הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

סקר ופרוטוקול להערכת חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות בלמידה אצל סטודנטים באוניברסיטה

58 צפיות

⸱

DOI:

10.3791/72570

⸱

11 באוגוסט 2026

 ,  , 
1Department of Curriculum and Instructional Technology, Faculty of Education, Universiti Malaya

במאמר זה

סיכום

פרוטוקול זה מספק סקר שניתן לשחזור ותהליך מידול משוואות מבניות חלקיות לצורך הערכת מסלולי אסוציאציה בין חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות למידה אצל סטודנטים באוניברסיטה, כולל התאמת שאלונים, סינון, הערכת מדידה, בדיקות אסוציאציה עקיפה, בדיקות עמידות ורשומות שחזור.

תקציר

למידה מקוונת מוטמעת בהשכלה הגבוהה, אך הערכות לעיתים קרובות מתבססות על אינדיקטורים של גישה, שביעות רצון או סיום שאינם מזהים היכן מתעוררות בעיות מעורבות. מאמר זה מציג סקר שניתן לשחזר באנגלית ופרוטוקול מידול משוואות מבניות חלקי של מינימום ריבועים להערכת מסלולי אסוציאציה בין חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות למידה בקרב סטודנטים באוניברסיטה. חוויית הלמידה המקוונת נמדדת באמצעות שימושיות בפלטפורמה, תמיכה הוראתית, איכות אינטראקציה וגמישות בלמידה; צרכים פסיכולוגיים בסיסיים דרך אוטונומיה, מיומנות וקשר; ומעורבות למידה דרך מעורבות התנהגותית, קוגניטיבית ורגשית. תהליך העבודה כולל מיפוי מקורות פריטים, התאמת שאלונים, סקירת מומחים, בדיקות פיילוט, הסכמה אלקטרונית, סינון זכאות, בדיקות איכות תגובה, ניקוד מבנה, אבחון הטיית שיטות נפוצות, הערכת מבנה מסדר גבוה, הערכת מודל מדידה, בדיקת מסלול מבני, ניתוח אסוציאציה עקיפה, ניתוח רגישות לצורך פסיכולוגי, בדיקות עמידות מבוססות רגרסיה, ונעילת קובץ שחזוריות. תוצאות מייצגות מ-386 תגובות תקפות מראות אמינות מקובלת, מתאמים בינוניים לבנייה, איכות מדידה נשמרת, אסוציאציה עקיפה נתמכת דרך צרכים פסיכולוגיים בסיסיים, מסלולי בקרה לא מובהקים וציוני ממדים לא שווים. הפרוטוקול תומך באבחון שקוף של האופן שבו חוויית הלמידה המקוונת קשורה לסיפוק הצרכים הפסיכולוגיים ולמעורבות, תוך הימנעות מפרשנות סיבתית מנתוני סקרים חתכתיים.

מבוא

למידה מקוונת הפכה לחלק מההשכלה הגבוהה השגרתית באמצעות מערכות ניהול למידה, פלטפורמות וידאו, חומרים מוקלטים, מפגשים סינכרוניים ועיצובי קורסים משולבים. עם זאת, הערכות רבות עדיין מסתמכות על יומני גישה, דירוגי שביעות רצון או מדדי השלמה, שמראים האם הסטודנטים השתמשו בקורס מקוון אך אינם מבהירים האם מעורבות נמוכה קשורה לשימושיות הפלטפורמה, תמיכה בהוראה, איכות אינטראקציה, גמישות למידה, סיפוק צרכים פסיכולוגיים או מימד מעורבות מסוים1. לכן, חוויית הלמידה המקוונת לא צריכה להיות מוגבלת לציון שביעות רצון יחיד. מחקר קודם של מעורבות מקוונת מדגיש את האינטראקציה בין תוכן ללמד, בין לומד למורה ולומד-לומד כמרכיבים חשובים בחוויית הלמידה המקוונת של התלמידים2. הפרוטוקול הנוכחי מודד חוויית למידה מקוונת באמצעות שימושיות בפלטפורמה, תמיכה הוראתית, איכות אינטראקציה וגמישות למידה.

המעורבות הלמידה היא גם רב-ממדית. הוא כולל השתתפות התנהגותית, השקעה קוגניטיבית ומעורבות רגשית. כלי מעורבות בקורסים מקוונים מראים כי מעורבות אינה יכולה להיות מיוצגת במלואה על ידי השתתפות נראית לעין או השלמת משימה בלבד3. מחקר טכנולוגי חינוכי רחב יותר מראה שמעורבות התנהגותית לעיתים קלה יותר לצפייה מאשר מעורבות קוגניטיבית או רגשית4. מסיבה זו, הפרוטוקול מודד מעורבות למידה דרך מעורבות התנהגותית, קוגניטיבית ורגשית במקום לקרוס מעורבות לציון אחד לא מובחן.

תיאוריית ההגדרה העצמית מספקת את הבסיס התיאורטי לקישור חוויית הלמידה המקוונת למעורבות בלמידה. תיאוריית הצרכים הפסיכולוגיים הבסיסית מזהה את האוטונומיה, היכולת והקרבה כתנאים מרכזיים למוטיבציה והסתגלות5. בלמידה מקוונת, אוטונומיה מתייחסת לבחירה ושליטה נתפסת, מיומנות ליכולת נתפסת בהשלמת משימות למידה, וקשורה לקשר הרגיש עם המדריכים והחברים לכיתה. מחקרים קודמים בלמידה מקוונת שהשתמשו בתורת ההגדרה העצמית קישרו תמיכה הקשרית, שביעות רצון, מוטיבציה ומעורבות 6,7. ממצאים אלו תומכים בבחינת הצרכים הפסיכולוגיים הבסיסיים כמבנה אסוציאציה עקיף בין חוויית למידה מקוונת למעורבות בלמידה, תוך הימנעות מפרשנות סיבתית משום שהנתונים הם חתכים רוחביים.

בעיה מתודולוגית במחקר מעורבות מקוונת היא היעדר מבנה תפעולי עקבי. מחקרים משתנים באופן שבו הם מגדירים תנאי למידה, מודדים מעורבות ומקשרים בין סביבת הלמידה לחוויה הפסיכולוגית של התלמידים8. סקרי דיווח עצמי גם פגיעים לתגובה רשלנית, תשובות מודעות, הדרות לאחר מכן, החלטות נתונים חסרים והטיית שיטות נפוצה9. לכן, פרוטוקול זה מתקן את מבנה השאלון באנגלית, מיפוי מקור-פריט, כללי ניקוד, הליך הסכמה אלקטרונית, סינון זכאות, כלל בדיקת תשומת לב, סף זמן סיום, קריטריון קו ישרה, בדיקת תגובה ארוכה, טיפול בנתונים חסרים, הגדרת מודלים והליך נעילת מערכי נתונים לפני תחילת ניתוח מבני.

המסגרת המושגית מגדירה את חוויית הלמידה המקוונת כמבנה עצמאי, צרכים פסיכולוגיים בסיסיים כמבנה האסוציאציה העקיפה, ומעורבות בלמידה כמבנה התוצאה. המסלול הראשי בודק האם חוויית הלמידה המקוונת קשורה לצרכים פסיכולוגיים בסיסיים, האם צרכים פסיכולוגיים בסיסיים קשורים למעורבות בלמידה, והאם חוויית הלמידה המקוונת נשארת קשורה ישירות למעורבות בלמידה לאחר התחשבות בצרכים פסיכולוגיים בסיסיים. הפרוטוקול מונחה על ידי ארבע שאלות מחקר: האם פרוטוקול הסקר המובנה יכול למדוד את שלושת המבנים עם איכות תגובה מקובלת ואמינות מבנה; האם חוויית הלמידה המקוונת קשורה באופן חיובי לצרכים פסיכולוגיים בסיסיים ולמעורבות בלמידה; האם הקשר בין חוויית הלמידה המקוונת למעורבות בלמידה מתבצע בחלקו דרך צרכים פסיכולוגיים בסיסיים כקשר עקיף; והאם ניתוחי תת-ממד של צורך פסיכולוגי ובדיקות עמידות מבוססות רגרסיה תומכים באותה פרשנות כמו זרימת העבודה הראשית של PLS-SEM.

מאמר זה ממוקם כתרומה ממוקדת שיטה ולא כמחקר חתך הסברתי קונבנציונלי. הפרוטוקול מספק תהליך עבודה שניתן לשחזור עבור התאמת שאלונים, סקירת מומחים, בדיקות פיילוט, ניהול סקרים, סינון תגובה, דירוגי מבנים, הערכת מודל מדידה, בדיקת מסלולים מבניים, ניתוח אסוציאציות עקיף, ניתוח רגישות, בדיקת עמידות ונעילת קבצי שחזור. תהליכי מחקר חינוכיים שקופים דורשים תיעוד החלטות אנליטיות לפני פרשנות המודל הסופית10. מודל משוואות מבניות בריבועים חלקיים משמש משום שהוא מאפשר לבחון רכיבי מדידה ומבניים בתוך תהליך עבודה אחד, עם מבנים רפלקטיביים מסדר ראשון וציוני מבנים מסדר גבוה שנגזרו אנליטית דרך גישה דו-שלבית נפרדת11. עבודות קודמות על מעורבות סטודנטים מקוונת, נוכחות חברתית, תמיכה בלומד ושימורם מראה שתקשורת, תמיכה, חיבור ועיצוב קורסים כוללני חשובים מעבר לגישה פשוטה או גמישות12,13. סקירות שיטתיות מצביעות על כך שמעורבות התנהגותית, קוגניטיבית ורגשית עשויה להגיב אחרת לתנאי למידה מקוונת14. תוצאות מייצגות משמשות לכן רק להדגמת פלט הפרוטוקול, ולא לטעון להשפעות סיבתיות מנתוני סקר חתך15.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

פרוטוקול המחקר נבדק ואושר על ידי ועדת האתיקה המחקרית של אוניברסיטת מלאיה (לא רפואית) תחת מספר אישור UM. TNC (P&I)/UMREC_4892 ב-7 באוגוסט 2025. לבצע את כל ההליכים בהתאם להנחיות המוסדיות למחקר הכולל משתתפים אנושיים. קבל הסכמה מדעת אלקטרונית לפני מתן השאלון. השתמשו בקודי משתתפים אנונימיים במהלך גיוס, סינון, דירוג, ניתוח ואחסון קבצים. כלי המחקר והתוכנה מופיעים בטבלת החומרים.

1. הגדר את עיצוב המחקר והמסגרת האנליטית

  1. השתמש בעיצוב סקר כמותי חתך כדי להעריך מסלולי אסוציאציה בין חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות למידה אצל סטודנטים באוניברסיטה.
  2. הגדר חוויית למידה מקוונת כמבנה הסמוי העצמאי, הצרכים הפסיכולוגיים הבסיסיים כמבנה סמוי של אסוציאציה עקיפה, ומעורבות למידה כמבנה הסמוי של התוצאה.
  3. יש לציין את שלושת המבנים הרב-ממדיים לפני איסוף הנתונים. לייצג חוויית למידה מקוונת לפי שימושיות בפלטפורמה, תמיכה הוראתית, איכות אינטראקציה וגמישות למידה; צרכים פסיכולוגיים בסיסיים לפי צורך באוטונומיה, צורך במיומנות ובצורך בקשר; ומעורבות למידה באמצעות מעורבות התנהגותית, מעורבות קוגניטיבית ומעורבות רגשית.
  4. השתמשו במידול משוואות מבניות בריבועים חלקיים כשיטה אנליטית עיקרית להערכת איכות מדידה, ציוני בנייה מסדר גבוה יותר, מסלולים מבניים והמסלול העקיף שנקבע מראש.
  5. יש לציין את המסלול המרכזי לפני הניתוח: חוויית למידה מקוונת → צרכים פסיכולוגיים בסיסיים, צרכים פסיכולוגיים בסיסיים → מעורבות למידה, וחוויית למידה מקוונת → מעורבות למידה.
  6. התייחס לכל מסלולי המבנה כהערכות אסוציאציה. אל תפרש שום מסלול כסיבתי כי כל המשתנים נמדדים בנקודת זמן אחת. בצע בדיקת גודל דגימה וכוח מראש לפני הגיוס. השתמשו בלפחות 380 תגובות תקפות כמדגם היעד וב-350 תגובות תקפות כמדגם המינימלי המקובל לאחר הסינון.
  7. הצג את תהליך העבודה של הפרוטוקול באיור 1, הכולל גיוס, הסכמה, ניהול שאלונים, סקירה מומחית, בדיקות פיילוט, סינון תגובה, נעילת מערכי נתונים, הערכת מדידה, בדיקות מבניות, ניתוח אסוציאציות עקיפין, בדיקת עמידות, והכנת קובץ שחזוריות.
    הערה: שמרו על המודל המושגי והמסלולים המבניים ללא שינוי מבניית השאלונים ועד הניתוח הסופי.

figure-protocol-1
איור 1: תהליך עבודה תפעולי להערכת חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות בלמידה. התרשים מציג את תהליך הפרוטוקול החל מגיוס, הסכמה, ניהול שאלונים, סקירת מומחים, בדיקות פיילוט, סינון תגובה, ונעילת מערכי נתונים ועד להערכת מדידה, בדיקות מבניות, ניתוח אסוציאציות עקיפות, בדיקת עמידות והכנת קובץ שחזוריות. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.

2. גיוס משתתפים זכאים

  1. גייסו סטודנטים שהשתתפו לפחות בקורס מקוון או משולב אחד במהלך הסמסטר האקדמי הנוכחי או האחרון.
  2. כלול משתתפים בני 18 ומעלה, הרשומים כיום כסטודנטים לתואר ראשון או לתארים מתקדמים, נחשפים ללמידה מקוונת או משולבת, מסוגלים לקרוא את השאלון באנגלית, ומוכנים להעניק הסכמה מדעת אלקטרונית.
  3. החריגו תגובות כאשר ההסכמה אינה מאושרת, קריטריוני הזכאות אינם מתקיימים, פריט בדיקת קשב נכשל, זוהה הגשה כפולה, זמן ההשלמה מתחת לסף שנקבע מראש, זוהה יישור ישר, או קיימת אי-עקביות לא פתורה בזכאות.
  4. גייסו משתתפים דרך פלטפורמות למידה באוניברסיטה, קבוצות תקשורת לקורסים, רשימות תפוצה של סטודנטים וערוצי סטודנטים מוסדיים.
  5. אין לאסוף מזהים ישירים, כולל שמות, מספרי זיהוי סטודנטים, מספרי טלפון, כתובות דוא"ל פרטיות, כתובות מגורים מדויקות, כתובות IP, מזהי מכשירים או מזהי חשבון.
  6. רשמו תאריכי גיוס, ערוצי גיוס, תגובות שהוגשו, ספירת החרגה לפי קטגוריה, תשובות שנשמרו וגודל המדגם הסופי בתוקף בעבודת השטח וביומן הסינון.
    נקודת הפסקה: בדוק את התקדמות הגיוס מדי שבוע. בדוק רק את מספר התגובות, כיסוי ערוץ הגיוס, ושיעור ההחרגה הראשוני. אין לבדוק ציוני בנייה, קורלציות או הערכות מסלול במהלך הגיוס.

3. בניית השאלון

  1. הכינו שאלון מובנה באנגלית עם הסכמה מדעת אלקטרונית, סינון זכאות, מידע רקע למשתתפים, פריטים מהותיים בסולם ופריט בדיקת קשב מבוסס הוראה.
  2. השתמש בסולם תגובת ליקרט בן 5 נקודות לכל הפריטים המהותיים: 1 = מתנגדים בתוקף, 2 = לא מסכים, 3 = נייטרלי, 4 = מסכים, ו-5 = מסכימים מאוד.
  3. התאמו פריטי חוויית למידה מקוונת מתוך מדדים קודמים של תפיסת למידה מקוונת, תמיכה בהוראה, איכות אינטראקציה, שימושיות בפלטפורמה וגמישות למידה. התאמו פריטים של צרכים פסיכולוגיים בסיסיים ממדדי אוטונומיה, מיומנות וקרבה מבוססים. התאמו פריטי מעורבות למידה מתוך מדדים התנהגותיים, קוגניטיביים ורגשיים מבוססים.
  4. עדכן את ניסוח הפריט רק כך שיתאים להקשרים של אוניברסיטה אונליין וללמידה משולבת. השתמש בניסוח ברור ולא מוביל והימנע מניסוח שמרמז על סיפוק גבוה, סיפוק צרכים פסיכולוגי גבוה, או מעורבות גבוהה צפויה.
  5. הכינו טבלת מיפוי מקור פריט לפני ניסוי הפיילוט. רשם קוד פריט, מבנה, מידות, ניסוח מותאם, בסיס מקור, הערת התאמה, שפת השאלון וכיוון הניקוד עבור כל פריט מהותי.
  6. השתמש ב-33 פריטים מהותיים בקנה מידה של לייקרט: 12 לחוויית למידה מקוונת, 9 לצרכים פסיכולוגיים בסיסיים, ו-12 למעורבות בלמידה. השתמשו בשלושה פריטים לכל ממד חוויית למידה מקוונת, שלושה פריטים לכל ממד צורך פסיכולוגי בסיסי, וארבעה פריטים לכל ממד מעורבות למידה.
  7. הנח פריט בדיקת קשב מבוסס הוראה אחד אחרי בלוק הצרכים הפסיכולוגיים הבסיסיים. השתמש בפריט זה רק לסינון איכות תגובה והחריגו מניקוד מבנה, ניתוח אמינות, ניתוח תוקף, הערכת PLS-SEM, בדיקות אסוציאציה עקיפה וניתוח עמידות.
  8. שמרו על זמן השלמת השאלון הצפוי בתוך 8–12 דקות במהלך ניסוי הפיילוט. השתמש בטבלה 1 כדי לתעד תחומי בנייה, מידות, קודי פריטים, מספר פריטים, סולם תגובה, כיוון ניקוד ובסיס הסתגלות. השתמש בקובץ משלים 1 כדי לספק את השאלון המלא, מיפוי מקורות פריטים, קידוד משתנים וכללי ניקוד.
    הערה: שמרו על הנושאים המובחנים, האסוציאציה העקיפה והתוצאה מובחנים מבחינה רעיונית.

טבלה 1: בנה תחומים, מידות, מבנה השאלונים וכללי הניקוד. טבלה זו מסכמת את מבנה השאלון, כולל תחומי הבנייה והמידות, קודי פריטים ומספרים, פריטי דוגמה, בסיס הסתגלות, סולם תגובות וכללי ניקוד. פריט בדיקת הקשב מזוהה כפריט סינון בלבד. אנא לחצו כאן להורדת הטבלה הזו.

4. ביצוע סקירת מומחים ובדיקות פיילוט

  1. הזמינו שלושה עד חמישה מומחים בפסיכולוגיה חינוכית, למידה מקוונת, מתודולוגיה כמותית, מחקר להשכלה גבוהה או עיצוב סקרים כדי לסקור את השאלון.
  2. בקש מהמומחים להעריך בהירות פריט, לבנות רלוונטיות, כפילויות ניסוח, נטל תגובה, התאמה תרבותית, בהירות שפה והתאמה בין כל פריט לממד שהוקצה לו.
  3. רשמו תוצאות סקירת מומחה ביומן תיקון פריט, כולל ניסוח מקורי, דאגת הסוקר, החלטת תיקון, ניסוח סופי, וסיבה לשימור, תיקון או הסרה.
  4. לתקן פריטים שהם עמומים, דו-קנה, דומים מדי, לא מתאימים תרבותית, מיושרים חלש לממד היעד, או לא תואמים את הקשר הסקר באנגלית.
  5. ערוך מבחן פיילוט עם 30–50 סטודנטים באוניברסיטה העומדים באותם קריטריוני זכאות כמו המחקר המרכזי. בקש מהמשתתפים בפיילוט לזהות ניסוח לא ברור, בעיות תצוגה טכנית, אורך יתר, ניסוח חוזר או אי נוחות שנגרמה מכל פריט בשאלון.
  6. רשום זמן סיום הפיילוט לכל משתתף. הגדר את סף זמן הסיום המינימלי של מחקר פורמלי כערך הגדול יותר בין 3 דקות לשליש מזמן הסיום החציוני של הפיילוט.
  7. חשב עקביות פנימית ראשונית לכל מבנה ובדוק את הקורלציות בין פריט לסך הפריטים לאחר ניסוי הפיילוט. עדכן או הסר פריטים חלשים רק כאשר מחיקה משפרת את איכות המדידה ואינה מחלישה את כיסוי המבנה.
  8. לסיים ולנעול את השאלון, ספר הקוד, מיפוי מקורות פריטים, יומן סקירות מומחים, רשומת ניסוי הפיילוט, סף זמן ההשלמה, כלל בדיקת הקשב, כלל זיהוי כפילויות וקריטריוני החרגה לפני הגיוס הרשמי.
    נקודת הפסקה: אל תתחילו בגיוס רשמי עד שכל השאלונים, הסינון וקבצי הקידוד ייסגרו.

5. ניהול השאלון המקוון

  1. בנה את השאלון במערכת סקרים מקוונת שתומכת בהשתתפות אנונימית, אישור הסכמה, סינון זכאות, הגדרות תגובה נדרשות, הקלטת זמן תגובה, הגבלת הגשה כפולה שאינה מזהה, מיקום בדיקת קשב וייצוא גיליון אלקטרוני.
  2. יש להניח הסכמה מדעת אלקטרונית לפני סינון הזכאות ופריטי שאלון. אפשר למשתתפים להמשיך רק לאחר אישור השתתפות וולונטרית ולהציג את מטרת המחקר בשפה ניטרלית. ציין שהמחקר בוחן את תפיסות התלמידים לגבי למידה מקוונת, סיפוק צרכים פסיכולוגיים ומעורבות בלמידה.
  3. קבע הסכמה, שאלות זכאות, וכל 33 הפריטים המהותיים בקנה מידה לייקרט כשדות נדרשים. כבה שדות למידע מזהה ישיר. אין לבקש שמות, מספרי סטודנטים, מספרי טלפון, כתובות דוא"ל פרטיות, כתובות מגורים מדויקות, כתובות IP, מזהי מכשירים או מזהי חשבון.
  4. אפשר למשתתפים לצאת מהשאלון לפני ההגשה הסופית ללא עונש. הגבל הגשות חוזרות רק דרך הגדרות פלטפורמת סקר שאינן מזהות כאשר זמינות. השאר את השאלון פתוח למשך 4–6 שבועות. עוקב אחרי ספירת התגובות פעמיים בשבוע ותיעד את התקדמות הגיוס ביומן עבודת השדה.
    הערה: אין לספק משוב אישי על הציון לאחר הגשת השאלון.

6. ייצוא והגנה על הנתונים הגולמיים

  1. יייצא את כל התגובות שהוגשו בפורמטים .xlsx ו-.csv מיד לאחר סגירת הגיוס.
  2. שמור קובץ .xlsx אחד ללא שינוי כ-RawData_OnlineLearning_BPN_Engagement_YYYYMMDD.xlsx וקובץ .csv אחד שלא שונה כ-RawData_OnlineLearning_BPN_Engagement_YYYYMMDD.csv.
  3. צור עותק עבודה לסינון, קידוד וניתוח. תגיד WorkingData_OnlineLearning_BPN_Engagement_YYYYMMDD.xlsx. הקצה לכל תגובה שהוגשה קוד משתתף אנונימי בפורמט P001, P002, P003 וכן הלאה.
  4. אחסן את מערך הנתונים הגולמי בתיקיית קריאה בלבד וצור סכום ביקורת, רשומת גרסאות קובץ או היסטוריית גרסאות מוסדיות לפני תחילת הסינון.
  5. שמור את ארכיון הרשומות הגולמיות והמטה-דאטה של הסינון שהופקו ללא זיהוי בתיקיית האימות המוסדית המוגנת. אין לכלול רשומות גולמיות שהוצאו, מידע מזהה ישירות, או נתונים גולמיים ברמת משתתף בכתב היד או בקבצים המשלימים שהוגשו לפרסום.
    נקודת עצירה: אל תתחילו בסינון עד שקובץ .xlsx הגולמי, קובץ .csv הגולמי, יומן העבודה השדה, רשומת גרסאות הנתונים הגולמיים ותיקיית הנתונים הגולמיים המוגנים נשמרו.

7. סינון תגובות ויישום כללי החרגה

  1. יש ליישם את כל כללי ההחרגה לפני בחינת קורלציות מבנות, פלט מודל מדידה, מסלולים מבניים או הערכות אסוציאציה עקיפה. הסר תשובות ללא אישור הסכמה או ללא גיל, הרשמה, חשיפה ללמידה מקוונת או זכאות לשפת שאלון.
  2. הסר תגובות כפולות לפי כלל זיהוי כפילויות שנקבע מראש. זהה כפילויות אפשריות רק באמצעות דגלים כפולים של פלטפורמת סקרים שאינם מזהים ומידע אנונימי על דפוסי תגובה. שמור על התגובה המלאה המוקדמת ביותר כאשר מזוהים תגובות כפולות.
  3. הסר תגובות שנכשלו בפריט בדיקת קשב מבוסס הוראה או שהושלמו מתחת לסף זמן הסיום המינימלי של הלימוד הפורמלי. הגדר קו ישר כבחירה באותה אפשרות תגובה לפחות ל-90% מתוך 33 הפריטים המהותיים בסולם לייקרט. הסר תגובות שעומדות בקריטריון הזה.
  4. סמן דפוסי תגובה במחרוזת ארוכה כאשר אותה אפשרות תגובה נבחרת עבורr 2.0או יותר פריטים מהותיים בקנה מידה Likert ברצף. הסר תגובות מסומנות רק כאשר הן גם מראות זמן סיום קצר במיוחד, בדיקת קשב כושלת, קו ישר או הפרת איכות מוגדרת אחרת.
  5. סמן תגובות רקע לא עקביות כאשר המשתתף מדווח שאין חשיפה ללמידה מקוונת או משולבת אך מדווח על שעות למידה שבועיות מעל אפס. הסר תגובות עם אי-עקביות זכאות לא פתורה.
  6. רשמו כל מקרה שהוחרג ביומן סינון לא מזוהה עם קוד משתתף אנונימי, קטגוריית ההחרמה, סיבת ההחרמה, תאריך הסינון והחלטת הסינון.
  7. השתמשו בטבלה 2 כדי לתעד תגובות שהוגשו, קטגוריות החרגה, ספירת החרגה, תגובות שנשמרו וגודל המדגם הסופי התקף. אם לא ניתן לשחזר את ספירת החריגות הגולמיות עבור מערך הנתונים המייצג (מייצג), יש לציין זאת במפורש.
    הערה: יש להוציא מקרים רק לפי כללי הסכמה, זכאות, כפילות, בדיקת קשב, זמן סיום, דפוס תגובה, חסרות או עקביות. אל תתחילו בקידוד עד שמערך הנתונים הגולמי, מערך הנתונים המנוקה, יומן הסינון, קובץ כללי ההחריג, יומן העבודה בשדה ורשומת גרסת המערך נשמרו וננעלו בנפרד.

טבלה 2: סינון תגובה, כללי החרגה והחלטות לטיפול בנתונים. טבלה זו מסכמת את כללי הסינון המוגדרים מראש והחלטות טיפול בנתונים עבור הסכמה, זכאות, תגובות כפולות, בדיקת תשומת לב, זמן סיום, בדיקות דפוסי תגובה, חסרות ונעילת מערכי נתונים. כללי הדרה מוחלים לפני בחינת קורלציות מבנה, פלט מודל מדידה, מסלולים מבניים או הערכות אסוציאציה עקיפה. כל תגובה שהוצאה מתועדת ביומן סינון לא מזוהה באמצעות קוד המשתתף האנונימי, קטגוריית ההחרמה, סיבת ההחרמה, תאריך הסינון והחלטת הסינון. אנא לחצו כאן להורדת הטבלה הזו.

8. טיפול בנתונים חסרים

  1. מניעת ערכים חסרים בשאלות הסכמה, זכאות ו-33 פריטים מהותיים בקנה מידה לייקרט על ידי הגדרת שדות אלו כפי שנדרש במערכת הסקר. בדוק את מאגר הנתונים הנקי לאיתור ערכים חסרים לאחר הסינון.
  2. התייחס לערכים חסרים במשתני רקע אופציונליים כ"לא מדווח". אל תייחסו משתנים דמוגרפיים או רקעים אופציונליים.
  3. החריג משתנה רקע מניתוח משתנים אם שיעור החסר שלו עולה על 10%. שמור על משתנה רקע כמשתנה משותף רק כאשר שיעור החסר שלו הוא 10% או פחות והמשתנה רלוונטי תיאורטית.
  4. אל תייחס ערכים חסרים ב-33 הפריטים המהותיים בקנה מידה לייקרט. אם מתגלה חסר מהותי של פריט למרות הגדרות התגובה הנדרשת, זהה האם הבעיה נגרמת מייצוא סקר, לוגיקת סקר או טיפול לא מלא בהגשה לפני סיום מערך הנתונים המנוקה.
    הערה: רשמו את בדיקת הנתונים החסרים. דווח על מספר הערכים החסרים ושיעור החסר עבור קוד משתתפים, משתני רקע, פריטים מהותיים בקנה מידה לייקרט, ציוני ממדים וציוני בנייה גלובליים.

9. קידוד משתנים וחישוב ציונים

  1. קודד את כל הפריטים המהותיים בקנה מידה לייקרט מ-1 עד 5: 1 = מתנגדים בתוקף, 2 = לא מסכים, 3 = נייטרליים, 4 = מסכים, ו-5 = מסכימים בחוזקה. קוד מגדר, רמה אקדמית, שנת לימודים, קטגוריית תחום, שעות לימוד שבועיות מקוונות וניסיון למידה מקוון קודמת לפי ספר הקוד הנעול.
  2. בדוק את כל המשתנים עבור ערכים מחוץ לטווח לפני חישוב ציוני ממד או בנייה גלובלית.
  3. חשב את ציוני ממדי חוויית הלמידה המקוונת כממוצע פריט: שימושיות פלטפורמה = ממוצע(OLE_PU1–OLE_PU3), תמיכה הוראה = ממוצע(OLE_IS1–OLE_IS3), איכות אינטראקציה = ממוצע(OLE_IQ1–OLE_IQ3), וגמישות למידה = ממוצע(OLE_LF1–OLE_LF3).
  4. חשב ציוני ממדי צרכים פסיכולוגיים בסיסיים כממוצע פריט: צורך אוטונומיה = ממוצע(BPN_AU1–BPN_AU3), צורך במיומנות = ממוצע(BPN_CO1–BPN_CO3), וצורך בקשר = ממוצע(BPN_RE1–BPN_RE3).
  5. חשב ציוני ממדי מעורבות בלמידה כממוצע פריט: מעורבות התנהגותית = ממוצע(LE_BE1–LE_BE4), מעורבות קוגניטיבית = ממוצע(LE_CE1–LE_CE4), ומעורבות רגשית = ממוצע(LE_EE1–LE_EE4).
  6. חישב ציוני בנייה גלובליים כממד: חוויית למידה מקוונת = ממוצע (שימושיות פלטפורמה, תמיכה הוראתית, איכות אינטראקציה, גמישות למידה); צרכים פסיכולוגיים בסיסיים = ממוצע (צורך באוטונומיה, צורך במיומנות, צורך בקשר); ומעורבות למידה = ממוצע (מעורבות התנהגותית, מעורבות קוגניטיבית, מעורבות רגשית).
  7. שמור נתונים ברמת הפריט להערכת מודל מדידה, ציוני ממדים להערכת מבנה מסדר גבוה וניתוח תת-ממד, וציוני קונסטרוקט כלליים לסטטיסטיקה תיאורית, ניתוח קורלציה, בדיקת מודלים מבניים וניתוח עמידות מבוסס רגרסיה.
    הערה: אין לכלול את פריט בדיקת הקשב בכל ציון, ניתוח אמינות, ניתוח תוקף, הערכת PLS-SEM, ניתוח אסוציאציה עקיפה או ניתוח עמידות. אין לאחד את הציונים המקוריים של 1–5 לפני ניתוח תיאורי.

10. שליטה והערכה של הטיית שיטה נפוצה

  1. החלו בקרות פרוצדורליות לפני ניתוח באמצעות תגובות אנונימיות, ניסוח ניטרלי, בלוקים מופרדים של בנייה, פריט בדיקת קשב מבוסס הוראה, הגדרות תגובה נדרשות, וגישה מוגבלת לנתונים גולמיים.
  2. לאחר סקר תגובה, השתמשו במבחן הגורם היחיד של הרמן כדי לבדוק האם גורם לא מסובב אחד אחראי לחלק הדומיננטי של שונות הפריטים. התייחסו לתוצאה כמקובלת כאשר הגורם הראשון הלא מסובב מהווה פחות מ-50% מהשונות הכוללת.
  3. חשב את ערכי פקטורי האינפלציה של שונות הקולינאריות המלאה עבור המבנים המוקדיים. יש להתייחס לערכים מתחת ל-3.30 כאילו לא סביר להטיית שיטה משותפת חמורה יותר. יש לרשום הטיית שיטה נפוצה כמגבלה אם הגורם הראשון הלא מסובב אחראי ל-50% או יותר מהשונות הכוללת או אם כל גורם אינפלציית שונות קולינאריטי מלא הוא 3.30 ומעלה.
    הערה: אל תציין שחסרה הטיית שיטה נפוצה. ציין רק האם האבחון מצביע על ראיות חמורות לגורם שיטה משותפת דומיננטי.

11. ביצוע בדיקות תיאוריות וראשוניות

  1. השתמש ב-R 4.4.1 לסטטיסטיקה תיאורית, בדיקות התפלגות, ניתוח קורלציה וניתוח עמידות מבוסס רגרסיה. חשב תדירויות ואחוזים עבור מאפייני משתתפים קטגוריים.
  2. חשב ממוצע, סטיית תקן, מינימום, מקסימום, סטיות וקורטוסיס עבור פריטים מהותיים, ציוני ממדים וציוני קונסטרוקט גלובליים.
  3. בדוק את התפלגות הפריטים והניקוד עבור אפקטים של רצפה, אפקט תקרה ואי-נורמליות חמורה. הגדר אפקט רצפה או תקרה פוטנציאלי כיותר מ-20% מהמשתתפים שבוחרים את אפשרות התגובה הנמוכה או הגבוהה ביותר לפריט מהותי.
  4. חשב קורלציות פירסון בין מבנים גלובליים וניקוד ממדים. התייחס לקורלציות כראיות תיאוריות ראשוניות בלבד ואל תשתמש בהן כתחליף למודל המבני שנקבע מראש.
    הערה: הקלט אפקטים של רצפה או תקרה כתכונות נתונים. אין למחוק מקרים מסיבות הפצה אלא אם כן הם מפרים כללי איכות תגובה מוגדרים מראש.

12. הערכת מודל המדידה מסדר גבוה יותר

  1. השתמש ב-Smart PLS 4.1 לניתוח PLS-SEM הראשי וייבא את מערך הנתונים הנקי ברמת הפריט. יש לציין את השימושיות של הפלטפורמה, תמיכה בהוראה, איכות אינטראקציה, גמישות למידה, צורך באוטונומיה, צורך במיומנות, צורך בקשר, מעורבות התנהגותית, מעורבות קוגניטיבית ומעורבות רגשית כמבנים רפלקטיביים מדרגה ראשונה.
  2. השתמש בגישה דו-שלבית נפרדת. בשלב הראשון, הערכת המבנים הרפלקטיביים מסדר ראשון ושומרים את ציוני המשתנים החבויים שלהם.
  3. בשלב השני, יש להשתמש בציוני משתנה סמויים של שימושיות בפלטפורמה, תמיכה בהוראה, איכות אינטראקציה וגמישות למידה כדי לייצג חוויית למידה מקוונת; ציונים משתנים סמויים של צורך באוטונומיה, צורך במיומנות וקרבת משפחה כדי לייצג צרכים פסיכולוגיים בסיסיים; וציונים משתנים סמויים של מעורבות התנהגותית, מעורבות קוגניטיבית ומעורבות רגשית כדי לייצג מעורבות ללמידה.
  4. התייחסו לציוני מבנים מסדר גבוה כייצוגים שנגזרים אנליטית של מבנים רב-ממדיים. אין לתאר אותם כמעצבים אלא אם כן מודל מעצב מוגדר ומוצדק במפורש. שמור הגדרות שלב ראשון, הגדרות שלב שני, ציוני משתנים סמויים וקבצי פלט מודל בתיקיית האימות.
    הערה: השתמשו באותו פרוצדורה של מבנה מסדר גבוה במודל המבנה הראשי, בניתוח תת-ממד של צורך פסיכולוגי, ובניתוח עמידות מבוסס רגרסיה.

13. הערכת מודל המדידה

  1. הערך את מודל המדידה לפני פירוש המודל המבני. בדוק עומסים חיצוניים סטנדרטיים לכל המדדים השמורים. שמור על אינדיקטורים עם עומסים של לפחות 0.70 כשאפשר.
  2. בדוק מדדים עם עומסים בין 0.40 ל-0.70. הסר אינדיקטור רק כאשר מחיקה משפרת את האמינות או את התוקף המתכנס ואינה מחלישה את כיסוי התוכן. להסיר אינדיקטורים מתחת ל-0.40 אלא אם כן יש סיבה תיאורטית מתועדת התומכת בשימור.
  3. הערכו עקביות פנימית באמצעות אמינות האלפא והקומפוזיט של קרונבך. התייחס לערכים בין 0.70 ל-0.95 כמקובלים. הערכת תוקף התכנסות באמצעות שונות ממוצעת שהופקה. התייחס לערכים של לפחות 0.50 כמקובל.
  4. הערכו תוקף הבחנה באמצעות יחס הטרוטריטים-מונוטרייטים. השתמשו ב-0.85 כסף השמרני וב-0.90 כסף המרבי המקובל למבנים תיאורטיים סמוכים.
  5. אינדיקטורים נשמרים ברשומות, טעינות חיצוניות סטנדרטיות, אלפא של קרונבאך, אמינות מורכבת, שונות ממוצעת שהופקה, ערכי הטרוטרייטים-מונוטרייטים, וכל החלטה למחיקת פריט בפלט מודל המדידה הנעול.
    הערה: אל תמחק פריטים רק כדי לשפר ערכים סטטיסטיים. הסר פריט רק כאשר מתועדים חולשה סטטיסטית ויתירות מושגית.
    נקודת הפסקה: אל תתחילו בבדיקות מבניות עד שמדדים, ערכי טעינה, ערכי אמינות, תוקף מתכנס, תוקף מבחין, רשומות בספר קודים וערכי פלט מדידה שנבדקו מול קבצי הניתוח הנעולים.

14. בדוק את המודל המבני ואת מסלול התיווך

  1. ציין שלושה מסלולים מבניים: חוויית למידה מקוונת → צרכים פסיכולוגיים בסיסיים, צרכים פסיכולוגיים בסיסיים → מעורבות בלמידה, וחוויית למידה מקוונת → מעורבות למידה.
  2. כלול שעות לימוד שבועיות מקוונות וניסיון למידה מקוון קודמת כמשתני בקרה מוגדרים מראש. להתייחס למגדר, רמת אקדמיה, שנת לימודים וקטגוריית תחום כמשתנים תיאוריים אלא אם כן כלולים במודל רגישות מוגדר מראש.
  3. בדוק את הקולינאריות של מודל מבני לפני פירוש מקדמי המסלול. יש להתייחס לערכי פקטור האינפלציה השונות מתחת ל-3.30 כאילו לא סביר שקולינאריות מזיקה אינה סבירה.
  4. הערכת מקדמי מסלול סטנדרטיים, ערכי t , ערכי p ורווחי אמון של 95% באמצעות 5,000 דגימות אתחול עם בדיקות דו-זנביות. השתמש בטווחי ביטחון מתוקנים על ידי הטיה כאשר זמינים.
  5. הערך את המסלול העקיף מחוויית למידה מקוונת למעורבות בלמידה דרך צרכים פסיכולוגיים בסיסיים. התייחס למסלול האסוציאציה העקיף כנתמך כאשר מרווח האמון של האתחול העקיף אינו כולל אפס.
  6. רשמו את ההשפעה הישירה, ההשפעה העקיפה, ההשפעה הכוללת, ערכי R2 , ערכי R2 מותאמים, גדלי אפקט f2 , ערכי פקטור אינפלציה של שונות במודל מבני, ונתיבי משתני בקרה בפלט המודל המבני הנעול. פרש את כל ההערכות המבניות כנתיבים מבוססי אסוציאציה ולא כהשפעות סיבתיות.
    הערה: אל תסיר מסלול מוגדר מראש כי הוא לא משמעותי. שמור על המודל שנקבע מראש אלא אם זוהתה שגיאת קידוד או שגיאת מפרט מודל.

15. לבחון תת-ממדים של צורך פסיכולוגי

  1. החלף את מבנה הצרכים הפסיכולוגיים הבסיסיים הגלובליים בצורך אוטונומיה, צורך במיומנות וצורך בקשר כמבנה אסוציאציה עקיף מקביל. הערכו מסלולים עקיפים מחוויית למידה מקוונת למעורבות בלמידה דרך צורך באוטונומיה, צורך במיומנות וצורך בקשר בנפרד.
  2. השתמש ב-5,000 דגימות bootstrap לכל נתיב תת-ממדי. השוו את הכיוון, הגודל וטווח האמון של כל מסלול עקיף תת-ממדי. התייחס לניתוח זה כניתוח רגישות ולא כמודל הראשי.
    הערה: אל תפרשו מחדש את ניתוח רגישות תת-הממד כמודל ראשוני חדש.

16. ביצוע ניתוח עמידות מבוסס רגרסיה

  1. ייצא את מערך הנקודות הקונסטרקטיבי המנוקה ושמור אותו כ-ConstructScores_OnlineLearning_BPN_Engagement_YYYYMMDD.csv. השתמש ב-R 4.4.1 כדי להחזיר את הצרכים הפסיכולוגיים הבסיסיים הגלובליים לחוויית הלמידה המקוונת הגלובלית, שעות הלמידה השבועיות והניסיון המקוון הקודם.
  2. החזרת מעורבות הלמידה הגלובלית על חוויית למידה גלובלית מקוונת, צרכים פסיכולוגיים בסיסיים גלובליים, שעות למידה שבועיות וניסיון למידה מקוון קודם. הערך את המסלול העקיף באמצעות 5,000 דגימות בוטסטרפ.
  3. השווה את המסלול העקיף המבוסס רגרסיה עם המסלול העקיף PLS-SEM. סווג את המסלול כחזק רק כאשר הכיוון נשאר עקבי והפרשנות המהותית אינה משתנה. שמור את סקריפט R, הגדרות האתחול והפלט של עמידות בתיקיית האימות.
    נקודת הפסקה: אל תתחילו בנעילה סופית עד שמודל המבנה, ניתוח תת-הממד וניתוח החוסן מבוסס רגרסיה יובדקו בהצטלבות.

17. לטפל בתוצאות אנליטיות לא אופטימליות

  1. אם אמינות האלפא או הקומפוזיט של קרונבך נמוכה מ-0.70, יש לבדוק את הקורלציות הכוללת של הפריט ואת העומס החיצוני הסטנדרטי. אם השונות הממוצעת שהופקה היא מתחת ל-0.50, יש לבדוק אינדיקטורים שנשמרו ולזהות האם אחד או יותר מדדים מחלישים את תוקף ההתכנסות.
  2. אם ערכי ההטרוטרייטים-מונוטרייטים חורגים מהסף שנקבע מראש, בדוק ניסוח פריטים לאיתור חפיפה סמנטית בין מבנים תיאורטיים קרובים. הסר פריט חלש רק כאשר הוא חלש סטטיסטית ומיותר מבחינה רעיונית. שמירה על מבנים תיאורטיים סמוכים בנפרד בעת מיזוגם תפחית את הבהירות המושגית.
  3. אם המסלול העקיף אינו נתמך, יש לרשום את התוצאה כאסוציאציה עקיפה לא נתמכת. אם משתני הביקורת מראים אסוציאציות לא משמעותיות, יש לרשום את התוצאות ללא פרשנות יתר.
    הערה: אל תשנה את המודל התיאורטי לאחר הניתוח כדי לכפות תמיכה חזקה יותר.

18. נעילת פלטי תוכנה וקבצי שחזור

  1. צור תיקיית אימות מוסדית סופית בשם Verification_OnlineLearning_BPN_Engagement_YYYYMMDD.
  2. שמור את ארכיון מערך הנתונים הגולמי, מערך הנתונים הנקי, מערך ניקוד בנייה, ספר קודים, שאלון, טבלת מיפוי פריטים-מקורות, יומן סקירת מומחים, רשומת ניסוי פיילוט, יומן עבודת שטח, יומן סינון, קובץ כללי החריגה, רשומת סף זמן השלמה, פלטי PLS חכמים, סקריפטים של R, טבלאות פלט R, רשומת גרסאות תוכנה ויומן שינוי גרסאות בתיקיית האימות.
  3. שמרו קבצי פרויקט Smart PLS 4.1 וייצאו פלטים של מודל מדידה, מודל מבני, בוטסטרפ והטרוטרייט-מונוטרייט בתיקיית משנה בשם SmartPLS_Output. שמור סקריפטים של R וטבלאות פלט R בתיקיית משנה בשם R_Output. שמור את השאלון, מיפוי מקור-פריט, קידוד משתנים וכללי הניקוד כקובץ משלים 1.
  4. שמור אימות מערך נתונים אנליטי סופי, סיכום סינון, רשומת נתונים חסרים, אבחון הטיית שיטות נפוצות, תוצאות מודל מדידה, תוצאות מודל מבני, תוצאות אסוציאציה עקיפה, ניתוח תת-ממד, רשומת עמידות מבוססת רגרסיה, הגדרות תוכנה ורשומת גרסאות כקובץ משלים 2.
  5. אין לכלול מידע מזהה ישיר, רשומות גולמיות שהוחרגו, או נתונים גולמיים ברמת המשתתף בכתב היד או בקבצים המשלימים שהוגשו לפרסום. נעל את תיקיית האימות הסופית לאחר בדיקת עקביות. שמור תיקונים מאוחרים יותר כגרסאות חדשות ומתוארכות ותעד את הסיבה ביומן שינויי הגרסאות.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

מאגר נתונים אנליטי סופי ומאפייני המשתתפים

מאגר הנתונים האנליטיים הסופי כלל 386 סטודנטים באוניברסיטה. הגיוס הרשמי התקיים בין 18 באוגוסט 2025 ל-26 בספטמבר 2025 באמצעות פלטפורמות למידה באוניברסיטה, קבוצות תקשורת קורסים, רשימות דיוור של סטודנטים וערוצי סטודנטים מוסדיים. בסך הכל נבדקו 432 תגובות שהוגשו, ו-386 תגובות נשמרו, מה שנותן שיעור תגובה תקף של 89.4%. מאגר הנתונים הנעול כלל 33 פריטים מהותיים בקנה מידה לייקרט ופריט בדיקת קשב אחד מבוסס הוראות. ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

פרוטוקול זה מספק תהליך עבודה מתודולוגי שניתן לשחזור עליו להערכת מסלולי אסוציאציה בין חוויית למידה מקוונת, צרכים פסיכולוגיים בסיסיים ומעורבות למידה אצל סטודנטים באוניברסיטה. במקום להתייחס ללמידה מקוונת כמצב יחיד, הפרוטוקול מפריד את סביבת הלמידה הנתפסת לשימושיות בפלטפורמה, תמיכה בהוראה, איכות אינטראקציה וגמישות למידה. מבנה זה מאפשר לחוקרים לזהות איזה חלק מחוויית הלמידה המקוונת קשור ביותר לסיפוק הצרכים הפסיכולוגיים ולמעורבות, במקום להסתמך רק על סיפוק כללי או מדדי סיום קורסים

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים מצהירים כי אין להם קשרים כלכליים או אישיים שיכלו להשפיע על העבודה המדווחת במאמר זה.

תודות

אנו מודים מכל הלב לכל הסטודנטים המשתתפים על זמנם, שיתוף הפעולה והתגובות החשובות. אנו מודים גם לצוות האקדמי והמנהלי הרלוונטי על תמיכתם לאורך כל תהליך הסקר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
Qualtrics online survey platformQualtricsInstitutional account; version not applicableUsed 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 365Microsoft CorporationMicrosoft 365 institutional versionUsed to store the raw exported dataset, cleaned dataset, codebook, screening log, construct-score file, and verification records in .xlsx and .csv formats.
G*PowerHeinrich Heine University DüsseldorfG*Power 3.1.9.7Used for a priori sample-size and power checking before recruitment.
SmartPLSSmartPLS GmbHSmartPLS 4.1 ProfessionalUsed 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 softwareR Foundation / CRANR 4.4.1Used for descriptive statistics, Pearson correlations, common method bias diagnostics, and regression-based robustness analysis.
R package: psychCRANpsych 2.4.6Used for descriptive statistics, reliability checks, and psychometric summaries.
R package: bootCRANboot 1.3-30Used for bootstrap-based regression robustness checks.
R package: semPlotCRANsemPlot 1.1.6Used only for optional path-diagram cross-checking when R-based visual verification is needed.
OneDrive for Business or SharePoint version historyMicrosoft CorporationMicrosoft 365 institutional accountUsed 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 fileAuthor-prepared study fileSupplementary File 1Contains the final questionnaire, item-source mapping, variable names, coding rules, dimension-score formulas, global construct-score formulas, and data-handling rules.
Screening and reproducibility recordAuthor-prepared study fileSupplementary File 2Contains 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 softwareAdobe Illustrator or equivalent vector-editing softwareInstitutional versionUsed to prepare publication-ready workflow and structural-model figures.

מקורות

  1. Organization for Economic Co-operation and Development. OECD digital education outlook 2021: pushing the frontiers with artificial intelligence, blockchain and robots. Paris: OECD Publishing; 2021. doi:10.1787/589b283f-en.
  2. Martin F, Bolliger DU. Engagement matters: student perceptions on the importance of engagement strategies in the online learning environment. Online Learn. 2018;22(1):205-222. doi:10.24059/olj.v22i1.1092.
  3. Dixson MD. Measuring student engagement in the online course: the Online Student Engagement scale (OSE). Online Learn. 2015;19(4). doi:10.24059/olj.v19i4.561.
  4. Bond M, Buntins K, Bedenlier S, Zawacki-Richter O, Kerres M. Mapping research in student engagement and educational technology in higher education: a systematic evidence map. Int J Educ Technol High Educ. 2020;17(1):2. doi:10.1186/s41239-019-0176-8.
  5. Vansteenkiste M, Ryan RM, Soenens B. Basic psychological need theory: advancements, critical themes, and future directions. Motiv Emot. 2020;44(1):1-31. doi:10.1007/s11031-019-09818-1.
  6. Chen KC, Jang SJ. Motivation in online learning: testing a model of self-determination theory. Comput Human Behav. 2010;26(4):741-752. doi:10.1016/j.chb.2010.01.011.
  7. Chiu TKF. Applying the self-determination theory to explain student engagement in online learning during the COVID-19 pandemic. J Res Technol Educ. 2022;54(sup1):S14-S30. doi:10.1080/15391523.2021.1891998.
  8. Bedenlier S, Bond M, Buntins K, Zawacki-Richter O, Kerres M. Facilitating student engagement through educational technology in higher education: a systematic review in the field of arts and humanities. Australas J Educ Technol. 2020;36(4):126-150. doi:10.14742/ajet.5477.
  9. Ward MK, Meade AW. Dealing with careless responding in survey data: prevention, identification, and recommended best practices. Annu Rev Psychol. 2023;74:577-596. doi:10.1146/annurev-psych-040422-045007.
  10. Zawacki-Richter O, Kerres M, Bedenlier S, Bond M, Buntins K, editors. Systematic reviews in educational research: methodology, perspectives and application. Wiesbaden: Springer VS; 2020. doi:10.1007/978-3-658-27602-7.
  11. Hair JF, Hult GTM, Ringle CM, Sarstedt M. A primer on partial least squares structural equation modeling. 3rd ed. Thousand Oaks: Sage Publications; 2022.
  12. Wut TM, Ng PML, Low MP. Engaging university students in online learning: a regional comparative study from the perspective of social presence theory. J Comput Educ. 2024;11(3):763-789. doi:10.1007/s40692-023-00278-8.
  13. Stone C, O’Shea S. Older, online and first: recommendations for retention and success. Australas J Educ Technol. 2019;35(1):57-69. doi:10.14742/ajet.3913.
  14. Salas-Pilco SZ, Yang Y, Zhang Z. Student engagement in online learning in Latin American higher education during the COVID-19 pandemic: a systematic review. Br J Educ Technol. 2022;53(3):593-619. doi:10.1111/bjet.13190.
  15. Maxwell SE, Cole DA. Bias in cross-sectional analyses of longitudinal mediation. Psychol Methods. 2007;12(1):23-44. doi:10.1037/1082-989X.12.1.23.
  16. Richardson JC, Maeda Y, Lv J, Caskurlu S. Social presence in relation to students’ satisfaction and learning in the online environment: a meta-analysis. Comput Human Behav. 2017;71:402-417. doi:10.1016/j.chb.2017.02.001.
  17. Meade AW, Craig SB. Identifying careless responses in survey data. Psychol Methods. 2012;17(3):437-455. doi:10.1037/a0028085.
  18. Deci EL, Ryan RM. The “what” and “why” of goal pursuits: human needs and the self-determination of behavior. Psychol Inq. 2000;11(4):227-268. doi:10.1207/S15327965PLI1104_01.
  19. Fredricks JA, Blumenfeld PC, Paris AH. School engagement: potential of the concept, state of the evidence. Rev Educ Res. 2004;74(1):59-109. doi:10.3102/00346543074001059.
  20. Garrison DR, Anderson T, Archer W. Critical inquiry in a text-based environment: computer conferencing in higher education. Internet High Educ. 2000;2(2-3):87-105. doi:10.1016/S1096-7516(00)00016-6.
  21. Cole DA, Maxwell SE. Testing mediational models with longitudinal data: questions and tips in the use of structural equation modeling. J Abnorm Psychol. 2003;112(4):558-577. doi:10.1037/0021-843X.112.4.558.
  22. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903. doi:10.1037/0021-9010.88.5.879.
  23. Gašević D, Dawson S, Siemens G. Let’s not forget: learning analytics are about learning. TechTrends. 2015;59(1):64-71. doi:10.1007/s11528-014-0822-x.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

מאמר זה פורסם

הסרטון יגיע בקרוב

צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.