مسح وبروتوكول لتقييم تجربة التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والمشاركة التعليمية لدى طلاب الجامعات

ملخص

يوفر هذا البروتوكول مسحا قابلا للتكرار وسير عمل لنمذجة المعادلات الهيكلية الجزئية لتقييم مسارات الارتباط بين تجارب التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والتفاعل التعليمي لدى طلاب الجامعات، بما في ذلك تكييف الاستبيانات، والفحص، وتقييم القياس، واختبار الارتباط غير المباشر، وفحوصات المتانة، وسجلات التكرار.

الملخص

التعلم عبر الإنترنت مدمج في التعليم العالي، لكن التقييمات غالبا ما تعتمد على مؤشرات الوصول أو الرضا أو الإكمال التي لا تحدد أين تنشأ مشاكل التفاعل. تقدم هذه المقالة مسحا قابلا للتكرار باللغة الإنجليزية وبروتوكول نمذجة المعادلات البنيوية الجزئية لتقييم مسارات الارتباط بين تجارب التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والتفاعل التعليمي لدى طلاب الجامعات. يتم قياس تجربة التعلم عبر الإنترنت من خلال سهولة استخدام المنصة، والدعم التعليمي، وجودة التفاعل، ومرونة التعلم؛ الاحتياجات النفسية الأساسية من خلال الاستقلالية، والكفاءة، والقلوب؛ والمشاركة العلمية من خلال الانخراط السلوكي والمعرفي والعاطفي. يحدد سير العمل رسم خرائط مصادر العنصر، وتكييف الاستبيانات، والمراجعة الخبراء، والاختبارات التجريبية، والموافقة الإلكترونية، وفحص الأهلية، وفحوصات جودة الاستجابة، وتقييم البناء، وتشخيص تحيز الطرق الشائع، وتقدير البناء من الدرجة الأعلى، وتقييم نموذج القياس، واختبار المسار الهيكلي، وتحليل الارتباط غير المباشر، وتحليل حساسية الحاجة النفسية، وفحوصات القوة القائمة على الانحدار، وقفل ملفات التكرار. تظهر النتائج التمثيلية من 386 استجابة صحيحة موثوقية مقبولة، وارتباطات بناء متوسطة، وجودة قياس محفوظة، وارتباط غير مباشر مدعوم من خلال الاحتياجات النفسية الأساسية، ومسارات تحكم غير ذات دلالة، ودرجات أبعاد غير متساوية. يدعم البروتوكول التشخيص الشفاف لكيفية ارتباط تجربة التعلم عبر الإنترنت بتلبية الاحتياجات النفسية والتفاعل، مع تجنب التفسير السببي من بيانات الاستبيانات المقطعية.

المقدمة

أصبح التعلم عبر الإنترنت جزءا من التعليم العالي الروتيني من خلال أنظمة إدارة التعلم، ومنصات الفيديو، والمواد المسجلة، والجلسات المتزامنة، وتصاميم الدورات المدمجة. ومع ذلك، لا تزال العديد من التقييمات تعتمد على سجلات الوصول، أو تقييمات الرضا، أو مؤشرات الإنجاز، التي تظهر ما إذا كان الطلاب قد استخدموا دورة عبر الإنترنت لكنها لا توضح ما إذا كان انخفاض التفاعل مرتبطا بسهولة استخدام المنصة، أو دعم التعليم، أو جودة التفاعل، أو مرونة التعلم، أو إرضاء الاحتياجات النفسية، أو بعد تفاعل محدد¹. لذا لا ينبغي تقليل تجربة التعلم عبر الإنترنت إلى درجة رضا واحدة. تركز أبحاث التفاعل عبر الإنترنت السابقة على محتوى المتعلم، والمتعلم-المدرب، والتفاعل بين المتعلم-المتعلم كعناصر مهمة في تجربة التعلم عبر الإنترنت^{للطلاب 2}. يقيس البروتوكول الحالي تجربة التعلم عبر الإنترنت من خلال سهولة استخدام المنصة، والدعم التعليمي، وجودة التفاعل، ومرونة التعلم.

التفاعل التعليمي أيضا متعدد الأبعاد. يشمل ذلك المشاركة السلوكية، والاستثمار المعرفي، والمشاركة العاطفية. تظهر أدوات التفاعل عبر الدورات عبر الإنترنت أن المشاركة لا يمكن تمثيلها بالكامل من خلال المشاركة الظاهرة أو إكمال المهام فقط.³. تظهر أبحاث التكنولوجيا التعليمية الأوسع أيضا أن التفاعل السلوكي غالبا ما يكون أسهل في الملاحظة من الانخراط المعرفي أو العاطفي⁴. لهذا السبب، يقيس البروتوكول تفاعل التعلم من خلال الانخراط السلوكي والمعرفي والعاطفي بدلا من دمج التفاعل في درجة واحدة غير مميزة.

توفر نظرية تقرير المصير الأساس النظري لربط تجربة التعلم عبر الإنترنت بالتفاعل العلمي. تحدد نظرية الحاجة النفسية الأساسية الاستقلالية، والكفاءة، والارتباط كشروط مركزية للتحفيز والتكيف^. في التعلم عبر الإنترنت، تشير الاستقلالية إلى الاختيار والسيطرة المدركة، والكفاءة بالقدرة المتصورة على إكمال مهام التعلم، والارتباط بالاتصال المحسوس مع المعلمين وزملاء الدراسة. الدراسات السابقة للتعلم عبر الإنترنت باستخدام نظرية تقرير المصير ربطت الدعم السياقي، وتلبية الحاجة، والتحفيز، والتفاعل ^6,7. تدعم هذه النتائج فحص الاحتياجات النفسية الأساسية كمفهوم ارتباط غير مباشر بين تجربة التعلم عبر الإنترنت والتفاعل العلمي، مع تجنب التفسير السببي لأن البيانات مقطعية.

مشكلة منهجية في أبحاث التفاعل عبر الإنترنت هي نقص الهيكل التشغيلي المتسق. تختلف الدراسات في كيفية تعريف ظروف التعلم، وقياس التفاعل، وربط بيئة التعلم بالتجربة النفسية للطلاب⁸. كما أن الاستبيانات ذات التقرير الذاتي معرضة للاستجابة المتهولة، والإجابات المنظمة، والاستبعادات اللاحقة، وقرارات البيانات المفقودة، وتحيز الطرق الشائع⁹. لذلك، يحدد هذا البروتوكول هيكل الاستبيان باللغة الإنجليزية، ورسم العنصر بمصادر العنصر، وقواعد التقييم، وإجراءات الموافقة الإلكترونية، وفحص الأهلية، وقاعدة فحص الانتباه، وعتبة وقت الإنجاز، ومعيار الخطوط المستقيمة، وفحص الاستجابة طويل السلسلة، والتعامل مع البيانات المفقودة، وتحديد النماذج، وإجراءات قفل مجموعات البيانات قبل بدء التحليل الهيكلي.

يحدد الإطار المفاهيمي تجربة التعلم عبر الإنترنت كبناء مستقل، والاحتياجات النفسية الأساسية كبناء الارتباط غير المباشر، والتفاعل التعليمي كبناء النتيجة. يختبر المسار الأساسي ما إذا كانت تجربة التعلم عبر الإنترنت مرتبطة بالاحتياجات النفسية الأساسية، وما إذا كانت الاحتياجات النفسية الأساسية مرتبطة بالتفاعل العلمي، وما إذا كانت تجربة التعلم عبر الإنترنت لا تزال مرتبطة مباشرة بالمشاركة التعليمية بعد أخذ الاحتياجات النفسية الأساسية في الاعتبار. يسترشد البروتوكول بأربعة أسئلة بحثية: ما إذا كان بروتوكول المسح المنظم يمكنه قياس البنى الثلاثة بجودة استجابة مقبولة وموثوقية في البناء؛ ما إذا كانت تجربة التعلم عبر الإنترنت مرتبطة إيجابيا بالاحتياجات النفسية الأساسية والتفاعل العلمي؛ ما إذا كان الارتباط بين تجربة التعلم عبر الإنترنت والمشاركة التعليمية يحمل جزئيا من خلال الاحتياجات النفسية الأساسية كارتباط غير مباشر؛ وما إذا كانت تحليلات الأبعاد الفرعية للحاجة النفسية وفحوصات المتانة القائمة على الانحدار تدعم نفس تفسير سير العمل الأساسي ل PLS-SEM.

توضع هذه المقالة كمساهمة تركز على المنهجية بدلا من كونها دراسة مقطعية تفسيرية تقليدية. يوفر البروتوكول سير عمل قابل للتكرار لتعديل الاستبيانات، ومراجعة الخبراء، والاختبارات التجريبية، وإدارة المسح، وفحص الاستجابة، وتقييم البناء، وتقييم نماذج القياس، واختبار المسارات الهيكلية، وتحليل الارتباط غير المباشر، وتحليل الحساسية، وفحص المتانة، وقفل ملفات التكرار. تتطلب سير العمل البحثي التعليمي الشفاف توثيق القرارات التحليلية قبل التفسير النهائي^{للنموذج 10}. يستخدم نمذجة المعادلات الهيكلية ذات المربعات الصغرى الجزئية لأنها تسمح بفحص مكونات القياس والهيكلية ضمن سير عمل واحد، مع بنى من الدرجة الأولى الانعكاسية ودرجات البناء الأعلى المشتقة تحليليا من خلال نهج مرحلتين منفصل¹¹. تظهر الأعمال السابقة حول تفاعل الطلاب عبر الإنترنت، والحضور الاجتماعي، ودعم المتعلمين، والاحتفاظ بهم أن التواصل والدعم والتواصل وتصميم المقررات الشاملة تتجاوز مجرد الوصول أو المرونة^12,13. تشير المراجعات المنهجية أيضا إلى أن التفاعل السلوكي والمعرفي والعاطفي قد يستجيب بشكل مختلف لظروف التعلم عبر الإنترنت¹⁴. لذلك تستخدم النتائج التمثيلية فقط لإظهار مخرجات البروتوكول، وليس للادعاء بوجود تأثيرات سببية من بيانات المسح المقطعي¹⁵.

البروتوكول

تمت مراجعة بروتوكول الدراسة والموافقة عليه من قبل لجنة أخلاقيات البحث في جامعة ملايا (غير الطبية) تحت رقم الموافقة UM. TNC (P&I)/UMREC_4892 في 7 أغسطس 2025. إجراء جميع الإجراءات وفقا للإرشادات المؤسسية للأبحاث التي تشمل مشاركين بشريين. احصل على موافقة مستنيرة إلكترونية قبل إجراء الاستبيان. استخدم رموز المشاركين المجهولين أثناء التوظيف، والفرز، والتقييم، والتحليل، وتخزين الملفات. أدوات وبرامج البحث مدرجة في جدول المواد.

1. تحديد تصميم الدراسة والإطار التحليلي

1. استخدم تصميم مسح كمي مقطعي لتقييم مسارات الارتباط بين تجربة التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والمشاركة التعليمية لدى طلاب الجامعات.
2. عرف تجربة التعلم عبر الإنترنت كبناء كامن مستقل، والاحتياجات النفسية الأساسية كبناء كامن مرتبط غير مباشر، والمشاركة العلمية كبناء كامن.
3. حدد البنى الثلاثة متعددة الأبعاد قبل جمع البيانات. تمثيل تجربة التعلم عبر الإنترنت من خلال سهولة استخدام المنصة، والدعم التعليمي، وجودة التفاعل، ومرونة التعلم؛ الاحتياجات النفسية الأساسية من خلال الحاجة إلى الاستقلالية، والحاجة إلى الكفاءة، والحاجة إلى العلاقة؛ والتفاعل التعليمي من خلال التفاعل السلوكي، والتفاعل المعرفي، والتفاعل العاطفي.
4. استخدم نمذجة المعادلات الهيكلية ذات المربعات الصغرى الجزئية كطريقة تحليلية أساسية لتقييم جودة القياس، ودرجات البناء من الدرجة الأعلى، والمسارات الهيكلية، والمسار غير المباشر المحدد مسبقا.
5. حدد المسار الرئيسي قبل التحليل: تجربة التعلم عبر الإنترنت → الاحتياجات النفسية الأساسية، الاحتياجات النفسية الأساسية → التفاعل التعليمي، وتجربة التعلم عبر الإنترنت → التفاعل التعليمي.
6. عامل جميع المسارات الإنشائية كتقديرات للارتباط. لا تفسر أي مسار على أنه سببي لأن جميع المتغيرات تقاس في نقطة زمنية واحدة. قم بإجراء فحص مسبق لحجم العينة والقوة قبل التوظيف. استخدم على الأقل 380 إجابة صحيحة كعينة مستهدفة و350 إجابة صحيحة كحد أدنى للعينة المقبولة بعد الفرز.
7. قدم سير عمل البروتوكول في الشكل 1، بما في ذلك التجنيد، والموافقة، وإدارة الاستبيانات، والمراجعة الخبراء، والاختبار التجريبي، وفحص الاستجابة، وقفل مجموعات البيانات، وتقييم القياس، والاختبار الهيكلي، وتحليل الارتباط غير المباشر، وفحص المتانة، وإعداد ملفات التكرار.
   ملاحظة: حافظ على النموذج المفاهيمي والمسارات الهيكلية دون تغيير من بناء الاستبيان حتى التحليل النهائي.

الشكل 1: سير العمل التشغيلي لتقييم تجربة التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والتفاعل التعليمي. يوضح الشكل سير عمل البروتوكول من التوظيف، والموافقة، وإدارة الاستبيانات، والمراجعة الخبراء، والاختبار التجريبي، وفحص الاستجابة، وقفل مجموعات البيانات إلى تقييم القياس، والاختبار الهيكلي، وتحليل الارتباط غير المباشر، وفحص المتانة، وإعداد ملفات التكرار. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

2. تجنيد المشاركين المؤهلين

1. استقطبوا طلاب جامعات شاركوا على الأقل في دورة واحدة عبر الإنترنت أو دورة مختلطة خلال الفصل الأكاديمي الحالي أو الأخير.
2. يشمل المشاركين الذين تبلغ أعمارهم 18 عاما أو أكثر، مسجلين حاليا كطلاب جامعيين أو دراسات عليا، معرضين للتعلم عبر الإنترنت أو المختلط، قادرون على قراءة الاستبيان باللغة الإنجليزية، ومستعدين لتقديم موافقة مستنيرة إلكترونية.
3. استبعد الردود عندما لا يتم تأكيد الموافقة، أو عدم تحقيق معايير الأهلية، أو فشل بند فحص الانتباه، أو تم اكتشاف تقديم مكرر، أو أن يكون وقت الإكمال أقل من العتبة المحددة مسبقا، أو يتم اكتشاف الخط المستقيم، أو وجود عدم حل في الأهلية.
4. استقطبوا المشاركين من خلال منصات التعلم الجامعية، مجموعات التواصل مع الدورات، قوائم البريد الإلكتروني للطلاب، وقنوات الطلاب المؤسسية.
5. لا تجمع معرفات مباشرة، بما في ذلك الأسماء، أرقام تعريف الطلاب، أرقام الهواتف، عناوين البريد الإلكتروني الخاصة، العناوين السكنية الدقيقة، عناوين IP، معرفات الأجهزة، أو معرفات الحسابات.
6. سجل تواريخ التجنيد، قنوات التجنيد، الردود المقدمة، عدد الاستبعادات حسب الفئة، الردود المحتفظ بها، وحجم العينة النهائي الصحيح في سجل العمل الميداني وسجل الفرز.
   نقطة توقف: تحقق من تقدم التوظيف أسبوعيا. راجع فقط عدد الردود، وتغطية قناة التوظيف، ومعدل الاستبعاد الأولي. لا تفحص درجات البناء أو الارتباطات أو تقديرات المسارات أثناء التجنيد.

3. إعداد الاستبيان

1. أعد استبيانا منظما باللغة الإنجليزية مع موافقة إلكترونية مستناثرة، وفحص الأهلية، ومعلومات خلفية للمشاركين، وعناصر ذات مقياس جوهري، وبند واحد لفحص الانتباه القائم على التعليمات.
2. استخدم مقياس استجابة ليكرت من 5 نقاط لجميع البنود الجوهرية: 1 = معارض بشدة، 2 = معارض، 3 = محايد، 4 = موافق، و5 = موافق بشدة.
3. تكييف عناصر تجربة التعلم عبر الإنترنت من مقاييس سابقة لتصور التعلم عبر الإنترنت، ودعم التعليم، وجودة التفاعل، وسهولة استخدام المنصة، ومرونة التعلم. تكييف عناصر الاحتياجات النفسية الأساسية من مقاييس الاستقلالية والكفاءة والصلبة المعتمدة. تكييف عناصر المشاركة التعليمية من مقاييس التفاعل السلوكي والمعرفي والعاطفي الراسخة.
4. راجع صياغة البند فقط لتناسب سياقات الجامعة عبر الإنترنت والتعلم المدمج. استخدم صياغة واضحة وغير موجهة وتجنب الكلمات التي توحي برضا عال، أو إرضاء نفسي عالي، أو تفاعل عالي.
5. جهز جدول رسم خرائط مصدر العناصر قبل الاختبار التجريبي. سجل رمز البند، البناء، البعد، الصياغة المعدلة، أساس المصدر، ملاحظة التكييف، لغة الاستبيان، وتوجيه التقييم لكل بند جوهري.
6. استخدم 33 عنصرا جوهريا بمقياس ليكرت: 12 لتجربة التعلم عبر الإنترنت، تسعة للاحتياجات النفسية الأساسية، و12 لتفاعل التعلم. استخدم ثلاثة عناصر لكل بعد من أبعاد تجربة التعلم عبر الإنترنت، وثلاثة عناصر لكل بعد من أبعاد الحاجة النفسية الأساسية، وأربعة عناصر لكل بعد من أبعاد التفاعل التعليمي.
7. ضع عنصر واحد لفحص الانتباه القائم على التعليمات بعد كتلة الاحتياجات النفسية الأساسية. استخدم هذا العنصر فقط لفحص جودة الاستجابة واستبعاده من تقييم البناء، تحليل الموثوقية، تحليل الصلاحية، تقدير PLS-SEM، اختبار الارتباط غير المباشر، وتحليل المتانة.
8. حافظ على وقت إكمال الاستبيان المتوقع ضمن 8–12 دقيقة أثناء الاختبار التجريبي. استخدم الجدول 1 لتوثيق مجالات البناء، الأبعاد، رموز العناصر، عدد العناصر، مقياس الاستجابة، اتجاه التقييم، وأساس التكيف. استخدم الملف التكميلي 1 لتقديم الاستبيان الكامل، ورسم مصادر العناصر، وترميز المتغيرات، وقواعد التقييم.
   ملاحظة: حافظ على تمييز المفاهيم بين المتبعين، والارتباط غير المباشر، والنتيجة.

الجدول 1: بناء المجالات، الأبعاد، هيكل الاستبيانات، وقواعد التقييم. يلخص هذا الجدول هيكل الاستبيان، بما في ذلك مجالات وأبعاد البناء، ورموز وأرقام العناصر، وأمثلة على العناصر، وأساس التكيف، ومقياس الاستجابة، وقواعد التقييم. يتم تحديد عنصر فحص الانتباه كعنصر للفحص فقط. يرجى الضغط هنا لتحميل هذا الجدول.

4. إجراء مراجعة خبراء واختبارات تجريبية

1. ادع من ثلاثة إلى خمسة خبراء في علم النفس التربوي، التعلم عبر الإنترنت، المنهجية الكمية، أبحاث التعليم العالي، أو تصميم الاستبيانات لمراجعة الاستبيان.
2. اطلب من الخبراء تقييم وضوح العنصر، وبناء الصلة، وتكرار الكلمات، وعبء الرد، والملاءمة الثقافية، ووضوح اللغة، والتوافق بين كل عنصر وبعده المخصص.
3. سجل نتائج مراجعة الخبراء في سجل مراجعة البند، بما في ذلك الصياغة الأصلية، وقلق المراجع، وقرار المراجعة، والصياغة النهائية، وأسباب الاحتفاظ أو المراجعة أو الحذف.
4. راجع العناصر التي تكون غامضة، مزدوجة الأطوار، متشابهة بشكل مفرط، غير مناسبة ثقافيا، ضعيفة التوافق مع البعد المستهدف، أو غير متسقة مع سياق المسح باللغة الإنجليزية.
5. إجراء اختبار تجريبي مع 30–50 طالبا جامعيا يستوفون نفس معايير الأهلية للدراسة الرئيسية. اطلب من المشاركين في التجربة تحديد الصياغة غير الواضحة، أو مشاكل العرض التقنية، أو الطول الزائد، أو التكرار في التعبير، أو الانزعاج الناتج عن أي بند في الاستبيان.
6. سجل وقت إكمال الطيران لكل مشارك. حدد الحد الأدنى لوقت إكمال الدراسة الرسمية بأنه القيمة الأكبر بين 3 دقائق وثلث متوسط وقت إكمال الدراسة التجريبية.
7. احسب الاتساق الداخلي الأولي لكل بناء وفحص الارتباطات بين العنصر وإجمالي العنصر بعد الاختبار التجريبي. راجع أو إزالة العناصر الضعيفة فقط عندما يحسن الحذف جودة القياس ولا يضعف تغطية البناء.
8. قم بإنهاء وتثبيت الاستبيان، وكتاب الشيفرة، ورسم خرائط مصادر العناصر، وسجل مراجعة الخبراء، وسجل الاختبار التجريبي، وعتبة وقت الإنجاز، وقاعدة فحص الانتباه، وقاعدة اكتشاف التكرار، ومعايير الاستبعاد قبل التجنيد الرسمي.
   نقطة توقف: لا تبدأ التجنيد الرسمي حتى يتم قفل جميع الاستبيانات والفحص وملفات الترميز.

5. إدارة الاستبيان الإلكتروني

1. قم ببناء الاستبيان في نظام استبيان إلكتروني يدعم المشاركة المجهولة، تأكيد الموافقة، فحص الأهلية، إعدادات الاستجابة المطلوبة، تسجيل وقت الاستجابة، تقييد التكرار غير المحدد، وضع فحص الانتباه، وتصدير الجداول.
2. ضع الموافقة المستنيرة الإلكترونية قبل فحص الأهلية ومستبيانات. السماح للمشاركين بالمضي قدما فقط بعد تأكيد المشاركة الطوعية وتقديم هدف الدراسة بلغة محايدة. يذكر أن الدراسة تفحص تصورات الطلاب عن التعلم عبر الإنترنت، وتلبية الاحتياجات النفسية، والمشاركة في التعلم.
3. اجعل الموافقة، وأسئلة الأهلية، وجميع العناصر الجوهرية ال33 بمقياس ليكرت كحقول مطلوبة. قم بتعطيل الحقول الخاصة بالمعلومات التعريفية المباشرة. لا تطلب أسماء، أرقام الطلاب، أرقام هواتف، عناوين البريد الإلكتروني الخاصة، العناوين السكنية الدقيقة، عناوين IP، معرفات الأجهزة، أو معرفات الحسابات.
4. السماح للمشاركين بالخروج من الاستبيان قبل التقديم النهائي دون عقوبة. قيد التقديمات المتكررة فقط من خلال إعدادات منصة الاستطلاع غير المحددة عندما تكون متاحة. احتفظ بالاستبيان مفتوحا لمدة 4–6 أسابيع. راقب عدد الاستجابات مرتين في الأسبوع ووثق تقدم التجنيد في سجل العمل الميداني.
   ملاحظة: لا تقدم ملاحظات شخصية على الدرجات بعد تقديم الاستبيان.

6. تصدير وحماية البيانات الخام

1. تصدير جميع الردود المقدمة بصيغة .xlsx و.csv فور إغلاق التوظيف.
2. احفظ ملف .xlsx واحد دون تغيير ك RawData_OnlineLearning_BPN_Engagement_YYYYMMDD.xlsx وملف .csv واحد لم يتغير ك RawData_OnlineLearning_BPN_Engagement_YYYYMMDD.csv.
3. أنشئ نسخة عمل للفحص والبرمجة والتحليل. سميها WorkingData_OnlineLearning_BPN_Engagement_YYYYMMDD.xlsx. قم بتعيين رمز مشارك مجهول لكل رد مقدم بصيغة P001، P002، P003، وهكذا.
4. قم بتخزين مجموعة البيانات الخام في مجلد للقراءة فقط وإنشاء سجل تحقق أو سجل إصدار الملف أو سجل تاريخ الإصدارات المؤسسي قبل بدء الفرز.
5. حفظ أرشيف السجلات الخام المقدم وبيانات الفحص الخام غير المحددة في مجلد التحقق المؤسسي المحمي. لا تدرج السجلات المستبعدة الخام، أو المعلومات القابلة للتعريف مباشرة، أو البيانات الخام على مستوى المشاركين في المخطوطة أو الملفات الإضافية المقدمة للنشر.
   نقطة التوقف: لا تبدأ في الفحص حتى يتم حفظ ملف .xlsx الخام، ملف .csv الخام، سجل العمل الميداني، سجل إصدار البيانات الخام، ومجلد البيانات الخام المحمي.

7. فحص الردود وتطبيق قواعد الاستبعاد

1. تطبيق جميع قواعد الاستبعاد قبل فحص ترابطات البناء، أو مخرجات نموذج القياس، أو المسارات الهيكلية، أو تقديرات الارتباط غير المباشر. إزالة الردود بدون تأكيد موافقة أو بدون العمر أو التسجيل أو التعرض للتعلم عبر الإنترنت أو الأهلية لغة الاستبيانات.
2. إزالة الردود المكررة وفقا لقاعدة اكتشاف التكرار المحددة مسبقا. حدد التكرارات المحتملة فقط من خلال علامات التكرار غير المحددة على منصة الاستبيانات ومعلومات أنماط الرد المجهولة. يحتفظ بأقرب استجابة كاملة عند تحديد الردود المكررة.
3. إزالة الردود التي تفشل في بند فحص الانتباه القائم على التعليمات أو التي أكملت تحت الحد الأدنى لوقت إكمال الدراسة الرسمية. عرف الخط المستقيم بأنه اختيار نفس خيار الاستجابة على الأقل ل 90٪ من العناصر الجوهرية البالغ عددها 33 بمقياس ليكرت. قم بإزالة الردود التي تفي بهذا المعيار.
4. علم أنماط الاستجابة طويلة السلسلة عندما يتم اختيار نفس خيار الاستجابة ل^{r 2.0}أو أكثر من العناصر الجوهرية على مقياس ليكرت المتتالية. قم بإزالة الردود التي تم الإبلاغ عنها فقط عندما تظهر أيضا وقت إكمال قصير بشكل غير معقول، أو فشل في فحص الانتباه، أو التوجيه المستقيم، أو أي انتهاك جودة محدد مسبقا.
5. الإشارة إلى ردود خلفية غير متسقة عندما يبلغ المشارك عن عدم تعرض التعلم عبر الإنترنت أو التعلم المدمج لكنه يبلغ عن ساعات التعلم الأسبوعية عبر الإنترنت فوق الصفر. إزالة الردود التي لا تحل بسبب عدم اتساق الأهلية.
6. سجل كل حالة مستبعدة في سجل فحص غير محدد الهوية مع رمز المشارك المجهول، وفئة الاستبعاد، وسبب الاستبعاد، وتاريخ الفحص، وقرار الفحص.
7. استخدم الجدول 2 لتوثيق الردود المقدمة، وفئات الاستبعاد، وعدد الاستبعادات، والردود المحتفظ بها، وحجم العينة النهائي الصالح. إذا لم يكن بالإمكان إعادة بناء أعداد الاستبعاد الخام لمجموعة البيانات الممثلة، يرجى ذكر ذلك صراحة.
   ملاحظة: استبعد الحالات فقط وفقا لقواعد الموافقة المحددة مسبقا، أو الأهلية، أو التكرار، أو فحص الانتباه، أو وقت الإنجاز، أو نمط الاستجابة، أو الغياب، أو الاتساق. لا تبدأ البرمجة حتى يتم حفظ مجموعة البيانات الخام، مجموعة البيانات المنظفة، سجل الفحص، ملف قواعد الاستثناء، سجل العمل الميداني، وسجل إصدار مجموعة البيانات بشكل منفصل وقفل التسجيل.

الجدول 2: فحص الاستجابة، قواعد الاستبعاد، وقرارات التعامل مع البيانات. يلخص هذا الجدول قواعد الفرز المحددة مسبقا وقرارات التعامل مع البيانات للموافقة، والأهلية، والردود المكررة، وفحص الانتباه، ووقت الإنجاز، وفحوصات أنماط الاستجابة، والغياب، وقفل مجموعة البيانات. تطبق قواعد الاستبعاد قبل فحص ارتباطات البناء، أو مخرجات نموذج القياس، أو المسارات الهيكلية، أو تقديرات الارتباط غير المباشر. يتم تسجيل كل استجابة مستبعدة في سجل فحص غير محدد باستخدام رمز المشارك المجهول، وفئة الاستبعاد، وسبب الاستبعاد، وتاريخ الفرز، وقرار الفرز. يرجى الضغط هنا لتحميل هذا الجدول.

8. التعامل مع البيانات المفقودة

1. تجنب القيم المفقودة في أسئلة الموافقة، وأسئلة الأهلية، وال33 عنصرا جوهريا على مقياس ليكرت من خلال تعيين هذه الحقول كما هو مطلوب في نظام المسح. افحص مجموعة البيانات النظيفة بحثا عن القيم المفقودة بعد الفحص.
2. عامل القيم المفقودة في المتغيرات الخلفية الاختيارية على أنها "غير مبلغ عنها". لا تضع متغيرات ديموغرافية أو خلفية اختيارية.
3. استبعد متغيرا خلفيا من تحليل المتغيرات المشتركة إذا تجاوز معدل اختياده 10٪. احتفظ بمتغير خلفية كمتغير مشترك فقط عندما يكون معدل اختيائه 10٪ أو أقل ويكون المتغير ذا صلة نظريا.
4. لا تحسب القيم المفقودة في ال 33 عنصرا جوهريا على مقياس ليكرت. إذا تم اكتشاف غياب عنصر جوهري رغم إعدادات الاستجابة المطلوبة، حدد ما إذا كانت المشكلة ناجمة عن تصدير الاستبيان، أو منطق المسح، أو التعامل غير الكامل مع التقديم قبل الانتهاء من مجموعة البيانات المنظفة.
   ملاحظة: سجل فحص البيانات المفقودة. أبلغ عن عدد القيم المفقودة ومعدل النقص لكود المشاركين، والمتغيرات الخلفية، والعناصر الجوهرية على مقياس ليكرت، ودرجات الأبعاد، ودرجات البناء العالمية.

9. ترميز المتغيرات وحساب الدرجات

1. رمز جميع العناصر الجوهرية على مقياس ليكرت من 1 إلى 5: 1 = معارض بشدة، 2 = معارض، 3 = محايد، 4 = موافق، و5 = موافق بشدة. الجنس الكودني، المستوى الأكاديمي، سنة الدراسة، فئة التخصص، ساعات التعلم الأسبوعية عبر الإنترنت، والخبرة السابقة في التعلم عبر الإنترنت وفقا لكتاب الرموز المغلق.
2. افحص جميع المتغيرات بحثا عن قيم خارج النطاق قبل حساب درجات الأبعاد أو البناء العام.
3. احسب درجات أبعاد تجربة التعلم عبر الإنترنت كمتوسط للعنصر: قابلية استخدام المنصة = المتوسط(OLE_PU1–OLE_PU3)، الدعم التعليمي = المتوسط(OLE_IS1–OLE_IS3)، جودة التفاعل = المتوسط(OLE_IQ1–OLE_IQ3)، ومرونة التعلم = المتوسط(OLE_LF1–OLE_LF3).
4. احسب درجات أبعاد الاحتياجات النفسية الأساسية كمتوسطات عنصر: الحاجة الذاتية = المتوسط(BPN_AU1–BPN_AU3)، الحاجة للكفاءة = المتوسط(BPN_CO1–BPN_CO3)، والحاجة للصلة = المتوسط(BPN_RE1–BPN_RE3).
5. احسب درجات أبعاد التفاعل التعليمي كمتوسطات العنصر: الانخراط السلوكي = المتوسط(LE_BE1–LE_BE4)، الانخراط المعرفي = المتوسط(LE_CE1–LE_CE4)، والتفاعل العاطفي = المتوسط(LE_EE1–LE_EE4).
6. حساب درجات البناء العالمية كأبعاد متوسطة: تجربة التعلم عبر الإنترنت = المتوسط (سهولة استخدام المنصة، دعم التعليم، جودة التفاعل، مرونة التعلم); الاحتياجات النفسية الأساسية = المتوسط (حاجة الاستقلالية، الحاجة للكفاءة، الحاجة إلى العلاقة)؛ والمشاركة التعليمية = المتوسط (التفاعل السلوكي، التفاعل المعرفي، التفاعل العاطفي).
7. الاحتفاظ ببيانات على مستوى العنصر لتقييم نماذج القياس، ودرجات الأبعاد لتقديرات البناء الأعلى وتحليل الأبعاد الفرعية، ودرجات البناء العالمية للإحصاءات الوصفية، وتحليل الارتباط، وفحص النماذج البنيوية، وتحليل المتانة القائم على الانحدار.
   ملاحظة: لا تدرج بند فحص الانتباه في أي درجة، تحليل الموثوقية، تحليل الصلاحية، تقدير PLS-SEM، تحليل الارتباط غير المباشر، أو تحليل المتانة. لا توحيد الدرجات الأصلية من 1 إلى 5 قبل التحليل الوصفي.

10. التحكم وتقييم تحيز الطرق الشائعة

1. تطبيق الضوابط الإجرائية قبل التحليل باستخدام ردود مجهولة، صياغة محايدة، كتل بناء منفصلة، عنصر واحد لفحص الانتباه القائم على التعليمات، إعدادات الاستجابة المطلوبة، والوصول المقيد للبيانات الخام.
2. بعد فحص الاستجابة، استخدم اختبار هارمان العامل الواحد لفحص ما إذا كان عامل غير مدور واحد يفسر الحصة السائدة من تباين العنصر. اعتبر النتيجة مقبولة عندما يمثل العامل الأول غير المدور أقل من 50٪ من التباين الكلي.
3. احسب قيم عامل التضخم الكامل لتباين التوازي للبنى البؤرية. عامل القيم التي تقل عن 3.30 على أنها تشير إلى أن التحيز الشديد للطريقة المشتركة غير مرجح. سجل انحياز الطرق الشائعة كحد إذا كان العامل الأول غير المدور يمثل 50٪ أو أكثر من التباين الكلي أو إذا كان أي عامل تضخم كامل للتباين 3.30 أو أعلى.
   ملاحظة: لا تذكر أن التحيز الشائع في الطريقة غير موجود. تذكر فقط ما إذا كانت التشخيصات تشير إلى دليل شديد على عامل طريقة مشتركة سائد.

11. إجراء فحوصات وصفية وأولية

1. استخدم R 4.4.1 للإحصاءات الوصفية، وفحوصات التوزيع، وتحليل الارتباط، وتحليل المتانة القائم على الانحدار. احسب التكرارات والنسب المئوية لخصائص المشاركين التصنيفية.
2. احسب المتوسط، الانحراف المعياري، الحد الأدنى، الأقصى، الميل، والكورتوزيس للعناصر الجوهرية، ودرجات الأبعاد، ودرجات البناء العالمية.
3. افحص توزيعات العناصر والنقاط بحثا عن تأثيرات الأرضيات، وتأثيرات السقف، وعدم الطبيعية الشديدة. عرف تأثير الحد الأدنى المحتمل أو السقف بأنه أكثر من 20٪ من المشاركين يختارون أدنى أو أعلى خيار استجابة لبند جوهري.
4. احسب ارتباطات بيرسون بين البنى العالمية ودرجات الأبعاد. تعامل الارتباطات كدليل وصفي أولي فقط ولا تستخدمها كبديل للنموذج البنيوي المحدد مسبقا.
   ملاحظة: سجل تأثيرات الأرضية أو السقف كميزات بيانات. لا تحذف الحالات لأسباب توزيعية إلا إذا كانت تنتهك أيضا قواعد جودة الاستجابة المحددة مسبقا.

12. تقدير نموذج القياس الأعلى

1. استخدم Smart PLS 4.1 لتحليل PLS-SEM الأساسي واستيراد مجموعة البيانات على مستوى العنصر المنظف. حدد سهولة استخدام المنصة، والدعم التعليمي، وجودة التفاعل، ومرونة التعلم، والحاجة إلى الاستقلالية، والحاجة إلى الكفاءة، والحاجة إلى الارتباط، والتفاعل السلوكي، والتفاعل المعرفي، والتفاعل العاطفي كبنى تأملية من الدرجة الأولى.
2. استخدم نهج المرحلتين المتناقضين. في المرحلة الأولى، تقدير البنى الانعكاسية من الدرجة الأولى وحفظ درجات المتغيرات الكامنة الخاصة بها.
3. في المرحلة الثانية، استخدم درجات المتغيرات الكامنة لسهولة استخدام المنصة، والدعم التعليمي، وجودة التفاعل، ومرونة التعلم لتمثيل تجربة التعلم عبر الإنترنت؛ درجات المتغيرات الكامنة لحاجة الاستقلالية، والحاجة إلى الكفاءة، والصلة يجب أن تمثل الاحتياجات النفسية الأساسية؛ ودرجات متغيرة كامنة للتفاعل السلوكي، والتفاعل المعرفي، والتفاعل العاطفي لتمثيل التفاعل العلمي.
4. عامل درجات البنى ذات الرتبة الأعلى كتمثيلات مشتقة تحليليا لبنى متعددة الأبعاد. لا تصفها بأنها تكوينية ما لم يتم تحديد نموذج تكويفي ومبرره بشكل صريح. احفظ إعدادات المرحلة الأولى، إعدادات المرحلة الثانية، درجات المتغيرات الكامنة، وملفات إخراج النموذج في مجلد التحقق.
   ملاحظة: استخدم نفس إجراء البناء من الدرجة العليا في النموذج البنيوي الرئيسي، وتحليل الأبعاد الفرعية للحاجة النفسية، وتحليل المتانة القائم على الانحدار.

13. تقييم نموذج القياس

1. قيم نموذج القياس قبل تفسير النموذج الإنشائي. افحص الأحمال الخارجية الموحدة لجميع المؤشرات المحفوظة. احتفظ بمؤشرات تحمل لا تقل عن 0.70 عندما يكون ذلك ممكنا.
2. راجع المؤشرات التي تحتوي على أحمال بين 0.40 و0.70. قم بإزالة مؤشر فقط عندما يحسن الحذف الموثوقية أو الصلاحية المتقاربة ولا يضعف تغطية المحتوى. أزل المؤشرات تحت 0.40 ما لم يكن هناك سبب نظري موثق يدعم الاحتفاظ بها.
3. قيم الاتساق الداخلي باستخدام موثوقية كرونباخ الألفا والمركبة. اعتبر القيم بين 0.70 و0.95 مقبولة. تقييم صلاحية التقارب باستخدام متوسط التباين المستخرج. اعتبر القيم التي لا تقل عن 0.50 مقبولة.
4. تقييم صلاحية التمييز باستخدام نسبة التغاير إلى السمة الأحادية. استخدم 0.85 كعتبة محافظة و0.90 كحد أقصى مقبول للبنى المتجاورة نظريا.
5. مؤشرات السجل المحتفظ بها، الأحمال الخارجية الموحدة، ألفا كرونباخ، موثوقية المركبة، متوسط التباين المستخرج، قيم الصفات الأحادية المختلفة، وأي قرارات حذف عنصر في مخرجات نموذج القياس المغلق.
   ملاحظة: لا تحذف العناصر فقط لتحسين القيم الإحصائية. إزالة عنصر فقط عندما يتم توثيق الضعف الإحصائي والتكرار المفاهيمي معا.
   نقطة توقف: لا تبدأ الاختبار الهيكلي حتى يتم التحقق من المؤشرات المحفوظة، وقيم التحميل، وقيم الموثوقية، وصحة التقارب، والصلاحية التمييزية، وإدخالات كتاب الرموز، وقيم مخرجات القياس مقابل ملفات التحليل المقفلة.

14. اختبار النموذج البنيوي ومسار الوساطة

1. حدد ثلاثة مسارات هيكلية: تجربة التعلم عبر الإنترنت → الاحتياجات النفسية الأساسية، الاحتياجات النفسية الأساسية → التفاعل التعليمي، وتجربة التعلم عبر الإنترنت → التفاعل التعليمي.
2. أضف ساعات التعلم الأسبوعية عبر الإنترنت والخبرة السابقة في التعلم عبر الإنترنت كمتغيرات تحكم محددة مسبقا. تعامل الجنس، المستوى الأكاديمي، سنة الدراسة، وفئة التخصص كمتغيرات وصفية ما لم تكن ضمن نموذج حساسية محدد مسبقا.
3. فحص توازنية النموذج البنيوي قبل تفسير معاملات المسار. اعتبر قيم عامل التباين التباين أقل من 3.30 على أنها تشير إلى أن التوافق الضار غير مرجح.
4. تقدير معاملات المسار الموحدة، قيم t ، قيم p ، وفترات ثقة 95٪ باستخدام 5,000 عينة إعادة تمهيد مع اختبار ذو ذيلين. استخدم فترات الثقة المصححة بالتحيز عندما تكون متاحة.
5. تقدير المسار غير المباشر من تجربة التعلم عبر الإنترنت إلى التفاعل التعليمي من خلال الاحتياجات النفسية الأساسية. تعامل مسار الارتباط غير المباشر على أنه مدعوم عندما لا يتضمن فاصل ثقة التمهيد للتأثير غير المباشر صفرا.
6. سجل التأثير المباشر، التأثير غير المباشر، التأثير الكلي، قيم R² ، قيم R² المعدلة، حجم التأثير f² ، قيم عامل التباين في النموذج البنيوي، ومسارات متغيرات التحكم في مخرجات النموذج الهيكلي المغلق. تفسير جميع التقديرات الهيكلية كمسارات قائمة على الارتباط بدلا من التأثيرات السببية.
   ملاحظة: لا تزيل مسارا محددا مسبقا لأنه غير ذي دلالة. احتفظ بالنموذج المحدد مسبقا ما لم يتم تحديد خطأ في الترميز أو خطأ في مواصفات النموذج.

15. فحص الأبعاد الفرعية للحاجة النفسية

1. استبدل بناء الاحتياجات النفسية الأساسية العالمية بالحاجة الذاتية، والحاجة إلى الكفاءة، والحاجة إلى الارتباط كبنى ارتباطية غير مباشرة متوازية. تقدير المسارات غير المباشرة من تجربة التعلم عبر الإنترنت إلى التفاعل التعليمي من خلال الحاجة إلى الاستقلالية، والحاجة للكفاءة، والحاجة إلى الصلة بشكل منفصل.
2. استخدم 5,000 عينة إعادة تمهيد لكل مسار فرعي بعدي. قارن الاتجاه، والمدارة، وفترة الثقة لكل مسار غير مباشر من البعد الفرعي. عامل هذا التحليل كتحليل حساسية وليس كنموذج أساسي.
   ملاحظة: لا تعيد تفسير تحليل حساسية الأبعاد الفرعية كنموذج أساسي جديد.

16. إجراء تحليل المتانة القائم على الانحدار

1. تصدير مجموعة بيانات نقاط البناء النظيفة وحفظها ك ConstructScores_OnlineLearning_BPN_Engagement_YYYYMMDD.csv. استخدم R 4.4.1 لإعادة الاحتياجات النفسية الأساسية العالمية في تجربة التعلم عبر الإنترنت العالمية، وساعات التعلم الأسبوعية عبر الإنترنت، والخبرة السابقة للتعلم عبر الإنترنت.
2. تراجع التفاعل العالمي في التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية العالمية، وساعات التعلم الأسبوعية عبر الإنترنت، والخبرة السابقة في التعلم عبر الإنترنت. تقدير المسار غير المباشر باستخدام 5,000 إعادة عينة bootstrap.
3. قارن المسار غير المباشر القائم على الانحدار مع المسار غير المباشر PLS-SEM. صنف المسار كقوي فقط عندما يبقى الاتجاه ثابتا ولا يتغير التفسير الجوهري. احفظ سكريبت R، وإعدادات الإقلاع، ومخرجات المتانة في مجلد التحقق.
   نقطة توقف: لا تبدأ في قفل الملفات النهائي حتى يتم التحقق من النموذج البنيوي، وتحليل الأبعاد الفرعية، وتحليل المتانة القائم على الانحدار.

17. التعامل مع النتائج التحليلية غير المثالية

1. إذا كانت موثوقية كرونباخ ألفا أو مركبة أقل من 0.70، افحص الارتباطات الكلية مع العنصر والتحميلات الخارجية الموحدة. إذا كان متوسط التباين المستخرج أقل من 0.50، يتم فحص المؤشرات المحتجزة وتحديد ما إذا كان مؤشر واحد أو أكثر يضعف صلاحية التقارب.
2. إذا تجاوزت قيم السمات الواحدة التغاير الحد المحدد مسبقا، تحقق من صياغة العنصر بحثا عن التداخل الدلالي بين البنى النظرية القريبة. إزالة عنصر ضعيف فقط عندما يكون ضعيفا إحصائيا وزائدا عن الحاجة من الناحية المفاهيمية. إبقاء البنى المتجاورة نظريا منفصلة عند دمجها سيقلل من وضوح المفاهيم.
3. إذا لم يكن المسار غير المباشر مدعوما، سجل النتيجة كارتباط غير مباشر غير مدعوم. إذا أظهرت متغيرات التحكم ارتباطات غير ذات دلالة، قم بتسجيل النتائج دون تفسير مفرط.
   ملاحظة: لا تراجع النموذج النظري بعد التحليل لإجبار الدعم الأقوى.

18. قفل مخرجات البرمجيات وملفات قابلية التكرار

1. أنشئ مجلد تحقق مؤسسي نهائي باسم Verification_OnlineLearning_BPN_Engagement_YYYYMMDD.
2. حفظ أرشيف مجموعة البيانات الخام، مجموعة البيانات المنظفة، مجموعة بيانات البناء-الدرجة، كتاب الكود، الاستبيان، جدول تعيين مصدر العنصر، سجل مراجعة الخبراء، سجل الاختبار التجريبي، سجل العمل الميداني، سجل الفرز، ملف قواعد الاستبعاد، سجل عتبة وقت الإنجاز، مخرجات PLS الذكية، سكريبتات R، جداول مخرجات R، سجل إصدار البرنامج، وسجل تغيير الإصدار في مجلد التحقق.
3. حفظ ملفات مشروع Smart PLS 4.1 وتصدير مخرجات نموذج القياس، النموذج البنيوي، التراب التجريبي، والمخرجات ذات السمات الأحادية المتنوعة في مجلد فرعي باسم SmartPLS_Output. حفظ سكريبتات R وجداول إخراج R في مجلد فرعي يسمى R_Output. احفظ الاستبيان، ورسم مصادر العناصر، وترميز المتغيرات، وقواعد التقييم كملف تكميلي 1.
4. حفظ التحقق النهائي لمجموعة البيانات التحليلية، ملخص الفحص، سجل البيانات المفقودة، تشخيصات تحيز الطرق الشائعة، نتائج نموذج القياس، نتائج النموذج البنيوي، نتائج الارتباط غير المباشر، تحليل الأبعاد الفرعية، سجل المتانة القائم على الانحدار، إعدادات البرمجيات، وسجل الإصدار كملف تكميلي 2.
5. لا تدرج معلومات قابلة للتعريف مباشرة، أو سجلات مستبعدة خام، أو بيانات خام على مستوى المشاركين في المخطوطة أو الملفات التكميلية المقدمة للنشر. قم بقفل مجلد التحقق النهائي بعد التحقق من الاتساق. احفظ التصحيحات اللاحقة كإصدارات جديدة ومؤرخة وسجل السبب في سجل تغيير الإصدارات.

النتائج

مجموعة البيانات التحليلية النهائية وخصائص المشاركين

شملت مجموعة البيانات التحليلية النهائية 386 طالبا جامعيا. تم إجراء التوظيف الرسمي من 18 أغسطس 2025 إلى 26 سبتمبر 2025 من خلال منصات التعلم الجامعية، ومجموعات التواصل الدراسي، وقوائم البريد الإلكتروني للطلاب، وقنوات الطلاب المؤسسية. تم فحص ما مجموعه 432 إجابة مقدمة، وتم الاحتفاظ ب 386 ردا، مما يمنح معدل استجابة صالح يبلغ 89.4٪. احتوت مجموعة البيانات المغلقة على 33 عنصرا جوهريا بمقياس ليكرت وبند واحد يعتمد على التعليمات لفحص الانتباه. تم استخدام بند فحص الانتباه فقط لفحص جودة الاستجابة وتم استبعاده من تقييم البناء، تحليل الموثوقية، تحليل الصلاحية، تقدير PLS-SEM، تحليل الارتباط غير المباشر، وتحليل المتانة القائم على الانحدار. شملت العينة النهائية 223 طالبة، و154 طالبا ذكرا، وتسعة مشاركين اختاروا خيار "يفضلون عدم القول" أو خيار استجابة آخر. كان هناك 318 طالب بكالوريوس و68 طالب دراسات عليا. شمل توزيع سنة الدراسة 110 طلاب من الصف الأول، و102 طالبا في الصف الثاني، و103 طلاب من الصف الثالث، و71 طالبا في الصف الرابع أو أعلى. شملت فئات التخصصات الأعمال والإدارة، والعلوم الاجتماعية، والهندسة والتكنولوجيا، والطب والعلوم الصحية، والعلوم الإنسانية والفنون، والتعليم. شمل التعرض الأسبوعي للتعلم عبر الإنترنت أقل من ساعتين أسبوعيا في 41 طالبا، و2–4 ساعات لكل 116 طالبا، و5–7 ساعات في 137 طالبا، و8–10 ساعات في 62 طالبا، وأكثر من 10 ساعات في 30 طالبا. شملت خبرة التعلم عبر الإنترنت السابقة عدم وجود 38 طالبا، وأقل من 6 أشهر في 68 طالبا، و6–12 شهرا في 190 طالبا، وأكثر من 12 شهرا في 90 طالبا. تم الاحتفاظ بساعات التعلم الأسبوعية عبر الإنترنت والخبرة السابقة في التعلم عبر الإنترنت كمتغيرات تحكم محددة مسبقا.

مراجعة الخبراء، والاختبارات التجريبية، والتحقق من الاستبيان

تم إكمال مراجعة الخبراء من قبل خمسة خبراء في علم النفس التربوي، والتعلم عبر الإنترنت، والمنهجية الكمية، وأبحاث التعليم العالي، وتصميم الاستبيانات. حددت المراجعة 13 قضية في الصياغة، وأربع قضايا تتعلق بالتكرار، وثلاث قضايا في مواءمة البناء. تمت مراجعة أربعة عشر عنصرا من أجل الوضوح، أو التوافق السياقي، أو محاذاة البناء، ولم يتم إزالة أي عنصر قبل الاختبار التجريبي. تم إكمال الاختبار التجريبي بواسطة 42 طالبا جامعيا استوفوا معايير الأهلية الرئيسية للدراسة. كان متوسط وقت الإكمال 9.6 دقيقة، وتم تحديد الحد الأدنى لوقت الإكمال عند 3.2 دقيقة. تراوحت قيم ألفا الأولية لكرونباخ بين 0.721 و0.814. لم يتم إزالة أي عنصر بعد الاختبار التجريبي. تضمن الاستبيان النهائي باللغة الإنجليزية 12 بندا من تجربة التعلم عبر الإنترنت، وتسعة عناصر أساسية للاحتياجات النفسية، و12 بندا لتفاعل التعلم، وبند واحد لفحص الانتباه القائم على التعليم. تم قفل رسم خرائط مصدر العنصر، وترميز المتغيرات، وقواعد التقييم قبل التحليل الرسمي، وهي مقدمة في الملف التكميلي 1.

فحص الاستجابة، والاختفاء، وفحوصات جودة البيانات

بعد الفحص، تم الاحتفاظ ب 386 استجابة صحيحة من أصل 432 إجابة مقدمة. شملت الاستثناءات أربع استجابات بدون تأكيد موافقة، و17 استثناء للأهلية، وثمانية استجابات مكررة، وستة فشل في فحص الانتباه، وخمس استجابات تحت الحد الأدنى لوقت الإنجاز، وأربع استجابات مستقيمة، واثنين من عدم التوافق في الأهلية. تم الإشارة إلى ستة أنماط خيوط طويلة، لكنها تداخلت مع فئات استبعاد أخرى ولم تحتسب كفئة استبعاد مستقلة إضافية. تم تسجيل الاستثناءات في سجل الفحص غير المحدد. لم يتم الاحتفاظ بأي رموز مشارك مكررة في مجموعة البيانات المغلقة. لم تلاحظ أي قيم مفقودة في 33 عنصرا جوهريا على مقياس ليكرت، أو متغيرات خلفية، أو متغيرات درجة الأبعاد، أو متغيرات الدرجة البنائية العالمية. لم يتم تطبيق أي إلهام. لم يحقق أي استجابة محتجزة قاعدة الخط المستقيم، ولم تظهر أي استجابة محتفظة نمطا طويلا من 20 إجابة متتالية أو أكثر متساوية جوهرية، ولم يلاحظ أي تناقض غير محلول بين التعرض للتعلم عبر الإنترنت وساعات التعلم الأسبوعية عبر الإنترنت.

التوزيع الوصفي وتشخيص انحياز الطرق الشائعة

كانت درجة تجربة التعلم عبر الإنترنت العالمية 3.47 ± 0.45. كانت درجة الاحتياجات النفسية الأساسية العالمية 3.40 ± 0.49. كانت درجة المشاركة التعليمية العالمية 3.42 ± 0.48. كان الدعم التعليمي الأعلى متوسطا بين أبعاد تجربة التعلم عبر الإنترنت، وكانت جودة التفاعل هي الأدنى. كان لدى الحاجة للكفاءة أعلى متوسط بين أبعاد الحاجة النفسية الأساسية، والحاجة إلى العلاقة كانت الأدنى. كان التفاعل المعرفي هو الأعلى في المتوسط بين أبعاد التفاعل التعلمي، والتفاعل العاطفي كان الأدنى في المتوسط. لم تظهر فحوصات توزيع العناصر تأثيرات شديدة على الأرضية أو السقف. كان الحد الأقصى لمعدل الاستجابة على مستوى البند 1.55٪ لكل OLE_PU3. كان الحد الأقصى لمعدل الاستجابة على مستوى البند 12.95٪ لعام OLE_IS2. كانت القيمتان أقل من الحد المسبق البالغ 20٪. لم تظهر تشخيصات تحيز الطريقة الشائعة دليلا شديدا على عامل طريقة مشتركة سائد. أظهر اختبار هارمان العامل الواحد أن العامل غير المدور الأول يفسر 24.12٪ من التباين الكلي. أنتجت التشخيصات الكاملة عامل التباين الأقصى للتباين يبلغ 1.527.

جودة نموذج القياس

كما هو موضح في الجدول 3، تراوحت قيم ألفا لكرونباخ من 0.733 لجودة التفاعل إلى 0.801 للتفاعل المعرفي على مستوى الأبعاد. أظهر مفهوم تجربة التعلم عبر الإنترنت العالمية ألفا بقيمة 0.878، وأظهر الاحتياجات النفسية الأساسية ألفا 0.846، والتفاعل التعليمي ألفا 0.867. تراوحت الأحمال الخارجية الموحدة بين 0.704 و0.842 عبر 33 بندا جوهريا. تراوحت قيم موثوقية التركيب بين 0.849 و0.889. تراوحت القيم المستخرجة من التباين المتوسط بين 0.653 و0.702. كانت النسبة القصوى للصفات المختلطة إلى السمات الأحادية 0.742. استوفت هذه القيم معايير نموذج القياس المحددة مسبقا.

الجدول 3: الموثوقية، الإحصاءات الوصفية، وجودة نموذج القياس. يعرض هذا الجدول ألفا كرونباخ، وموثوقية المركبة، ومتوسط التباين المستخرج، ونطاقات التحميل الموحدة، والمتوسطات، والانحرافات المعيارية، وقرارات الاحتفاظ بالأبعاد من الدرجة الأولى والبنى الأعلى. تم استبعاد بند فحص الانتباه من الموثوقية والصلاحية وتقدير النموذج. كانت القيمة القصوى ل HTMT بين المنشآت من الدرجة الأولى 0.742، أقل من العتبة المحافظة المحددة مسبقا عند 0.85. يتم توفير جدول التحميل الخارجي الكامل ومصفوفة HTMT في الملف التكميلي 2. الاختصارات: AVE = متوسط التباين المستخرج. يرجى الضغط هنا لتحميل هذا الجدول.

تم ربط تجربة التعلم عبر الإنترنت بالاحتياجات النفسية الأساسية (r = 0.501) والتفاعل التعليمي (r = 0.497). تم ربط الاحتياجات النفسية الأساسية بالمشاركة التعليمية (r = 0.510).

نتائج المسار البنيوي والارتباط غير المباشر

كما هو موضح في الشكل 2، كانت تجربة التعلم عبر الإنترنت مرتبطة إيجابيا بالاحتياجات النفسية الأساسية (β = 0.501، t = 11.259، p < 0.001، فترة الثقة 95٪: 0.414 إلى 0.588). ارتبطت الاحتياجات النفسية الأساسية إيجابيا بالمشاركة التعليمية (β = 0.349، t = 7.256، p < 0.001، 95٪ CI: 0.255 إلى 0.444). ظلت تجربة التعلم عبر الإنترنت مرتبطة مباشرة بالتفاعل التعليمي (β = 0.324، t = 6.699، p < 0.001، فاصل الثقة 95٪: 0.229 إلى 0.419). شرح النموذج 25.1٪ من التباين في الاحتياجات النفسية الأساسية و33.9٪ من التباين في تفاعل التعلم (الجدول 4). كان حجم تأثير f2 لتجربة التعلم عبر الإنترنت على الاحتياجات النفسية الأساسية 0.332. كانت أحجام تأثير f2 لتجربة التعلم عبر الإنترنت والاحتياجات النفسية الأساسية للتفاعل التعليمي 0.118 و0.138 على التوالي.

الشكل 2: نموذج هيكلي مع معاملات مسار موحدة قائمة على الارتباط. يوضح الشكل المسارات الموحدة بين تجربة التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والتفاعل العلمي، بما في ذلك المسار المباشر، والمسار غير المباشر، وقيم R² ، والمتغيرات المحددة مسبقا في التحكم. تفسر جميع المسارات على أنها تقديرات قائمة على الارتباط. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الجدول 4: شرح تباين البنى الذاتية. يعرض هذا الجدول معامل التحديد (R²)، وقيم R² المعدلة، والمتغيرات المتنبئة لكل بناء داخلي في النموذج البنيوي. تفسر جميع النتائج كتقديرات قائمة على الارتباط لأن البيانات كانت مقطعية. الاختصارات: OLE_TOTAL = درجة تجربة التعلم عبر الإنترنت العالمية؛ BPN_TOTAL = درجة الاحتياجات النفسية الأساسية العالمية؛ LE_TOTAL = درجة التفاعل التعليمي العالمي. يرجى الضغط هنا لتحميل هذا الجدول.

يوضح الجدول 5 أن ساعات التعلم الأسبوعية عبر الإنترنت لم تكن مرتبطة بشكل ملحوظ بالاحتياجات النفسية الأساسية (β = 0.001، p = 0.986) أو المشاركة التعليمية (β = −0.020، p = 0.634).

الجدول 5: تقديرات المسارات الهيكلية وأحجام التأثير. يقدم هذا الجدول تقديرات موحدة للمسار البنيوي، وقيم t المقابلة، وقيم p ، وفترات الثقة 95٪ (CI)، وأحجام التأثير f² ، وقرارات المسار للنموذج المفترض. كما تعرض مسارات متغيرات التحكم أيضا. تفسر جميع المسارات كتقديرات قائمة على الارتباط لأن البيانات كانت مقطعية عرضيا. الاختصارات: OLE_TOTAL = درجة تجربة التعلم عبر الإنترنت العالمية؛ BPN_TOTAL = درجة الاحتياجات النفسية الأساسية العالمية؛ LE_TOTAL = درجة التفاعل العالمي في التعلم؛ WEEKLY_HOURS = ساعات التعلم الأسبوعية عبر الإنترنت؛ PRIOR_EXPERIENCE = الخبرة السابقة في التعلم عبر الإنترنت؛ CI = فترة الثقة. يرجى الضغط هنا لتحميل هذا الجدول.

لم تكن خبرة التعلم عبر الإنترنت السابقة مرتبطة بشكل كبير بالاحتياجات النفسية الأساسية (β = −0.005، p = 0.916) أو التفاعل التعليمي (β = 0.013، p = 0.754). تم دعم المسار غير المباشر من تجربة التعلم عبر الإنترنت إلى التفاعل التعليمي عبر الاحتياجات النفسية الأساسية. كان التأثير غير المباشر 0.175، مع فترة ثقة تمهيدية 95٪ من 0.124 إلى 0.231. كان التأثير المباشر لتجربة التعلم عبر الإنترنت على التفاعل التعليمي 0.324، والتأثير الكلي 0.499 (الجدول 6). تم تفسير هذا المسار كمسار غير مباشر قائم على الارتباط بدلا من الوساطة السببية.

الجدول 6: تقديرات الارتباط المباشر وغير المباشر والكلي. يعرض هذا الجدول الروابط المباشرة وغير المباشرة (الوسيطة) والكلية بين تجربة التعلم عبر الإنترنت والتفاعل في التعلم، بما في ذلك فترات الثقة بنسبة 95٪ (CI) وقرارات المسارات التي تحدد عند الابتداب. تفسر جميع التأثيرات كتقديرات قائمة على الارتباط لأن البيانات كانت مقطعية. الاختصارات: OLE_TOTAL = درجة تجربة التعلم عبر الإنترنت العالمية؛ BPN_TOTAL = درجة الاحتياجات النفسية الأساسية العالمية؛ LE_TOTAL = درجة التفاعل العالمي في التعلم؛ CI = فترة الثقة. يرجى الضغط هنا لتحميل هذا الجدول.

تحليل حساسية الأبعاد الفرعية للحاجة النفسية وتحليل المتانة

تم دعم المسار غير المباشر عبر الحاجة إلى الاستقلالية (التأثير غير المباشر = 0.087، فاصل الثقة 95٪: 0.049 إلى 0.131). تم دعم المسار غير المباشر عبر الحاجة إلى الكفاءة وأظهر أكبر تأثير غير مباشر (التأثير غير المباشر = 0.148، فترة الثقة 95٪: 0.094 إلى 0.205). كما تم دعم الحاجة إلى المسار غير المباشر عبر العلاقة (التأثير غير المباشر = 0.092، فترة الثقة 95٪: 0.056 إلى 0.132) (الجدول 7).

الجدول 7: تحليل حساسية الأبعاد الفرعية للحاجة النفسية الأساسية. يعرض هذا الجدول الارتباطات غير المباشرة من خلال الأبعاد الفرعية للاستقلالية، والكفاءة، والصلبة للاحتياجات النفسية الأساسية، بما في ذلك فترات الثقة بنسبة 95٪ (CI) وقرارات المسارات. تفسر جميع التأثيرات كتقديرات قائمة على الارتباط لأن البيانات كانت مقطعية. الاختصارات: OLE_TOTAL = درجة تجربة التعلم عبر الإنترنت العالمية؛ LE_TOTAL = درجة التفاعل العالمي في التعلم؛ BPN_AU = الحاجة إلى الاستقلالية؛ BPN_CO = الحاجة للكفاءة؛ BPN_RE = الحاجة إلى العلاقة؛ CI = فترة الثقة. يرجى الضغط هنا لتحميل هذا الجدول.

أنتج تحليل المتانة القائم على الانحدار نفس التفسير الجوهري الذي قدمه نموذج PLS-SEM الأساسي. ظلت تجربة التعلم عبر الإنترنت مرتبطة إيجابيا بالاحتياجات النفسية الأساسية (β = 0.501، فترة الثقة 95٪: 0.414 إلى 0.588). ظلت الاحتياجات النفسية الأساسية مرتبطة إيجابيا بالمشاركة التعليمية بعد التكيف مع تجربة التعلم عبر الإنترنت ومتغيرات التحكم (β = 0.349، فترة الثقة 95٪: 0.255 إلى 0.444). كان التأثير غير المباشر القائم على الانحدار 0.175، مع فترة ثقة تمهيد 95٪ من 0.124 إلى 0.231. نظرا لأن البيانات كانت مقطعية عرضيا، فقد فسرت جميع المسارات كتقديرات قائمة على الارتباط بدلا من التأثيرات السببية (الجدول 8).

الجدول 8: تحليل المتانة القائم على الانحدار. يقدم هذا الجدول نتائج المتانة القائمة على الانحدار للممرات الهيكلية، بما في ذلك تقديرات الارتباط المباشر وغير المباشر المعدلة مع فترات الثقة 95٪ (CI) للتمهيد. تفسر جميع التأثيرات كتقديرات قائمة على الارتباط لأن البيانات كانت مقطعية. الاختصارات: OLE_TOTAL = درجة تجربة التعلم عبر الإنترنت العالمية؛ BPN_TOTAL = درجة الاحتياجات النفسية الأساسية العالمية؛ LE_TOTAL = درجة التفاعل العالمي في التعلم؛ CI = فترة الثقة. يرجى الضغط هنا لتحميل هذا الجدول.

الملف التكميلي 1: استبيان، ترميز المتغيرات، وقواعد التقييم. يوفر هذا الملف الاستبيان باللغة الإنجليزية، ومتغيرات فحص الأهلية، وترميز المتغيرات الخلفية، وصياغة العناصر، ورسم بيانات المصدر للعنصر، ومقياس الاستجابة، وصيغ التقييم، وقاموس المتغيرات، وقواعد معالجة البيانات، واختبارات الاتساق. يرجى الضغط هنا لتحميل هذا الملف.

الملف التكميلي 2: التحقق النهائي من مجموعة البيانات التحليلية، إعدادات التحليل، وسجلات القابلية للتكرار. يسجل هذا الملف مجموعة البيانات التحليلية المغلقة، ملخص العمل الميداني، سجلات المراجعة والاختبارات التجريبية، ملخص الفحص، فحوصات البيانات المفقودة، الموثوقية ومخرجات نماذج القياس، نتائج النماذج الهيكلية، تحليل الحساسية، تحليل المتانة، وقائمة التحقق من قابلية التكرار. يرجى الضغط هنا لتحميل هذا الملف.

المناقشة

يوفر هذا البروتوكول سير عمل منهجي قابل للتكرار لتقييم مسارات الارتباط بين تجربة التعلم عبر الإنترنت، والاحتياجات النفسية الأساسية، والمشاركة التعليمية لدى طلاب الجامعات. بدلا من التعامل مع التعلم عبر الإنترنت كحالة واحدة، يقسم البروتوكول بيئة التعلم المدركة إلى سهولة استخدام المنصة، ودعم التعليم، وجودة التفاعل، ومرونة التعلم. تسمح هذه البنية للباحثين بتحديد أي جزء من تجربة التعلم عبر الإنترنت مرتبط ارتباطا وثيقا بتلبية الاحتياجات النفسية والتفاعل، بدلا من الاعتماد فقط على مؤشرات الرضا العام أو إكمال الدورات¹⁶.

مساهمة منهجية مركزية هي تحديد ترميز الاستبيانات مسبقا، فحص الأهلية، فحوصات جودة الاستجابة، تقييم البناء، قفل مجموعات البيانات، واختبار النماذج. تعد هذه الخطوات مهمة لأن البحث التعليمي القائم على الاستبيانات حساس للردود غير المنتبهة، والإجابات النموذجية، وعدم اتساق الإجابات المتعلقة بالأهلية، وقرارات البيانات المفقودة، والاستبعادات اللاحقة¹⁷. من خلال وضع هذه القرارات قبل التحليل البنيوي، يجعل البروتوكول المسار التحليلي قابلا للتكرار ويقلل من خطر تغيير قواعد الفرز أو التقييم بعد معرفة النتائج.

كما يوضح البروتوكول كيف يجب تفسير مسار الارتباط. يتم نمذجة تجربة التعلم عبر الإنترنت كبناء مستقل، والاحتياجات النفسية الأساسية كبناء الارتباط غير المباشر، والتفاعل التعليمي كبناء النتيجة. هذا الهيكل يستند نظريا إلى نظرية تقرير المصير، لأن الاستقلالية والكفاءة والارتباط توفر آلية لفهم سبب ارتباط بعض بيئات التعلم عبر الإنترنت بمشاركة أقوى¹⁸. ومع ذلك، وبما أن البروتوكول يستخدم بيانات استبيان مقطعي، يجب تفسير المسار كارتباط غير مباشر وليس على أنه وساطة سببية.

العلاج متعدد الأبعاد للتفاعل التعليمي هو قوة أخرى في البروتوكول. يتم قياس الانخراط السلوكي، والتفاعل المعرفي، والتفاعل العاطفي بشكل منفصل قبل تلخيصها كمفهوم تفاعل عالمي. هذا يمنع تقليل التفاعل إلى الحضور أو إكمال المهام أو سلوك تسجيل الدخول فقط.¹⁹. من الناحية العملية، يمكن للبروتوكول التمييز بين الطلاب الذين يكملون المهام المطلوبة والطلاب الذين يستثمرون معرفيا، ومنخرطين عاطفيا، ومستعدين للاستمرار في المشاركة في أنشطة التعلم عبر الإنترنت.

كما أن البروتوكول مفيد أيضا لتشخيص نقاط الضعف في تصميم التعلم عبر الإنترنت. على سبيل المثال، قد توفر الدورة وصولا كافيا للمنصة لكنها لا تزال تظهر ارتباطا أو تفاعلا عاطفيا منخفضا إذا كان التواصل متأخرا أو مجزأا أو غير مرتبط بتفاعل تعليمي ذي معنى. هذا التمييز يتوافق مع نماذج التعلم عبر الإنترنت التي تركز على الحضور الاجتماعي، والحضور التعليمي، والحضور المعرفي بدلا من توفر التكنولوجيا فقط.²⁰. لذلك، يدعم البروتوكول التحسين المستهدف في تصميم المنصة، ودعم المدربين، وهيكل التفاعل، وإرضاء الاحتياجات النفسية.

يجب أن توجه عدة قيود التفسير والاستخدام المستقبلي. أولا، التصميم المقطعي لا يؤسس الترتيب الزمني، لذا لا ينبغي تقديم الادعاءات السببية²¹. ثانيا، جميع المتغيرات الرئيسية يتم الإبلاغ عنها ذاتيا، ولا يمكن لتشخيصات الطرق الشائعة إزالة مخاوف التحيز المتبادل بالكامل²². ثالثا، لا يراقب النموذج سلوك المدربين بشكل مباشر، أو جودة تصميم الدورات، أو تحليلات المنصات، أو الدعم المؤسسي. يمكن للدراسات المستقبلية توسيع البروتوكول من خلال القياس الطولي، أو المقارنة متعددة المجموعات، أو دمج تحليلات التعلم، أو متابعة الطرق المختلطة مع الحفاظ على نفس منطق الفرز، والتقييم، واختبار النماذج، والتحقق القابل للتكرار²³.

المواد

قائمة المواد المستخدمة في هذه المقالة

الاسم	الشركة	رقم فهرسي	التعليقات
Qualtrics online survey platform	Qualtrics	Institutional account; version not applicable	Used to administer the anonymous English-language questionnaire, including consent confirmation, eligibility screening, required-response settings, AC1 attention-check item, response-time recording, and data export.
Microsoft Excel for Microsoft 365	Microsoft Corporation	Microsoft 365 institutional version	Used to store the raw exported dataset, cleaned dataset, codebook, screening log, construct-score file, and verification records in .xlsx and .csv formats.
G*Power	Heinrich Heine University Düsseldorf	G*Power 3.1.9.7	Used for a priori sample-size and power checking before recruitment.
SmartPLS	SmartPLS GmbH	SmartPLS 4.1 Professional	Used for the primary PLS-SEM workflow, including disjoint two-stage higher-order construct estimation, measurement-model assessment, structural-pathway testing, bootstrapping, R², f², and model-output export.
R statistical software	R Foundation / CRAN	R 4.4.1	Used for descriptive statistics, Pearson correlations, common method bias diagnostics, and regression-based robustness analysis.
R package: psych	CRAN	psych 2.4.6	Used for descriptive statistics, reliability checks, and psychometric summaries.
R package: boot	CRAN	boot 1.3-30	Used for bootstrap-based regression robustness checks.
R package: semPlot	CRAN	semPlot 1.1.6	Used only for optional path-diagram cross-checking when R-based visual verification is needed.
OneDrive for Business or SharePoint version history	Microsoft Corporation	Microsoft 365 institutional account	Used to store the verification folder and preserve version history for raw data, cleaned data, codebook, screening log, SmartPLS outputs, R scripts, and supplementary files.
Questionnaire and coding file	Author-prepared study file	Supplementary File 1	Contains the final questionnaire, item-source mapping, variable names, coding rules, dimension-score formulas, global construct-score formulas, and data-handling rules.
Screening and reproducibility record	Author-prepared study file	Supplementary File 2	Contains final dataset verification, screening checks, missing-data record, reliability results, common method bias diagnostics, measurement-model output, structural-model output, indirect-association results, sensitivity analysis, robustness record, and final consistency checklist.
Figure-preparation software	Adobe Illustrator or equivalent vector-editing software	Institutional version	Used to prepare publication-ready workflow and structural-model figures.