چکیده:
توسعه آموزش الکترونیکی در آموزش عالی ایران بسیار سریع تر از آموزش-پرورش و کارآموزی است.با این وجود ریزش،مشروطی و افت تحصیلی یکی از چالش هایی مشترکی است که نه تنها آموزش عالی ایران بلکه تمام کشورهای جهان با آن مواجه هستند.با توجه به پیچیدگی پدیده افت تحصیلی،این پژوهش سعی دارد،عوامل پیش بینی کننده میزان موفقیت دانشجویان الکترونیکی را شناسایی کند.با استفاده از روش تحقیق علی-مقایسه ای داده های حاصل از1011دانشجوی الکترونیکی در مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران،بر اساس متغیرهای دموگرافیک،پیشینه تحصیلی،نحوه پذیرش و محل سکونت بررسی شد.نتایج تحلیل رگرسیون نشان داد،متغیرهای دموگرافیک(جنسیت،سن،تأهل)،17،5درصد و متغیرهای مربوط به پیشینه تحصیلی(فاصله بین دو مقطع تحصیلی،معدل مقطع قبل)،14درصد و محل سکونت همراه با نحوه پذیرش دانشجو24%از تغییرات معدل دانشجو در تحصیل الکترونیکی را تبیین می کند.نتایج نشان داد،مدل رگرسیونی که متغیرهای محل سکونت همراه با نحوه پذیرش به آن وارد شده است،از قدرت پیش بینی بیشتری برخوردار است.برای مقایسه معدل دانشجویان الکترونیکی در دو روش پذیرش از طریق کنکور در مقابل آزمون درون دانشگاهی،آزمونتی مستقل به کار رفت.نتایج معنی داری تفاوت بین میانگین ها را نشان داد(p=0/000,t=5,597,df=970).این نتیجه حاکی ست،دانشجویانی که به روش آزمون داخلی پذیرفته شده اند به مراتب معدل بالاتری نسبت به پذیرفته شدگان کنکور دارند.مضاف بر این،با توجه به اهمیت متغیر نحوه گزینش در مدل رگرسیون این پژوهش،تجدید نظر در نحوه گزینش دانشجوی الکترونیکی از طریق کنکور را پیشنهاد می کند.
خلاصه ماشینی:
Gerlich, Mills, & Sollosy ( به تصویر صفحه مراجعه شود)همان گونه که در جدول ١ مشاهده می شود، پژوهش ها از روش های مختلف آمـاری بـرای تحلیل داده های خود استفاده کرده اند، برخـی بـا اسـتفاده از آزمـونتی و یـا تحلیـل واریـانس بـه مقایسه معدل دو یا چند گروه از دانشجویان الکترونیکی پرداخته اند.
٢- متغیرهای مربوط به پیشینه تحصیلی (فاصله بین دو مقطع تحصیلی ، معـدل مقطـع قبـل )، چه مقدار از تغییرات میزان موفقیت دانشجو را در آموزش الکترونیکی تبیین می کند؟ برای پاسخ به این سؤال ، تحلیل رگرسیون خطی بـا روش enter بـه کـار رفـت کـه معنـی داری مدل تأیید شد: مجذور آر تنظیم شده ٠.
نتایج مدل رگرسیون خطی برای متغیرهای پیشینه تحصیلی ( به تصویر صفحه مراجعه شود)با توجه به بالا بودن میزان آماره تی در جدول ٦ می توان این گونه نتیجه گرفت کـه : معـدل مقطـع قبـل یعنـی معـدل دیـپلم بـرای دانشـجویان مقطـع کارشناسـی و معـدل کارشناسـی بـرای دانشجویان کارشناسی ارشد، از قدرت پیش بینی بیشتری برخوردار است .
Dowling, Godfrey & Gyle - وضعیت تأهل از دیگر متغیرهای دموگرافیک است کـه در اولـین مـدل رگرسـیون وارد شد، نتیجه تحلیل همبستگی نشان داد بین متأهل شدن و افـزایش معـدل دانشـجویی الکترونیکـی رابطه مثبت معنی دار وجود دارد.
Investigation the impact of E-leaner cognitive style on the predictive value of student success in online distance education courses, Retrieved from ProQuest Dissertations and Theses database.
Identifying Factors that predict student success in community college online distance learning course Unpublished doctoral dissertation Willging, P.