Elektronik Öğrenmede Öğrenci Tutum ve Akademik Başarı Arasındaki İlişkide Öğrenci Merak ve Kaygısının Aracılık Rolü

Year 2020, Issue: 43, 34 - 48, 01.02.2020

Mehmet Etlioğlu Mahmut Tekin

Abstract

Öğrencilerin bireysel farklılıkları hem geleneksel eğitimin hem de uzaktan eğitimin üzerinde durduğu önemli bir konudur. Bu farklılıklardan birisi de duyuşsal özelliklerdir. Derslerin elektronik araçlarla dağıtılması ile öğrencinin elektronik öğrenmeye yönelik ilgi, tutum, istek, beklenti, merak, akademik benlik, motivasyon, öz-yeterlik, heyecan ve kaygı gibi duyuşsal olarak tepki vermelerine neden olmaktadır. Derslerin öğretmen ile öğrencinin fiziki sınıf ortamı olmadan elektronik araçlar vasıtasıyla verilmesi iletişim ve etkileşimin, uzaklık ve topluluk hissi, zamanında destek ve geri bildirimler ile öğrencilerin yetersiz konularda ön öğrenmelerle desteklenmesi gibi sorunları beraberinde getirmiştir. Kalıcı öğrenmelerin gerçekleşmesi ve akademik başarının sağlanması için öğrenci duyuşsal özelliklerini esas alan ve bu özelliklere göre yöntem, program, ders ve materyallerinin tasarlanması son derece önemlidir. Bu çalışmanın amacı, elektronik öğrenmede öğrenci tutumu ile akademik başarı arasındaki ilişkide öğrenci merak ve kaygısının aracılık etkisini incelemektir. Çalışma e-öğrenme ile ders almış 756 önlisans, lisans ve lisansüstü öğrenci ile gerçekleştirilmiştir. Çalışma kapsamında oluşturulmuş model yardımıyla, elektronik öğrenmeye yönelik merak ve kaygılarının öğrenci tutumu ve başarıları arasındaki aracı ilişkileri ortaya konmuştur. Araştırmadan elde edilen bulgular, öğrencilerin e-öğrenmeye yönelik merak ve kaygılarının öğrenci tutumları ile akademik başarısı arasındaki ilişkiye aracılık ettiğini göstermektedir.

Keywords

Duyuşsal Özellikler, Elektronik Öğrenme, Uzaktan Eğitim.

The Mediating Role of Student’s Curiosity and Anxiety in the Relationship between Student Attitude and Academic Achievement in Electronic Learning

Abstract

The individual differences of the students are important issues that focus on both traditional education and distance education. One of these differences is affective characteristics. Lack of a physical classroom environment and the distribution of lessons through information and communication technologies may cause students to react differently to e-learning.In this context, different demands and expectations of students can occur. Various reactions such as interest, attitude, desire, expectation, curiosity, academic self-concept, motivation, self-efficacy, excitement and anxiety towards the system, program, lesson and related materials which used in e-learning can be expressed as the affective characteristics of students.The affective reactions of the students are a major obstacle in learning.Teachers have an important role in helping students know their own curiosity and anxiety towards e-learning, and teachers to guide students on this issue and develop an affective strategy for their negative situations.It can be stated that a mistake or deficiency that may occur in the process will disrupt the ecosystem, considering a process where many factors coexist and interact with each other and affect them positively and negatively in the e-learning process. It is very important that students acquire positive emotional behaviors in order to realize easy and permanent learning and to achieve success in e-learning. With the delivery of courses via electronic devices, the students react emotionally towards elearning such as as interest, attitude, expectation, curiosity, excitement, anxiety, academic self-concept and self-efficacy. The delivery of courses through electronic tools without the physical classroom environment of teachers and students brings with them problems such as communication and interaction, distance and community feeling, timely support and feedback, and support of students with pre-learning in inadequate subjects. It is very important to design methods, programs, courses and materials according to these characteristics based on student affective characteristics in order to achieve permanent learning and academic achievement. The aim of this study is to investigate the mediating effect of student curiosity and anxiety on the relationship between student attitude and academic achievement in electronic learning. The study was carried out with 756 associate, undergraduate and post-graduate students who took courses with e-learning. With the help of the model formed within the scope of the study, mediator relations of the students' curiosity and anxieties between student’ attitude and achievement were revealed. The findings of the study show that the students' curiosity and anxiety towards e-learning mediate to relation between student attitudes and academic achievement

Keywords

Affective Characteristics, Electronic Learning, Distance Education

References

• Abolmaali, K., Rashedi, M. & Ajilchi, B. (2014). Explanation of Academic Achievement Based on Personality Characteristics Psycho-Social Climate of the Classroom and Students’ Academic Engagement in Mathematics. Open Journal of Applied Sciences, 4, 225-233.
• Acun, N., Kapıkıran, Ş. & Kabasakal, Z. (2013). Merak ve Keşfetme Ölçeği II: Açımlayıcı ve Doğrulayıcı Faktör Analizleri ve Güvenirlik Çalışması. Türk Psikoloji Yazıları,16 (31), 74-85.
• Alnabhan, M., Al-Zegoul, E. & Harwell, M. Factors Related to Achievement Levels of Education Students at Mu’tah University. Assessment & Evaluation in Higher Education. 26 (6). (2001).
• Anderson, B. Independent Learning. Handbook of Distance Education. London: IEA. (2007).
• Bentler, P. M. & Bonett, D. G. (1980). Significance Tests and Goodness of Fit in the Analysis of Covariance Structures. Psychological Bulletin, 88(3), 588.
• Bentler, P. M. (1990). Comparative Fit Indexes in Structural Models. Psychological bulletin, 107(2), 238.
• Brindley, J. E., Walti, C. & Zawacki, O.R. (2008). Distance and Online Learning Environments Learner Support in Open. Oldenburg BIS-Verlag der Carl von Ossietzky Universität Oldenburg. 9. 13.
• Browne, M. W. & Cudeck, R. Alternative Ways of Assessing Model Fit. Sage Focus Editions, 154, 136-136. (1993).
• Büyüköztürk, Ş. (1997). Araştırmaya Yönelik Kaygı Ölçeğinin Geliştirilmesi. Eğitim Yönetimi, 3, 453-464.
• Carmines, E. G. McIver. Analyzing Models with Unobserved Variables: Analysis of Covariance Structures. Social Measurement: Current Issues. Newbury Park, CA: Sage. (1981).
• Evans, B. (2007). Student Attitudes, Conceptions and Achievement in Introductory Undergraduate College Statistics. The Mathematics Educator. 17(2). 22-24.
• George, D. & Mallery, M. (2010). SPSS for Windows Step by Step: A Simple Guide and Reference, 17.0 update (10. ed.) Boston: Pearson.
• Gömleksiz, M. N. & Kan, A. Ü. (2012). Eğitimde Duyuşsal Boyut ve Duyuşsal Öğrenme. Turkish Studies-International Periodical For The Languages, Literature and History of Turkish or Turkic, 7(1). 1159-1160.
• Gunawardena, C. N. & McIsaac, M. S. Distance Education. In D. H. Jonassen (Ed.), Handbook of Research for Educational Communications and Technology: A Project of the Association for Educational Communications and Technology. New York: Simon & Schuster Macmillan. (1996).
• Gülbahar, Y. E-Öğrenme (2. ed.). Ankara: Pegem Akademi Yayınları. (2012).
• Haznedar, Ö. (2012). Üniversite Öğrencilerinin Bilgi ve İletişim Teknolojileri Becerilerinin ve E-öğrenmeye Yönelik Tutumlarının Farklı Değişkenler Açısından İncelenmesi. Dokuz Eylül Üniversitesi Eğitim Bilimleri Enstitüsü Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı.
• İnceoğlu, M. Tutum Algı İletişim. Ankara: İmaj Yayıncılık. (2000).
• Joreskog, K. G. & Sorbom, D. LISREL VI: Analysis of Linear Structural Relationships by the Method of Maximum Likelihood: User's Guide. Mooresville, IN: Scientific Software. (1984).
• Kara, A. (2003). Duyuşsal Boyut Ağırlıklı Bir Programın Öğrencilerin Duyuşsal Gelişimine ve Akademik Başarısına Etkisi. Doktora Tezi, Fırat Üniversitesi Sosyal Bilimler Enstitüsü.
• Kashdan, T. B., DeWall, C. N., Pond , R. S., Silvia, P. J., Lambert, N. M., Fincham, F. D., Savostyanova, A. A. & Keller P. S. (2013). Curiosity protects against interpersonal aggression: Crosssectional, daily process, and behavioral evidence. Journal of Personality, 81(1), 88-102.
• Liaw, S. S., Huang, H. M. & Chen, G. D. (2007). Surveying Instructor and Learner Attitudes Toward E-learning. Computers & Education, 49, 1066-1080.
• Lyons, I. M. & Beilock, S. L. (2012). Mathematics Anxiety: Separating the Math From the Anxiety. Cerebral Cortex, 22 (9), 2102-2110.
• Malmivuori, M. L. (2001). The Dynamics of Affect, Cognition and Social Environment in the Regulation of Personal Learning Processes: The Case of Mathematics. University. Helsinki University Press.
• Marsh, H. W. & Hocevar, D. (1985). Application of Confirmatory Factor Analysis to the Study of Self-Concept, First and Higher Order Factor Models and Invariance Across Groups. Psychological Bulletin.97, 562-582
• McDonald, R. P. & Marsh, H. W. (1990). Choosing a Multivariate Model: Noncentrality and Goodness of Fit. Psychological bulletin, 107(2), 247.