Investigating Introduction to Programming Course Students’Programming Self Efficacy Perceptions and Perspectives on Programming

Abstract

This study investigates university student’s (Java) programming self-efficacy, perspectives on programming, and study habits with respect to various variables (gender, department, course language, letter grade, course repeats) by using statistical methods (T-test, Mann Whitney U-test, Kruskal Wallis H test, one-way analysis of variance, Chi-Square test). The study group consisted of 191 undergraduate students who had to take the introductory programming course from different departments. The results indicate that students’ Java programming self-efficacy have relationships with their department and desire to learn programming. Furthermore, in this study, association rules were obtained by using Apriori algorithm. The highest confidence value rule suggests that higher programming self-efficacy can be associated with higher levels of desire to learn programming, higher belief in the utility of programming in professional life and having successfully passed the programming course.

Keywords

• Programming efficacy
• Programming education
• Statistics
• Association rule
• Apriori Algorithm

Programlamaya Giriş Dersini Alan Öğrencilerin Programlama Öz Yeterlilik Algılarının ve Programlamaya Bakış Açılarının İncelenmesi

Abstract

Bu çalışmada üniversite öğrencilerinin Java programlama öz yeterlilik algıları, programlama öğrenme istekleri ve çalışma alışkanlıkları çeşitli değişkenlere göre (cinsiyet, bölüm, eğitim dili, harf notu, ders tekrarları vb.) istatistiksel yöntemler kullanılarak (T-testi, Mann Whitney U-testi, Kruskal Wallis H testi, tek yönlü varyans analizi, Ki-Kare testi) incelenmiştir. Çalışma grubu, farklı bölümlerde zorunlu olarak programlamaya giriş dersini alan 191 lisans öğrencisinden oluşmaktadır. Elde edilen sonuçlara göre öğrencilerin Java programlama öz yeterlilik algıları bölümlerine ve programlama öğrenme isteklerine göre farklılaşmaktadır. Çalışmada ayrıca Apriori algoritması kullanılarak birliktelik kuralları çıkartılmıştır. En yüksek güven değeri elde edilen kurala göre, programlama öğrenmeyi çok fazla isteyen, programlama öğrenmenin iş hayatında kendisine fayda sağlayacağını düşünen ve programlama dersinden başarı ile geçen öğrencilerin programlama öz yeterlilikleri yüksektir.

Keywords

• programlama öz yeterliliği
• programlama eğitimi
• istatistik
• birliktelik kuralı
• Apriori algoritması

References

1. [1] A. Altun ve S. G. Mazman, “Programlamaya ilişkin öz yeterlilik algısı ölçeğinin Türkçe formunun geçerlilik ve güvenirlik çalışması,” Journal of Measurement and Evaluation in Education and Psychology, c. 3, ss. 297-308, 2012.
2. [2] A. Bandura, Social Foundations of Thought and Action: A Social Cognitive Theory, New Jersey, USA: Prentice Hall Yayıncılık, 1986.
3. [3] N. E. Betz ve G. Hackett, “The relationship of mathematics self-efficacy expectations to the selection of science-based college majors,” Journal of Vocational Behavior, c. 23, s. 3, ss. 329–345, 1983.
4. [4] C. A. Murphy, D. Coover ve S. V. Owen, “Development and validation of the computer self-efficacy scale,” Educational and Psychological Measurement, c. 49, s. 4, ss. 893–899, 1989.
5. [5] V. Ramalingam ve S. Wiedenbeck, “Development and validation of scores on a computer programming self-efficacy scale and group analyses of novice programmer self-efficacy,” Journal of Educational Computing Research, c. 19, s. 4, ss. 367-381, 1998.
6. [6] P. Askar ve D. Davenport, “An investigation of factors related to self-efficacy for Java programming among engineering students,” The Turkish Online Journal of Educational Technology, c. 8, s. 1, ss. 26-32, 2009.
7. [7] H. Çiğdem ve O. G. Yıldırım, “Predictors of C# programming language self efficacy among vocational college students,” International Journal on New Trends in Education and Their Implications, c. 5, s. 3, ss. 145-153, 2014.
8. [8] Ö. Korkmaz ve H. Altun, “Adapting computer programming self-efficacy scale and engineering students’ self-efficacy perceptions,” Participatory Educational Research, c. 1, s. 1, ss. 20–31, 2014.

9. [9] Ö. Özyurt ve H. Özyurt, “A study for determining computer programming students’ attitudes towards programming and their programming self-efficacy,” Eğitimde Kuram ve Uygulama, c. 11, s. 1, ss. 51-67, 2015.
10. [10] F. B. Tek, K. S. Benli ve E. Deveci, “Implicit theories and self-efficacy in an introductory programming course,” IEEE Transactions on Education, c. 61, s. 3, ss. 218-225, 2018.
11. [11] M.-J. Tsai, C.-Y. Wang ve P.-F. Hsu, “Developing the computer programming self-efficacy scale for computer literacy education,”Journal of Educational Computing Research, c. 56, s. 8, ss. 1345–1360, 2019.
12. [12] J. Kittur, “Measuring the programming self-efficacy of electrical and electronics engineering students,” IEEE Transactions on Education, c. 63, s. 3, ss. 216-223, 2020.
13. [13] F. B. Tek ve K. S. Benli. (2021, 24 Ocak). Programlama özyeterlilik ölçeği. [Online]. Erişim: https://github.com/btekgit/MindsetForProgramming
14. [14] B. G. İlter, “Mühendis Bakış Açısıyla Yabancı Dilde Eğitim,” IV. Elektrik Elektronik Bilgisayar Biyomedikal Mühendislikleri Eğitimi Sempozyumu, Eskişehir, Türkiye, 2009.
15. [15] A. Gomes, L. Carmo, E. Bigotte ve A. Mendes, “Mathematics and programming problem solving,” In 3rd E-Learning Conference – Computer Science Education, Coimbra, Portugal, 2006.
16. [16] A. Gomes ve A. J. Mendes, “Learning to program - difficulties and solutions,” International conference on Engineering Education, Coimbra, Portugal, 2007.
17. [17] P. Tan, C. Ting ve S. Ling, “Learning Difficulties in Programming Courses: Undergraduates' Perspective and Perception,” 2009 International Conference on Computer Technology and Development, Kota Kinabalu, 2009.
18. [18] M. Başer, “Bilgisayar programlamaya karşı tutum ölçeği geliştirme çalışması,” The Journal of Academic Social Science Studies, c. 6, s. 6, ss. 199-215, 2013.
19. [19] S. Kılıç, “Cronbach’s alpha reliability coefficient,” Journal of Mood Disorders, c. 6, s. 1, ss. 47-48, 2016.
20. [20] S. Landau ve B. Everitt, A Handbook of Statistical Analyses Using SPSS, 1.baskı, USA: Chapman and Hall/CRC Yayınclılık, 2003.
21. [21] R. Agrawal ve R. Srikant, “Fast algorithms for mining association rules in large databases,” In Proceedings of the 20th International Conference on Very Large Data Bases, Santiago de Chile, Chile 1994, ss. 478-499.
22. [22] R. G. Lomax ve D. L. Hahs-Vaughn, An Introduction to Statistical Concepts, 3.baskı, New York, USA: Routledge Yayıncılık, 2012.
23. [23] M. Dikmen, “Veri toplama ve veri analiz yöntemleri: WPF ve Silverlight ile uygulama geliştirme,” Yüksek lisans tezi, Bilgisayar Mühendisliği, Fen Bilimleri Enstitüsü, Süleyman Demirel Üniversitesi, Isparta, Türkiye, 2011.
24. [24] M. R. Spiegel ve L. J. Stephens, Schaum's Outline of Theory and Problems of Statistics, 4.baskı, New York, USA: McGraw-Hill Yayıncılık, 2008.
25. [25] Y. Ateş ve M. Karabatak, “Nicel birliktelik kuralları için çoklu minimum destek değeri,” Fırat Üniversitesi Mühendislik Bilimleri Dergisi, c. 29, s. 2, ss. 57-65, 2017.
26. [26] S. S. Jambhorkar ve V. S. Jondhale, Data Mining Technique: Fundamental Concept and Statistical Analysis, Horizon Books Yayıncılık, 2015.
27. [27] N. Hussein, A. Alashqur ve B. Sowan, “Using the interestingness measure lift to generate association rule,” Journal of Advanced Computer Science & Technology, c. 4, s. 1, ss. 156-162, 2015.
28. [28] S.Kılıç, “Chi-square Test,” Journal of Mood Disorders, c. 6, s. 3, ss. 180-182, 2016.
29. [29] F. C. Özçakır ve A. Y. Çamurcu, “Birliktelik kuralı yöntemi için bir veri madenciliği yazılımı tasarımı ve uygulaması,” İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, c. 6, s. 12, ss. 21-37, 2007.
30. [30] İ. Yusubov, “Bilgisayar mühendisliği eğitiminde matematik altyapı ve tarihe başvurunun önemi hakkında,” I. Elektrik-Elektronik Bilgisayar Mühendislikleri Eğitimi Sempozyumu, Ankara, Türkiye, 2003.