نیکولز (۲۰۰۸) در آمریکا به بررسی نقش ۱) نگرش دانشجویان به رایانه؛ ۲) انگیزش درونی و بیرونی؛ ۳) رضایت­مندی؛ ۴) پیشینه تحصیلی؛ و ۵) وضعیت دموگرافیک دانشجو در پیش ­بینی ادامه دروس آنلاین پرداخته است. نمونه پژوهش ایشان ۸۷ دانشجوی رشته تربیت بدنی بوده است. نتایج تحقیق نشان داد، معدل مقطع دبیرستان مهم‌ترین پیش­بین است، و در مقام مقایسه، خانم­ها انگیزش درونی و بیرونی بیشتری نسبت به آقایان دارند.

هرنانز[۲۰۹](۲۰۰۸) به شناسایی عوامل پیش ­بینی کننده موفقیت دانشجو در دروس برخط از دیدگاه مدرسین برخط پرداخته است. در این تحقیق پرسشنامه­ای بر اساس نظریه حضور اجتماعی و نظریه غناء رسانه[۲۱۰]تدوین و با بهره گرفتن از تحلیل عاملی اعتباریابی شده است. داده های ۱۹۲ مدرس برخط، جمع‌ آوری شد. چهار عامل که ۴۸٫۸ % واریانس را تبیین می­کرد عبارتند از: ۱) بی واسطه­گی[۲۱۱]؛ ۲) بی واسطه­گی فناورانه[۲۱۲]؛ ۳) ارتباطات برخط و تعاملی بودن ۴) صمیمیّت[۲۱۳]. نتایج تحلیل عاملی نشانگر اهمیت حضور اجتماعی در مقابل نظریه غناء رسانه بوده است. نتیجه تحلیل رگرسیون، دو عامل از چهار عامل فوق را به عنوان پیش­بین موفقیت دانشجویان از دید مدرسان شناسایی ‌کرده‌است. این دو عامل ۱۱ درصد واریانس را تبیین می­ کند که عبارتند از: ۱) ارتباطات برخط و تعاملات ۲) بی واسطه­گی. به طور خلاصه این پژوهش بر تأثیر حضور اجتماعی و عدم فاصله روانی بین مدرس و یادگیرنده و افزایش تعامل بین آن‌ ها به عنوان عامل مؤثر در موفقیّت دانشجوی الکترونیکی از منظر مدرسین برخط تأکید می­ کند.

برنارد و همکارانش[۲۱۴](۲۰۰۹) با بهره گرفتن از فرا تحلیل به بررسی نقش انواع تعامل در پیشرفت تحصیلی یادگیرنده از راه دور پرداخته‌اند. این پژوهشگران از بین یک هزار و ۳۴ پژوهش گزارش شده مربوط به سال­های ۱۹۸۵ تا ۲۰۰۶ با توجه هدف پژوهش ۷۴ مورد را انتخاب کرده ­اند. تعامل در این پژوهش به سه دسته تقسیم شده است: ۱) تعامل یادگیرنده با استاد؛ ۲) تعامل یادگیرنده با یادگیرنده و ۳) تعامل یادگیرنده با محتوا. نتایج این فرا تحلیل حاکی ست، هر سه نوع تعامل نقش معناداری در پیشرفت تحصیلی یادگیرنده دارند. نتایج مقایسه­ ای انواع تعامل نشان داد که اثر تعامل یادگیرنده- یادگیرنده و یادگیرنده -محتوا بر پیشرفت تحصیلی یادگیرنده به مراتب معنادار­­تر از تعامل یادگیرنده-مدرس است.

پارک و چوئی (۲۰۰۹) پژوهش خود را بر افت تحصیلی دانشجویان در کارآموزی­های برخط متمرکز ‌کرده‌است. آمار توصیفی در سال ۲۰۰۲ نرخ افت تحصیلی را ۴۶% و در سال ۲۰۰۵ این نرخ را ۵۴٫۲% نشان می­دهد. برای بررسی این مشکل با بهره گرفتن از پرسشنامه اطلاعات مربوط به سن، جنسیت، سطح تحصیلات، برداشت دانشجو از حمایت خانوادگی و سازمانی، رضایت و ارتباط جمع‌ آوری شد. نتیجه این تحقیق نشان داد از بین متغیرهای انگیزشی، ارتباط و از بین سایر متغیرها، پشتیبانیِ سازمانی، قابلیت پیش ­بینی موفقیت کارآموزان برخط را دارد.

کینگ­یی[۲۱۵]و همکارانش (۲۰۰۹) با بهره گرفتن از بررسی پیشینه پژوهش­های انجام شده در زمینه پذیرش سیستم­های یادگیری برخط، چهار عامل تعیین کننده برای یادگیری آنلاین مشخص کرده ­اند:

    1. جنسیت: بررسی پیشینه در این پژوهش حاکی ست خودکارآمدی رایانه­ای،[۲۱۶]برداشت از مفید بودن،[۲۱۷]برداشت از سهولت استفاده[۲۱۸]و هدف گزینی رفتاری[۲۱۹] در افراد مذکّر به مراتب بالاتر از خانم‌ها است. بر این اساس پیش ­بینی می‌شود موفقیت دانشجویان مذکّر بیشتر باشد.

    1. نگرش­ها: نگرش مثبت و منفی در پذیرش و ادامه تحصیل به روش آنلاین تأثیر دارد، مواردی چون اضطراب رایانه­ای،[۲۲۰]عدم آشنایی دانشجویان با روش جدید آموزشی در محیط بر­خط، تأخیر در دریافت پاسخ­ها و کم بودن تعامل دانشجویان با یکدیگر و دانشجویان با اساتید می ­تواند زمینه­ ساز نگرش منفی دانشجو شود. قاعدتاً نگرش منفی امکان افت در تحصیل برخط را به دنبال دارد.

    1. برداشت از مفید بودن: تصور یادگیرنده از مفید بودن آموزش برخط برای زندگی امروز یا آینده او، در پذیرش یا عدم پذیرش آموزش برخط تأثیر می­ گذارد. برداشت دانشجو از مفید بودن بر میزان رضایت وی از آموزش برخط و عملکرد تحصیلی او تأثیر مثبت دارد. ‌بنابرین‏ هر چه برداشت از مفید بودن یادگیری برخط بالاتر باشد احتمال پذیرش و موفقیت دانشجو در این سیستم بالاتر خواهد بود.

  1. برداشت از سهولت استفاده: هر چه فرد برای یادگیری و استفاده از فناوری خاصی، تلاش کمتری نماید؛ احتمال تداوم استفاده از فناوری برای آن بیشتر خواهد بود. ‌بنابرین‏ هر چه کار با وب­سایت­های آموزشی آسان باشد، انتظار می­رود میزان ثبت نام و ماندگاری در سیستم­های برخط بیشتر باشد. (کینگ یی و همکاران، ۲۰۰۹).

گارلیک و همکارانش[۲۲۱](۲۰۰۹) به بررسی عوامل پیش ­بینی کننده، نمره پیشرفت تحصیلی دانشجویان در یک درس آنلاین پرداخته­اند. در این پژوهش ۴۰ دانشجو که در درس شرکت کرده بودند، انتخاب شدند. متغیرهای پیش­بین عبارت بودند از جنسیت، سن، مرکز کنترل، معدل مقطع قبل. متغیر ملاک نیز نمره نهایی درس، نمره امتحان جامع و نمره تکلیف نوشتاری درس است. برای رسیدن به هدف پژوهش، پژوهشگران سه مدل جداگانۀ رگرسیون را ساختند. نتایج تحلیل رگرسیون چندگانه نشان داد: معدل مقطع قبل برای نمره نهایی دروس و نمره تکلیف نوشتاری دانشجو پیش­بین معنی­داری است. جنسیت، سن و مرکز کنترل از قدرت پیش ­بینی معنی­داری برخوردار نیستند.

لیو، گمز و ین[۲۲۲] (۲۰۰۹) نقش حضور اجتماعی[۲۲۳] را در نمره نهایی و موفقیت یا عدم موفقیت دانشجو در دروس برخط، بررسی کرده ­اند. منظور از حضور اجتماعی میزان احساس، برداشت یا عکس‌العمل فرد به موجودیت­های ذهنی[۲۲۴]در محیط­های بر خط؛ است. در این پژوهش از طریق پرسشنامه داده های ۱۰۸ دانشجوی مریلندی که حداقل در یک درس برخط شرکت کرده ­اند جمع‌ آوری شده است. برای پیش ­بینی تکمیل یا عدم تکمیل دروس از رگرسیون لجستیک استفاده شد و برای نمره نهایی A، B، C، تا W از رگرسیون لجستیک ترتیبی استفاده شد. نتایج نشان داده، حضور اجتماعی متغیری است که توانایی پیش‌بینی نمره نهایی دانشجو و موفقیت یا عدم موفقیت او را دارد. این پژوهش توجه به رویکرد تلفیقی و تشکیل جوامع یادگیری اجتماعی برای تضمین موفقیت یادگیرنده الکترونیکی را مهم می­داند.

    1. Park & Choi ↑

    1. Rekkedal ↑

    1. Berge & Huang ↑

    1. Boshier ↑

    1. Frankola ↑

    1. learning style ↑

    1. locous of control ↑

    1. Chang& Ho ↑

    1. Levy ↑

    1. Redfield ↑

    1. besich ↑

    1. Frydenberg ↑

    1. Nistor& Neubauer ↑

    1. Willging &Johnson ↑

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...