• صفحه اصلی
  • هنجاریابی مقیاس مهارت یادگیری خودرهیابی دانشجویان پزشکی در برنامه های درسی الکترونیکی
کد مقاله : JINEV-2307-2904 (R2) بازدید : 199 PDF XML

نوع مقاله: پژوهشی

هنجاریابی مقیاس مهارت یادگیری خودرهیابی دانشجویان پزشکی در برنامه های درسی الکترونیکی

سعید شریفی رهنمو 1 ( دانشجوی دکتری مطالعات برنامه درسی، دانشگاه بوعلی‌سینا، همدان، ایران )
فرهاد سراجی 2 ( استاد مطالعات برنامه درسی، دانشگاه بوعلی‌سینا، همدان، ایران )
عظیمه السادات خاکباز 3 ( استادیار مطالعات برنامه درسی، دانشگاه بوعلی‌سینا، همدان، ایران )

تاریخ ارسال : 1402/04/19 تاریخ تایید : 1402/06/11

کلید واژه: هنجاریابی, دانشجویان پزشکی, برنامه درسی الکترونیکی, مقیاس خودرهیابی,

چکیده مقاله :

پژوهش حاضر با هدف هنجاریابی مقیاس مهارت یادگیری خودرهیابی دانشجویان پزشکی در برنامه‌های درسی الکترونیکی انجام شد. این پژوهش از نظر هدف کاربردی و از نظر ماهیت و روش، توصیفی از نوع همبستگی می‌باشد. جامعه آماری این پژوهش کلیه دانشجویان پزشکی دانشگاه علوم پزشکی همدان بودند که با تعریف ابزار موردنظر در سایت پرس لاین به صورت اینترنتی در پژوهش حاضر شرکت کردند. با توجه به استفاده از تحلیل عاملی تأییدی در این پژوهش، نمونه‌ای به حجم550 نفر به روش نمونه‌گیری داوطلبانه و آنلاین پرسشنامه‌ موردنظر را تکمیل نمودند. جهت جمع‌آوری داده‌های موردنظر نیز از پرسشنامه هشت مولفه‌ایخودرهیابی دانشجویان پزشکی در برنامه‌های درسی الکترونیکی استفاده شد. به منظور تحلیل داده‌ها نیز ابتدا جهت بررسی عامل‌های مقیاس و توزیع گویه‌ها از تحلیل عاملی اکتشافی با استفاده از نرم‌افزار SPSS-28 و سپس جهت اعتباریابی گویه‌ها و عامل‌ها از تحلیل عاملی تاییدی با نرم‌افزار Smart-PLS-3 استفاده شده است. نتایج نشان داد بارهای عاملی هر یک از گویه‌ها در 8 عامل پس از چرخش با واریانس مطلوب مورد تایید قرار گرفته زیرا مقدار قدرمطلق این ضرایب بیشتر است و عامل مربوطه نقش بیشتری در کل تغییرات (واریانس) متغیر مورد نظر دارد. بنابراین با توجه به نتایج تحلیل عاملی اکتشافی مولفه‌های پژوهش در هشت عامل خودکارآمدی، خودمدیریتی، کمک‌خواهی تحصیلی، انگیزش برای یادگیری، مسئولیت‌پذیری، خودسازمان‌دهی، خودکنترلی و خودارزیابی با 73 گویه مورد تایید قرار گرفته و از بارهای عاملی مطلوبی برخوردارند. تحلیل عامل تاییدی نیز نشان داد گویه‌های هر هشت مولفه پژوهش به جز گویه پنج کفایت لازم را برای ماندن در پژوهش دارند و مقادیر بارهای عاملی آنها مناسب بود و از برازش مطلوب برخوردار است. همچنین آلفای کرونباخ برای هر هشت مولفه بیشتر از 7/0 به دست آمده که نشان دهنده پایایی مطلوب است.

چکیده انگلیسی :

The present study was conducted with the aim of standardizing the self-directed learning skill scale of medical students in electronic curricula. This research is a correlational descriptive in terms of applied purpose and in terms of nature and method. The statistical population of this research was all medical students of Hamedan University of Medical Sciences who participated in the present research online by defining the desired tool on the Pressline website. According to the use of confirmatory factor analysis in this research, a sample of 550 people completed the questionnaire through voluntary and online sampling. In order to collect the desired data, an eight-item questionnaire "self-discovery of medical students in electronic curricula" was used. In order to analyze the data, first to check the scale factors and the distribution of the items from exploratory factor analysis using SPSS-28 software and then to validate the items and factors from confirmatory factor analysis with the software Smart-PLS-3 software is used. The results showed that the factor loadings of each of the items in 8 factors after rotation were confirmed with the desired variance because the absolute value of these coefficients is higher and the corresponding factor has a greater role in the total changes (variance) of the item variable. has an opinion Therefore, according to the results of the exploratory factor analysis, the research components were confirmed in eight factors: self-efficacy, self-management, academic help-seeking, motivation to learn, responsibility, self-organization, self-control, and self-evaluation with 73 items and the factor loads They are desirable. The confirmatory factor analysis also showed that the items of all eight components of the research, except for item five, have the necessary sufficiency to stay in the research, and the values of their factor loadings were appropriate and have a good fit. Also, Cronbach's alpha for all eight.

منابع و مأخذ:
متن کامل:


لطفاً بدون دست زدن به تنظیمات و سایر نقاط مقاله، موارد زیر را بر روی فایل همین مقاله اعمال و مجدداً اعاده فرمایید.

1-       منبع استخراج مقاله در چکیده فارسی و انگلیسی نوشته شود.

3-       نام و نام‌خانوادگی نویسنده در چکیده فارسی و انگلیسی نوشته شود.

4-       معرفی نویسنده به صورت پانویس در چکیده فارسی و داخل متن در چکیده انگلیسی درج شود.

5-       اولین حروف پانویس‌ها با حرف بزرگ نوشته شود.

6-       جداول مقاله بایستی به دو زبان فارسی و انگلیسی نوشته شود.

7-       اندازه جدول‌های در ابعاد سطرها تنظیم شود.

8-       منابع بازنگری شود (براساس APA و همانند مقالات روی سایت نشریه تنظیم شود). 

9-       مابین هر کلمه یک فاصله باشد.

10-       در کلمات ترکیبی و دو سیلابی، حتماً از نیم فاصله به صورت Ctrl+Shift+2 استفاده شود. مانند:

واسطه ای= واسطه‌ای دانش‌آموزان= دانش‌آموزان پیش آزمون= پیش‌آزمون پس آزمون= پس‌آزمون تأثیر= تأثیر موثر= مؤثر مؤلفه= مؤلفه

 

با سلام خدمت همکاران عزیز

همه موارد اعمال شد

 

 

 

 

 

 

 

 

هنجاریابی مقیاس مهارت یادگیری خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی1

سعید شریفی رهنمو2، فرهاد سراجی3، عظیمه سادات خاکباز4

چکیده

پژوهش حاضر با هدف هنجاریابی مقیاس مهارت یادگیری خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی انجام شد. این پژوهش از نظر هدف کاربردي و از نظر ماهیت و روش، توصیفی از نوع همبستگی می­باشد. جامعه آماری این پژوهش کلیه دانشجویان پزشکی دانشگاه علوم پزشکی همدان بودند که با تعریف ابزار موردنظر در سایت پرس لاین به صورت اینترنتی در پژوهش حاضر شرکت کردند. با توجه به استفاده از تحلیل عاملی تأییدی در این پژوهش، نمونه­ای به حجم550 نفر به روش نمونه­گیری داوطلبانه و آنلاین پرسشنامه­ موردنظر را تکمیل نمودند. جهت جمع­آوری داده­های موردنظر نیز از پرسشنامه هشت مؤلفه‌ای«خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی» استفاده شد. به منظور تحلیل داده­ها نیز ابتدا جهت بررسی عامل­های مقیاس و توزیع گویه­ها از تحلیل عاملی اکتشافی با استفاده از نرم­افزار SPSS-28 و سپس جهت اعتباریابی گویه­ها و عامل­ها از تحلیل عاملی تاییدی با نرم­افزار Smart-PLS-3 استفاده شده است. نتایج نشان داد بارهاي عاملي گویه­ها در 8 عامل پس از چرخش با واریانس مورد تایید قرار گرفته زیرا مقدار قدرمطلق اين ضرايب بيشتر است و عامل مربوطه نقش بيشتري در کل تغييرات مورد نظر دارد. بنابراین با توجه به نتایج تحلیل عاملی اکتشافی در هشت عامل خودکارآمدی، خودمدیریتی، کمک­خواهی تحصیلی، انگیزش برای یادگیری، مسئولیت‌پذیری، خودسازمان­دهی، خودکنترلی و خودارزیابی با 73 گویه مورد تایید قرار گرفته و از بار عاملی مطلوبی برخوردارند. تحلیل عامل تاییدی نیز نشان داد گویه­های هر هشت مؤلفه به جز گویه پنج کفایت لازم را دارند و مقادیر بارهای عاملی مناسب بود و از برازش مطلوب برخوردار است. آلفای کرونباخ برای هر هشت مؤلفه بیشتر از 7/0 به دست آمده که نشان دهنده پایایی مطلوب است.

واژگان کلیدی: برنامه درسی الکترونیکی، دانشجویان پزشکی، مقیاس خودرهیابی، هنجاریابی.

Standardization of the self-directed learning skill scale of medical students in electronic curricula5

Saeid Sharifi Rahnemo6, Farhad Saraji7, Azimeh Sadat Khakbaz8

Abstract

The present study was conducted with the aim of standardizing the self-directed learning skill scale of medical students in electronic curricula. This research is a correlational descriptive in terms of applied purpose and in terms of nature and method. The statistical population of this research was all medical students of Hamedan University of Medical Sciences who participated in the present research online by defining the desired tool on the Pressline website. According to the use of confirmatory factor analysis in this research, a sample of 550 people completed the questionnaire through voluntary and online sampling. In order to collect the desired data, an eight-item questionnaire "self-discovery of medical students in electronic curricula" was used. In order to analyze the data, first to check the scale factors and the distribution of the items from exploratory factor analysis using SPSS-28 software and then to validate the items and factors from confirmatory factor analysis with the software Smart-PLS-3 software is used. The results showed that the factor loadings of the items were confirmed in 8 factors after rotation with variance because the absolute value of these coefficients is higher and the relevant factor has a greater role in the total changes. Therefore, according to the results of the exploratory factor analysis, eight factors of self-efficacy, self-management, academic help-seeking, motivation to learn, responsibility, self-organization, self-control, and self-evaluation have been approved with 73 items and have a favorable factor load. The confirmatory factor analysis also showed that the items of all eight components, except for item five, have the necessary adequacy and the values of the factor loadings were appropriate and have a good fit. Cronbach's alpha for all eight components is greater than 0.7, which indicates good reliability.

Keywords: electronic curriculum, medical students, self-directed learning scale, Normative assessment.

مقدمه

مأموریت اصلی برنامه درسی و آموزش در دانشگاه­های علوم پزشکی پرورش افراد توانمند و شایسته است(جامیسون9،2023)؛ بطوریکه آنان از دانش و مهارت لازم برای حفظ و بهبود وضعیت سلامتی مردم برخوردار بوده، مشکلات بالقوه و بالفعل بهداشتی مددجویان را شناسایی و تصمیم­گیری کنند(موزس، مورنو، گیرینوالد و وائینئو10،2020؛ دادگری، باقری و سلمانی،1399). علاوه براین با توجه به تغییرات روزافزون در جهان امروز، رسالت­های آموزش و برنامه­درسی در حوزه پزشکی جهت آماده­سازی فراگیران برای روبرو شدن با چنین اهدافی را سنگین و دشوار می‌سازد(نیماوات و همکاران11،2021). لذا رسالت آموزش­های پزشکی نیز در عصر جديد نسبت به گذشته تغيير کرده است(گیماژ12،2021). در اين عصر باید دانشگاه افرادي را پرورش دهد که به جاي حفظ اطلاعات، توانايي طبقه­بندي، تحليل و ترکيب اطلاعات یا به­عبارت بهتر خودرهیابی را دارا باشند(ژنگ13،2022) تا بتوانند با تغييرات سريع فناورانه، صنعتي و اجتماعي همسويي موثري داشته و به همین دلیل صاحبنظران معتقدند که به­کارگيري فاوا در برنامه‌درسي دانشگاهي مي­تواند چنين قابليت‌هايي را در دانشجويان پرورش دهد(آدیویه، آدانیکین و آدانیکین14،2020). زیرا برنامه‌های درسی از ابزارهای مهم و اساسی پیشرونده در آموزش عالی تلقی می‌شود؛ چرا كه نقش شاهرگ اصلی را در خون­رسانی ایفا می­نمایند. لذا ضروریست برنامه‌های درسی پاسخگوی نیازهای درحال تحول محیط باشند تا از این طریق حیات و تداوم دانشگاه­ تأیید شود(زارع، زینلی­پور، زارعی و محمدی،1396). زیرا توسعه و بقاي دانشگاه‌ عصر حاضر علاوه بر عوامل زيرساختي، به كيفيت برنامه­درسي نیز وابسته است(آلتاباخ و دویت15،2018) و نحوه طراحي برنامه­درسي نقش مهمي در يادگيري دارد و دست­اندركاران برنامه­درسي بايد اصول طراحي و تدوين برنامه‌درسي به­ویژه از نوع الکترونیکی را به‌كارگيرند(سوان16،2019).

برنامه­درسی الکترونیکی به یک دوره آموزشی رسمی اطلاق می­شود که از اینترنت و امکانات وب برای ایجاد یک محیط یادگیری باز و توزیع شده استفاده می­کند و یادگیرندگان و مربیان برای دسترسی به اطلاعات، فراهم کردن محتوا و متن، تبادل و ایجاد دانش از تعاملات و ارتباطات معنادار همزمان و غیرهمزمان بهره می‌گیرند(ملامحمدی، کرمی، جعفری­ثانی و معلم،1399). بنابراین برنامه­درسی الکترونیکی شیوه­ای از برنامه­درسی است که با تکیه بر فناوری وب، یادگیری فردی و گروهی را برای همه افراد و در همه سنین به صورت همزمانی و یا غیرهمزمان میسر ساخته و گزارش مرکز ملی آمارهای آموزشی در ایالات متحده حدود یک دهه پیش نشان داد؛ برنامه­درسی الکترونیکی به شیوه­ای برجسته و غالب در نظام آموزشی نه تنها رایج­ترین فناوری، بلکه دارای سریع­ترین رشد در این زمینه است و در سال­های آتی یک شاهراه در حال رشد، برای یادگیری از طریق فناوری خواهد بود که نشان از اهمیت آن دارد(ماتار17،2018). در همین راستا نتایج تحقیقاتی مانند چارتاش و فینل18(2021) نشان داده؛ جامعه همسو با مباحث جهانی و بین­المللی شدن، از آموزش عالی انتظار دارد برای اثبات شایستگی و ارزش خود، باید مهارت­هایی را در دانشجویان ایجاد کند که اغلب به‌عنوان مزایای اجتماعی آموزشی نظام دانشگاهی شناخته می­شوند که این مهم در گرو طراحی مطلوب برنامه‌درسی است(جولی19،2017). لذا هراندازه طراحی‌ها از تجانس بالايي برخوردار باشد، طرح برنامه‌درسي با کيفيت­تر و قابليت اثر­گذاري بيشتري بر دانشجويان خواهد داشت و مهارت­های بنیادینی مانند خودرهیابی در نظام آموزشی پرورش خواهد یافت(مهرمحمدي،۱9۲:1382). 

یادگیری خودرهیاب یکی از مفاهیم  مهم در یادگیری است و از آن جایی که دانشجویان در دانشگاه­های علوم پزشکی به رشته­هایی با دوره­های آموزشی حرفه­ای گام نهاده­(شریفی­رهنمو، سراجی و خاکباز،1401) و لازمه موفقیت در این عرصه به روزبودن دانش، مهارت­ها و خودرهیاب بودن آنها است که باید در مؤسسات و نظام­های آموزشی پیشرو به‌طور روزافزون از آن استفاده شود و پرداختن به آن بسیار ضروری است(پالوی و پالوی20،2020). براین اساس یادگیری خودرهیاب بعنوان یک رویکرد یادگیری مطرح است که در سال­های اخیر توجه روزافزونی به آن بخصوص در زمینه آموزش عالی شده است(نادی، مشفقی و امینی،1397). زیرا یادگیری خودرهیاب با حس کنجکاوی، تفکر انتقادی، کیفیت درک و فهم، حفظ و یادآوری، تصمیم­گیری بهتر، رضایت­مندی، انگیزه، شایستگی و اعتماد به نفس در ارتباط است که فراگیران را به گسترش دانش و افزایش کیفیت علمی خود قادر می­سازد(خشنود، بختیارپور، باوی و پاشا،1400) از اینرو یادگیری خودرهیاب بعنوان یک رویکرد محبوب و ارزشمند در آموزش دانشگاهی شناخته شده(پیری، صاحب­یار و سعدالهی،1396) و کمک می­کند تا دانشجویان از انعطاف‌پذیری و اعتماد به نفس بیشتری نسبت به تغییرات برخوردار باشند(هندري و جینس21،2010). طبق نظریه نولز22(1975) یادگیری خودرهیاب به­عنوان فرایندی تعریف شده است که در آن افراد برای شناسایی نیازهای یادگیری خود، تعیین اهداف یادگیری، شناسایی منابع و مطالب موردنیاز برای یادگیری، انتخاب و اجرای راهبردهای مناسب یادگیری و ارزیابی برآیندهای یادگیری خود با یا بدون کمک دیگران وارد عمل شده و ابتکار عمل را در دست می‌گیرند(مهدی­زاده، صفری و نادی و پاک‌نیا،1390). بنابراین آنچه که باید برنامه­های درسی به­ویژه برنامه­درسی الکترونیکی به دنبال آن باشد؛ پرورش و آمادگی مهارت‌های خودرهیابی است چراکه اكنون زمان يادگيري نحوه يادگرفتن است كه اهميت بيشتري پيدا مي‌كند(ژو23،2022؛ جئونگ24،2022).

حال برای پرورش چنین مهارتی به ابزاري روا و پايا نياز است تا اساتيد با استفاده از آن توانمندي‌هاي موجود دانشجويان را در دانشكده­هاي پزشكي مورد سنجش قرار دهند و با اطلاع از مهارت­های دانشجويان به طراحي آموزشي، تدوين محتواي درس، طرح درس و امكانات كمك آموزشي در كلاس­هاي خود مبادرت ورزند(نادی و سجادیان،1391). به عنوان مثال بالوک و همکاران25(2022) و رافی، انور، یونس و منصور26(2022) جهت پرورش و درگیر ساختن میزان مهارت خودرهیابی در بین دانشجویان علوم پزشکی برای عملکرد مناسب در یادگیری از ابزاری دارای روایی مناسب را طراحی و استفاده نموده­اند که نشان دهنده مطلوبیت مقیاس حاضر در تحقق پرورش فراگیران خودرهیاب است. در اين ارتباط به نقل از لانگ27(1977) برای اولين بار مقياس آمادگي جهت خودرهیابی در يادگيري توسط گاگليلمينو28(2008) و در رساله دكتراي وي براي كاربرد در گروه­هاي بزرگسال ارائه گرديد. مك كوين29(1989) نیز پس از بررسي 67 پژوهش در حوزه خودرهیابی كه درحد فاصل سال­هاي 1977 تا 1987 انجام شد نتيجه گرفت اين ابزار به عنوان مهمترين گزينه به كار رفته و اكثر مطالعات انجام شده از روايي و پايايي اين ابزار حمايت كرده‌اند. لذا آزمون­سازي در اين حيطه و ارزشيابي ميزان آن و يا ارائه الگويي براي ارزيابي آن ضروري است.

اما نکته مهم این است که برای سنجش و پرورش مهارت­های یادگیری خودرهیاب در دانشجویان و آن هم در بستر الکترونیک نیاز به شناخت دقیق مقیاس­ مربوطه با مؤلفه­های موردنظر وجود دارد. اما در زمینه اعتباریابی مقیاس خودرهیابی در برنامه درسی الکترونیکی دانشجویان پزشکی پژوهش مستقیمی انجام نگرفته و تنها تعدادی از آن­ها به صورت اجمالی در آموزش­های حضوری به اجرا درآمده­اند. براین اساس به منظور تأييد روايي اين ابزار و توسعه بيشتر ابزارهاي سنجش خودرهیابی در دانشجويان پزشكي از يك طرف و همچنين جهت معرفي ابزاري كه قابليت تعيين يادگيري مادام­العمر و خودرهیاب بودن دانشجويان را در بستر برنامه­های درسی الکترونیکی دارا باشد، اين مطالعه با هدف پاسخگویی به این سوال انجام شده است که آیا مقیاس خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی دارای اعتبار است؟ 

 

روش­شناسی

پژوهش حاضر از نظر هدف کاربردي و از نظر ماهیت و روش، توصیفی از نوع همبستگی می­باشد که براي تدوین مبانی و الگوي نظري پژوهش از مطالعات کتابخانه­اي استفاده شد و در جهت آزمون فرضیه­ها از روش همبستگی استفاده گردید. جامعه آماری این پژوهش کلیه دانشجویان دانشگاه علوم پزشکی همدان به تعداد 4149 بودند که با تعریف ابزار موردنظر در سایت پرس لاین به صورت اینترنتی در پژوهش حاضر شرکت کردند. با توجه به استفاده از تحلیل عاملی تأییدی در این پژوهش، نمونه­ای به حجم550 نفر به روش داوطلبانه و آنلاین پرسشنامه­ مورد نظر را تکمیل نمودند. برای رعایت ملاحظات اخلاقی، در ابتدای پژوهش با توضیح صادقانه اهداف طرح، رضایت آگاهانه افراد برای شرکت در پژوهش جلب شد و با برقراری ارتباط مؤثر با آزمودنی‌ها، آن‌ها از لحاظ مشکلات احتمالی مانند اضطراب ناشی از پاسخ دادن مورد حمایت قرار گرفتند. در ادامه جهت جمع­آوری داده­های موردنظر نیز از پرسشنامه محقق­ساخته هشت مؤلفه‌ای«خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی» استفاده شد که برای ساخت فرم اولیه آن، مبانی نظری و مدل­­های یادگیری خودرهیاب مطالعه شد. براین اساس مهارت خودرهیابی دانشجویان پزشکی در برنامه­های درسی الکترونیکی در قالب 73 گویه چندگزینه­ای در هشت مؤلفه خودرهیابی شامل؛ خودمدیریتی(8گویه)، انگیزش برای یادگیری(9گویه)، خودکنترلی(7گویه)، خودکارآمدی(17گویه)، خودسامان‌دهی(12گویه)، خودارزیابی(6گویه)، کمک­خواهی تحصیلی(8گویه) و مسئولیت­پذیری(6گویه) طراحی شد. روند طراحی سؤال­ها به این صورت بود که در ابتدا محققین با مطالعه منابع مختلف و اساتید صاحبنظر مبادرت به شناسایی مضامین هر یك از مؤلفه­های هشت گانه نمودند. سپس برای هریك از مضامین شناسایی شده گویه­ها را به نحوی طرح شد که پاسخ صحیح به آن نشان دهنده برخورداری پاسخ دهنده از آن مضمون باشد. این گویه­ها در چندین مرحله از لحاظ منطقی بودن، وضوح و روشنی شاخص­ها، قابل فهم بودن و به طورکلی از لحاظ اعتبار صوری و محتوایی توسط هشت نفر از افراد خبره مورد تایید قرار گرفت. به این صورت که سوالات و گویه­های پرسشنامه در یک ستون و در ستون دیگر نظرات خبرگان به سه ستون(مورد تایید، مورد اصلاح، عدم تایید) تقسیم شد. حاصل نظرات خبرگان با استفاده از فرمول CVR محاسبه و ضریب توافق بین هشت نفر 94 % محاسبه گردید. این عدد نشانه دهنده میزان بالای توافق خبرگان بر روی کیفیت گویه­ها بود. پس از تدوین فرم مقدماتی آزمون، این آزمون در اختیار تعدادی از دانشجویان پزشکی قرار گرفت تا ضریب پایایی اولیه آن برآورد گردد؛ پس از تکمیل آزمون بر روی30 نفر از دانشجویان، پایایی آزمون از طریق آلفای کرونباخ محاسبه گردید که مقدار 73/0 به دست آمد که نشان دهنده پایایی مناسب آن بود و در نهایت، محققان آن را برای اجرا بر روی 550 نفر از دانشجویان آماده نمودند. نهایتا جهت بررسی عامل­های مقیاس و توزیع گویه­ها از تحلیل عاملی اکتشافی با استفاده از نرم­افزار SPSS-28 بهره گرفته شده و سپس جهت اعتباریابی گویه­ها و عامل­ها از تحلیل عاملی تاییدی با نرم­افزار Smart-PLS-3 استفاده شده است.

یافته­ها

مؤلفه­های مقیاس خودرهیابی دانشجویان در آموزش­های الکترونیکی به هشت مؤلفه دسته­بندی شده­اند و سپس با استفاده از پرسشنامه محقق­ساخته و تدوین 73 گویه به شناسایی مؤلفه­های مقیاس خورهیابی دانشجویان در آموزش­های الکترونیکی با استفاده از تحلیل عاملی اکتشافی پرداخته شده است. بدین منظور، ابتدا باید کفایت حجم نمونه مورد بررسی قرار گیرد.

آزمون کفایت حجم نمونه (30KMO) و آزمون کرویت بارتلت31

آزمون کفایت حجم نمونه و آزمون کرویت بارتلت مشخص می­کنند که آیا تحلیل عاملی اکتشافی بر روی داده­های جمع­آوری شده قابل اجرا می­باشد و حجم نمونه کفایت لازم را دارد. نتایج این آزمون برای پژوهش حاضر در زیر ارائه شده است.

جدول 1: نتایج آزمون KMO و آزمون بارتلت

Table 1: Results of KMO test and Bartlett test

کفایت حجم نمونه (KMO)

Adequacy of sample size (KMO)

0.942

آزمون کرویت بارتلت

Bartlett's sphericity test

خی دو 

chi-square

1667.886

درجه آزادی

Degrees of freedom

2628

سطح معنی­داری

level of significance

0.000

 

مقدار شاخص KMO در دامنه صفر تا یک قرار دارد و اکثریت متخصصان حداقل مقدار قابل قبول را 6/0 در نظر گرفته­اند (کلاین32، 2013). با توجه به نتایج جدول فوق، مقدار KMO برای پژوهش حاضر 942/0 به دست آمده و لذا می­توان گفت که حجم نمونه از کفایت لازم و بسیار خوبی برخوردار می­باشد. همچنین با توجه به نتایج سطح معنی­داری آزمون کرویت بارتلت که 000/0 به دست آمده و کوچکتر از 05/0 می­باشد (05/0>P)، لذا با اطمینان می­توان گفت که انجام تحلیل عاملی بر روی داده­های پژوهش قابل انجام می­باشد. همچنين معني­داري آزمون بارتلت (05/0>P) نشان مي­دهد که فرض هماني بودن ماتريس همبستگي رد شده و تحليل عاملي براي شناسايي ساختار (مدل عاملي) مناسب است. پس از تعیین مناسب بودن مدل عاملی، باید مقادیر اشتراک گویه­های پرسشنامه مورد بررسی قرار گیرد.

مقادیر اشتراک گویه­های پرسشنامه تحقیق

جدول مقادير اشتراک هر متغیر، نسبتی از واریانس هر متغیر را که توسط عامل‌های مشترک به‌حساب می‌آیند، نشان می‌دهد و با استفاده از تحلیل مؤلفه اصلی انجام شده است. 

 

جدول 2: مقادیر اشتراک گویه­های پرسشنامه تحقیق

Table 2: Share values of research questionnaire items

گویه­ها

items

مقادیر اشتراک اولیه

Initial subscription values

مقادیر به اشتراک پس از استخراج عامل‌ها

Share values after extracting the factors

گویه­ها

items

مقادیر اشتراک اولیه

Initial subscription values

مقادیر به اشتراک پس از استخراج عامل‌ها

Share values after extracting the factors

گویه­ها

items

مقادیر اشتراک اولیه

Initial subscription values

مقادیر به اشتراک پس از استخراج عامل­ها

Share values after extracting the factors

1

1.000

0.358

26

1.000

0.481

51

1.000

0.517

2

1.000

0.510

27

1.000

0.474

52

1.000

0.397

3

1.000

0.539

28

1.000

0.560

53

1.000

0.375

4

1.000

0.469

29

1.000

0.520

54

1.000

0.497

5

1.000

0.215

30

1.000

0.411

55

1.000

0.573

6

1.000

0.333

31

1.000

0.590

56

1.000

0.480

7

1.000

0.281

32

1.000

0.534

57

1.000

0.440

8

1.000

0.412

33

1.000

0.533

58

1.000

0.446

9

1.000

0.380

34

1.000

0.357

59

1.000

0.391

10

1.000

0.487

35

1.000

0.473

60

1.000

0382

11

1.000

0.538

36

1.000

0.491

61

1.000

0.374

12

1.000

0.508

37

1.000

0.540

62

1.000

0.514

13

1.000

0.522

38

1.000

0.566

63

1.000

0.494

14

1.000

0.382

39

1.000

0.519

64

1.000

0.498

15

1.000

0.441

40

1.000

0.419

65

1.000

0.566

16

1.000

0.484

41

1.000

0.420

66

1.000

0.478

17

1.000

0.357

42

1.000

0.443

67

1.000

0.536

18

1.000

0.383

43

1.000

0.498

68

1.000

0.638

19

1.000

0.500

44

1.000

0.447

69

1.000

0.601

20

1.000

0.607

45

1.000

0.507

70

1.000

0.401

21

1.000

0.619

46

1.000

0.415

71

1.000

0.575

22

1.000

0.423

47

1.000

0.476

72

1.000

0.498

23

1.000

0.516

48

1.000

0.490

73

1.000

0.321

24

1.000

0.459

49

1.000

0.403

 

 

 

25

1.000

0.490

50

1.000

0.516

 

 

 

روش استخراج: تحلیل مؤلفه اصلی

بررسی میزان اشتراک اولیه و بعد از استخراج عامل­ها نشانگر آن است که اشتراک اولیه تمامی آن­ها برابر 000/1 هستند. میزان اشتراکات بعد از استخراج عامل­ها برای همه متغیرها بیشتر از 20 درصد (از حداقل 215/0 تا 638/0) و بیانگر توانایی آن­ها در تبیین واریانس متغیرهای مورد مطالعه در این پژوهش است. پس از مشخص شدن توانایی همه متغیرها در تبیین واریانس متغیرهای مورد مطالعه، در مرحله بعد عامل‌های استخراج شده مورد بررسی قرار می­گیرد.

استخراج مؤلفه­های مقیاس خودرهیابی دانشجویان برای آموزش­های الکترونیک

جدول 3: عوامل استخراج شده همراه مقادیر ویژه، درصد واریانس و درصد واریانس تجمعی

Table 3: Extracted factors with eigenvalues, variance percentage and cumulative variance percentage

عامل­ها Factor

مقدار ویژه اولیه

The initial eigenvalue

مقادیر ویژه عوامل استخراجی بدون چرخش

Specific values of extraction factors without rotation

مقادیر ویژه عوامل استخراجی چرخش­یافته

Specific values of rotated extraction factors

مجموع Total

 

درصد واریانس Percentage of variance

 

درصد تجمعی

Cumulative percentage

مجموع

Total

درصد واریانس

Percentage of variance

درصد تجمعی

Cumulative percentage

مجموع

Total

درصد واریانس

Percentage of variance

درصد تجمعی

Cumulative percentage

1

19.509

26.724

26.734

19.509

26.724

26.724

7.764

10.635

10.675

2

3.393

4.648

31.372

3.393

4.648

31.372

4.690

6.425

17.60

3

2.704

3.704

35.076

2.704

3.704

35.076

4.419

6.054

23.114

4

2.089

2.862

37.938

2.089

2.862

37.938

4.185

5.733

28.847

5

1.944

2.664

40.602

1.944

2.644

40.602

4.083

5.593

34.439

6

1.725

2.364

42.966

1.725

2.364

42.966

3.389

4.615

39.054

7

1.514

2.074

45.039

1.514

2.074

45.039

3.089

4.231

43.285

8

1.448

1.983

47.023

1.448

1.983

47.023

2.729

3.738

47.023

روش استخراج: تحلیل مؤلفه اصلی

در جدول 3، مقادیر ویژه اولیه33، مقادیر ویژه عوامل استخراجی بدون چرخش34 و مقادیر ویژه عوامل استخراجی چرخش­یافته35 عامل­های دارای مقادیر ویژه بالاتر از یک و عامل­های استخراج شده را نشان می­دهد. مقدار ویژه هر عامل نسبتی از واریانس کل متغیرها است که توسط آن عامل تبیین می­شود. در کل 8 عامل استخراج شده­اند که 02/47 درصد از کل واریانس­های پژوهش را تبیین می­کنند. در زیر نمودار صخره­ای مقادیر ویژه برای عامل­ها را نشان داده است.

img0 

شکل 1 نمودار صخره­­ای عامل­های استخراج شده

نمودار فوق نمودار صخره­اي36 است که براي متغيرها تقاضا مي‌شود. اين نمودار تصوير گرافيکي مقدار ويژه در هريک از عامل‌هاي استخراج شده است. در ادامه تحلیل عاملی اکتشافی، ماتریس چرخش نیافته و ماتریس چرخش یافته مورد بررسی قرار گرفته است.

ماتریس چرخش­نیافته

ماتریس مؤلفه یا ماتريس چرخش نيافته37، ماتریس مؤلفه‌های تحلیل عاملی قبل از دوران است و همبستگی‌های بین متغیرها و عامل‌های استخراج شده را نشان می‌دهد.

 

جدول 4: ماتریس مؤلفه­های چرخش نیافتهa

Table 4: Matrix of unrotated components

گویه­ها

items

مؤلفه­ها

Components

1

2

3

4

5

6

7

8

69

0.661

 

0.306

-0.123

-0.124

 

 

-0.173

43

0.649

 

-0.238

 

 

 

 

 

68

0.631

 

0.355

-0.135

-0.117

 

-0.196

0.177

67

0.631

 

 

-0.142

0.181

-0.197

-0.168

-0.108

71

0.625

 

0.331

-0.165

 

-0.128

 

-0.133

33

0.623

 

-0.189

 

 

 

0.278

 

46

0.620

0.110

 

 

 

 

 

 

39

0.619

-0.156

-0.257

-0.147

-0.112

 

 

 

24

0.607

-0.208

 

 

0.123

 

-0.132

 

48

0.605

0.195

 

0.110

-0.170

 

 

 

38

0.601

-0.238

-0.201

-0.217

-0.229

 

 

-0.195

31

0.600

-0.203

-0.282

-0.139

 

 

0.244

 

28

0.600

-0.300

 

 

 

 

 

0.134

45

0.597

0.210

 

 

-0.211

 

0.154

0.302

41

0.585

 

-0.218

-0.122

 

 

 

0.168

37

0.584

-0.173

-0.294

-0.233

 

-0.100

-0.122

 

42

0.581

 

 

 

-0.231

 

-0.182

 

44

0.578

0.251

-0.133

0.153

 

 

 

 

32

0.572

-0.229

-0.201

-0259

-0.132

0.115

 

 

19

0.565

 

 

0.344

 

0.100

 

0.164

56

0.565

0.313

 

 

 

0.114

-0.157

-0.121

39

0.563

-0.277

 

 

 

 

0.207

0.284

22

0.577

 

 

0.180

-0.154

0.125

-0.152

 

40

0.553

 

 

-0.187

 

-0.230

 

 

36

0.553

-0.130

-0.231

 

 

 

-0.120

-0.214

47

0.543

0.300

-0119

0.131

 

-0.109

0.210

 

66

0.542

0.171

 

-0.129

0.217

-0.250

 

0.135

26

0.540

-0.208

 

-0.295

-0.175

0.142

 

 

70

0.536

0.290

 

 

-0.134

-0.107

 

-0.180

60

0.533

 

0.113

-0.105

 

 

 

-0.253

34

0.531

 

 

-0.143

-0.106

 

 

-0.175

64

0.526

0.181

-0.108

-0.218

0.220

-0.165

-0.193

0.127

49

0.524

0.222

 

0.147

-0.219

 

 

 

10

0.524

-0.277

0.209

 

0.202

 

0.126

-0.180

21

0.520

-0.175

0.178

 

 

0.506

-0.137

 

30

0.519

-0.273

 

 

 

 

0.191

0.146

11

0.518

 

-0.179

0.273

0.255

 

0.110

-0.272

23

0.518

-0.267

0.256

 

0.108

0.267

-0.149

 

13

0.518

-0.262

0.329

 

 

-0.126

0.205

-0.101

3

0.513

 

 

0.393

 

-0.234

-0.136

0.188

25

0.510

-0.269

-0.260

 

-0.269

0.112

 

 

20

0.505

-0.231

0.230

 

 

0.456

-0.173

 

9

0.501

-0.154

 

 

0.134

-0.185

-0.102

0.211

4

0.501

-0.116

 

0.295

-0.151

-0.225

-0.207

 

27

0.498

-0.180

-0.374

 

-0.127

 

0.123

 

65

0.496

0.324

0.136

-0.256

0.230

 

 

0.265

2

0.494

 

0.115

0.344

-0.235

-0/209

 

0.158

59

0.490

0.196

0.171-

 

 

0.244

 

0.152

18

0.485

0.173

 

0.235

 

 

0.154

0.165

54

0.483

0.336

 

0.186

 

0.298

-0.103

 

35

0.477

0.111-

-0.359

 

0.148

0.191-

 

0.187-

12

0.470

-0.179

 

0.181

0.357

 

0.245

-0.178

15

0.466

-0.289

0.232

 

0.218

-0.149

0.124

 

88

0.465

0.164

 

0.309

 

-0.219

 

0.106

55

0.449

0.431

-0.141

 

0.183

0.264

-0.184

-0.170

52

0.445

0.218

0.216

-0.118

-0.241

 

0.130

0.116-

53

0.441

0.172

0.234

-0.185

-0.146

 

0.199

 

58

0.440

0.403

 

 

0.172

0.151

 

0.163

14

0.437

0/109-

 

0.200

0.293

 

0.196

 

7

0.434

 

0.216

0.113

0.133

 

 

 

17

0.426

 

0.256

 

 

-0.177

0.249

0.105

16

0.424

-0.152

0.242

0.185

0.243

0.248

0.123

0.231-

6

0.422

 

0.298

0.158

0.142

 

0.112-

 

73

0.400

 

0.182

0.317-

 

-0.118

 

 

72

0.393

 

0.383

-0.345

 

-0.216

-0.169

 

1

0.383

0.138-

0.130-

0.333

-0.140

0.170-

 

 

61

0.350

0.270

-0.233

0.136

0.187

 

 

0.240-

5

0.312

 

0.256

 

 

-0.107

 

0.162

57

0.413

0.461

 

-0.110

0.104

0.136

 

 

63

0.323

0.433

0.114

-0.148

0.330

0.131

 

0.198

62

0.406

0.416

0.170-

 

0.358

 

 

0.128

50

0.342

0.275

0.382

 

-0.247

 

0.321

 

51

0.346

0.338

0.130

 

-0.264

0.127

0.426

 

روش استخراج: تحلیل مؤلفه اصلی

a. 8 مؤلفه استخراج شده است

این جدول ماتریس اجرا یا عامل‌های چرخیده نشده را نشان می­دهد که شامل بارهای عاملی (نمرات عاملی) هریک از متغیرها در هشت عامل می­باشد که بارهای عاملی با قدر مطلق کمتر از 10/0 حذف شده­اند. تفسیر بارهای عاملی بدون چرخش ساده نیست. بنابراین عامل­ها را مورد چرخش قرار گرفت تا قابلیت تفسیر آن­ها افزایش یابد که در جدول 5 ارائه شده است.

ماتریس مؤلفه­های چرخیده شده

دراین بخش ماتریس چرخیده شده ارائه شده است، به دلیل آنکه ماتریس ارائه شده در جدول 4 دارای الگوی روشنی نیست به ماتریس چرخش­يافته با واریماکس با نرمال­سازی کیزر که پس از دوران، الگو را واضح‌تر می‌کند، توجه شده است. چرخش در 20 تکرار همگرا شده است و نتایج آن در جدول 5 نشان داده شده است.

جدول 5: ماتریس مؤلفه‌های تحلیل عاملی بعد از دوران (چرخش يافته)a

Table 5: Matrix of factor analysis components after rotation (rotated)

گویه­ها

items

مؤلفه­ها

Components

1

2

3

4

5

6

7

8

32

0.673

 

 

 

 

 

 

 

31

0.656

 

 

 

 

 

 

 

27

0.650

 

 

 

 

 

 

 

38

0.646

 

 

 

 

 

 

 

39

0.623

 

 

 

 

 

 

 

25

0.620

 

 

 

 

 

 

 

27

0.615

 

 

 

 

 

 

 

26

0.553

 

 

 

 

 

 

 

33

0.547

 

 

 

 

 

 

 

41

0.521

 

 

 

 

 

 

 

29

0.513

 

 

 

 

 

 

 

28

0.502

 

 

 

 

 

 

 

36

0.494

 

 

 

 

 

 

 

43

0.462

 

 

 

 

 

 

 

30

0.448

 

 

 

 

 

 

 

35

0.440

 

 

 

 

 

 

 

34

0.402

 

 

 

 

 

 

 

40

0.398

 

 

 

 

 

 

 

24

0.387

 

 

 

 

 

 

 

46

0.358

 

 

 

 

 

 

 

42

0.354

 

 

 

 

 

 

 

3

 

0.678

 

 

 

 

 

 

2

 

0.649

 

 

 

 

 

 

4

 

0.558

 

 

 

 

 

 

1

 

0.544

 

 

 

 

 

 

8

 

0.540

 

 

 

 

 

 

19

 

0.507

 

 

 

 

 

 

18

 

0.443

 

 

 

 

 

 

49

 

0.406

 

 

 

 

 

 

44

 

0.355

 

 

 

 

 

 

9

 

0.352

 

 

 

 

 

 

22

 

0.349

 

 

 

 

 

 

5

 

0.258

 

 

 

 

 

 

63

 

 

0.667

 

 

 

 

 

62

 

 

0.649

 

 

 

 

 

65

 

 

0.631

 

 

 

 

 

58

 

 

0.585

 

 

 

 

 

57

 

 

0.569

 

 

 

 

 

55

 

 

0.521

 

 

 

 

 

64

 

 

0.513

 

 

 

 

 

66

 

 

0.469

 

 

 

 

 

59

 

 

0.386

 

 

 

 

 

12

 

 

 

0.640

 

 

 

 

10

 

 

 

0.555

 

 

 

 

13

 

 

 

0.549

 

 

 

 

15

 

 

 

0.546

 

 

 

 

16

 

 

 

0.508

 

 

 

 

14

 

 

 

0.505

 

 

 

 

11

 

 

 

0.450

 

 

 

 

17

 

 

 

0.398

 

 

 

 

6

 

 

 

0.293

 

 

 

 

7

 

 

 

0.287

 

 

 

 

72

 

 

 

 

0.660

 

 

 

68

 

 

 

 

0.621

 

 

 

71

 

 

 

 

0.589

 

 

 

69

 

 

 

 

0.538

 

 

 

73

 

 

 

 

0.438

0.228

 

 

67

 

 

 

 

 

0.687

 

 

60

 

 

 

 

 

0.657

 

 

51

 

 

 

 

 

0.500

 

 

50

 

 

 

 

 

0.467

 

 

52

 

 

 

 

 

0.420

 

 

53

 

 

 

 

 

0.379

 

 

45

 

 

 

 

 

0.363

 

 

20

 

 

 

 

 

 

0.689

 

21

 

 

 

 

 

 

0.688

 

23

 

 

 

 

 

 

0.541

 

54

 

 

 

 

 

 

0.344

 

70

 

 

 

 

 

 

 

0.316

47

 

 

 

 

 

 

 

0.273

61

 

 

 

 

 

 

 

0.456

48

 

 

 

 

 

 

 

0.353

56

 

 

 

 

 

 

 

0.343

روش استخراج: تحلیل مؤلفه اصلی

a. روش چرخش: واریماکس با نرمال­سازی کیزر

جدول فوق ماتريس چرخيده شده اجزا را برای تحلیل مؤلفه­های مقیاس «خودرهیابی دانشجویان در آموزش­های الکترونیکی» نشان مي‌دهد که شامل بارهاي عاملي هر يک از متغيرها در 8 عامل پس از چرخش مي‌باشد که نشان از مطلوب بودن است. اين ماتريس را راحت­تر از ماتريس چرخيده نشده قبلي مي‌توان تفسير کرد. هرچه مقدار قدرمطلق اين ضرايب بيشتر باشد عامل مربوطه نقش بيشتري در کل تغييرات (واريانس) متغير مورد نظر دارد. بنابراین با توجه به نتایج تحلیل عاملی اکتشافی مؤلفه­های پژوهش به صورت زیر دسته­بندی می­شوند (جدول 6).

جدول 6: دسته­بندی مؤلفه­های مقیاس خودرهیابی دانشجویان در آموزش­های الکترونیکی

Table 6: Classification of the components of the self-discovery scale of students in electronic education

مؤلفه­ها

Components

شماره گویه

Item number

گویه­ها

items

خودکارآمدی

self-efficacy

32

اگر تلاش کنم، می­توانم سخت ترین تکالیف مربوط به تحصیل را انجام دهم

If I try, I can do the hardest homework

31

می­توانم اطلاعات را برای خودم پیدا کنم

I can find information for myself

27

پیچیده ترین مطالب را در کلاس یاد میگیرم

I learn the most complex things in class

38

می­توانم در درس­های مختلف نمره خوبی بگیرم

I can get good grades in different subjects

39

می­توانم مطالعه خوبی انجام دهم به حدی که دقیقاً متوجه مطلب شوم

I can read well enough to understand the material exactly

25

می­توانم مشکل­ترین مطالب درسی را که در یک ترم یاد می­گیرم، بفهمم

I can understand the most difficult course material I learn in a semester

37

می­توانم به خوبی یک مفهوم را به دانشجویی دیگر توضیح دهم

I can explain a concept well to another student

26

اگر تلاش کنم می­توانم وظایف تحصیلی­ام را به­طور کامل در کلاس انجام دهم

If I try, I can complete my academic tasks in class

33

می­توانم مهارت­های عملی که در گذشته یاد گرفته­ام را به کار ببرم

I can apply the practical skills I have learned in the past

41

از منابع یادگیری فیزیکی و اینترنتی به خوبی استفاده می کنم

I use physical and internet learning resources well

29

ترجیح می­دهم اهداف تحصیلی­ام را خودم تعیین کنم

I prefer to determine my academic goals myself

28

به توانمندی­های خود باور دارم

I believe in my abilities

36

در نوشتن یک تحقیق کوتاه با کیفیت عملکرد مطلوبی دارم

I have good performance in writing a short research paper with good quality

43

اطلاعات مورد نیاز برای حل یک مساله را جمعآوری و تحلیل می کنم

I collect and analyze the information needed to solve a problem

30

از خودم توقعات بالایی دارم

I have high expectations of myself

35

در بحث­های کلاسی شرکت فعال دارم

I actively participate in class discussions

34

می­توانم یادداشت برداری سازمان یافته در هنگام سخنرانی استاد و بحث‌های همکلاسی­ها انجام دهم

I can take organized notes during the professor's lecture and classmates' discussions

40

احترام اساتید را به خودم جلب می­کنم

I gain the respect of teachers

24

بقیه افراد می­توا­نند به من برای پیشبرد یادگیری­ام اعتماد کنند

Other people can trust me to advance my learning

46

قبل از تصمیم­گیری واقعیات مرتبط را بررسی و نتایج را ساماندهی می­کنم

Before making a decision, I check the relevant facts and organize the results

42

موضوعات درسی را به نحوی که منظم­ و قابل فهم­تر باشد ساماندهی می­کنم

I organize the subjects in a way that is more organized and understandable

خودمدیریتی

self management

3

به خوبی از وقت استفاده می­کنم

I use my time well

2

کارهایم را اولویت بندی می­کنم

I prioritize my work

4

یادگیری­ام نظا­م­مند و منطقی است

My learning is organized and logical

1

برای حل مشکلات تحصیلی­ام از برنامه (طرح) مشخصی استفاده می‌کنم

I use a specific plan to solve my academic problems

8

زمان­های معینی را برای مطالعه شخصی اختصاص می­دهم

I allocate certain times for personal study

19

درمورد اهداف یادگیری­ام خودم برنامه­ریزی می­کنم

I plan my own learning goals

18

ایمان دارم به اینکه مهارت­های مدیریتی من خوب است

I believe that my management skills are good

49

ابتدا تکالیف درسی را انجام می­دهم بعد کارهای غیر درسی را

First, I do the coursework, then the extracurricular work

44

عملکرد خود را ثبت، یادداشت و بررسی می­کنم

I record, note and check my performance

9

فرد مثبت اندیشی هستم

I am a positive person

22

در کارهای تحصیلی­ام استاندارد فردی بالایی دارم

I have a high personal standard in my academic work

5

روی یک مسئله(مشکل) تمرکز می­کنم

I focus on a problem

 

 

 

 

کمک­خواهی تحصیلی

Academic assistance

63

در مورد تکالیف درسی از همکلاسی­ها سوال می­کنم

I ask my classmates about homework

62

در کارهای درسی از گروه­های مختلف کمک می­گیرم

I get help from different groups in my homework

65

در مواقع مشکل درسی از افراد دانا کمک می­گیرم

In case of academic problems, I get help from knowledgeable people

58

با توجه با بازخوردهای دیگران، در انجام تکالیف درسی تغییرات ایجاد می­کنم

According to the feedback of others, I make changes in doing the homework

57

قبل از اتمام تکالیف درسی درخصوص غلط یا درست بودن آن از دیگران سوال میکنم

Before finishing the homework, I ask others about whether it is right or wrong

55

برای انجام بهتر تکالیف درسی از ارزیابی دوستان استقبال می­کنم

I welcome the evaluation of friends to do homework better

64

آنچه را یاد گرفته­ام برای دوستانم توضیح می­دهم

I will explain what I have learned to my friends

66

از اساتید برای حل مشکلاتم کمک می­گیرم

I get help from professors to solve my problems

59

ملاک­های ارزشیابی عملکردم را خودم تعیین می­کنم

I determine my own performance evaluation criteria

انگیزش برای یادگیری

Motivation to learn

12

در برابر افکار جدید، با گشاده رویی برخورد می­کنم

I deal with new ideas with openness

10

از یادگیری چیزهای جدید احساس رضایت می­کنم

I feel satisfied with learning new things

13

از پیشرفتم احساس لذت می­کنم

I feel happy about my progress

15

چون می‌توانم توانایی خود را اثبات کنم این باعث خوشحالیم می‌شود

Because I can prove my ability, it makes us happy

16

نسبت به یادگیری احساس نیاز می­کنم

I feel the need to learn

14

از چالش(برخورد افکار) لذت می­برم

I enjoy the challenge

11

با نقادی ایده­های جدید را ارزیابی می­کنم

I critically evaluate new ideas

17

فکر می­کنم با تحصیل در آینده زندگی خوبی خواهم داشت

I think I will have a good life in the future by studying

6

از اشتباهاتم درس می­گیرم

I learn from my mistakes

7

به محدودیت­های فردی خود آگاه هستم

I am aware of my personal limitations

مسئولیت­پذیری

responsibility

72

در کلاس با همکلاسی هاي خود محترمانه رفتار می­کنم

I treat my classmates with respect in class

68

در کارهای تحصیلی­ام سعی می­کنم مسئولیت پذیر  باشم

I try to be responsible in my academic work

71

تلاش می­کنم کارها را به خوبی انجام دهم

I try to do things well

69

در قبال غلط یا درست بودن تکالیف درسی­ام احساس مسئولیت می­کنم

I feel responsible for whether my homework is right or wrong

73

هنگام انتقاد از کلاس یا استاد، آرامش خودم را حفظ می­کنم

I keep my composure when criticizing the class or the teacher

خودسازمان­دهی

Self organization

67

وقتی قرار است کاري در کلاس انجام شود، کمک می­کنم

When something needs to be done in class, I help

60

در کارهای تحقیقاتی و درسی از منابع گوناگون کمک می­گیرم

I get help from various sources in research and teaching work

51

در مکان مخصوص مطالعه میکنم

I study in a special place

50

قبل از شروع مطالعه، از نظافت محل مطالعه مطمئن میشوم

Before starting the study, I make sure the study place is clean

52

در نگه داری یادداشت ها و دست نوشته های درسی ام منظم هستم

I am regular in keeping my notes and textbooks

53

زیر مفاهیم و اطلاعات مهم خط میکشم

I will underline important concepts and information

45

شرایط محیطی را برای یادگیری بهتر آماده میکنم

I prepare the environment for better learning

خودکنترلی

Self-control

20

به این مرحله مهم رسیده­ام که(نیاز دارم که بدانم چرا؟..)(فهم علت­ها)

I have reached this important stage that (I need to know why...?) (Understanding the reasons)

21

برایم مهم است که (نیاز دارم که بدانم چرا؟....؟)

It is important to me that (I need to know why?....?)

23

مسئولیت تصمیم­ها و عملکردها را خودم بر عهده می­گیرم

I take responsibility for decisions and actions myself

54

از خودم امتحان می­گیرم

I will test myself

 

 

 

خودارزیابی

self assessment

70

قبل از تعیین تکالیف درسی توسط استاد آنها را چک می­کنم

I check the assignments before the teacher assigns them

47

آزمون های قبلی را مرور می­کنم

I review the previous tests

61

برای دستیابی به اطلاعات مورد نیاز درسی، از کتابخانه کمک می­گیرم

I get help from the library to get the information needed for the course

48

یادداشت­ها و کتاب های درسی را مرور میکنم

I review notes and textbooks

56

بعد از مطالعه، به ارزیابی مطالب می­پردازم

After reading, I evaluate the material

پس از تعیین مؤلفه­های مقیاس خودرهیابی دانشجویان برای آموزش­های الکترونیکی، به اعتباریابی گویه­ها پرداخته شده که با استفاده از تحلیل عاملی تاییدی با استفاده از نرم­افزار Smart-PLS-3 انجام شده است.

تحلیل عاملی تاییدی

مهم­ترین هدف تحلیل عاملی تاییدی تعیین میزان توان مدل عامل­های از قبل تعریف شده با مجموعه­ای از داده­های مشاهده شده است. به عبارتی تحلیل عاملی تاییدی درصدد تعیین این مساله است که آیا تعداد عامل­ها و بارهای متغییرهایی که روی این عامل­ها اندازه­گیری شده­اند با آنچه بر اساس تئوری و مدل نظری انتظار می­رفت انطباق دارد (کلاین38، 2010). در این پژوهش، با توجه به نتایج تحلیل عاملی اکتشافی مشخص شد که در کل 8 مؤلفه در پژوهش وجود دارد و در این بخش روایی پرسشنامه با دو روش روایی همگرا و روایی واگرا و استفاده از نرم­افزار Smart-PLS-3 بررسی شده و کفایت هر یک از گویه­ها و مؤلفه­ها برای ماندن در پژوهش اندازه­گیری می­شود. روایی همگرا به میزان همبستگی هر سازه با متغیرهای (شاخص­ها) خود می­پردازد که معیار AVE محاسبه شده برای این منظور به کار می­رود. مقدار مناسب برای AVE، ۵/۰ به بالاست. روایی واگرا، از دیگر معیارهای بررسی برازش مدل­های اندازه­گیری است که دو موضوع را پوشش می­دهد: الف) مقایسه میزان همبستگی بین شاخص­های یک سازه با آن سازه در مقابل همبستگی آن شاخص­ها با سازه­های دیگر. ب) مقایسه میزان همبستگی یک سازه با شاخص­هایش در مقابل همبستگی آن سازه با سایر سازه­ها  که با روش فورنل و لارکر (1981) قابل انجام است (کلاین، 2010). در نمودار 1 الگوی پردازش شده ارائه شده است.

C:\Users\satrap\Desktop\دسکتاب 3 مهر\دکتر شریفی\تحلیل خود دکتر\Model.png 

شکل 2 مدل ساختاری مقیاس خودرهیابی برای آموزش­های الکترونیک (بر اساس بارهای عاملی)

C:\Users\satrap\Desktop\دسکتاب 3 مهر\دکتر شریفی\تحلیل خود دکتر\T value.png 

شکل 3 مدل ساختاری مقیاس خودرهیابی برای آموزش­های الکترونیک (بر اساس مقدار t)

 

بر اساس الگوی کمی پژوهش، بارهای عاملی و مقدار t به دست آمده برای گویه­های مقیاس خودرهیابی دانشجویان برای آموزش­های الکترونیکی در جدول 7 ارائه شده است.

جدول 7: بارهای عاملی مؤلفه­های تعیین­شده الگوی یادگیری ترکیبی

Table 7: factor loadings of the determined components of the combined learning model

مؤلفه­ها

Components

 

گویه­ها

items

بار عاملی

factor load

مقدار t

t value

آلفای کرونباخ

Cronbach's alpha

ضریب پایایی ترکیبی (CR)

Composite Reliability Coefficient (CR)

میانگین واریانس استخراجی (AVE)

Average Variance Extracted (AVE)

خودکارآمدی

self-efficacy

32

0.677

21.27

0.923

0.932

0.596

31

0.700

27.58

27

0.607

19.18

38

0.691

24.71

39

0.700

27.78

25

0.611

18.17

37

0.690

23.46

26

0.606

16.73

33

0.668

23.95

41

0.634

22.35

29

0.614

16.83

28

0.641

18.44

36

0.629

21.61

43

0.661

23.13

30

0.564

15.25

35

0.550

15.91

34

0.558

16.01

40

0.581

14.43

34

0.626

18.34

46

0.594

17.52

42

0.576

16.75

خودمدیریتی

self management

3

0.697

24.33

0.829

0.865

0.552

2

0.651

21.08

4

0.617

19.40

1

0.539

13.94

8

0.581

17.30

19

0.679

22.55

18

0.586

18.29

49

0.596

20.23

44

0.603

18.51

9

0.537

14.75

22

0.603

17.79

5

0.635

7.36

0.820

0.861

0.509

کمک­خواهی تحصیلی

Academic assistance

63

0.600

15.37

62

0.644

19.70

65

0.717

27.44

58

0.657

21.29

57

0.630

20.17

55

0.635

18.81

64

0.647

20.98

66

0.637

20.19

59

0.583

15.63

انگیزش برای یادگیری

Motivation to learn

12

0.656

22.29

0.808

0.853

0.570

10

0.686

21.05

13

0.693

20.07

15

0.637

17.06

16

0.601

14.20

14

0.561

16.72

11

0.624

20.39

17

0.525

12.52

6

0.520

12.32

7

0.545

14.15

مسئولیت­پذیری

responsibility

72

0.656

14.61

.804

0.864

0.565

68

0.824

37.28

71

0.832

47.27

69

0.836

52.03

73

0.569

12.69

خودسازمان­دهی

self-organization

67

0.633

20.91

0.737

0.813

0.584

60

0.616

18.09

51

0.598

16.00

50

0.590

13.85

52

0.634

16.88

53

0.609

14.27

45

0.654

23.66

خودکنترلی

Self-control

20

0.801

37.21

0.709

0.824

0.543

31

0.830

45.58

23

0.713

24.46

54

0.579

17.07

خودارزیابی

self assessment

70

0.679

23.11

0.717

0.815

0.573

47

0.722

27.73

61

0.528

12.29

48

0.784

34.31

56

0.697

25.89

در جدول 7، بارهای عاملی مؤلفه­های پژوهش ارائه شده و همانطور که مشخص است، بارهای عاملی تمام گویه­های هر هشت مؤلفه پژوهش به جز گویه 5 مؤلفه خودمدیریتی بیشتر از 5/0 به دست آمده و لذا گویه 5 از روند پژوهش و از مقیاس حذف می­شود. همچنین مقدار t برای تمامی گویه­های پژوهش بیشتر از 96/1 به دست آمده و بنابراین با اطمینان می­توان گفت که گویه­های هر هشت مؤلفه پژوهش کفایت لازم را برای ماندن در پژوهش دارند و مقادیر بارهای عاملی آنها مناسب است و از برازش مطلوب برخوردار است. همچنین، بر اساس جدول 7 مشاهده می­شود که ضریب آلفای کرونباخ برای هر هشت متغیر بیشتر از 7/0 به دست آمده و لذا از پایایی مطلوب برخوردار است. علاوه بر آن، با توجه به مقادیر به دست آمده برای ضریب پایایی ترکیبی (CR) هر هشت مؤلفه پژوهش بیشتر از 7/0 به دست آمده­اند، لذا می­توان گفت که از سازگاری درونی مطلوبی برخوردار هستند و در نهایت با توجه به مقدار میانگین واریانس استخراجی (AVE) برای هر هشت مؤلفه پژوهش که بیشتر از 5/0 به دست آمده­اند، می­توان با اطمینان گفت که وضعیت پایایی و روایی مقیاس خودرهیابی دانشجویان برای آموزش­های الکترونیک تایید می­شود.

بحث و نتیجه­گیری

با توجه به اهميت ارزيابي ويژگي­هاي روانسنجي مقياس خودرهیابی دانشجویان برای آموزش­های الکترونیک و ضرورت معرفي روايي و پايايي اين ابزار چهت سنجش توانمندي­هاي يادگيري معطوف به يادگيري مادام العمر و در جهت پركردن خلاء دانش موجود در زمينه روايي تأييدي اين مقياس و ارائه مستندات محكم و مستدل براي كاربرد اين مقياس در ايران، اين پژوهش طراحي و در بين دانشجويان پزشكي اجرا گرديد. در مرحله اول نتایج تحلیل عامل اکتشافی نشان داد بارهاي عاملي هر يک از گویه­ها در 8 عامل پس از چرخش با واریانس مطلوب مورد تایید قرار گرفته زیرا مقدار قدرمطلق اين ضرايب بيشتر است و عامل مربوطه نقش بيشتري در کل تغييرات (واريانس) متغير مورد نظر دارد. بنابراین با توجه به نتایج تحلیل عاملی اکتشافی مؤلفه­های پژوهش در هشت عامل خودکارآمدی، خود مدیریتی، کمک­خواهی تحصیلی، انگیزش برای یادگیری، مسئولیت­پذیری، خود سازمان­دهی، خودکنترلی و خودارزیابی با 73 گویه مورد تایید قرار گرفته و از بارهای عاملی مطلوبی برخوردارند. نتایج به دست آمده با پژوهش­های برسلوت و همکاران39(2022)،  محسنی زاده، کارشکی، مشکین و سودمند(1398)، نادی و سجادیان(1391) و نادی، سجادیان، ابراهیمی و گل‌پرور(1391) همسوی لازم را دارد. به عنوان مثال نادی و سجادیان(1391) نشان دادند مقياس آمادگي براي يادگيري خودرهیابی گاگليلمينو، ابزاري روا و پايا به منظور تشخيص توانمندي­ها، مهارت­ها و نگرش­هاي يادگيري خودرهیاب دانشجويان پزشكي در آموزش­های الکترونیکی است. زیرا نتايج مؤيد آن بود كه همه عامل­های اين مقياس از ضرايب همساني دروني بالايي برخوردار است و پايايي مطلوبی نیز دارد. در تبیین چنین اهمیتی باید گفت انسان‌های عصر دیجیتال بیش از هر زمان دیگر به مهارت خودرهیابی نیاز دارند. خودرهیابی یعنی اینکه فرد نیازهای خود را تشخیص دهد، برای رفع آن نیازها طرح داشته باشد و خود مسئولیت آن طرح را بپذیرد و البته از راهنمایی­ها و مشورت دیگران بهره بگیرد. در آموزش الکترونیکی به دلیل غیرحضوری بودن نیاز است که در برخی زمینه‌ها مانند زمان مطالعه و نحوه مطالعه خود فرد تصمیم بگیرد و مسئولیت آن را بپذیرد. بنابراین باید تلاش شود این مهارت­ها را در خود فرد پرورش یابد. لذا در آموزش الکترونیکی خودرهیابی درک نیازهای یادگیری، یافتن طرحی برای رفع نیازهای یادگیری و پذیرفتن مسئولیت همه این فرآیندها است که چنین مهمی در گرو شناخت درست دانشجویان با استفاده از یک مقیاس روا و پایا می­باشد. چراکه دانشجویان یکی از ستون‌های مهم آموزش‌های الکترونیکی هستند که با به کارگیری مقیاس­ مناسب آموزش الکترونیکی را به فرصت بهتر برای یادگیری بیشتر و عمیق‌تر تبدیل نماید. چراکه دانشجویان نسل جدید با غوطه وری در میان فناوری، رشد یافته و تحصیل کرده­اند. آن­ها مسائل مختلف عملی را با استفاده از همکاری با یکدیگر حل می­کنند و توانایی انجام چند کار با هم را نیز دارا هستند. همچنین آن­ها با کار تیمی و همکارانه، همکاری مشارکتی دارند. در این راستا لازم است، فعالیت­های یاددهی و یادگیری فراگیرمحور و با مشارکت فعال فراگیران صورت گیرد. برهمین اساس است که امروزه نظام­هاي آموزشی بسیاري از کشورهاي پیشرفته جهان می­کوشند تا افراد را به صورت انسان­هاي خودرهیاب پرورش دهند که دیگر یادگیري در چارچوب ارتباط دوسویه معلم و فراگیر محدود نشود و تعدد رسانه‌ها و روش­هاي رویارویی با مطالب یادگیري نیز موجب شده اند، این فرایند هم از لحاظ سطح و هم سبک، از نظر روش و ماهیت دست خوش گوناگونی­هاي بسیار شود و خارج شدن آن از محدوده کلاس کنترل، معلم و تبدیل آن به صورت فرایند فراگیرمحوري، متغیرهاي فردي و فاعلی فراگیران از جمله خودرهیابی در یادگیري را در فعالیت­هاي آموزشی در کانون توجه قرار داده است و داشتن مقیاسی که بتواند چنین مهارتی را اندازه­گیری کند حائز اهمیت است.

در ادامه نتایج تحلیل عامل تاییدی نیز نشان داد گویه­های هر هشت مؤلفه پژوهش به جز گویه پنج کفایت لازم را برای ماندن در پژوهش دارند و مقادیر بارهای عاملی آنها مناسب بود و از برازش مطلوب برخوردار است. همچنین ضریب آلفای کرونباخ برای هر هشت مؤلفه بیشتر از 7/0 به دست آمده و لذا از پایایی مطلوب برخوردار است. علاوه بر آن، با توجه به مقادیر به دست آمده برای ضریب پایایی ترکیبی هر هشت مؤلفه پژوهش بیشتر از 7/0 به دست آمده­اند، لذا می­توان گفت که از سازگاری درونی مطلوبی برخوردار هستند و در نهایت با توجه به مقدار میانگین واریانس استخراجی برای هر هشت مؤلفه پژوهش می­توان با اطمینان گفت وضعیت پایایی و روایی مقیاس خودرهیابی دانشجویان برای آموزش­های الکترونیک تایید می­شود. در همین راستا نتایج تحقیقاتی مانند چارتاش و فینل40(2021) نشان داده؛ جامعه همسو با مباحث جهانی و بین­المللی شدن، از آموزش عالی انتظار دارد برای اثبات شایستگی و ارزش خود، باید مهارت‌هایی را در دانشجویان ایجاد کند که اغلب به‌عنوان مزایای اجتماعی آموزشی نظام دانشگاهی شناخته می­شوند که این مهم در گرو طراحی داشتن ابزارهای مناسب است. مهمترين دليلي كه مي­توان براي حفظ عامل­ها با حذف يك گويه مطرح نمود احتمالاً انسجام و همبستگي بالاي بقيه گويه­ها در رابطه با عامل مربوطه است. به علاوه، انسجام دروني هر هشت عامل كه نشان دهنده پايايي اين مقياس است مورد تأييد قرار گرفت و با نتايج پزوهش­هايي كه بر پايايي اين مقياس تأكيد كرده بودند همخوان شد. از امتيازات اصلي اين پژوهش مي­توان به روش تجزيه و تحليل يافته­ها(تحليل عاملي تأييدي) و قابليت تعميم آن به دانشجويان پزشكي اشاره كرد. چراكه يكي از ضعف­هاي اساسي مطالعات قبلي استفاده از تنها تحليل عاملي اكتشافي در تحليل يافته­ها بود. حال با توجه به اين كه مقياس آمادگي براي خودرهیابی در يادگيري الکترونیکی در بين دانشجويان پزشكي از اعتبار مناسبي برخوردار بود، مي­توان از آن به عنوان يك ابزار ملاك جهت رواسازي ابزارهاي جديد و تأييد روايي همزمان آنها استفاده نمود. از طرفي با كاربست اين مقياس در دانشگاه­هاي کشور و با عنايت به اين كه اين مقياس در مقايسه با مقياس خودراهبري فيشر و همكاران(2001) از تعداد گويه­ها و عوامل بيشتري برخوردار است، با ظرافت و دقت بيشتري مي­توان نقاط قوت و ضعف دانشجويان براي رسيدن به يك فراگير مادام العمر را شناسايي كرد و اين نقاط قوت و ضعف را سرفصل كارگاه­هاي آموزشي مبتني بر مهارت­هاي خودرهیابی نمود. همچنين مي­توان با بررسي آمادگي براي خودرهیابی دانشجويان در ابتداي ترم اول دوره دانشجويي و مقايسه نمرات دانشجويان با ترم­هاي بعدي اين نكته را دريافت كه تا چه اندازه روش­هاي تدريس در دانشگاه­هاي علوم پزشكي، دانشجويان را به سمت مهارت­ها و قابليت­هاي يادگيري مادام العمر سوق مي­دهد و با اين كار اساتيد و روش­هاي تدريس خلاقانه­اي را كه گاه موجب خودرهیابی يا افزايش آن مي­شود شناسايي و به نظام آموزش پزشكي كشور معرفي كرد. به علاوه با توجه به اين كه يكي از قسمت­هاي مهم استفاده از هر ابزار، نمره­گذاري آن است و نمره­گذاري اين ابزار در رابطه با هر هشت عامل بسيار ساده است، امكان استفاده از آن براي اساتيد به خوبي ميسر است؛ هرچند در زمان استفاده، لازم است به نمره­گذاري معكوس بعضي از گويه­ها توجه گردد. همچنين با در نظرگرفتن اين نكته كه بين عملكرد تحصيلي و شناختي دانشجويان و نمره آمادگي براي خودرهیابی در يادگيري آنها رابطه وجود دارد. مي­توان به كمك اين ابزار عملكرد دانشجويان را در دانشگاه و مقاطع مختلف تحصيلي پيش بيني نمود. به علاوه اين امكان وجود دارد كه با نصب اين مقياس بر روي سايت اينترنت دانشكده­هاي علوم پزشكي به صورت تحت وب، اين اجازه را به آنها داد تا به صورت ماهيانه يا دورهاي وضعيت خويش را در خودرهیابی بسنجند و اطلاع يابند كه نقاط ضعفشان در كدام يك از عوامل خودرهیابی است و چگونه مي­توانند اين ضعف­ها را برطرف كنند. بنابراین اجراي اين مقياس به اساتيد و دست­اندركاران آموزشی كمك خواهد كرد تا كاستي­هاي مربوطه را مشخص و براي بهبود آن چاره­انديشي كنند. علاوه براين، از مؤلفه­هاي استخراج شده نيز مي­توان جهت ايجاد چارچوبي براي تعيين سرفصل دروس مرتبط استفاده كرد.

منابع

پیری، موسی؛ صاحب یار، حافظ، سعداللهی؛ آرش. (1397). تأثیر کلاس معکوس بر خودراهبری در یادگیری درس زبان انگلیسی. فناوری آموزش، 12(2)، 141-148.

خشنود، هوشنگ؛ بختیارپور، سعید؛ باوی، ساسان؛ پاشا، رضا. (1400). مقایسه اثربخشی کلاس درس معکوس و کلاس درس مبتنی بر شبکه‌های اجتماعی، بر خلاقیت و یادگیری خود راهبر. ابتکار و خلاقیت در علوم انسانی، 11(2)، 1-40.

دادگری، اتنا؛ باقری، ایمانه؛ سلمانی، نیر. (1399). بررسی تأثیر آموزش معکوس برمیزان آمادگی یادگیری خودراهبر دانشجویان پرستاری. دوماهنامه علمی- پژوهشی راهبردهای آموزش در علوم پزشکی. ۱۳ (۴) :۲۹۴-۲۸۷.

زارع، سمیه؛ زینلی پور، حسین؛ زارعی، اقبال و محمدی، مهدی. (1396). طراحی محتوای الکترونیکی برنامه درسی آموزش توسعه پایدار در نظام آموزش عالی رویکرد کیفی. فناوری آموزش (فناوری و آموزش)، 12(2 )، 167-181.

شریفی رهنمو، سعید، سراجی فرهاد، خاکباز عظیمه سادات. (1401). شناسایی ابزارهای الکترونیکی برای پرورش مهارت‌های یادگیری خودرهیاب در برنامه درسی دانشجویان علوم پزشکی. مجله ایرانی آموزش در علوم پزشکی. ۱۴۰۱; ۲۲ (1) :۲۷۱-۲۸۵.

ملامحمدی، آمنه؛ کرمی، مرتضی؛ جعفری­ثانی، حسین و معلم، مهناز. (1399). ارزیابی برنامه درسی برخط: فراتحلیل از مؤلفه­ها، معیارها و استانداردهای آموزش عالی، اندیشه­های نوین تربیتی، 16(2)،91-120.

مهدی­زاده، حسین؛ صفری، یحیی؛ نادی، محمدعلی و پاک­نیا، لیلا. (1390). تأثیر نرم‌افزار آموزشی طراحی شده بر مبنای فراشناخت بر خودراهبری دانش‌آموزان پایه‌ی پنجم ابتدایی شهر کرمانشاه. پژوهش در برنامه­ریزی درسی، 8(31)، 66-76.

مهرمحمدي، محمود. (1382). سازواري رويکرد تلفيقي با نظريه ساخت و سازگرايي. در کتاب انجمن برنامه­ريزي درسي. رويکرد تلفيقي به برنامه درسي. تهران: انتشارات انجمن اولياء و مربيان.

مهرمحمدي، محمود. (1395). دانشگاه فرهنگیان؛ راه طی شده در دانشگاه فرهنگیان، پای صحبت دكتر محمود مهرمحمدی، سرپرست دانشگاه فرهنگيان، رشد معلم،1395(299)،26.29.

نادی محمدعلی، سجادیان ایلناز. (1391). اعتباریابی مقیاس آمادگی برای خودراهبری در یادگیری گاگلیلمینو(SDLRS) در بین دانشجویان پزشکی و دندانپزشکی. مجله ایرانی آموزش در علوم پزشکی ۱۲(۶) :۴۷۹-۴۶۷.

نادی، محمدعلی؛ مشفقی، نزهت الزمان و امینی، مرتضی. (1397). رابطه اکتشافی بین عقاید معرفت شناختی و یادگیری خودراهبر در بین دانشجویان پرستاری. آموزش در علوم پزشکی،18(2). 12-24.

Adeoye, I. A., Adanikin, A. F., & Adanikin, A. (2020). COVID-19 and E-learning: Nigeria tertiary education system experience.

Altbach, P., & De Wit, H. (2018). Are we facing a fundamental challenge to higher education internationalization?. International Higher Education, (93), 2-4.

Ballouk, R., Mansour, V., Dalziel, B., McDonald, J., & Hegazi, I. (2022). Medical students’ self-regulation of learning in a blended learning environment: a systematic scoping review. Medical Education Online, 27(1), 2029336.

Berthelot, N., Savard, C., Lemieux, R., Garon-Bissonnette, J., Ensink, K., & Godbout, N. (2022). Development and validation of a self-report measure assessing failures in the mentalization of trauma and adverse relationships. Child Abuse & Neglect, 128, 105017.

Chartash, D., & Finnell, J. T. (2021). Designing a Clerkship Curriculum for Medical Students in Clinical and Medical Informatics in the Electronic Medical Record Era. medRxiv.

Dadgari, A; Bagheri, A; Salmani, N. (2019). Investigating the effect of reverse education on the self-directed learning readiness of nursing students. Bimonthly Scientific-Research Education Strategies in Medical Sciences. 13 (4):294-287. [In Persian].

Gamage, A. (2021). An inclusive multifaceted approach for the development of electronic work-integrated learning (eWIL) curriculum. Studies in Higher Education, 1-15.

Guglielmino LM, Asper D, Findley B, Lunceford C, McVey RS, Payne S, et al.(2005). Common barriers, interrupters and restarters in the learning projects of highly self-directed adult learners. International Journal of Self-Directed Learning. 2(1): 71-93.

Hendry G, Ginns P.(2009). Readiness for self-directed learning: validation of a new scale with medical students. Med. Teach. 31: 918–920.

Jamieson, S. (2023). State of the science: Quality improvement of medical curricula—How should we approach it?. Medical Education, 57(1), 49-56.

Jeong, K. O. (2022). Facilitating Sustainable Self-Directed Learning Experience with the Use of Mobile-Assisted Language Learning. Sustainability, 14(5), 2894.

Juele, L. R. (2017). The use of authentic assessments by online instructors in online courses for college-level courses (Doctoral dissertation, Capella University).

Khushnoud, E; Bakhtiarpour, S; Bovie, S.; Pasha, R. (2021). Comparing the effectiveness of the flipped classroom and the classroom based on social networks, on creativity and self-directed learning. Innovation and creativity in humanities, 11(2), 1-40. [In Persian].

Knowles, M. S. (1975). Self-directed learning: a guide for learners and teachers.

Long HB, Redding TR, Eisenman GA.(1994). longitudinal study: Social behavior and SDLRS scores. Oklahoma Research Center for Continuing Professional and Higher Education. University of Oklahoma.

Mattar, j.(2018). Constructivism and connectivism in education technology: Active, situated, authentic, experiential, and anchored learning. Revista Iberoamericana de Educación a Distancia, 21(2):201-217.

McCune SK.(1989). Reactions to Field's Investigation Into The SDLRS: A Statistical Critique of Field's Investigation. Adult Education Quarterly; 39(4): 243-5.

Mehdizadeh, H.; Safari, Y; Nadi, M. and Paknia, L. (2017). The effect of educational software designed on the basis of metacognition on the self-management of fifth grade students in Kermanshah city. Research in curriculum planning, 8(31), 66-76. [In Persian].

Mehrmohammadi, M. (2015). farhangian University; The path traveled in Farhangian University, following the speech of Dr. Mahmoud Mehromhammadi, Head of Farhangian University, Rushd Moalem, 29.26.2995 (2015). [In Persian].

Mehrmohammadi, M. (2023). Adaptation of the integrated approach with constructivism theory. In the book of the Curriculum Planning Association. An integrated approach to the curriculum. Tehran: Publications of the Association of Parents and Teachers. [In Persian].

Moses, T. E., Moreno, J. L., Greenwald, M. K., & Waineo, E. (2022). Developing and validating an opioid overdose prevention and response curriculum for undergraduate medical education. Substance abuse, 43(1), 309-318.

Mullamohammadi, A; Karmi, M.; Jafari Thani, H. and Moalem, M. (2019). Evaluation of online curriculum: meta-analysis of components, criteria and standards of higher education, New Educational Ideas, 16(2), 91-120. [In Persian].

Nadi, M., Sajjadian, A. (2011). Validation of Gaglielmino Self-Directed Learning Readiness Scale (SDLRS) among medical and dental students. Iranian Journal of Education in Medical Sciences 12(6):479-467. [In Persian].

Nadi, M.; Mushfeghi, N. and Amini, M. (2017). Exploratory relationship between epistemological beliefs and self-directed learning among nursing students. Education in Medical Sciences, 18(2). 12-24. [In Persian].

Nimavat, N., Singh, S., Fichadiya, N., Sharma, P., Patel, N., Kumar, M., ... & Pandit, N. (2021). Online medical education in India–different challenges and probable solutions in the age of COVID-19. Advances in Medical Education and Practice, 12, 237.

Palve, S., & Palve, S. (2022). Comparative study of self-directed learning and traditional teaching method in understanding cardio-respiratory physiology among medical undergraduates. Biomedicine, 42(1), 138-142.

Piri, M.; Saheb Yar, H, Sadullahi; A. (2017). The effect of the flipped classroom on self-directed learning in English. Educational Technology, 12(2), 141-148. . [In Persian].

Rafi, A., Anwar, M. I., Younas, A., & Manzoor, S. (2022). Paradigm shift in medical education due to the COVID-19 pandemic: guidelines for developing a blended learning curriculum in medical education. F1000Research, 11(37), 37.

Sharifi rahnemo S, Seraji F, Khakbaz A S.(2022). Identifying electronic instruments to develop self-directed learning skills in the curriculum of medical students. Iranian Journal of Medical Education; 22 :271-285. [In Persian].

Swan, K. (2019). Research on online learning: Students, Faculty, Institutions. Kent State University.

Zare, S; Zainalipour, H., Zarei, A. and Mohammadi, M. (2016). Designing the electronic content of the sustainable development education curriculum in the higher education system, a qualitative approach. Education Technology (Technology and Education), 12(2), 167-181. [In Persian].

Zheng, B. (2022). Medical Students’ Technology Use for Self-Directed Learning: Contributing and Constraining Factors. Med.Sci.Educ. 32, 149–156 .

Zhu, M., Bonk, C. J., & Doo, M. Y. (2020). Self-directed learning in MOOCs: exploring the relationships among motivation, self-monitoring, and self-management. Educational Technology Research & Development, 68(5).

 

 

 

[1] . این مقاله بر گرفته از رساله دکتری نویسنده اول مقاله با عنوان طراحی و اعتباريابي الگوی برنامه­درسی الکترونیکی برای پرورش مهارت­های یادگیری خودرهیاب در دانشجویان پزشکی در دانشگاه بوعلی سینا همدان می­باشد.

[2] . دانشجوی دکتری مطالعات برنامه درسی، دانشگاه بوعلی­سینا، همدان، ایران S.sharifirahnmo@ltr.basu.ac.ir

[3] . استاد مطالعات برنامه درسی، دانشگاه بوعلی­سینا، همدان، ایران(نویسنده مسئول) fseraji@ basu.ac.ir 

[4] .  استادیار مطالعات برنامه درسی، دانشگاه بوعلی­سینا، همدان، ایران khakbaz@basu.ac.ir

[5] . This article is based on the doctoral thesis of the first author of the article, entitled "Design and Validation of Electronic Curriculum Model for Developing Self-directed learning Skills in Medical Students at Bu- Ali Sina University, Hamedan.

[6] . PH.d student of Curriculum Studies, Bu-ali-Sina University, Hamadan, Iran.

[7]  . Professor of Curriculum Studies, Bo Ali Sina University, Hamadan, Iran (corresponding author) fseraji@basu.ac.ir

[8] . Assistant Professor of Curriculum Studies, Bu Ali Sina University, Hamadan, Iran

[9]  Jamieson

[10]  Moses, Moreno, Greenwald & Waineo

[11]  Nimavat et al 

[12]  Gamage

[13]  Zheng

[14]  Adeoye, Adanikin & Adanikin

[15]  Altbakh & Dewit

[16]  Swan

[17]  Mattar

[18]  Chartash and Finnell

[19]   Juele

[20]  Palve & Palve

[21]  Hendry & Ginns

[22]  Knowles

[23]  Zhu

[24]  Jeong

[25]  Ballouk & et al

[26]  Rafi, Anwar, Younas & Manzoor

[27]  Long

[28]  Guglielmino

[29]  McCune

[30]  . Kaiser-Meyer-Olkin Measure of sampling adequancy

[31]  . Bartlett’s Test of Sphericity

[32]  . Klein

[33] .Initial Eigenvalues

[34] .Extraction sum of squared loading

[35] .Rotation sum of squared loading

[36] . Scree

[37] .Component Matrix

[38]  . Kline

[39]  Berthelot and et al

[40]  .Chartash and Finnell


مقالات مرتبط

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]