успешность. Являются ли старшеклассники с большей выдержкой более успешными.. Исследование взаимосвязи между выдержкой, саморегулируемым обучением и успехом в обучении
 Скачать 40.15 Kb.
|
|
Хотя есть противоречивые выводы о взаимосвязи между выдержкой и производительностью, Credé et al. (2017) пришли к выводу в своем мета-анализе, что люди с большей выдержкой, как правило, имеют более высокие результаты обучения, чем люди с меньшим упорством. Преимущественно настойчивость была способна прояснить дисперсионные части исполнения, в то время как постоянный интерес к этому отношению играл подчиненную роль. В целом, объяснительная сила Grit скромна со средним клиренсом дисперсии чуть менее 4%. Возможные объяснения противоречивых выводов можно найти в степени сложности и ясности задачи: в отличие от диффузных порядков, четко определенные задачи имеют ясность целей, что облегчает достижение долгосрочных целей. Кроме того, школьные оценки часто использовались в предыдущих исследованиях в школьном контексте. К ним также относятся задачи, которые слишком просты или малогабаритны, которые, как правило, требуют мало выдержки. Поэтому можно предположить, что потенциал выдержки вступает в игру в основном в сложной и долгосрочной деятельности (Abuhassan and Bates 2015). 3 Цели исследования Чтобы успешно закончить гимназию в Швейцарии, ученики должны написать научную пропедевтическую диссертацию, диссертацию Матура, к концу своего обучения в гимназии. Диссертация Матура представляет собой обширную письменную работу, которая пишется независимо в течение определенного периода времени, обычно в течение одного года, в основном во внеклассный период. Это обязательный компонент для того, чтобы получить степень бакалавра (аналогично Abitur) и, таким образом, получить доступ к университетскому образованию. В этом исследовании будет проанализирована взаимосвязь между выдержкой и производительностью в диссертации Matura с учетом компетенций SRL в качестве опосредующих факторов. Три вопроса находятся в центре этого исследования: 1. В какой степени существуют связи между Grit и различными компетенциями SRL в контексте обширной и сложной письменной работы? Аналогично предыдущим выводам, мы предполагаем, что настойчивость и постоянный интерес значительно предсказывают когнитивные регуляторные компетенции, мотивационные регуляторные стратегии и метамотивационные знания (H1). 2. В какой степени Grit обладает предикативной силой для предсказания степени диссертации Matura? Хотя связь между Grit и производительностью не согласуется в ограниченной степени, мы предполагаем, что Grit является значительным предиктором в контексте большой и сложной задачи. В частности, ожидается, что постоянство будет иметь значительную прогностическую силу, тогда как постоянному интересу приписывается подчиненная роль (H2). 3. Как компетенции SRL опосредуют взаимосвязь между твердостью и производительностью в сложной и крупномасштабной задаче? Основываясь на предыдущих исследованиях, показывающих, что различные когнитивные способности опосредуют влияние выдержки на производительность, мы предполагаем, что косвенное влияние твердости через компетенции SRL на производительность очевидно (H3). 4 Метод 4.1 Структура и выборка обследования База данных, на которой основано это исследование, основана на продольном опросе, в ходе которого учащиеся были опрошены в течение одного года в общей сложности в пяти точках измерения процесса подготовки их диссертации По Матуре (t1 до начала диссертации Матура, t2 после представления концепции, t3 в процессе подготовки, t4 после представления диссертации Матура, t5 после представления диссертации Матура). Учащиеся гимназии (11-й/12-й класс) являются выходцами из двенадцати различных городских и сельских, а также небольших и крупных гимназий в немецкоязычной Швейцарии. Участие гимназий в продольном изучении было добровольным. Тем не менее, онлайн-опросы были обязательными для всех студентов, которые собирались начать свою работу в Matura. Имеющиеся анализы основаны на общей выборке N= 1215 студентов (56,9% женщин). Студенты были в среднем М = 17,5 лет (SD = 0,80) в первое время измерения. В четвертое время измерения студенты были на год старше (M = 18,5; SD = 0,82). 83,4% учащихся объявили немецкий/швейцарский немецкий своим родным языком. Выборка репрезентативна для школьного уровня с точки зрения гендерного распределения и происхождения. 4.2 Инструменты Данные для настоящего исследования были собраны с использованием стандартизированных онлайновых опросов. Стандартизированный вопросник использовался для оценки выдержки (t1), когнитивных регуляторных компетенций (t3) и мотивационных стратегий регулирования (ретроспектива, t4). Напротив, знание метамотивационной стратегии (t3) было записано на основе теста знаний. Grit был записан с подтвержденным немецким переводом англоязычной шкалы Grit Duckworth and Quinn (2009) (Schmidt et al. 2017), который содержит по четыре пункта каждый по двум измерениям настойчивости (например, «Все, что я начинаю, я также заканчиваю») и постоянного интереса (например, «Я часто ставлю перед собой цель, но затем решаю позже, преследовать другую цель», перекодировано). Подтверждающий факторный анализ (KFA) с Mplus (версия 8.1; Muthén & Muthén, 1998–2017) впервые показали неудовлетворенные оценки соответствия для модели с двумя коррелирующими факторами первого порядка. Кроме того, пункт «Меня не обескураживают неудачи» показал слабые обвинения в стойкости латентного фактора (эта проблема также была показана в Bowman et al. 2015; Muenks et al. 2017). Однако, поскольку преодоление неудач является важной частью конструкции сохраняемости, этот пункт не был исключен. Аналогично Schmidt et al. (2017), корреляции остатков были допущены в конструктивной персистенции. Кроме того, на основе подсказок модификации в Mplus были разрешены корреляции остатков двух других элементов в стойкости конструкции и двух элементов в постоянном интересе. Из-за сходства соответствующих элементов эти изменения имели смысл с точки зрения содержания. Соответственно модифицированная двумерная модель с двумя коррелированными латентными факторами теперь имела хорошие значения соответствия: χ 2 ( 16) = 31 869, RMSEA = 0,028 (90 CI [0,013, 0,043]), CFI = 0,993, SRMR = 0,021. Напротив, одномерная модель имела неудовлетворительные значения соответствия: χ 2 (17) = 224 994, RMSEA = 0,100 (90 CI [0,089, 0,112]), CFI = 0,911, SRMR = 0,069. На основе этих результатов расчеты продолжаются с помощью двумерной модели, которая включает в себя два коррелированных латентных фактора. Описательные характеристики двух шкал можно найти в таблице 1. Когнитивные регуляторные компетенции. Основываясь на (Karlen, Suter and Compagnoni in Vorb.), шкала была использована для измерения самооценки компетентности, чтобы иметь возможность применять когнитивные стратегии с высоким качеством, которая состоит из четырех пунктов (например, «Я могу свести обширные темы к основным»). В качестве введения студентам было предложено подумать о тезисе Матура при ответе на вопросы: «Если вы думаете о своем тезисе Матура: в какой степени следующие утверждения применимы к вам?». Шкала включает в себя компетенцию устанавливать успешные отношения и связи между различным содержанием и логически соотносить их друг с другом, хорошо сводить темы к основам и успешно связывать новую информацию с предыдущими знаниями. Шкала показала хорошую надежность. Стратегии мотивационной регуляции1 были собраны с четырьмя подшкалами из измерительного прибора для регистрации самоотчетной регуляции мотивации Schwinger et al. (2007). В качестве введения студентам было предложено сосредоточиться на тезисе Матура: «Последний месяц перед вручением диссертации Матура иногда может быть очень утомительным. Поэтому студенты используют разные стратегии для завершения работы. В какой степени к вам относятся следующие утверждения?». Увеличение личной значимости (3 пункта, например, «Я пытался связать то, что я изучал, со своим собственным опытом»), самонаграждение (4 пункта, например, «Я обещал себе какую-то награду, когда выполнял работу»),контроль окружающей среды (3 пункта, например, «Я позаботился о том, чтобы произошло как можно меньше отвлекающих факторов») и подшкала поставили частичные цели (3 пункта, Например, «Я подходил к задачам шаг за шагом, чтобы создать ощущение, что я хорошо прогрессирую»). На основе четырех подшкал сформирован вышестоящий индекс мотивационной регуляции. KFA в Mplus сразу же показал хорошие оценки соответствия для одномерной модели с латентным индексом мотивационной регуляции: χ2 (1) = 1,055, RMSEA = 0,007 [90 CI: 0,000, 0,082], CFI = 1,000, SRMR = 0,006., так что этот индекс применяется следующим образом. Метамотивационные знания (MeMoWi) были записаны с помощью недавно разработанного теста знаний. Разработка теста MeMoWi следует в своем обосновании конструкции уже существующему и многократно проверенному и протестированному сценарийному методу регистрации знаний о предметно-специфической метакогнитивной стратегии (например, Händel et al. 2013; Maag Merki et al. 2013; Neuenhaus et al. 2017). MeMoWi состоит из трех сценариев, которые отображают три фазы SRL (додейственная, действительная и постдейственная фаза) в процессе подготовки диссертации Matura (см. вводный текст рис. 1). Для каждого сценария опрошенные студенты должны были оценить восемь предложенных стратегий с точки зрения их полезности для освоения специфических для сценария задач по 6-балльной шкале Лайкерта (1 = совсем не полезно до 6 = очень полезно) (см. Рис. 1). Оценка теста MeMoWi проводилась аналогично другим метакогнитивным тестам знаний на основе парных сравнений (например, стратегия X более или менее полезна, чем стратегия Y). Это оценивает знание относительной полезности различных стратегических альтернатив. Для количественной оценки достоверности этих парных сравнений заранее был проведен экспертный опрос с участием десяти экспертов из университетской среды, обладающих обширными знаниями в области мотивации. В ходе экспертного опроса было рассмотрено согласие относительно полезности представленных стратегий и ясности полученных парных сравнений. В оценку были включены только те пары сравнений, относительная полезность которых была оценена экспертами более чем на 75%. Чтобы достичь высокого балла знаний, тестируемые студенты должны были прийти к той же оценке, что и эксперты при работе над MeMoWi с точки зрения стандарта качества. За каждое сравнение пары студенты получали один балл. В случае несоответствия экспертному рейтингу баллы не присуждались. Оценка знаний определялась как среднее значение по трем сценариям и всем парным сравнениям. MeMoWiScore может принимать значение между 0 (почти никаких метамотивационных знаний или никакого соглашения с экспертами) и 1 (много метамотивационных знаний или высокое согласие с экспертами). Проверка знаний показала хорошую надежность (см. таблицу 1). Показатель производительности. Официальная оценка работы Matura использовалась в качестве показателя производительности для диссертации Matura. По аналогии со швейцарской системой оценки, оценка имела возможный диапазон от 1 = очень слабый до 6 = отличный. 4.3 Статистический анализ Данные были проанализированы с использованием описательного анализа и моделей структурных уравнений (SEM) в Mplus 8.1 (Muthén and Muthén 1998–2017). Чтобы проверить влияние твердости на компетенции и производительность SRL, а также возможные косвенные эффекты, был смоделирован линейный SEM (рис. 2) с несколькими посредничествами, и косвенные эффекты были исследованы в соответствии с предлагаемой процедурой начальной загрузки с поправкой на смещение (10 000 образцов начальной загрузки) согласно MacKinnon et al. (2004). Если значение 0 не включено в 95% доверительный интервал, косвенный эффект считается статистически значимым. Качество модели проверялось в соответствии с рекомендациями Schermelleh-Engel et al. (2003). Были учтены различные критерии оценки качества моделей структурных уравнений. Очень хорошая модель должна иметь значения χ2 по отношению к степеням свободы менее трех, значения индекса сравнительной подгонки (CFI) более 0,95, значения среднеквадратичной погрешности приближения (RMSEA) менее 0,05 и стандартизированные значения среднеквадратичного остатка (SRMR) менее 0,06. Набор данных имеет в среднем 4,3% отсутствующих значений по всем переменным (диапазон: 0,3–7,0%). Для включения всех отсутствующих значений использовался метод FIML. 5 Результаты 5.1 Описательные результаты и корреляции Таблица 1 содержит средние значения, стандартные отклонения и значения надежности всех конструкций, а также их взаимосвязи. Как видно из таблицы 1, все конструкции были достоверно зафиксированы. Коэффициенты корреляции указывают на слабые и средние корреляционные эффекты между различными конструкциями. Постоянство и постоянный интерес умеренно коррелируют с r = 0,31. 5.2 Подмодели: отношения между зернистостью и нотами и отношения между SRL и нотами На первом этапе была изучена прогностическая сила Grit на производительность и прогностическая сила компетенций SRL на производительность, чтобы оценить отдельные эффекты предикторов. Во-первых, модель с настойчивостью и постоянным интересом была указана в качестве предикторов класса работы Matura. Соответствующая модель имела хорошие значения соответствия с χ 2 (22) = 62,931, χ 2 /df = 2,86, CFI = 0,983, RMSEA = 0,039 (90 CI [0,028, 0,050]) и SRMR = 0,029. Как предполагается, путь персистентности (β = 0,22, стр< 0,001) к производительности является значительным, тогда как постоянный интерес не может способствовать уточнению дисперсии класса работы Matura. На втором этапе была рассмотрена прогностическая сила компетенций SRL на уровне диссертации Matura. Смоделированы пути от метамотивационных знаний к мотивационным регуляторным стратегиям и когнитивным регуляторным компетенциям (в качестве примера, показанного на рис. 2). Кроме того, были указаны пути от мотивационных стратегий регуляции и когнитивных регуляторных компетенций до оценки диссертации Матура. Соответствующая модель хорошо согласуется с данными: χ 2 (31) = 60,037, χ 2/df = 1,94, CFI = 0,982, RMSEA = 0,034 (90 CI [0,021, 0,047]), SRMR = 0,043. Выявлено значительное прямое влияние знаний о метамотивационной стратегии на мотивационные регуляторные стратегии (β=0,31, с< 0,001) и когнитивные регуляторные компетенции (β=0,19, с< 0,001.). Как стратегии мотивационной регуляции (β= 0,12, с< 0,01), так и когнитивные регуляторные компетенции (β = 0,16, с< 0,01) оказали непосредственное влияние на уровень работы Matura. Кроме того, показано значительное косвенное влияние метамотивационных знаний о стратегиях мотивационной регуляции и когнитивных регуляторных компетенциях на оценку диссертации Матура. 5.3 Общая модель: взаимосвязи между производительностью Grit, SRL и Matura Смоделированная общая модель сразу показала хорошую посадку модели: χ2(119) = 269.195; χ 2 /df = 2,26, CFI = 0,966, RMSEA = 0,032 (90 CI [0,027; 0,037]), SRMR = 0,043. На рисунке 2 показаны стандартизированные коэффициенты рассчитанных путей. Настойчивость оказалась важным предиктором всех вовлеченных компетенций SRL. Как предполагается, студенты, которые более настойчивы, имеют более высокие знания метамотиватонической стратегии (β = 0,21, стр< 0,001), использовали больше мотивационных регуляторных стратегий (β = 0,54, стр< 0,001) и сообщили о более высоких когнитивных регуляторных компетенциях (β = 0,11, стр< 0,05), чем студенты с более низкой степенью настойчивости. Хотя наблюдался отрицательный прямой эффект (β = -0,14, стр< 0,05) между последовательными стратегиями заинтересованности и мотивационной регуляции, то есть учащиеся с более высоким последовательным интересом использовали меньше мотивационных стратегий регуляции, чем учащиеся с менее последовательным интересом, наблюдалась положительная корреляция с когнитивными регуляторными компетенциями (β = 0,19, с< 0,001). Не было выявлено значимой корреляции между последовательным интересом и знанием метамотивационной стратегии. Как предполагалось и уже было показано на первом этапе анализа, метамотивационные знания играли важную роль в прогнозировании использования стратегии самооценки. Значимы как путь (β= 0,21, стр< 0,001) к мотивационным регуляторным стратегиям, так и путь (β= 0,14, стр< 0,001) к когнитивным регуляторным компетенциям. Студенты с более высокими метамотивационными знаниями, следовательно, сообщили о более высоких компетенциях в области использования мотивационных и когнитивных стратегий. Кроме того, это повлияло на уровень работы Matura. Учащиеся, которые более настойчивы, достигли лучших оценок (β = 0,17, стр< 0,01). Величина влияния стойкости на сорта несколько снижается по сравнению с результатами первого этапа анализа. Кроме того, учащиеся с более высокими когнитивными регуляторными навыками также достигли лучших оценок работы Matura (β = 0,13, стр< 0,001). Значительное прямое влияние мотивационных стратегий регуляции на степень диссертации Матура, описанное на первом этапе анализа, теряет свою прогностическую силу. Переменные, вставленные в модель, прояснили 8,4% дисперсионных долей в классе работы Matura. В таблицах 2 и 3 перечислены смоделированные и эмпирически определенные опосредованные эффекты твердости на производительность через компетенции SRL. Как видно из таблицы 2, более настойчивые студенты также были более успешными в своей работе с Matura, потому что у них были более высокие когнитивные регуляторные навыки. Этот эффект был очевиден и при постоянном интересе. Студенты с более высоким последовательным интересом имели более высокие когнитивные регуляторные навыки и, соответственно, были более успешными в диссертации Матура. Как указано в таблице 3, более стойкие студенты также были более успешными в работе Matura, потому что, в дополнение к более высоким когнитивным регуляторным навыкам, они также имели более высокие метамотивационные знания. 6 Обсуждение Хотя Grit приписывают потенциал для объяснения как межиндивидуальных различий в производительности, так и межиндивидуальных различий в SRL (Duckworth et al. 2007), различные исследования и метанализы указывают на противоречивые результаты (Credé et al. 2017). Можно предположить, что тип задачи играет здесь важную роль. Слишком простые и мелкошаговые задачи производительности не требуют ни выдержки, ни компетенций SRL для успешного решения. Кроме того, прошлые исследования показали, что связь между твердостью и производительностью опосредована другими предикторами, такими как компетенции SRL (Wolters and Hussain 2015). Предыдущие исследования в школьном контексте часто записывали школьные оценки как меру производительности, которая также включает в себя задачи, которые не требуют выдержки. Поэтому целью данного исследования было изучение возможных связей между выдержкой, компетенциями SRL и производительностью в контексте требовательной и обширной письменной работы, диссертации Матура. Основное внимание было уделено трем вопросам со следующими целями: 1) исследование взаимосвязи между зернистостью и различными компетенциями SRL в контексте обширной и сложной письменной работы, 2) исследование прогностической силы твердости для прогнозирования уровня работы Matura и 3) исследование посреднического влияния компетенций SRL на взаимосвязь между твердостью и производительностью. |