تبیین خودتنظیمی یادگیری در دانشجویان: یک مطالعه تحلیل شبکه
تبیین خودتنظیمی یادگیری در دانشجویان: یک مطالعه تحلیل شبکه
محورهای موضوعی : روانشناسی تربیتی
محبوبه فولادچنگ
1
,
نیلوفر موهبت
2
*
,
فرهاد خرمایی
3
1 - روان شناسی تربیتی،دانشکده علوم تربیتی و روان شناسی،دانشگاه شیراز، ایران
2 - روان شناسی تربیتی،دانشکده علوم تربیتی و روان شناسی،دانشگاه شیراز، ایران
3 - روان شناسی تربیتی،دانشکده علوم تربیتی و روان شناسی،دانشگاه شیراز، ایران
کلید واژه: خودتنظیمی یادگیری, روش‌شناسی تکوینی, هستار نگاری موردی, تحلیل شبکه, تصویرسازی ذهنی,
چکیده مقاله :
هدف این پژوهش، شناسایی و تحلیل نشانگر‌های خودتنظیمی یادگیری در دانشجویان دانشگاه شیراز بوده است. این تحقیق به روش نیمه‌تجربی تکوینی از نوع هستارنگاری موردی انجام شد. مشارکت‌کنندگان در این پژوهش در گام نخست شش دانشجوی تحصیلات تکمیلی دانشگاه شیراز بودند که به روش نمونه‌گیری هدفمند از نوع نمونه‌گیری معرف انتخاب شدند و به وسیله‌ی مصاحبه‌ی مدبرانه از آن‌ها مصاحبه بعمل آمد. مصاحبه‌ها به روش تحلیل محتوای جهت‌مند تحلیل گردید و نشانگر‌های خودتنظیمی یادگیری مورد شناسایی قرار گرفت. سپس، نشانگر‌ها به صورت سیاهه‌ای تدوین گردید و در گام دوم ۵۱ دانشجوی مقاطع کارشناسی ارشد و دکتری به این سیاهه پاسخ دادند. برای توصیف داده‌ها از نرم‌افزار 27- SPSSو برای تحلیل داده‌ها از روش تحلیل شبکه در نرم‌افزار Ucinet-6 استفاده شد. یافته‌ها نشان داد که ۲۷ نشانگر خودتنظیمی یادگیری دانشجویان را تشکیل می‌دهند، نتایج تحلیل شبکه نیز نشان داد که از میان این نشانگر‌ها، مؤلفه‌های «تصویرسازی ذهنی و عینی» و «برنامه‌ریزی و زمان‌بندی» برجسته‌ترین نشانگر‌های خودتنظیمی یادگیری در دانشجویان بودند. در این میان نشانگر‌های «کل‌نگری»، «فائق آمدن بر موانع و مشکلات مطالعه» و «استفاده از وسائل کمک آموزشی» نقش مهمی در به جریان‌اندازی اطلاعات در شبکه‌ی خودتنظیمی یادگیری دانشجویان داشته است. این نتایج نشان داد که نشانگر‌های «تصویرسازی عینی و ذهنی»، «برنامه‌ریزی و زمان‌بندی» و «پاداش درونی مثبت» بیشترین نقش واسطه‌گری را در میان نشانگر‌های خودتنظیمی یادگیری دانشجویان دارند. این یافته‌ها می‌تواند به توسعه و بهبود برنامه‌های آموزشی برای تقویت خودتنظیمی یادگیری دانشجویان و ارتقای کیفیت یادگیری کمک نماید.
This study aimed to identify and analyze the Markers of self-regulated learning among students at Shiraz University. It employed a formative semi-empirical, case study entity-graphy method. The participants included six master's degree students from Shiraz University, who were selected through purposive sampling and Interview using the Wise Interview Format. The interviews were analyzed using purposive content analysis, which facilitated the identification of various Markers of self-regulated learning. These Markers were compiled into a list, which was subsequently provided to 51 master's and Phd students for their responses. The data collected were analyzed using SPSS-27 software, while UCINET-6 software was used for network analysis. The findings revealed that 27 Markers constitute students' self-regulated learning. Among these, the most prominent Markers were "mental and objective visualization" and "planning and scheduling." Additionally, Markers such as "holistic thinking," "overcoming obstacles and study difficulties," and "utilizing teaching aids" played significant roles in the flow of information within students’ self-regulated learning networks. These results suggest that "objective and mental visualization," "planning and scheduling," and "positive internal rewards" serve as key mediators among the various Markers of students’ self-regulation in learning. This research can contribute to the development and enhancement of educational programs aimed at strengthening students’ self-regulated learning and improving the overall quality of their learning experiences.
Ausubel, D. P. (1968). Educational psychology: A cognitive view. Holt, Rinehart and Winston.
Abar, B., & Loken, E. (2010). Self-regulated learning and self-directed study in a precollege sample. Learning and Individual Differences, 20, 25–29. https://doi.org/10.1016/j.lindif.2009.06.006.
Broadbent, J., & Poon, W. L. (2015). Self-regulated learning strategies & academic achievement in online higher education learning
environments: A systematic review. The Internet and Higher Education, 27, 1–13. https://doi.org/10.1016/j.iheduc.2015.04.002.
Better, R., Nash, R., Mccrady, M., Rhoades, D., Linscomb, M., Clarahan, M., & Sammut, S. (2015). The prevalence and correlates of depression, anxiety, and stress in a sample of college students. Journal of Affective Disorders, 173, 90-96. https://doi.org/10.1016/j.jad.2014.10.054
Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
Cho, M.-H., & Heron, M. L. (2015). Self-regulated learning: The role of motivation, emotion, and use of learning strategies in students' learning experiences in a self-paced online mathematics course. Distance Education, 36 (1), 80–99. https://doi.org/10.1080/01587919.2015.1019967.
Cho, M.-H., & Jonassen, D. (2009). Development of the human interaction dimension of the self-regulated learning questionnaire in asynchronous online learning environments. Educational Psychology, 29 (1), 117–138. https://doi.org/10.1080/01443410903233429.
Cho, M.-H., & Shen, D. (2013). Self-regulation in online learning. Distance Education, 34 (3), 290–301. https://doi.org/10.1080/01587919.2013.835777.
Craig, R. T. (1999). Communication theory as a field. Communication Theory, 9(2), 119–161. https://doi.org/10.1111/j.1468-2885.1999.tb00355.x
Dibenedetto, M. K., & Zimmerman, B. J. (2013). Construct and predictive validity of microanalytic measures of students’ self-regulation of science learning. Learning and Individual Differences, 26, 30-41. https://doi.org/10.1016/j.lindif.2013.04.004.
Fagundes, C. V. (2014). Percepção de estudantes universitários acerca do acesso à educação superior: Um estudo exploratório. Revista Brasileira de Estudos Pedagógicos, 95 (241), 508-525. https://doi.org/10.1590/S2176-6681/310212495.
Jarvela, S., & Renninger, K. A. (2014). Designing for learning: Interest, motivation, and engagement. In R. K. Sawyer (Ed.), The Cambridge Handbook of the Learning Sciences (2nd ed., pp. 668–685). Cambridge University Press. https://doi.org/10.1017/CBO9781139519526.040.
Lau, C., Kitsantas, A., & Miller, A. (2015). Using microanalysis to examine how elementary students self-regulate in math: A case study. Procedia – Social and Behavioral Sciences, 174, 2226-2233. https://doi.org/10.1016/j.sbspro.2015.01.879.
Lawanto, O., Santoso, H. B., Goodridge, W., & Lawanto, K. N. (2014). Task value, self-regulated learning, and performance in a web-intensive undergraduate engineering course: How are they related? MERLOT Journal of Online Learning and Teaching, 10, 97–111.
Pekrun, R., & Linnenbrink-garcia, L. (2012). Academic emotions and student engagement. In S. L. Christenson, A. L. Reschly, & C. Wylie (Eds.), Handbook of Research on Student Engagement (pp. 259–282). Springer Science + Business Media. https://doi.org/10.1007/978-1-4614-2018-7_12.
Pintrich, P. R. (1999). The role of motivation in promoting and sustaining self-regulated learning. International Journal of Educational Research, 31, 459–470.
Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college students. Educational Psychology Review, 16, 385–407. https://doi.org/10.1023/B:EDPR.0000034022.05516.93.
Sahranavard, S., Miri, M. R., & Salehiniya, H. (2018). The relationship between self-regulation and educational performance in students. Journal of Education and Health Promotion, 7, 1-5. https://doi.org/10.4103/jehp.jehp_93_18.
Schunk, D. H., & Zimmerman, B. J. (Eds.). (2008). Motivation and self-regulated learning: Theory, research, and applications. Lawrence Erlbaum Associates Publishers.
Schutz, P. A., & Pekrun, R. (Eds.). (2007). Emotion in education. Elsevier Academic Press.
Weinstein, C., Husman, J., & Dierking, D. (2000). Self-regulation interventions with a focus on learning strategies. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of Self–Regulation: Theory, Research, and Applications (pp. 727–747). Academic Press.
Zimmerman, B. J. (1989). A social cognitive view of self-regulated academic learning. Journal of Educational Psychology, 81 (3), 329–339.
Zimmerman, B. J. (1990). Self-regulated learning and academic achievement: An overview. Educational Psychologist, 25 (1), 3–17.
Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of Self-Regulation (pp. 13–39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7.
Zimmerman, B., & Schunk, D. H. (2011). Self-regulated learning and performance. In B. Zimmerman & D. H. Schunk (Eds.), Handbook of Self-Regulation of Learning and Performance (pp. 1–12). Routledge.
Zimmerman, B. J., & Labuhn, A. S. (2012). Self-regulation of learning: Process approaches to personal development. In K. R. Harris, S. Graham, T. Urdan, C. B. McCormick, G. M. Sinatra, & J. Sweller (Eds.), APA Educational Psychology Handbook, Vol. 1. Theories, Constructs, and Critical Issues (pp. 399–425). American Psychological Association. https://doi.org/10.1037/13273-014.