Mobil Öğrenmeye Hazırbulunuşluk Ölçeğinin Uyarlanması: Geçerlik ve Güvenirlik Çalışması
Abstract
Bu çalışmanın amacı, ”mobil öğrenmeye hazırbulunuşluk” ölçeğinin Türk kültürüne uyarlamasını yapmak ve psikometrik özelliklerini incelemektir. Araştırmanın örneklemini seçkisiz olmayan örnekleme yöntemlerinden uygun örnekleme yöntemi ile seçilen 165 kız ve 36 erkek olmak üzere toplam 201 katılımcı oluşturmaktadır. Veri analizinde; doğrulayıcı faktör analizi, Cronbach α, tabakalı Cronbach α ve McDonald ω katsayıları ve iki aşamalı kümeleme analizi kullanılarak ölçme aracına ilişkin güvenirlik ve geçerlik kanıtlarının toplanması ve standart belirleme çalışması yapılmıştır. Doğrulayıcı faktör analizi sonuçları incelendiğinde; GFI = 0.82, AGFI = 0.77, CFI = 0.95, NNFI = 0.91, RMSEA (%90GA) = 0.078 (0.067-0.090) ve SRMR = 0.082 olarak bulunmuş ve yapı geçerliğine ilişkin kanıtlar elde edilmiştir. Ölçeğin güvenirlik düzeyine ilişkin güvenirlik katsayıları incelendiğinde, mobil öğrenme öz yeterliliği, iyimserlik ve öz yönetimli öğrenme alt boyutları için sırasıyla Cronbach α değerleri; 0.889, 0.866 ve 0.860 iken McDonald ω değerleri; 0.943, 0.913 ve 0.857 olarak bulunmuştur. Ölçümlerin güvenirliği ve geçerliğine ilişkin kanıtlar toplandıktan sonra, iki aşamalı kümeleme analizi kullanılarak ölçme aracı için standart belirleme çalışması yapılmış ve kesme puanı 89.0 olarak elde edilmiştir. Sonuç olarak, mobil öğrenmeye hazırbulunuşluk ölçeğinin Türk kültürüne uyarlaması yapılmış ve psikometrik özellikleri incelenmiştir. İlgili ölçme aracı kullanılarak bireylerin mobil öğrenmeye hazırbulunuşluk düzeyleri belirlenerek, mobil öğrenmeye yönelik faaliyetlere yön verilebilir.
Keywords
References
- Bentler, P. M., & Chou, C. P. (1987). Practical issues in structural modeling. Sociological Methods & Research, 16(1), 78-117. https://doi.org/10.1177/0049124187016001004
- Brown, T. A. (2015). Confirmatory factor analysis for applied research. New York: Guilford Publications.
- Celik, V., & Yesilyurt, E. (2013). Attitudes to technology, perceived computer selfefficacy and computer anxiety as predictors of computer supported education. Computers & Education, 60(1), 148-158. https://doi.org/10.1016/j.compedu.2012.06.008
- Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodness-of-fit indexes for testing measurement invariance. Structural equation modeling, 9(2), 233-255. https://doi.org/10.1207/S15328007SEM0902_5
- Christensen, R., & Knezek, G. (2017). Readiness for integrating mobile learning in the classroom: Challenges, preferences and possibilities. Computers in Human Behavior, 76, 112-121. https://doi.org/10.1016/j.chb.2017.07.014
- Cochrane, T. (2014, June). Mobile social media as a catalyst for pedagogical change. In EdMedia+ Innovate Learning (pp. 2187-2200). Association for the Advancement of Computing in Education (AACE).
- Doolittle, P. E., & MaRIanO, G. J. (2008). Working memory capacity and mobile multimedia learning environments: Individual differences in learning while mobile. Journal of Educational Multimedia and Hypermedia, 17(4), 511-530.
- Hair, J.F., Black, B., Babin, B., Anderson, R.E. & Tatham, R.L. (2010), Multivariate data analysis. New Jersey: Prentice Hall.
- Hashemi, M., Azizinezhad, M., Najafi, V., & Nesari, A. J. (2011). What is mobile learning? Challenges and capabilities. Procedia-Social and Behavioral Sciences, 30, 2477-2481. https://doi.org/10.1016/j.sbspro.2011.10.483
- Hsin-Hui Lin, Shinjeng Lin, Ching-Hsuan Yeh, Yi-Shun Wang , (2016),"Measuring mobile learning readiness: scale development and validation", Internet Research, Vol. 26 Iss 1 pp. 265 – 287. https://doi.org/10.1108/IntR-10-2014-0241