مقالة منهجية

التحقق النوعي والكمي للأدوات ذات المقاييس التقديرية التي تهدف إلى تقييم جودة التعلم الخدمي الجامعي

DOI:

10.3791/68648

⸱

أغسطس 29, 2025

 ,  ,  , 
1Faculty of Education and Teacher Training, Autonomous University of Madrid

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

توضح هذه الورقة بروتوكول التحقق من صحة أداة التعلم الخدمية الجامعية نوعيا وكميا ، باتباع معيار البخل لإنشاء أقوى إصدار ممكن وأفضل. يتم استخدام طريقة التحقق النوعي دلفي وتحليل العوامل الاستكشافية للمربعات الصغرى القوية غير المرجحة ، كطريقة لتحسين العناصر الكمية ، لهذا الغرض.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح التعلم الخدمي (SL) منهجية تعليمية فعالة للغاية في السنوات الأخيرة ، حيث يسد الفجوة بين النظرية والتطبيق مع وضع التعلم في سياق سيناريوهات العالم الحقيقي. وقد تم تنفيذه بنجاح في جميع مستويات التعليم العالي، مما أدى إلى تحسينات ملحوظة في مهارات طلاب الجامعات. ومع ذلك ، كمنهجية تحويلية ، لا يزال SL في المراحل الأولى من التطوير من حيث طرق التقييم. وبالتالي ، هناك حاجة ملحة لتصميم أدوات قياس موثوقة وصحيحة ، وقبل كل شيء ، صحيحة ، حيث أن تطبيق SL في سياقات العالم الحقيقي هو قيمتها الأساسية. توضح هذه الورقة كيفية تصميم أدوات SL الجامعية والتحقق من صحتها على النحو الأمثل لتقييم جودة تجارب SL على المستوى الجامعي من وجهة نظر أساتذة الجامعات ، مسترشدين بمبدأ البخل. تم تطبيق طريقة دلفي المعدلة عبر الإنترنت ، وتحليل العوامل الاستكشافية القوية غير المرجحة للمربعات الصغرى ، وتحليل العوامل التأكيدية لإنشاء أداة جديدة ، QaSLu-27 ، تم التحقق من صحتها من خلال عينة من 16 خبيرا باستخدام طريقة دلفي المعدلة عبر الإنترنت و 118 معلما جامعيا ينفذون مشاريع SL. أظهرت النتائج الظروف السيكومترية المثلى للأداة الجديدة (W = 0.11 ؛ α = 0.92 ؛ CMIN / DF = 1.027 ؛ CFI = 0.979 ؛ WRMR= 0.0985; RMSEA = 0.046) ، مما أدى إلى تطوير مقاييس تصنيف جديدة تسمح بإجراء مقارنات بين المستخدمين المستقبليين لهذه المنهجية ، مع مراعاة خصائصهم النسبية والديموغرافية. سيكون تصميم أدوات جديدة تم التحقق من صحتها ، والتي يمكن استخدامها في العالم الحقيقي وتسمح بإنشاء مقاييس ، مفيدا جدا لقياس تنفيذ التجارب الجديدة في SL ، لتقييم تقدمها ، والمشاركين فيها ، ومديريها ومراقبيهم ، والمساهمة في إنشاء هذا المجال من الدراسة في الإطار الأكاديمي الحالي وفي توليد معرفة علمية جديدة.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

اكتسب التعلم الخدمي (SL) ، وهو نهج تعليمي يدمج التعلم الأكاديمي مع خدمة المجتمع ، اعترافا متزايدا في التعليم المعاصر. يمكن هذا النهج التربوي الطلاب من تطبيق المعرفة في الفصل الدراسي على تحديات العالم الحقيقي ، مع تعزيز المسؤولية المدنية والمشاركةالمجتمعية 1. لا يمكن المبالغة في أهمية SL في التعليم الحالي ، لأنها تزود الطلاب بالكفاءات المهنية العملية ، وتعزز المشاركة المدنية ، وتوفر فهما أعمق للقضايا الاجتماعية2.

نمت الأبحاث الحديثة حول SL بشكل كبير ، مدفوعة بالاعتراف المتزايد بقدرتها على تعزيز التعلم الأكاديمي والمشاركة المجتمعية. هذا النمو مدفوع بالطلب المتزايد على النماذج التعليمية التي لا تعزز التطور الأكاديمي فحسب ، بل تعالج أيضا التحدياتالمجتمعية 3. استكشف الطلاب التأثيرات المتنوعة ل SL ، من تعزيز العدالة الاجتماعية إلى تنمية العقلية المدنية بين الطلاب4. بالإضافة إلى ذلك ، ركزت أبحاث تعلم الخدمة بشكل متزايد على تطبيقها في مجالات محددة مثل العلوم والتكنولوجيا والهندسة والرياضيات والرعاية الصحية والعلوم البيئية ، حيث يعد حل المشكلات في العالم الحقيقي أمرا بالغ الأهمية5،6،7. مع توسع مجموعة الأدبيات ، بدأ الباحثون أيضا في استكشاف كيف يمكن لتعلم الخدمة أن يسد الفجوة بين النظرية والتطبيق بشكل فعال بطرق ذات مغزى لكل من الطلاب والمجتمعات التييخدمونها 8.

ومع ذلك ، على الرغم من دورها المتنامي ، لا تزال هناك تحديات كبيرة في قياس فعالية برامج SL9. هناك العديد من المقترحات في شكل نموذج ، مثل تلك المقدمة من Furco10 و Martín et al.11 و Lorenzo و Belando-Montoro12 و Shek et al.13 أو Lu and Lambright14 ، والتي ، على الرغم من فائدتها المثبتة في الدراسات الميدانية ، لم يتم التحقق من صحتها بعد. من ناحية أخرى ، هناك مقترحات أخرى ، مثل تلك المقدمة من Escofet-Roig et al.15 أو Rodríguez-Izquierdo16 أو León-Carrascosa et al.17 أو Ruiz-Ordoñez et al.18 أو Santos-Pastor et al.19 أو Gul et al.20 تفتقر إلى التحقق النوعي أو تقدم التحقق الكمي المحدود للغاية. ومن أوجه القصور الأخرى التي لوحظت في أدوات التقييم السابقة عدم النجاح في العوامل والبنود للامتثال لمبدأ البخل والافتقار التام إلى جداول التصنيف. هذا الوضع شائع في المجالات العلمية الجديدة وهو العملية الطبيعية التي تمر بها جميع مجالات الدراسة لتحقيق الأدوات المثلى للاستخدام على نطاق واسع.

في وقت إنشاء استبيان التقييم الذاتي لخبرات التعلم في الخدمة الجامعية (QaSLu) وهو أداة لتقييم جودة تجارب التعلم في الخدمة الجامعية من وجهة نظر أساتذة الجامعات، كانت الأدوات الأكثر شهرة التي حددت معايير ضمان جودة تجارب التعلم الجامعي هي التالية: كامبو (2015) 21 ، Europe Engage (2017) 22 ، GREM (2014) 23 ، RMC Research Corporation (2008) 24 ، Puig-Rovira ، Martín ، and Rubio-Serrano (2017) 25 ، و Rubio-Serrano و Puig-Rovira و Martín و Palos (2015) 26. في حين أن هناك الآن أدوات إضافية ، فإن أدوات القياس الحالية غالبا ما تفشل في التقاط نتائج التعلم الواسعة والدقيقة المرتبطة بهذه البرامج بشكل كاف ، خاصة فيما يتعلق بالنمو الشخصي طويل الأجل ، والتأثير المجتمعي ، حيث وجد أن بعضها عام بشكل مفرط أو لا يستند إلى أطر علمية صارمة9،27. تعيق هذه الفجوة في أدوات القياس الفهم الشامل وتحسين تأثير SL على كل من الطلاب والمجتمعات.

تتضمن الخطوة التالية في تطوير أبحاث SL تطوير أدوات قياس صارمة علميا. يجب تصميم هذه الأدوات ليس فقط لالتقاط النتائج الأكاديمية ولكن أيضا لتقييم الآثار الشخصية والاجتماعية التي يمكن أن تحدثها SL على الطلاب والمجتمعات التي يخدمونها. يهدف بحثنا إلى معالجة هذه الفجوة من خلال إنشاء أداة ترتكز على الدقة العلمية ، وتقديم تقييم أكثر شمولا لمشاريع SL وتوجيه تنفيذها في المستقبل.

بالإضافة إلى إنشاء الأداة ، سيتم التحقق من صحتها ، أولا من الناحية النوعية ثم الكمية. للتحقق الأولي ، سيتم استخدام طريقة دلفي المعدلة عبر الإنترنت28. يشير مصطلح "المعدل" إلى اقتراح كابيرو بقصر طريقة دلفي على جولتين من التشاور، وبالتالي تجنب التسرب بين أعضاء فريق الخبراء. تم تقديم مصطلح "عبر الإنترنت" بواسطة Cruz-Ramírez و Rúa-Vásquez29 لتسليط الضوء على أن المشاورات أجريت عبر البريد الإلكتروني ، حيث تساعد الإنترنت في التغلب على بعض القيود المتأصلة في دلفي التقليدية ، مثل التفكير الجماعي أو تأثير آراء الخبراء المهيمنة ، والتي يمكن أن تؤثر على اختيار البند30،31.

باستخدام طريقة دلفي المعدلة عبر الإنترنت ، سيتم تقييم نوعين من الصلاحية: صلاحية البناء ، باتباع العملية الموضحة في دراسة Bakieva et al.32 ، حيث يتم استشارة الخبراء حول ملاءمة كل عنصر ، وصلاحية المحتوى ، بناء على عمل Gil و Pascual-Ezama33 ، الذي يقيم وضوح كل عنصر من خلال استشارة الخبراء.

سيتم تزويد الخبراء بمقياس ليكرت يحتوي على أربعة خيارات استجابة (لا شيء ، قليل ، كثير جدا ، كثير). ويطلب من الخبراء، بعدم استحداث أي بدائل للرد الوسيط، اتخاذ موقف نهائي لصالح أو ضد كل بند34، مما ييسر عملية اتخاذ القرار بشأن الإبقاء على البنود الواردة في الاستبيان أو حذفها.

فيما يتعلق بالتحقق الكمي ، فإنه يستند إلى قانون البخل ، وهو مبدأ أساسي في العلم ينص على أنه بالنظر إلى مشكلة علمية ، في ظل ظروف متساوية ، فإن الحل الأقصر هو الأفضل35،36. لذلك ، فإن البحث عن أقصر أداة صالحة وأكثرها تحسينا يوفر نفس الضمانات العلمية ، كونها أكثر عملية وقابلة للتصدير وعامة للاستخدام اليومي في سياقات حقيقية دون التضحية بالموثوقية أو الصلاحية. سيتم استخدام تحليل العوامل التأكيدي (CFA)37 وتحليل العوامل الاستكشافية القوية غير المرجحة (RULS)38،39 كتقنيات تحليلية لتقليل العناصر غير الضرورية والتحقق من صحة الهيكل النهائي للأداة. وتستخدم مؤشرات الملاءمة والموثوقية كمؤشرات لصلاحية الهيكل الجديد بالنسبة للهيكل السابق، مع الأخذ بعين الاعتبار كمرجع للحفاظ على موثوقية وصلاحية الأداة المثلى أو تحسينها ضمن المستويات التي تضمن كفاية ومتانة الهيكل الجديد للاستبيان المخفض والمحسن.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمت الموافقة على هذا البروتوكول أخلاقيا في عام 2020 من قبل اللجنة الوطنية للبحوث العلمية والتكنولوجية في شيلي (CONICYT Fondecyt / Initiation) تحت رقم الموافقة: 11170623. قامت مجموعة من الخبراء الخارجيين بمراجعة العملية برمتها والتحقق من صحتها. وفقا لإعلانهلسنكي 40 ، طلب من المشاركين تقديم موافقة خطية مستنيرة للمشاركة في الدراسة ، وتم الإبلاغ بوضوح أنهم لن يشاركوا في أي حالة تجريبية.

1. تصميم المسودة الأولى ل QaSLu

  1. إجراء تحليل محتوى للعناصر من الأدوات الأساسية المعترف بها لتقييم تجارب SL. ولتحقيق ذلك، استعرضت البنود الواردة في الأدوات الدولية التي تحدد المعايير لضمان جودة تجارب SL، فضلا عن القواعد الأولية المعترف بها من قبل مجتمع خبراء SL.
    ملاحظة: نتيجة لهذه المراجعة ، تتناول QaSLu صراحة العدالة الاجتماعية ، وهو محور تركيز مميز لاتفاقية الاشتراك الأوروبية.
  2. تصنيف جميع العناصر بناء على المراحل المتضمنة في تصميم تجارب SL (1. التصميم ، 2. التنفيذ ، 3. التقييم) وتطبيق تجارب SL (أ. المرحلة الأولية ، ب. التخطيط ، ج. التنفيذ ، د. الإغلاق والنسخ المتماثل).
    ملاحظة: لضمان موثوقية التصنيف ، تم استخدام اتفاق مطلق بين المقيمين ، مع قبول فقط تلك التصنيفات التي اتفق عليها جميع المؤلفين.
  3. حدد البنود النهائية للمسودة الأولى للأداة لتقييم التعلم الخدمي الجامعي (USL).
    1. أولا ، قم بإزالة العناصر المكررة داخل كل فئة ، سواء في المراحل المتعلقة بتصميم وتطبيق تجارب SL.
    2. ثانيا، إزالة البنود غير ذات الصلة التي لا تتماشى مع أهداف الصك الجديد.
    3. أخيرا ، قم بإنشاء أو تكييف العناصر لتناسب السكان المستهدفين (أعضاء هيئة التدريس بالجامعة) وأهداف الدراسة (تقييم جودة تجارب SL).
      ملاحظة: تم تصميم QaSLu لتعلم الخدمة الجامعية. في حين أن معظم الأدوات قامت بتقييم جودة وقف الحياة على المستوى الجامعي، كان لا بد من إعادة صياغة بعض العناصر من الأدوات السابقة، وتم إنشاء عناصر جديدة لضمان تكييف QaSLu بشكل كامل مع سياق الجامعة.
  4. تصميم المسودة الأولى للاستبيان لتحقيق أهداف الدراسة.
    ملاحظة: تم إنشاء مسودة QaSLu باستخدام Microsoft Word لسهولة المشاركة والتعديل. في البداية ، كان يتألف من 54 عنصرا تمت الإجابة عليها عبر مقياس ليكرت مكون من 5 نقاط (أبدا ، نادرا ، أحيانا ، دائما تقريبا ، دائما). وقد صمم الاستبيان مع وضع عامل واحد أو هيكل مكون رئيسي في الاعتبار بحيث يمكن استخدام درجاته النهائية لمقارنة المستخدمين وفقا لخصائصهم عن طريق جداول تقدير موحدة.

2. اختيار مجموعة الخبراء لطريقة دلفي

  1. حدد عينة كبيرة من الخبراء في USL الذين يمكنهم تقييم الأداة المصممة مسبقا. في هذه العملية، وضع معايير التضمين الأساسية: 1. خبرة لا تقل عن أربع سنوات في البحث وتصميم/تنفيذ تجارب USL. 2. العضوية في هيئة أكاديمية جامعية. و 3. أن تكون مرشحا للدكتوراه أو حاصلا على درجة الدكتوراه.
    ملاحظة: بناء على معايير التضمين، تم إنشاء قائمة تضم 20 خبيرا يمكنهم لعب دور بارز في مجتمع USL.
  2. أرسل بريدا إلكترونيا إلى جميع الخبراء المختارين في الخطوة 2.1 ، موضحا أهداف البحث ، ومراحل طريقة دلفي ، والجداول الزمنية المتوقعة ، ومعايير التضمين ، واسأل عن توافرهم واستعدادهم للمشاركة في عملية التحقق ، إلى جانب قبولهم للموافقة المستنيرة الكتابية.
    ملاحظة: وافق جميع الخبراء على المشاركة.
  3. قم بتكوين مجموعة الخبراء النهائية لتقييم الأداة النهائية لتقييم USL. وضع معايير الإدراج الجديدة بناء على خصائص الخبراء الذين وافقوا على المشاركة. يهدف التكوين النهائي لفريق الخبراء إلى: 1. التنوع الأكاديمي والمهني ، أي التمثيل من مختلف الطبقات الأكاديمية. 2. التنوع الجغرافي في المواقع التي أجريت فيها تجارب SL ؛ و 3. التنوع بين الجنسين.
    ملاحظة: التزم ستة عشر خبيرا في USL بالعملية بأكملها وأكملوا العملية. تألف فريق الخبراء النهائي من 75٪ من النساء و 25٪ من الرجال.

3. التحقق النوعي من استبيان QaSLu عبر طريقة دلفي المعدلة عبر الإنترنت

  1. أرسل بريدا إلكترونيا إلى كل عضو في فريق الخبراء يحتوي على نموذج لتقييم بنود المسودة الأولى للصك لتقييم USL، إلى جانب التعليمات ذات الصلة (الجولة 1 من طريقة دلفي).
    ملاحظة: يقوم الخبراء بتقييم مدى ملاءمة (صلاحية البناء) والوضوح (صلاحية المحتوى) لكل عنصر باستخدام مقياس ليكرت المكون من 4 نقاط ، حيث يمثل 1 "غير ذي صلة أو غير واضح" و 4 يمثل "وثيق الصلة أو واضح جدا". بجانب كل عنصر ، يوجد مربع واحد لتقييم الملاءمة وآخر للوضوح - حيث يجب على الخبراء تقييم كل عنصر على مقياس من 1 إلى 4. أسفل هذه المربعات ، يسمح لهم قسم آخر بشرح تقييمهم نوعيا واقتراح مراجعات محتملة للبنود (انظر مسودة عينة من الاستبيان المقدم كملف تكميلي 1). وبعدم إدراج أي خيارات للرد الوسيط، اضطر الخبراء إلى اتخاذ موقف نهائي ييسر عملية اتخاذ القرارات فيما يتعلق بالاحتفاظ بالبنود أو إزالتها في الاستبيان.
  2. اجمع الردود من الخبراء للجولة 1 من استشارة دلفي في ملف واحد.
    ملاحظة: تم منح الخبراء أسبوعين لاستكمال تقييم مدى ملاءمة (صلاحية البناء) والوضوح (صلاحية المحتوى) للعناصر ال 54 في القالب.
  3. احسب معامل كيندال لتحديد مستوى الاتفاق بين إجابات الخبراء فيما يتعلق بالملاءمة والوضوح.
    1. قم أولا بالوصول إلى القائمة تحليل > الاختبارات غير المعلمية > مربعات الحوار القديمة > K العينات ذات الصلة (انظر الشكل 1). حدد جميع الردود من الخبراء فيما يتعلق بالملاءمة والوضوح. افعل ذلك بشكل منفصل ، أولا الصلة ثم الوضوح.
    2. نقل العناصر إلى مربع قائمة متغيرات الاختبار . في قسم نوع الاختبار ، حدد خيار Kendall's W . أخيرا ، انقر فوق "موافق " لتشغيل التحليل والحصول على النتائج المقابلة.
      ملاحظة: كشف تحليل التوافق أن هناك اتفاقا ذا دلالة إحصائية بين الخبراء الذين تم استجوابهم حول الملاءمة (صلاحية البناء) والوضوح (صلاحية المحتوى).
  4. تقييم صلاحية البناء (الملاءمة) وصحة المحتوى (الوضوح).
    1. إجراء تحليل وصفي باستخدام حزمة البرامج الإحصائية 1. أولا، حدد القائمة تحليل > الإحصائيات الوصفية > الترددات، وفي مربع الحوار الترددات ، حدد درجات الصلة لجميع عناصر الأداة وأضفها إلى مربع المتغيرات (المتغيرات) بالنقر فوق رمز السهم.
    2. ثم انقر فوق أيقونة الإحصائيات، وحدد النسبة المئوية (النسبة المئوية) مربع ، وأضف النسب المئوية 25 و 50 و 75 إلى مربع الحوار الترددات: إحصائيات ، ثم انقر فوق متابعة للعودة إلى مربع الحوار الترددات.
    3. أخيرا ، انقر فوق موافق رمز لإنشاء النسب المئوية المطلوبة لكل عنصر (انظر الشكل 2). بعد الإخراج ، انتقل إلى تحليل > الإحصائيات الوصفية > وصفي ، وفي مربع الحوار الوصفيات ، حدد درجات الوضوح لجميع عناصر الأداة وأضفها إلى مربع المتغيرات (المتغيرات) بالنقر فوق رمز السهم (انظر الشكل 3). أخيرا ، انقر فوق "موافق " لإنشاء النتائج.
  5. قم بإزالة أي عناصر يعتبرها 75٪ من الخبراء غير ذات صلة إلى حد كبير وإعادة صياغة العناصر التي تم تصنيفها على أنها ذات صلة عالية ولكنها غير واضحة.
    ملاحظة: بعد الجولة الأولى من المشاورات، تمت إزالة 10 بنود من المسودة الأولية لنظام السلطة: البنود 4 و 5 و 9 و 16 و 27 و 45 و 51 و 52 و 53 و 54. بالإضافة إلى ذلك، تمت إعادة صياغة 16 بندا من المسودة الأولى لقانون السلطة: البنود 1 و2 و10 و13 و14 و15 و23 و30 و31 و33 و37 و41 و42 و43 و48 و49. واستندت إعادة الصياغة أو إعادة الصياغة إلى اقتراحات الخبراء.
  6. إعداد تقرير نتائج للجولة 1 من المشاورة يتضمن ما يلي: 1. النتيجة المتعلقة بمستوى الاتفاق على الملاءمة أو صلاحية البناء (معامل كيندال) ؛ 2. معايير صنع القرار المحددة؛ 3. عدد العناصر التي تم التحقق من صحتها. 4. عدد العناصر التي تمت إزالتها. 5- عدد البنود المعاد صياغتها التي لا تزال قيد الاستعراض؛ و 6. النسخة المعدلة من أداة تقييم USL.
    ملاحظة: كان الغرض من إعداد هذا التقرير هو إبلاغ فريق الخبراء دون إغراقهم بالبيانات المفرطة ودون التأثير على تقييماتهم المستقبلية.
  7. أرسل بريدا إلكترونيا إلى كل عضو في فريق الخبراء يحتوي على تقرير عن نتائج الجولة 1 من المشاورة، مع نموذج لتقييم البنود المعاد صياغتها في النسخة المعدلة من أداة تقييم USL، مع تعليمات محددة (الجولة 2 من طريقة دلفي).
    ملاحظة: يقوم الخبراء بتقييم الوضوح (صلاحية المحتوى) لكل بند معاد صياغته باستخدام مقياس ليكرت المكون من 4 نقاط، حيث يمثل الرقم 1 "غير ذي صلة أو غير واضح" ويمثل الرقم 4 "وثيق الصلة أو واضح جدا". يوجد بجانب كل بند مربع لوضوح التصنيف برقم من 1 إلى 4 ، متبوعا بقسم آخر حيث يمكنهم شرح تقييمهم نوعيا واقتراح المزيد من المراجعات الممكنة للبند (انظر مسودة عينة من الاستبيان المقدمة كملف تكميلي 2). من خلال عدم تقديم أي خيارات استجابة وسيطة ، اضطر الخبراء إلى اتخاذ موقف نهائي ، إما لصالح أو ضد البنود. وقد سهل ذلك عملية اتخاذ القرارات المتعلقة بإدراج أو استبعاد بنود من الاستبيان.
  8. قم بتجميع ردود الخبراء في الجولة 2 من مشاورة دلفي في ملف واحد.
    ملاحظة: تم منح الخبراء مرة أخرى أسبوعين لاستكمال تقييمهم لوضوح (صلاحية المحتوى) للعناصر ال 16 في القالب.
  9. كرر الخطوات الواردة في 3.3، ولكن هذه المرة حدد فقط درجات الوضوح للعناصر المعاد صياغتها في الأداة وقم بدمجها في مربع المتغيرات .
  10. كرر الخطوات الواردة في 3.4 ، مع إزالة جميع العناصر التي تم تصنيفها على أنها واضحة للغاية من قبل 75٪ من الخبراء.
    ملاحظة: بعد الجولة الثانية من المشاورات، حذفت البنود التالية: البنود 1 و23 و31 و41.
  11. قم بتضمين العديد من عناصر الرقابة بهدف تقييم الاتساق الداخلي في المستقبل (يوصى بتضمين عنصر تحكم واحد تقريبا لكل 10 عناصر).
    ملاحظة: تمت إضافة أربعة عناصر تحكم إلى هذا الإصدار من الأداة.
  12. إعداد تقرير النتائج للجولة 2 من الاستشارة ، والذي يتضمن ما يلي: 1. النتيجة المتعلقة بمستوى الاتفاق على الوضوح أو صلاحية المحتوى (معامل كيندال) ؛ 2. معايير صنع القرار المحددة؛ 3. عدد العناصر التي تم التحقق من صحتها. 4. عدد العناصر التي تم التخلص منها. 5. عدد العناصر المدرجة كعناصر رقابة ؛ و 6. النسخة المعدلة من QaSLu-45 (41 عنصرا تم التحقق من صحتها + 4 عناصر تحكم).
    ملاحظة: تمت صياغة النسخة النهائية من الاستبيان على النحو التالي: 1) الغرض من الاستبيان والموافقة الخطية المستنيرة والتعليمات؛ 2) المنظمة أو المؤسسة والجنس والعمر ومستوى التعليم وسنوات الخبرة المهنية في تعلم خدمة المستجيب (لا تسمح هذه المعلومات بتحديد هوية المشاركين) ؛ 3) بيانات عن تجربة التعلم الخدمية. 4) 45 بندا للتقييم الذاتي لخبرات التعلم الخدمي ؛ و 5) التقدير للمشاركة (يتم توفير مسودة عينة من الاستبيان كملف تكميلي 3).
  13. إرسال تقرير نتائج الجولة الثانية من المشاورات إلى فريق الخبراء ، والذي يحتوي على النسخة النهائية من الاستبيان المصمم (QaSLu-45) ، وشكرهم على مشاركتهم في طريقة دلفي المعدلة عبر الإنترنت.

figure-protocol-1
الشكل 1: حساب معامل كيندال في حزمة البرامج الإحصائية 1. (1) انقر فوق أيقونة K ذات الصلة بالعينات ؛ (2) حدد كيندال دبليو ؛ (3) انقر فوق أيقونة موافق. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-2
الشكل 2: استخراج النسب المئوية في حزمة البرامج الإحصائية 1. (1) انقر فوق أيقونة الترددات ؛ (2) انقر فوق أيقونة الإحصائيات. (3) في مربع الحوار الترددات: إحصائيات، أضف النسب المئوية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-3
الشكل 3: استخراج الوصفات في حزمة البرامج الإحصائية 1. (1) انقر فوق الرمز الوصفي ؛ (2) أضف المتغير(المتغيرات) ؛ (3) انقر فوق أيقونة موافق.

4. تكييف الاستبيان مع المواصفات عبر الإنترنت لخادم آمن

  1. انتقل إلى الصفحة الرئيسية لمنصة البرنامج كخدمة (SaaS) مع خادم خاص (انظر جدول المواد) كمستخدم مسجل. يجب إكمال هذا التسجيل مسبقا من خلال تقديم البيانات الشخصية. بمجرد التسجيل، حدد إنشاء الاستطلاع الخاص بك من البداية (انظر الشكل 4).
  2. قم بإنشاء الصفحة الأولى ، والتي يجب أن تتضمن القبول الإلزامي والموافقة المستنيرة للمتابعة.
  3. قم بإنشاء الصفحة الثانية مع أسئلة إسناد المشاركين ، والتي سيتم استخدامها في البحث كمتغيرات متداخلة أو تحكم في البحث.
    ملاحظة: تتضمن هذه الدراسة تحليل ثلاثة متغيرات كمية منفصلة وخمسة متغيرات فئوية اسمية. فيما يلي الوصف التشغيلي لهذه المتغيرات الثمانية المدرجة في الدراسة:
    الجنس: متغير اسمي ومنسوب وثنائي التفرع بمستويين (ذكر / أنثى).
    العمر: متغير كمي منفصل يحدد عمر المشارك في الدراسة.
    تجربة USL: متغير كمي منفصل يقيس تجربة التعلم الخدمية للمشارك. يبدأ المقياس من 0 ، وهو ما يمثل أقل من عام واحد من الخبرة في التعلم الخدمي (وهو ما لا يعادل "عدم وجود خبرة") ، مع عدم وجود حد أعلى.
    المستوى الأكاديمي: متغير اسمي ثنائي التفرع بمستويين (دكتوراه / غير دكتوراه) ، مما يعكس ما إذا كان المشارك حاصلا على درجة الدكتوراه المهنية.
    المنظمة المتعاونة لنشاط USL: متغير اسمي من خمسة مستويات (المراكز الاجتماعية ، المنظمات غير الحكومية ، المؤسسات ، المدارس ، التحالفات مع مؤسسات التعليم العالي أو الجامعات ، الإدارات العامة الحكومية ، المراكز العليا ، والمراكز الصحية الأخرى). يحدد هذا المتغير نوع المنظمة أو المؤسسة التي يتعاون معها المشارك في تجربة تعلم الخدمة.
    المجموعة المستهدفة من نشاط USL: متغير اسمي من خمسة مستويات (المجموعات ذات الإعاقة ، الطلاب ، الأقليات العرقية ، الأفراد المسنين ، الفئات المحرومة المعرضة للخطر الاجتماعي). يحدد هذا المتغير مجموعة المستفيدين الأساسيين من نشاط تعلم الخدمة.
    طريقة التدخل لنشاط USL: متغير اسمي ثنائي التفرع (حصريا لتعلم الخدمة وجها لوجه / يشمل الأنشطة عبر الإنترنت كليا أو جزئيا). يشير هذا المتغير إلى ما إذا كان نشاط تعلم الخدمة يتضمن مكونا عبر الإنترنت.
  4. قم بإنشاء عدة صفحات للاستبيان المصمم مسبقا ، بما في ذلك الأسئلة والإجابات المحتملة ، من خلال منصة SaaS مع خادم خاص.
  5. بعد إنشاء الاستبيان وحفظه (انظر الاستبيان النهائي في الملف التكميلي 2)، ارجع إلى القائمة الرئيسية للمنصة، وحدد الاستبيان، وانقر على أيقونة فتح > إغلاق الاستبيان العام لإتاحته للمشاركين. بعد ذلك ، انقر فوق أيقونة الحصول على رابط إلى الاستطلاع ، واختر من بين عدة خيارات للوصول إلى المشاركين (على سبيل المثال ، رابط مضمن في بريد إلكتروني أو على موقع ويب ، أو iframe على موقع ويب ، أو نافذة منبثقة على موقع ويب ، أو رابط مقدم لأجهزة كمبيوتر مركز الاتصال ، انظر الشكل 5).
    ملاحظة: تمت صياغة النسخة النهائية من الاستبيان على النحو التالي: 1) الغرض من الاستبيان والموافقة الخطية المستنيرة والتعليمات؛ 2) تفاصيل المشاركين (المؤسسة أو المنظمة ، العمر ، الجنس ، المستوى التعليمي ، سنوات الخبرة المهنية في التعلم الخدمي). تضمن هذه المعلومات عدم الكشف عن هوية المشاركين. 3) بيانات عن تجربة التعلم الخدمية. 4) 45 بندا للتقييم الذاتي لخبرات التعلم الخدمي ؛ و 5) قسم يعبر عن الامتنان للمشاركة.

figure-protocol-4
الشكل 4: إنشاء الاستبيان من البداية. (1) انقر فوق أيقونة استطلاع جديد ؛ (2) حدد إنشاء الاستطلاع الخاص بك من البداية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-5
الشكل 5: تصميم الاستبيان. (1) تحرير الاستبيان. (2) إضافة وتكوين الصفحات والأسئلة؛ (3-5) تطوير الصفحات والأسئلة والأجوبة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

5. طريقة أخذ العينات

  1. مراجعة جميع وقائع المؤتمرات التي نظمتها الشبكة الإسبانية للتعليم في الخدمة الجامعية على مدار السنوات الثلاث الماضية. قم بتجميع قائمة بالمؤلفين الذين عملوا على تعلم الخدمة في السنوات الأخيرة وجمع عناوين بريدهم الإلكتروني.
    ملاحظة: كانت العينات عرضية وانتهازية.
  2. أرسل بريدا إلكترونيا إلى جميع المؤلفين لدعوتهم للمشاركة في الدراسة. أعد إرسال البريد الإلكتروني بعد أسبوع وأسبوعين.
    ملاحظة: شجع البريد الإلكتروني المستلمين على إعادة توجيهه إلى جهات الاتصال التي قد تكون مهتمة بالمشاركة. وهكذا ، تم استكمال طريقة أخذ العينات العرضية بتقنية أخذ عينات كرة الثلج.
  3. قم بالوصول إلى الصفحة الرئيسية لمنصة SaaS كمستخدم مسجل ، وحدد الاستبيان الذي تم إنشاؤه ، وانقر فوق النتائج. في القائمة المنبثقة، انقر فوق رمز الاستبيان للوصول مباشرة إلى الاستبيانات المكتملة. تخلص من أي استجابات غير مكتملة أو خاطئة من خلال منصة SaaS (انظر الشكل 6).
  4. بمجرد وصول الاستبيانات إلى الحد الأدنى المطلوب لعدد المشاركين (>100) ، بعد استبعاد الردود غير المكتملة ، انتقل إلى الصفحة الرئيسية لمنصة SaaS كمستخدم مسجل ، وحدد الاستبيان ، وانقر على أيقونة فتح / إغلاق الاستبيان العام لإغلاق الاستبيان ومنع أي مشاركة أخرى (انظر الخطوة 1 في الشكل 5 مرة أخرى).
    ملاحظة: شارك ما مجموعه 118 معلما من 43 مؤسسة للتعليم العالي، 67.80 في المائة منهم من النساء و 32.20 في المائة من الرجال. كان متوسط العمر 46.16 عاما (SD = 9.60) ، وتتراوح الأعمار من 24 إلى 65 عاما. وفيما يتعلق بالمؤهلات الأكاديمية، فإن الغالبية العظمى (76.3٪) حاصلة على درجة الدكتوراه، في حين أن الباقين حاصلين على درجة البكالوريوس على الأقل. وفيما يتعلق بالخبرة في مجال التعلم الخدمي، كان المتوسط 6.69 سنة (SD = 5.39 سنة)، وأدنى مستوى مسجل في نصف عام وأعلى مستوى عند 34 عاما. وشملت المؤسسات التي تعاونت معها جامعات المشاركين المراكز التعليمية (بما في ذلك الجامعات الأخرى) والمراكز الاجتماعية ومراكز كبار السن والمراكز الصحية والمنظمات غير الحكومية والمؤسسات والهيئات الحكومية مثل مجالس البلدية والمجالس. وشكلت شراكات بين الخدمات والتعلم مع نوعين من المؤسسات: مراكز التعليم الرسمي التي تشكل 50.85٪ من العينة، ومراكز التعليم غير النظامي، التي تضم نسبة 49.15٪ المتبقية. وفيما يتعلق بطريقة تجارب التعلم الخدمي، كانت نسبة 64.41٪ وجها لوجه، في حين أن 35.59٪ كانت تتضمن شكلا من أشكال النشاط الافتراضي.

figure-protocol-6
الشكل 6: الحصول على رابط للاستطلاع. (1) فتح الاستبيان. (2) انقر فوق أيقونة الحصول على رابط إلى الاستطلاع ؛ (3) حدد الطريقة المطلوبة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

6. التحقق الكمي من الاستبيان عن طريق تحليل العوامل

  1. انتقل إلى الصفحة الرئيسية لمنصة SaaS كمستخدم مسجل ، وحدد الاستطلاع الذي تم إنشاؤه ، وانقر على أيقونة النتائج . في القائمة المنبثقة ، انقر فوق تصدير وحدد خيارات التقرير التفصيلية (تنسيق جدول البيانات المتقدم) ، في النص ، مع امتداد قيم مفصولة بفواصل (.csv) (انظر الشكل 7). بمجرد أن يكمل المشاركون الاستبيانات ، قم بتصدير البيانات إلى حساب بريد إلكتروني بتنسيق .csv ، مما يضمن تخزينها في مكان آمن وخاص ومحمي.
  2. افتح حزمة البرامج الإحصائية 1 (راجع جدول المواد) وحدد قائمة الملفات > استيراد البيانات > بيانات CSV. اختر ملف .csv المحفوظ مسبقا. تعمل هذه العملية على تحويل البيانات المجهولة إلى تنسيق التحليل المطلوب لحزمة البرامج الإحصائية 1 (انظر الشكل 8).
  3. حدد المتغيرات المراد تحليلها إحصائيا (الجنس ، العمر ، المؤهل التعليمي ، المنظمة المتعاونة لنشاط USL ، المجموعة المستهدفة لنشاط USL ، طريقة التدخل لنشاط USL ، و 45 عنصرا من QaSLu) ، وقم بإزالة أي بيانات غير ذات صلة تم استيرادها من خلال ملف .sav الذي تم إنشاؤه بواسطة حزمة البرامج الإحصائية 1.
  4. تقييم الاتساق الداخلي لاستبيان QaSLu-45 باستخدام ألفا كرونباخ مع حزمة البرامج الإحصائية 1. للقيام بذلك، حدد قائمة التحليل > المقياس > تحليل الموثوقية، وانقل كافة المتغيرات ذات الصلة إلى مربع الحوار تحليل الموثوقية . أخيرا ، انقر فوق OK زر لإنشاء الإخراج المطلوب (انظر الشكل 9).
    ملاحظة: أظهر الاستبيان موثوقية عالية واتساق داخلي ، كما تم قياسه بواسطة ألفا كرونباخ (α = 0.917).
  5. إجراء تحليل العوامل الاستكشافية باستخدام حزمة البرامج الإحصائية 1.
    1. لإجراء هذا التحليل، حدد تحليل القائمة > عامل تقليل الأبعاد >. في مربع حوار تحليل العوامل ، حدد جميع العناصر من الاستبيان ، ثم انقر فوق الوصف وحدد الوصف أحادي المتغير و KMO و Bartlett's اختبار الكروية.
    2. انقر فوق متابعة للعودة إلى القائمة الرئيسية لمربع حوار تحليل العوامل . بعد ذلك ، انقر فوق الاستخراج وحدد المكونات الرئيسية كطريقة الاستخراج.
    3. تحقق من خيارات حل العامل غير المستدير و Scree Plot ، ثم انقر فوق متابعة مرة أخرى للعودة إلى القائمة الرئيسية لمربع حوار تحليل العوامل . أخيرا ، انقر فوق أيقونة موافق لإنشاء الإخراج (انظر الشكل 10).
      ملاحظة: تؤكد أهمية اختبار بارتليت للكروية (χ2 = 2689.72 ؛ ص = 0.00) واختبار كفاية أخذ العينات Kaiser-Meyer-Olkin (KMO) (KMO = 0.793) مدى ملاءمة هذا التحليل العاملي بسبب التصميم القوي للعناصر وأخذ العينات للتحقق من صحة QaSLu-45. كشفت نتائج تحليل المكون الرئيسي عن 13 مكونا ذات قيم ذاتية أكبر من 1.0 ، مما يفسر 69.95٪ من التباين الكلي. ومع ذلك ، فإن مخطط الحرف (انظر الشكل 11) يوضح أن المكون الأول له أهمية غير متناسبة بحيث تصبح أهمية المكونات المتبقية ضئيلة. لذلك ، يوصى بتقليل QaSLu-45 إلى مكون واحد ، وبالتالي الحصول على درجة نهائية فريدة ل QaSLu-45 المصمم.
  6. تحويل ملف نتائج الاستبيان، باستثناء متغيرات السمة، إلى تنسيق ASCII الثابت (dat)، المتوافق مع حزمة البرامج الإحصائية 2 (انظر جدول المواد).
    1. قم أولا بإزالة جميع متغيرات السمات ، مع ترك عناصر الاستبيان فقط كمتغيرات في حزمة البرامج الإحصائية 1. ثم حدد قائمة الملف > تصدير البيانات > نص ثابت (انظر الشكل 12).
    2. احفظ الملف في مكان آمن باسم يمكن التعرف عليه. تقوم هذه العملية بتحويل البيانات المجهولة إلى التنسيق المطلوب للتحليل في حزمة البرامج الإحصائية 2.
  7. إجراء تحليل العوامل التأكيدي (CFA) باستخدام حزمة البرامج الإحصائية 2 لتحديد مدى ملاءمة النموذج المكون من عامل واحد للاستبيان.
    1. لإجراء هذا التحليل، حدد قراءة البيانات، ثم في مربع الحوار عينة، انقر فوق استعراض وحدد ملف ASCII الذي تم إنشاؤه مسبقا. سيتم عرض عدد المشاركين والمتغيرات باللون الأخضر في قسم حجم مصفوفات البيانات .
    2. بعد ذلك ، انقر فوق أيقونة فتح مجموعة بيانات المجموعة الواحدة وارجع إلى القائمة الرئيسية لحزمة البرامج الإحصائية 2. في القائمة الرئيسية، انقر فوق تكوين التحليل. في قائمة الحوار ، تحقق من تحليل العوامل التأكيدية وانقر فوق الزر "تأكيد ".
    3. في نافذة CFA: تكوين تحليل العوامل ، اقبل الإعدادات الافتراضية وانقر فوق تأكيد للعودة إلى القائمة الرئيسية. أخيرا ، ستظهر رسالة "تحليل العامل التأكيدي جاهز" في القائمة الرئيسية ؛ ثم انقر فوق الزر "حساب " (انظر الشكل 13) وانتظر النتائج.
      ملاحظة: أظهرت عناصر QaSLu-45 ملاءمة قوية ممتازة وفقا لتقييم مقاييس ملاءمة نموذج CFA. وفقا لمعيار كيلي المقترح ، كان مؤشر الملاءمة المقارن لعناصر QaSLu-45 >0.95 (CFI = 0.973) نظرا لأن الحد الأدنى والحد الأقصى للفرق في CFA / درجات الحرية كان بين 1 و 3 (CMIN / DF = 1.053) ، وكان جذر متوسط الخطأ التربيعي للتقريب <0.06 (RMSEA = 0.042) ، وكان متوسط الجذر المرجح المتبقي <1.0 (WRMR = 0.0978).

figure-protocol-7
الشكل 7: تصدير البيانات لاستخدامها في حزم البرامج الإحصائية 1 و 2. (1) انقر فوق أيقونة النتائج . (2) انقر فوق أيقونة الاستبيانات ؛ (3) حدد النص و CSV في الخيار التفصيلي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-8
الشكل 8: استيراد البيانات إلى حزمة البرامج الإحصائية 1. حدد قائمة الملفات > استيراد البيانات > بيانات CSV. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-9
الشكل 9: تقييم الاتساق الداخلي للاستبيان. حدد تحليل القائمة > المقياس > تحليل الموثوقية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-10
الشكل 10: إجراء تحليل العوامل الاستكشافية باستخدام حزمة البرامج الإحصائية 1. (1) انقر فوق أيقونة العوامل ؛ (2) انقر فوق أيقونة الوصف. (3) حدد اختبار KMO و Bartlett للكروية في الخيار التفصيلي ؛ (4) انقر فوق أيقونة الاستخراج ؛ (5) حدد مؤامرة Scree في الخيار التفصيلي ؛ (6) انقر فوق أيقونة موافق . الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-11
الشكل 11: الرسم البياني للرواسب لتحليل عامل المكون الرئيسي في النسخة الأولية من 45 بندا. لاحظ كيف يبرز المكون رقم 1 ، وفقا لتحليل العوامل الاستكشافية ، بشكل كبير فيما يتعلق بالباقي ، مما يسلط الضوء على أن أهميته أكبر بكثير من أهمية بقية المكونات مجتمعة ، مما يتحقق من أن هيكل العامل الفردي هو الأنسب للاستبيان. أعيد نشر هذا الجدول من López-de-Arana Prado et al.9. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-12
الشكل 12: تحويل ملف النتائج إلى تنسيق ASCII بتنسيق ثابت. (1) انقر فوق أيقونة النص الثابت ؛ (2) حدد ASCII ثابت في قائمة حفظ كنوع ؛ (3) انقر فوق أيقونة حفظ . الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-protocol-13
الشكل 13: إجراء تحليل العوامل التأكيدية باستخدام حزمة البرامج الإحصائية 2. (1) انقر فوق أيقونة قراءة البيانات ؛ (2) حدد ملف ASCII في قائمة العينة ؛ (3) انقر فوق أيقونة فتح مجموعة بيانات المجموعة الواحدة ؛ (4) انقر فوق أيقونة تكوين التحليل ؛ (5) حدد تحليل العوامل التأكيدية في الخيار التفصيلي ؛ (6) انقر فوق أيقونة موافق ؛ (7) انقر فوق أيقونة الحساب . الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

7. تحسين الاستبيان لمكون رئيسي واحد ، وتقليل العناصر الزائدة وفقا لمبدأ البخل

  1. تحديد العناصر المراد إزالتها في الإصدار المحسن من الاستبيان التي لها علاقة عكسية مع المكون الرئيسي.
    1. مراجعة مصفوفة المكونات التي تم الحصول عليها في الخطوة 6.5 باستخدام حزمة البرامج الإحصائية 1 لتحديد العناصر التي تظهر علاقة عكسية مع العامل الرئيسي. استبعاد هذه العناصر من النسخة المخفضة والمحسنة من الاستبيان لعامل واحد.
      ملاحظة: استنادا إلى مصفوفة الدرجات لكل عنصر للمكون الرئيسي ، تم تجاهل البنود 6 و 16 و 28 و 35 من التكوين النهائي لأنها أظهرت علاقة عكسية مع المكون الرئيسي. وبما أن الاستبيان يقدم درجة نهائية واحدة، ينبغي حذف البنود العكسية، لأنها تخفي الاختلافات الحقيقية بين مستخدمي الاستبيان.
  2. قم بإجراء تحليل عامل استكشافي قوي للمربعات الصغرى غير المرجحة (RULS) باستخدام حزمة البرامج الإحصائية 2.
    1. لإجراء هذا التحليل ، حدد قراءة البيانات ، ثم في مربع الحوار عينة ، انقر فوق استعراض وحدد ملف ASCII الذي تم إنشاؤه مسبقا. سيتم عرض عدد المشاركين والمتغيرات باللون الأخضر في قسم حجم مصفوفات البيانات .
    2. بعد ذلك ، انقر فوق أيقونة فتح مجموعة بيانات المجموعة الواحدة وارجع إلى القائمة الرئيسية لحزمة البرامج الإحصائية 2. في القائمة الرئيسية، انقر فوق تكوين التحليل. في قائمة الحوار ، حدد تحليل العوامل الاستكشافية وانقر فوق الزر تأكيد .
    3. في قائمة تكوين تحليل العوامل الاستكشافية ، حدد العناصر ذات العلاقة العكسية للمكون الرئيسي وفقا لتحليل العامل الاستكشافي الذي تم إجراؤه باستخدام حزمة البرامج الإحصائية 1 وانقلها إلى المربع الذي يحتوي على مربع المتغيرات المستبعدة.
    4. ثم تحقق من خيارات مصفوفة ارتباط بيرسون والتحليل المتوازي ، وقم بتغيير عدد العوامل / المكونات إلى 1 ، وحدد تحليل العامل القوي (انظر الشكل 14). أخيرا ، انقر فوق الزر "تأكيد" للعودة إلى القائمة الرئيسية ثم انقر فوق حساب لإنشاء النتائج.
  3. تحديد العناصر المراد إزالتها من النسخة المحسنة من الاستبيان التي تحتوي على مقياس كفاية أخذ العينات (MSA) أقل من 0.49 MSA. للقيام بذلك ، راجع النتائج التي تم الحصول عليها من تحليل العوامل الاستكشافية RULS باستخدام حزمة البرامج الإحصائية 2 ، وتحديدا مؤشرات موقع الصنف وكفاية الصنف.
    ملاحظة: يقترح تحليل العامل الاستكشافي RULS التخلص من 14 عنصرا لتكييف التصميم مع مكون رئيسي واحد: 1 و 4 و 7 و 8 و 9 و 11 و 18 و 20 و 23 و 25 و 31 و 38 و 41 و 42. ينتج عن هذا تكوين نهائي من 27 عنصرا ، محسنا لمكون رئيسي واحد ، مع متانة نفسية عالية مرتبطة. كان هذا الإصدار يسمى QaSLu-27 (يتم تقديم مسودة عينة من الاستبيان كملف تكميلي 4).

figure-protocol-14
الشكل 14: أداء المربعات الصغرى القوية غير المرجحة باستخدام حزمة البرامج الإحصائية 2. (1) انقر فوق أيقونة قراءة البيانات ؛ (2) حدد ملف ASCII في قائمة العينة ؛ (3) انقر فوق أيقونة فتح مجموعة بيانات المجموعة الواحدة ؛ (4) انقر فوق أيقونة تكوين التحليل ؛ (5) حدد تحليل العامل الاستكشافي في الخيار التفصيلي ؛ (6) تحقق من خيارات مصفوفة ارتباط بيرسون والتحليل المتوازي ؛ (7) تغيير عدد العوامل / المكونات إلى 1 ؛ (8) تحقق من تحليل العامل القوي في الخيارات ؛ (9) انقر فوق الزر "تأكيد " ؛ (10) انقر فوق أيقونة الحساب . الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

8. مراجعة مدى كفاية الخصائص السيكومترية ل QaSLu-27 فيما يتعلق ب QaSLu-45.

  1. أعد تطبيق الخطوة 6.4، مع استبعاد أي عناصر ليست جزءا من النسخة المحسنة من الاستبيان من التحليل.
  2. أعد تطبيق الخطوة 6.5، مع استبعاد أي عناصر ليست جزءا من النسخة المحسنة من الاستبيان من التحليل.
  3. أعد تطبيق الخطوة 6.7، مع استبعاد أي بنود ليست جزءا من النسخة المحسنة من الاستبيان من التحليل.
  4. قارن مدى كفاية الخصائص السيكومترية للنسخة المحسنة من الاستبيان بالنسخة الأصلية في شكل جدول.
    ملاحظة: لوحظ تحسن كبير في اختبار كفاية أخذ العينات KMO (KMO = 0.863) واختبار كروية بارتليت (χ2 = 1447.76 ؛ ص = 0.000). كشف تحليل عامل المكون الرئيسي مع QaSLu-27 عن سبعة مكونات بقيم ذاتية > 1.0 ، وهو ما يمثل 65.59٪ من إجمالي التباين. أظهرت إحصائيات الملاءمة القوية ، التي تم تحديدها باستخدام CFA ، نتائج محسنة بشكل طفيف ، وزادت الموثوقية التي تم قياسها بواسطة ألفا كرونباخ (α = 0.92) ، على الرغم من احتواء QaSLu-27 على 27 عنصرا فقط بدلا من 45. تدعم هذه النتائج الاستنتاج القائل بأن صلاحية ومتانة التكوين النهائي أعلى بكثير من تلك الموجودة في الإصدار المكون من 45 بندا.

9. تطوير مقاييس التصنيف

  1. قم بإنشاء متغير جديد عن طريق جمع درجات جميع العناصر في الإصدار المحسن من الاستبيان.
    1. حدد قائمة التحويل > حساب المتغير، وقم بتسمية المتغير الجديد باسم SUM27 في مربع الحوار حساب المتغير .
    2. حدد الدالة Sum وأكمل التعبير الرقمي، بما في ذلك العناصر من الإصدار المحسن من الاستبيان. أخيرا ، انقر فوق موافق رمز لإنشاء المتغير الجديد SUM27 (انظر الشكل 15).
  2. احسب النسب المئوية المختلفة للنتيجة النهائية من الإصدار المحسن من الاستبيان.
    1. حدد تحليل القائمة > الإحصائيات الوصفية > الترددات، وفي مربع الحوار الترددات ، حدد المتغير SUM27 وانقله إلى مربع المتغيرات (المتغيرات) بالنقر فوق رمز السهم.
    2. ثم انقر فوق أيقونة الإحصائيات ، وحدد النسبة المئوية (النسبة المئوية)، وأضف النسب المئوية التالية: 1 و5 و15 و25 و35 و45 و55 و65 و75 و85 و95 و99. انقر فوق أيقونة المتابعة للعودة إلى مربع الحوار الترددات. أخيرا ، انقر فوق أيقونة موافق لإنشاء النسب المئوية المطلوبة ل SUM27 (انظر الشكل 1).
    3. كرر هذه العملية لكل مقياس تصنيف عن طريق تطبيق عوامل التصفية وفقا للمتغيرات المضافة. للقيام بذلك ، انقر فوق أيقونة تقسيم الملف ، وحدد كل متغير اسمي أو ترتيبي يعتبر ذا صلة ، واختر تنظيم الإخراج حسب المجموعات ، وانقر فوق رمز السهم ، وأخيرا ، انقر فوق أيقونة موافق لإنشاء النسب المئوية المطلوبة ل SUM27 ، التي تمت تصفيتها بواسطة كل متغير.
  3. قم بإنشاء جدول لكل مقياس تصنيف.
    1. قم بإنشاء صف لعناوين الجدول، متبوعا بصف للنسب المئوية 1 و10 و20) ومتوسط/منخفض (مع صفوف فرعية للنسب المئوية 30 و40) ومتوسط (النسبة المئوية 50) ومتوسط/مرتفع (مع الصفوف الفرعية للنسب المئوية 60 و70) ومرتفع (مع صفوف فرعية للنسب المئوية 80 و90 و99).
    2. في صف العنوان، قم بإنشاء عدة أعمدة: المستوى الأول المسمى (مع أسماء المستويات المدرجة أدناه)، والثاني المسمى النسبة المئوية (مع إدراج كل نسبة مئوية أدناه)، ومن العمود الثالث فصاعدا، قم بإدراج أسماء الشروط المختلفة للمتغير المحدد لكل جدول.
    3. أكمل الجدول بنطاق الدرجات للنسب المئوية المحسوبة مسبقا. أي أن النسبة المئوية 1 = 0 - ، النسبة المئوية 4 ، النسبة المئوية 10 = النسبة المئوية 5 - النسبة المئوية 14 ، النسبة المئوية 20 = النسبة المئوية 15 - النسبة المئوية 24 ، النسبة المئوية 30 = النسبة المئوية 25 - النسبة المئوية 34 ، النسبة المئوية 40 = النسبة المئوية 35 - النسبة المئوية 44 ، النسبة المئوية 50 = النسبة المئوية 54 ، النسبة المئوية 60 = النسبة المئوية 64 ، النسبة المئوية 70 = النسبة المئوية 65 - النسبة المئوية 74 ، النسبة المئوية 80 = النسبة المئوية 75 - النسبة المئوية 84 ، النسبة المئوية 90 = النسبة المئوية 85 - النسبة المئوية 94 ، والنسبة المئوية 99 = النسبة المئوية 95 - النسبة المئوية 99. كرر هذه العملية لكل مقياس تصنيف مع المتغيرات الاسمية أو الترتيبية المحددة.

figure-protocol-15
الشكل 15: إنشاء متغير جديد عن طريق جمع درجات جميع العناصر في حزمة البرامج الإحصائية 1. (1) انقر فوق رمز حساب المتغير. (2) حدد الدالة Sum ؛ (3) أكمل التعبير الرقمي مع جميع العناصر ؛ (4) تعيين اسم للمتغير الجديد ؛ (5) انقر فوق أيقونة موافق . الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

باتباع بروتوكول التحقق النوعي الكمي الصارم هذا ، قمنا بتطوير أداة قوية ومحسنة وشحيحة للتقييم الذاتي لخبرات التعلم الخدمي الجامعي ، تسمى QaSLu (استبيان التقييم الذاتي لخبرات التعلم الخدمي في التعليم العالي). حصلت هذه الأداة النهائية على موافقة نوعية من 16 خبيرا في SL بموجب طريقة دلفي ، مع جولتين من المشاورات والتكيفات عبر الإنترنت ، بالإضافة إلى التحقق الكمي القوي من خلال تحليل العوامل التأكيدي ، والتحليل الاستكشافي القوي لعامل المربعات الصغرى غير المرجح38 ،

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

توفر الطرق المستخدمة للتحقق من صحة الأداة العديد من المزايا. سهلت طريقة دلفي جمع الأفكار من لجنة من الخبراء ، مما مكن من التنظيم المنهجي لهذه المعلومات للتحليل. وأتاح اختيار الردود وتحسينها استنادا إلى تقديرات الخبراء واقتراحاتهم32،47،48،49. علاوة على ذلك ، أسفر هذا النهج عن نتائج مهمة في إطار زمني قصيرنسبيا 48. إلى جانب ذلك ، تم استخدام...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

المؤلفون ليس لديهم ما يكشفون عنه.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يود المؤلفون الإعراب عن امتنانهم للجنة الوطنية للبحث العلمي والتكنولوجي في شيلي (CONICYT Fondecyt/Initiation) ، وكذلك لجميع الخبراء الذين شاركوا في المصادقة النوعية من خلال طريقة دلفي ولجميع المشاركين في التحقق الكمي وتسجيل الدرجات.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
Encuestafacil.com ساسEncuestafacil.com2025البرمجيات كخدمة في خادم البيانات الخاصة Encuestafacil.com
تحليل العواملجامعة روفيرا إي فيرجيلي12.06.07حزمة البرامج المستخدمة في التحليل العاملي للبيانات
الحزمة الإحصائية للعلوم الاجتماعية (SPSS)آي بي إم24حزمة البرامج المستخدمة في التحليل الإحصائي للبيانات

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Furco, A., Norvell, K. What is Service Learning? Making Sense of the Pedagogy and Practice. Embedding Service Learning in European Higher Education. , Roultledge. London and New York. (2019).
  2. Salam, M., Awang Iskandar, D. N., Ibrahim, D. H. A., Farooq, M. S. Service learning in higher education: A systematic literature review. Asia Pac Educ Rev. 20 (4), 573-593 (2019).
  3. Mabborang, J. M., Dumlao, D., Cusap, K. W. Effect of servicelearning program on student's outcomes. Int J Res Innov Soc Sci. 8 (8), 2580-2589 (2024).
  4. Albanesi, C., Compare, C. Integrating academic learning: Promoting civic engagement, responsibility, and social justice through servicelearning. Form@re - Open J per la form in rete. 23 (2), 80-92 (2023).
  5. Stewart, T., Wubbena, Z. An overview of infusing servicelearning in medical education. Int J Med Educ. 5, 147-156 (2014).
  6. Mahmud, S. N. D., Ismail, N. K. STEM service learning in higher education: A systematic literature review. Eurasia J Math Sci Technol Educ. 20 (12), em2549(2024).
  7. Cebrián, G., Fernández, M., Fuertes, M. T., Moraleda, Á, Segalàs, J. La influencia del aprendizajeservicio en el desarrollo de competencias en sostenibilidad en estudiantes universitarios. Bordón Rev Pedagogía. 71 (3), 151-167 (2019).
  8. Resch, K., Schrittesser, I. Using the servicelearning approach to bridge the gap between theory and practice in teacher education. Int J Inclus Educ. 27 (10), 1118-1132 (2023).
  9. LópezdeArana Prado, E., Aramburuzabala, P., Cerrillo, R., SánchezCabrero, R. Validation and standardization of a questionnaire for the selfassessment of servicelearning experiencesin higher education (QaSLu27). Educ Sci. 14 (6), 615(2024).
  10. Furco, A. Self-assessment rubric for the institutionalization of service-learning in higher education (2003 revision). International Journal of Research in Global and Development Education. , https://dialnet.unirioja.es/servlet/articulo?codigo=6368177 (2011).
  11. MartínGarcía, X., Puig Rovira, J. M., Palos Rodríguez, J., Rubio Serrano, L. Improving the quality of service-learning practices. Teaching & Teaching: Interuniversity Journal of Didactics. 36 (1), 111(2018).
  12. Lorenzo, M., BelandoMontoro, M. R. Service-Learning. The challenges of assessment. Madrid: Narcea. Theory of Education. Interuniversity Journal. 31, 71-80 (2019).
  13. Shek, D. T. L., Li, X., Yu, L., Lin, L., Chen, Y. Evaluation of electronic servicelearning (eservicelearning) projects in Mainland China under COVID19. Appl Res Qual Life. 17 (5), 3175-3198 (2022).
  14. Lu, Y., Lambright, K. T. Looking beyond the undergraduate classroom: Factors influencing service learning's effectiveness at improving graduate students' professional skills. College Teach. 58 (4), 118-126 (2010).
  15. EscofetRoig, A., Folgueiras Bertomeu, P., LunaGonzález, E., PalouJulián, B. Elaboration and Validation of a Questionnaire for the Evaluation of Service-Learning Projects. Revista Mexicana de Investigación Educativa. , https://diposit.ub.edu/dspace/handle/2445/149639 (2016).
  16. RodríguezIzquierdo, R. M. Service learning and academic commitment in higher education. Journal of Psychodidactics. 25 (1), 45-51 (2020).
  17. LeónCarrascosa, V., SánchezSerrano, S., BelandoMontoro, M. R. Design and validation of a questionnaire to evaluate the Service-Learning methodology. Studies on Education. 39, 247-266 (2020).
  18. RuizOrdóñez, Y., SalcedoMateu, A., Turbi, Á, Novella, C., MoretTatay, C. VALU: Psychometric properties of a values and civic attitudes scale for university students' servicelearning. Psicol Reflex Crít. 35 (1), 3(2022).
  19. SantosPastor, M. L., Cañadas, L., Muñoz, L. F. M., Rico, L. G. Design and validation scale to assess university service-learning in physical activity and sports. Educ XX1. 23 (2), (2020).
  20. Gul, D. R., Ahmad, D. I., Tahir, D. T., Ishfaq, D. U. Development and factor analysis of an instrument to measure servicelearning management. Heliyon. 8 (4), e09205(2022).
  21. Campo, L. A rubric for assessing and improving service learning projects at university. RIDAS Rev Iberoam AprendizajeServicio. 1, 91-111 (2015).
  22. Europe Engage Quality Standards for Service Learning Activities. , At https://ec.europa.eu/programmes/erasmus-plus/project-result-content/4676aec5-7f74-4a0c-bdff-cda07beb4892/guidelines-euengage-2.pdf (2017).
  23. Martín, X. Tools for improving service-learning projects. RIDAS Ibero-American Journal of Learning and Service. 14, 61-84 (2022).
  24. Pickeral, T., Lennon, T., Piscatelli, J. ServiceLearning policies and practices: A researchbased advocacy paper. , National Service Learning Clearinghouse. https://www.ecs.org/clearinghouse/78/58/7858.pdf (2008).
  25. PuigRovira, J. M., MartínGarcía, X., RubioSerrano, L. How to evaluate service learning projects. Voices of Education. 2 (4), 122-132 (2017).
  26. RubioSerrano, L., PuigRovira, J. M., MartínGarcía, X., PalosRodríguez, J. Analyzing, Rethinking, and Improving Projects: A Rubric for Self-Assessment of Service-Learning Experiences. Profesorado, Journal of Curriculum and Teacher Training. 19 (1), 111-126 (2015).
  27. Hallinger, P., Narong, D. K. A bibliometric review of service learning research, 1950-2022. J Experiential Educ. 47 (4), 566-590 (2024).
  28. LópezdeArana, E., Higuera, P. A., Carvajal, H. O. Design and validation of a questionnaire for self-assessment of university service-learning experiences. Educ XX1. 23 (1), (2020).
  29. CruzRamírez, M., RúaVásquez, J. A. Emergence and development of the Delphi method: a scientometric perspective. Biblios J Librarianship Inf Sci. 71, 90-107 (2018).
  30. Donohoe, H., Stellefson, M., Tennant, B. Advantages and limitations of the eDelphi technique: Implications for health education researchers. Am J Health Educ. 43 (1), 38-46 (2012).
  31. von der Gracht, H. A. Consensus measurement in Delphi studies: Review and implications for future quality assurance. Technol Forecast Soc Change. 79 (8), 1525-1536 (2012).
  32. Bakieva, M., Meliá, J. M. J., GonzálezSuch, J., Barajas, Y. E. L. Teacher collegiality: logical validation of the teacher self-assessment instrument in Spain and Mexico. Studies on Education. 34, 99-127 (2018).
  33. Gil, B., PascualEzama, D. The Delphi methodology as a technique for studying content validity. Ann Psychol. 28 (3), 1011-1020 (2012).
  34. Abal, F. J. P., Auné, S. E., Lozzia, G. S., Attorresi, H. F. Functioning of the Central Category in Confidence Items for Mathematics. Evaluate Magazine. 17 (2), (2017).
  35. Shulman, L. S., Elstein, A. S. Studies of problem solving, judgment, and decision making: Implications for educational research. Rev Res Educ. 3, 3-42 (1975).
  36. Bardach, E., Patashnik, E. M. A Practical Guide for Policy Analysis: The Eightfold Path to More Effective Problem Solving. , CQ Press. Washington, D.C. (2023).
  37. Marsh, H. W., Morin, A. J. S., Parker, P. D., Kaur, G. Exploratory structural equation modeling: An integration of the best features of exploratory and confirmatory factor analysis. Annu Rev Clin Psychol. 10 (1), 85-110 (2014).
  38. LorenzoSeva, U., Ferrando, P. J. Robust Promin: A method for diagonally weighted factor rotation. Liberabit. 25 (1), 99-106 (2019).
  39. SánchezCabrero, R., SandovalMena, M., SaezSuanes, G. P., Prado, E. L. A. Design and validation of the classroom climate for an inclusive education questionnaire (CCIEQ). Environ Soc Psychol. 9 (5), (2024).
  40. WMA Declaration of Helsinki-Ethical principles for medical research involving human subjects At . , World Medical Association. At https://www.wma.net/policies-post/wma-declaration-of-helsinki-ethical-principles-for-medical-research-involving-human-subjects (2013).
  41. Schreiber, J. B. Issues and recommendations for exploratory factor analysis and principal component analysis. Res Soc Admin Pharmacy. 17 (5), 1004-1011 (2021).
  42. Ferrando, P. J., HernándezDorado, A. A simple twostep procedure for fitting fully unrestricted exploratory factor analytic solutions with correlated residuals. Struct Eq Modeling: A Multidiscip J. 31 (3), 420-428 (2024).
  43. Hu, L., Bentler, P. M. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Struct Eq Modeling: A Multidiscip J. 6 (1), 1-55 (1999).
  44. LorenzoSeva, U., Ferrando, P. J. MSA: The forgotten index for identifying inappropriate items before computing exploratory item factor analysis. Methodology. 17 (4), 296-306 (2021).
  45. MartínAntón, L. J., Almedia, L. S., SáizManzanares, M. C., ÁlvarezCañizo, M., Carbonero, M. A. Psychometric properties of the academic procrastination scale in Spanish university students. Assess Eval High Educ. 48 (5), 642-656 (2023).
  46. SánchezCabrero, R., Lópezde Arana Prado, E., Aramburuzabala, P., Cerrillo, R. Dataset on the validation and standardization of the questionnaire for the selfassessment of servicelearning experiences in higher education (QaSLu). Data. 9 (9), 108(2024).
  47. Almenara, J. C. University teacher training in ICT. Application of Delphi Method for the selection of training content. Educ XX1. 17 (1), 111-132 (2014).
  48. GeorgeReyes, C. E., TrujilloLiñán, L. Application of the Modified Delphi Method for the validation of a questionnaire on the incorporation of ICT in teaching practice. Ibero American Journal of Eductaional Evaluation. 11 (1), 113-135 (2018).
  49. LópezMeneses, E. J., BernalBravo, C., LeivaOlivencia, J. J., MartínPadilla, A. H. Validation of the CUVOMOOC® educational tool for assessing digital observatories on MOOCs using the Delphi Method. Virtual Campuses. 7 (1), 95-110 (2018).
  50. Hung, H. L., Altschuld, J. W., Lee, Y. F. Methodological and conceptual issues confronting a crosscountry Delphi study of educational program evaluation. Eval Program Planning. 31 (2), 191-198 (2008).
  51. Linstone, H., Turoff, M. Delphi: A brief look backward and forward. Technol Forecast Soc Change. 78, 1712-1719 (2011).
  52. Rowe, G., Wright, G. The Delphi technique: Past, present, and future prospects - Introduction to the special issue. Technol Forecast Soc Change. 78 (9), 1487-1490 (2011).
  53. Steurer, J. The Delphi method: An efficient procedure to generate knowledge. Skeletal Radiol. 40 (8), 959-961 (2011).
  54. Aramburuzabala, P., Gezuraga, M., LópezdeArana, E. How to approach evaluation in Service-Learning projects . Service-Learning: The Challenges of Evaluation. Chapter 9, 27-37 (2018).
  55. PuigRovira, J. M. 11 Key Ideas: How to Implement a Service-Learning Project. , Grao, Barcelona. (2015).
  56. Eyler, J., Giles, D. E. Where's the Learning in ServiceLearning. JosseyBass Higher and Adult Education Series. , JosseyBass, Inc. San Francisco, CA. (1999).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة