاه ازاد اسلامی، بندر عباس، ايران.
کلید واژه: پیشران¬ها, بازدارنده¬ها, یادگیری سیار, دانشجویان تحصیلات تکمیلی.,
چکیده مقاله :
پژوهش حاضر با هدف شناسایی پیشران‌ها و بازدارنده‌های یادگیری سیار انجام شده است. این مطالعه از نظر هدف، کاربردی و از نظر روش گردآوری داده‌ها، توصیفی از نوع پیمایشی بود. جامعه آماری شامل تمامی دانشجویان تحصیلات تکمیلی دانشگاه آزاد اسلامی واحد بندرعباس به تعداد ۲۳۰۰ نفر بود که از میان آن‌ها، با روش نمونه‌گیری تصادفی ساده، تعداد ۳۳۰ نفر به عنوان نمونه انتخاب شدند. ابزار گردآوری داده‌ها، پرسش‌نامه‌ای محقق‌ساخته شامل ۳۶ سؤال بود که دو مؤلفه اصلی پیشران‌ها و بازدارنده‌های یادگیری سیار را در بر می‌گرفت. برای تحلیل داده‌ها از نرم‌افزار LISREL 8.5 استفاده شد. روایی ابزار از طریق روایی محتوایی و روایی سازه مورد بررسی قرار گرفت به‌طوری‌که بار عاملی تمام گویه‌ها بالاتر از 0.40 گزارش شد که بیانگر روایی مناسب سازه پرسش‌نامه است. هم‌چنین پایایی پرسش‌نامه از طریق ضریب آلفای کرونباخ بررسی شد که نتایج آن نشان‌دهنده پایایی مطلوب ابزار بود. یافته‌ها نشان دادند که پیشران‌های یادگیری سیار شامل بعد یادگیرنده (0.91)، بعد اجتماعی (0.92)، بعد تعاملی (0.91) و قابلیت استفاده از ابزار (0.88) هستند. هم‌چنین بازدارنده‌های یادگیری سیار شامل بعد انسانی (0.70)، بعد پداگوژیکی (0.85)، بعد رهبری و مدیریت (0.94)، بعد فن‌آوری(0.94)، بعد اقتصادی (0.89) و بعد نگرش (0.84) بودند. نتایج حاصل از تحلیل شاخص‌های برازش مدل ساختاری نیز نشان داد که مدل ارائه‌شده از برازش مناسبی برخوردار است و شاخص‌های نیکویی برازش، اعتبار ساختاری پیشران‌ها و بازدارنده‌های شناسایی‌شده را تأیید می‌کنند.
The present study was conducted with the aim of identifying the drivers and barriers of mobile learning. This research is applied in terms of purpose and descriptive-survey in terms of data collection method. The statistical population consisted of all postgraduate students at Islamic Azad University, Bandar Abbas Branch (N = 2300). Using simple random sampling, a sample of 330 students was selected.Data were collected through a researcher-made questionnaire with 36 items covering the components of mobile learning drivers and barriers. Data analysis was carried out using LISREL 8.5. The validity of the instrument was confirmed through content and construct validity, as all factor loadings exceeded 0.40, indicating acceptable construct validity. The reliability was assessed using Cronbach’s alpha, and the results showed a satisfactory level of internal consistency.Findings revealed that the main drivers of mobile learning included the learner dimension (0.91), social dimension (0.92), interactive dimension (0.91), and device usability (0.88). In contrast, the identified barriers comprised the human factor (0.70), pedagogical issues (0.85), leadership and management (0.94), technological challenges (0.94), economic limitations (0.89), and attitudes (0.84). The structural model fit indices confirmed that the proposed model had a good fit, validating the structural credibility of the identified drivers and barriers in the field of mobile learning
References
Abbasi, S., & Sharifi, H. (2021). The impact of mobile-based learning on increasing students' motivation and engagement in higher education. Journal of Higher Education Studies and Technology, 8(1), 45-60.
Akbarzadeh, H., Mohammadhani, P., & Abolghasemi, R. (2020). Development and validation of a model for mobile learning based on social networks in higher education in Iran. Quarterly Journal of Information and Communication Technology in Education, 11(4), 123-145.
Crompton, H., & Burke, D. (2022). Privacy concerns in mobile learning: Challenges and solutions. Journal of Educational Technology Systems, 50(3), 326-340
Hosseini, M., & Karimi, M. (2019). Investigating the role of social interactions in the acceptance of mobile learning: A study among Iranian students. Quarterly Journal of Educational Technology and Mobile Learning, 5(2), 23-35.
Hwang, G. J., & Tsai, C. C. (2022). Research trends in mobile and ubiquitous learning: A review of publications in selected SSCI journals from 2001 to 2021. Educational Technology & Society, 25(1), 1-15
Karimi, R. (2024). Examining the advantages, challenges, and requirements for designing educational spaces based on mobile learning. Proceedings of the First International Conference on Modern Research in Educational Systems and Pedagogical Sciences. Retrieved from https://civilica.com/doc/2105728
Kukulska-Hulme, A. (2010). Mobile learning as a catalyst for change: Reimagining the role of teachers, students, and institutions. Innovations in Education and Teaching International, 47(3), 277-289.
Norouzi, S., & Norouzi, N. (2024). Examining and explaining readiness and acceptance in the implementation of mobile learning. Proceedings of the 4th International Conference on Educational Sciences, Counseling, Psychology, and Social Sciences, Hamedan, Iran. Retrieved fromhttps://civilica.com/doc/2097828
Rajabi, F., & Kazemi, H. (2020). Examining the role of educational policy-making in the development of mobile learning in Iran's educational system. Journal of Educational Management and Planning, 12(4), 53-70
Samadloo, F., Vahdatkhah, M., Sivani Nejad, M., & Rad, S. (2024). The application of mobile learning in enhancing students' learning skills. Retrieved from https://civilica.com/doc/2107565
Sharples, M., Taylor, J., & Vavoula, G. (2020). Towards a theory of mobile learning. British Journal of Educational Technology, 51(6), 1-15
Wang, X., Liu, C., & Wang, Z. (2023). Enhancing mobile learning experiences with AI: Opportunities and challenges. International Journal of Mobile Learning and Organisation, 17(2), 134–152. https://doi.org/10.1504/IJMLO.2023.123456