Un protocollo di indagine basato sulla Teoria dell'Autodeterminazione per la motivazione allo sviluppo professionale, l'autoefficacia nell'insegnamento e l'impegno dei docenti universitari

Sommario

Questo protocollo descrive una procedura basata su un questionario trasversale anonimo per valutare la motivazione allo sviluppo professionale, l'autoefficacia nell'insegnamento, l'impegno e la pratica riflessiva dei docenti universitari.

Abstract

I docenti universitari partecipano a programmi di sviluppo professionale in condizioni istituzionali, disciplinari e motivazionali diverse. I soli dati di partecipazione non permettono di stabilire se lo sviluppo professionale si traduca in un apprendimento professionale significativo. Questo articolo presenta un protocollo standardizzato, anonimo e trasversale per la somministrazione di un questionario volto a valutare, da una prospettiva della teoria dell'autodeterminazione, la soddisfazione dei bisogni psicologici, la motivazione autonoma e controllata, l'autoefficacia nell'insegnamento, l'impegno nello sviluppo professionale e la pratica riflessiva. Il protocollo specifica le fasi di screening dell'idoneità, campionamento stratificato di convenienza, costruzione del questionario, revisione da parte di esperti, test pilota, somministrazione online, anonimizzazione, controllo della qualità delle risposte, calcolo dei punteggi delle scale, stima dell'affidabilità, analisi delle correlazioni, regressione gerarchica e analisi di sensibilità. Inoltre, chiarisce le procedure di adattamento delle scale, verifica delle autorizzazioni, calcolo dei punteggi dei costrutti e l'interpretazione di scale altamente affidabili come possibili indicatori di ridondanza degli elementi. Risultati rappresentativi sono stati ottenuti da un'applicazione completata del protocollo, nella quale sono stati esportati 326 moduli compilati e conservate 313 risposte valide dopo lo screening predefinito. I risultati hanno mostrato che la soddisfazione dei bisogni di autonomia, competenza e relazionalità era positivamente associata alla motivazione autonoma e che la motivazione autonoma e l'autoefficacia nell'insegnamento erano associate all'impegno nello sviluppo professionale. Il protocollo è adatto per studi standardizzati, multistituzionali e basati su indagini, volti a esaminare le correlazioni motivazionali e delle convinzioni professionali con l'impegno nello sviluppo professionale. È meno adatto per inferenze causali, stime di cambiamento longitudinale, esiti comportamentali diretti o valutazioni di programmi a livello istituzionale, a meno che non vengano aggiunte misurazioni ripetute, osservazioni, indagini qualitative o dati amministrativi.

Introduzione

Lo sviluppo professionale degli insegnanti è ampiamente utilizzato per sostenere la qualità dell'insegnamento, il miglioramento didattico e l'apprendimento professionale, ma i suoi effetti sono difficili da interpretare quando la valutazione si limita alla partecipazione, all'esposizione o al numero di ore di formazione completate^1,2. La ricerca sullo sviluppo professionale richiede una chiara concettualizzazione dei meccanismi che collegano le attività di apprendimento al cambiamento dell'insegnante, poiché la semplice partecipazione non indica necessariamente coinvolgimento, utilità percepita o riflessione successiva¹. Negli ambienti universitari, gli insegnanti operano in diverse discipline, tipologie di incarico, condizioni di carico di lavoro e aspettative istituzionali. Un protocollo di indagine che misuri le condizioni psicologiche e le convinzioni professionali può quindi integrare il monitoraggio basato sulle attività, esaminando come gli insegnanti vivono e applicano lo sviluppo professionale. Approcci alternativi rispondono a diverse finalità di valutazione. La valutazione basata sulla presenza è efficiente per documentare la portata, la conformità e l'adozione del programma, ma fornisce informazioni limitate riguardo alla motivazione, alla capacità percepita o alla qualità del coinvolgimento. Interviste qualitative, gruppi focali e narrazioni riflessive offrono descrizioni più ricche delle esperienze di apprendimento professionale, ma sono meno adatti a misurazioni standardizzate su più istituzioni o campioni ampi. I disegni longitudinali sono preferibili per stimare il cambiamento nel tempo, l'ordine temporale o gli esiti didattici ritardati. I quadri di valutazione a livello istituzionale sono utili per monitorare l'erogazione dei programmi, l'allocazione delle risorse e la responsabilità organizzativa. Il presente protocollo è particolarmente indicato quando l'obiettivo è condurre un'indagine anonima, trasversale e multistituzionale, utilizzando procedure riproducibili di punteggio, pulizia e analisi dei dati.

Il protocollo considera lo sviluppo professionale come un processo di apprendimento professionale piuttosto che come un singolo evento istituzionale. Opfer e Pedder hanno concettualizzato l'apprendimento professionale degli insegnanti come un processo complesso plasmato dalle interazioni tra sistemi individuali, ambientali di lavoro e attività di apprendimento³. Questa prospettiva è rilevante per gli insegnanti universitari poiché la stessa attività può essere vissuta in modo diverso a seconda della scelta percepita, della sicurezza nell'insegnamento, del sostegno dei colleghi, della pressione del carico di lavoro e della rilevanza disciplinare. Il protocollo valuta quindi la soddisfazione dei bisogni psicologici, la motivazione allo sviluppo professionale, l'autoefficacia nell'insegnamento, l'impegno nello sviluppo professionale e la pratica riflessiva, oltre al contesto di partecipazione. La teoria dell'autodeterminazione fornisce la base motivazionale per il protocollo. Tale teoria distingue la motivazione autonoma, in cui il comportamento è percepito come personalmente approvato o significativo, dalla motivazione controllata, in cui il comportamento è guidato principalmente da pressione, obbligo o richieste esterne⁴. Identifica inoltre l'autonomia, la competenza e la relazionalità come bisogni psicologici fondamentali che sostengono azioni approvate dal sé e un impegno duraturo⁵. Nello sviluppo professionale degli insegnanti universitari, l'autonomia si riferisce alla scelta percepita e alla discrezionalità professionale nella selezione o nell'utilizzo di attività di sviluppo; la competenza si riferisce alla crescita percepita nelle capacità di insegnamento; la relazionalità si riferisce alla connessione con i colleghi, al senso di appartenenza professionale e allo scambio costruttivo. Queste costruzioni consentono al protocollo di esaminare le ragioni della partecipazione degli insegnanti e il modo in cui l'ambiente di sviluppo professionale viene vissuto.

L'autoefficacia nell'insegnamento è inclusa perché la motivazione da sola non determina se gli insegnanti ritengono di essere in grado di applicare i contenuti della formazione professionale nella pratica didattica. L'autoefficacia degli insegnanti si riferisce alle convinzioni degli insegnanti riguardo alla propria capacità di organizzare ed eseguire azioni legate all'insegnamento, ed è stata associata al comportamento didattico, alla perseveranza, all'entusiasmo e ai risultati relativi agli studenti⁶. Il modello di cambiamento per gli insegnanti di Guskey suggerisce inoltre che la formazione professionale diventa significativa quando gli insegnanti riescono a collegare le nuove pratiche con evidenze di miglioramento⁷. In questo protocollo, l'autoefficacia nell'insegnamento è considerata una variabile relativa alle convinzioni professionali che può aiutare a spiegare se la formazione professionale viene effettivamente applicata nei contesti didattici in aula, online, in laboratorio, nello studio, in ambito clinico o nella supervisione. L'impegno nella formazione professionale è definito come un coinvolgimento attivo nelle attività di formazione professionale, l'attenzione al processo di apprendimento, lo sforzo per collegare i contenuti della formazione professionale all'insegnamento, l'apprendimento continuato dopo l'attività e la disponibilità a partecipare a futuri percorsi di apprendimento professionale. Questo costrutto è collegato alla più ampia letteratura sull'impegno, in cui vigore, dedizione e concentrazione descrivono un coinvolgimento prolungato nelle attività lavorative⁸. Tuttavia, l'impegno nella formazione professionale non è considerato identico all'impegno generale nel lavoro né come un semplice conteggio della partecipazione alla formazione professionale. Viene misurato come una risposta più ristretta relativa all'apprendimento professionale, che cattura in che modo gli insegnanti partecipano, elaborano e continuano a utilizzare le esperienze di formazione professionale. La pratica riflessiva è inclusa come un indicatore sintetico della revisione successiva all'attività, della valutazione dell'utilità didattica, della revisione delle strategie di insegnamento e della documentazione o discussione dei risultati dell'apprendimento⁹.

Un protocollo per un'indagine richiede anche procedure predefinite per la qualità delle risposte e le modalità di rilevazione. I questionari online anonimi possono produrre risposte di breve durata, domande non compilate, mancato superamento dei test di attenzione e schemi di risposta invarianti. La verifica per individuare risposte distratte è più affidabile quando si combinano più indicatori, piuttosto che applicare una singola regola di esclusione¹⁰. Il protocollo prevede quindi soglie relative al tempo di completamento, verifiche dell'attenzione basate sulle risposte richieste, regole per dati mancanti, controllo delle risposte invarianti e codifica tracciabile delle esclusioni prima del calcolo dei punteggi delle scale. La coerenza interna viene stimata tramite l'alfa di Cronbach e l'omega di McDonald, poiché l'alfa da sola può essere fuorviante in determinate condizioni di misurazione¹¹. Valori di affidabilità molto elevati vengono interpretati con cautela, poiché potrebbero indicare ridondanza tra gli item piuttosto che una misurazione più solida. L'analisi primaria tratta ogni costrutto come un punteggio osservato della scala per le statistiche descrittive, la stima dell'affidabilità, l'analisi delle correlazioni, la regressione gerarchica e le analisi di sensibilità. Gli studi che utilizzano questo protocollo per lo sviluppo di scale, confronti interculturali o misurazioni ad alto impatto dovrebbero aggiungere un'analisi fattoriale esplorativa o confermativa prima di interpretare le associazioni strutturali, specialmente quando le correlazioni tra costrutti sono elevate o si utilizzano item tradotti. Il disegno trasversale permette di stimare le associazioni tra soddisfazione dei bisogni psicologici, motivazione, autoefficacia nell'insegnamento, impegno nello sviluppo professionale e pratica riflessiva, ma non consente di stabilire un ordine temporale, effetti causali o cambiamenti comportamentali. Poiché tutte le variabili principali sono auto-riferite dagli stessi partecipanti, rimangono possibili distorsioni legate alla desiderabilità sociale e al metodo comune, nonostante l'anonimato, la formulazione neutra, la verifica della qualità delle risposte e le analisi di sensibilit๲. Il protocollo è quindi meno adatto per inferenze causali, la stima di cambiamenti longitudinali, la valutazione diretta del comportamento didattico o la valutazione di programmi a livello istituzionale, a meno che non si aggiungano misurazioni ripetute, indagini qualitative, osservazioni in aula, materiali didattici o dati amministrativi sui programmi. Entro il suo ambito previsto, il protocollo fornisce un metodo standardizzato per esaminare i costrutti motivazionali e delle convinzioni professionali associati all'impegno nello sviluppo professionale e all'apprendimento professionale riflessivo dei docenti universitari¹³.

Protocollo

The study protocol was reviewed and approved by the Universiti Malaya Research Ethics Committee (Non-Medical) on 7 August 2025 (Reference No. UM.TNC(P&I)/UMREC_4864). Local administrative permission was obtained from each participating university before recruitment when required. Electronic informed consent was collected before eligibility screening and questionnaire administration. No names, staff identification numbers, telephone numbers, institutional email addresses, Internet Protocol addresses, geolocation data, device identifiers, exact department names, or open-text identifiers were collected. Submitted responses were assigned anonymous respondent codes and stored in encrypted institutional storage according to the approved data-retention procedure.

This protocol standardizes an anonymous, cross-sectional questionnaire procedure for assessing university teachers’ professional development motivation, basic psychological need satisfaction, teaching self-efficacy, professional development engagement, and reflective practice. The protocol uses self-determination theory to distinguish autonomous motivation from controlled motivation in professional development participation¹⁴.

1. Study design and workflow

1. Define the study as an anonymous, cross-sectional questionnaire study of university teachers and follow the workflow shown in Figure 1 from ethics approval to reproducibility checking.
2. Measure basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
3. Treat autonomy, competence, and relatedness need satisfaction as motivational antecedents; autonomous and controlled motivation as motivational-regulation variables; teaching self-efficacy as a professional belief variable; and professional development engagement and reflective practice as professional-learning response variables¹⁵.
4. Analyze constructs as observed scale scores for descriptive statistics, reliability estimation, correlation analysis, hierarchical regression, and sensitivity analyses.
   NOTE: Add exploratory or confirmatory factor analysis before interpreting latent structure, cross-cultural measurement equivalence, or discriminant validity in studies using translated items, newly adapted items, or highly correlated constructs.

2. Participant eligibility and sampling plan

1. Recruit university teachers from at least four universities with varied institutional profiles.
2. Include participants aged 21 years or older who are employed by a higher-education institution, involved in teaching or supervision, able to complete the questionnaire in the study language, and willing to provide electronic informed consent.
3. Include undergraduate teaching, postgraduate teaching, supervision, curriculum delivery, clinical teaching, studio teaching, laboratory teaching, online teaching, and academic mentoring as eligible teaching roles.
4. Exclude administrative staff without teaching duties, retired teachers no longer involved in teaching, visiting scholars without teaching responsibilities, external trainers not employed by the university, and individuals without informed consent.
5. Use stratified convenience sampling across broad discipline groups and academic ranks. Code discipline group as Education, Humanities, Social Sciences, Business and Management, Science, Technology, Engineering and Mathematics, Health Sciences, Arts and Design, or Other.
6. Set the minimum target at 300 valid responses for regression models with multiple background and psychological predictors¹⁶. Recruit 330–360 submitted responses to allow for exclusion during screening.
7. Conduct recruitment during a regular teaching period, avoid examination weeks and major institutional evaluation periods, use a 4-week recruitment window, and extend recruitment once for 7 calendar days if fewer than 300 valid responses are available.
   NOTE: Apply identical eligibility criteria, discipline categories, recruitment wording, and exclusion rules across all universities.Pause after ethics approval, institutional permissions, recruitment channels, sampling frame, and recruitment materials are finalized.

3. Questionnaire structure and construct map

1. Build the questionnaire in seven sections: informed consent, demographic and professional background, basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
2. Define each construct, item code, item source, item number, response scale, scoring method, expected score range, and permission status in Table 1 before programming the questionnaire.
3. Use a 5-point Likert response scale for all main psychometric items, ranging from 1 (strongly disagree) to 5 (strongly agree).
4. Collect institution code, discipline group, gender, age group, academic rank, teaching years, weekly teaching hours, professional development activities and hours in the last 12 months, and perceived administrative workload before psychometric items.
5. Code age group, teaching years, discipline group, and perceived administrative workload using the codebook in Supplementary File 1. Use broad discipline categories instead of exact department names.
6. Provide the full questionnaire, variable names, item codes, response coding, scoring syntax, exclusion coding, and script structure in Supplementary File 1.
   NOTE: Lock item codes before programming the online questionnaire. Do not change item codes after pilot testing unless the questionnaire, codebook, and analysis script are updated together.

4. Construct measurement and item allocation

1. Measure autonomy, competence, and relatedness need satisfaction with four items each.
2. Measure autonomous motivation with six items and controlled motivation with four items reflecting self-endorsed and pressure-based reasons for teaching-related professional development¹⁷.
3. Measure teaching self-efficacy with 12 university-adapted items covering instructional strategies, student engagement, and classroom management or interaction¹⁸.
4. Measure professional development engagement with six items covering active participation, sustained learning effort, attention, application, continued learning, and willingness to engage in future professional development¹⁹.
5. Measure reflective practice with four items covering post-activity reflection, usefulness evaluation, teaching-strategy revision, and documentation or discussion of learning outcomes²⁰.
6. Include two instructed-response attention-check items: one requiring “Agree” after the motivation items and one requiring “Disagree” after the teaching self-efficacy items.
7. Keep the final questionnaire between 38 and 44 main items, excluding informed consent and background questions.
8. Classify all psychometric items in Table 1 as adapted, newly written, or domain-aligned, and record source, adaptation status, and permission status.
   NOTE: Do not reproduce restricted scale items verbatim unless written permission has been obtained or the source explicitly permits such use.

5. Expert review and item refinement

1. Invite three to five reviewers with expertise in motivation theory, higher education or teacher professional development, and quantitative survey research. Include one bilingual reviewer if translation is used.
2. Provide reviewers with the study aim, construct definitions, item list, response scale, target population, scoring plan, and permission-status table.
3. Ask reviewers to rate construct relevance, wording clarity, cultural appropriateness, respondent burden, and social-desirability risk using a 4-point relevance scale.
4. Retain items rated 3 or 4 by at least 80% of reviewers. Revise or remove items with low relevance, ambiguous wording, cultural mismatch, social-desirability risk, duplication, or double-barreled wording.
5. Retain at least four items for each main construct and prepare an item-decision log with item code, reviewer concern, revision decision, final wording, source status, and permission status.
   NOTE: Pause after expert review. Resume only after the revised questionnaire, item-decision log, codebook, and scoring syntax use identical item codes.

6. Translation and language verification

1. Use the original study language if all participating teachers can complete the questionnaire in that language.
2. Apply forward translation and back translation if English-source items are administered in another language.
3. Ask two bilingual translators to translate the questionnaire independently, reconcile the translations, and ask a third bilingual translator to back-translate the reconciled version into English.
4. Compare the back-translated version with the source version for changes in construct meaning, response direction, and item intensity²¹. Revise items when meaning changes are identified.
5. Conduct cognitive checking with five university teachers and ask them to identify confusing, ambiguous, sensitive, repeated, or culturally inappropriate items.
6. Finalize and lock the administered version after translation and cognitive-checking issues are resolved.
   NOTE: Use one finalized questionnaire version for all main-study participants unless each language version has passed the same verification procedure.

7. Pilot testing

1. Recruit 20-30 university teachers from the target population for pilot testing and exclude them from the main survey.
2. Administer the pilot questionnaire through the same type of institutionally approved online survey platform planned for the main study.
3. Record completion time automatically from the first post-consent questionnaire page to final submission, and collect participant comments on wording, repetition, survey length, sensitive items, and display problems.
4. Calculate the median pilot completion time. Define the minimum valid completion-time threshold as one-third of the pilot median or 180 s, whichever is longer, and define the borderline-time range as the threshold plus 60 s.
5. Revise the questionnaire if the pilot median completion time is below 5 min or above 15 min, if item missingness exceeds 10% with wording-related comments, or if more than 10% of pilot participants misunderstand either of the attention-check item.
6. Calculate preliminary internal consistency for each scale and lock the questionnaire, codebook, scoring syntax, completion-time threshold, and borderline-time range before main recruitment.
   NOTE: Do not use pilot responses in the main analysis dataset. Resume main recruitment only after the questionnaire, codebook, completion-time rules, and scoring syntax are locked.

8. Online survey setup

1. Build the questionnaire in an institutionally approved online survey platform using the platform-configuration checklist in Supplementary File 1.
2. Disable collection of Internet Protocol addresses, geolocation data, device identifiers, names, and email addresses.
3. Place the participant information sheet and electronic informed-consent item on the first page. Terminate the survey automatically when “I do not agree to participate” is selected.
4. Use forced response only for consent and eligibility items. Allow psychometric items to be skipped for prespecified missing-data handling.
5. Display one construct block per page, keep consent, eligibility, demographic, and attention-check items fixed, and apply block-level item randomization only within construct blocks when supported by the platform.
6. Use non-identifying duplicate-prevention settings and avoid Internet Protocol address tracking.
7. Test the survey link on desktop, laptop, tablet, and smartphone devices. Submit and export at least five test responses, then verify consent branching, eligibility branching, variable names, response codes, timestamps, missing values, completion time, and attention-check coding using Supplementary File 1.
8. Confirm that skipped psychometric items are exported as missing values rather than zeros. Delete test responses before recruitment.
   NOTE: Do not start recruitment if skipped psychometric items are exported as zeros or if consent branching, eligibility branching, or attention-check coding is incorrect.

9. Recruitment procedure

1. Send the recruitment invitation through general institutional channels, faculty development offices, academic mailing lists, or teacher professional development groups.
2. Use a neutral recruitment message stating the study purpose, eligibility criteria, approximate completion time, voluntary participation, anonymity protection, and survey closing date.
3. Do not ask direct supervisors to recruit individual staff members, provide department-level participation reports, or provide individual completion-linked incentives unless approved by the ethics committee.
4. Send the first invitation on Day 1, the first reminder on Day 10, and the final reminder on Day 21.
5. Close the survey on Day 28 unless the approved 7-calendar-day extension is activated because fewer than 300 valid responses are available.
6. Record recruitment dates, reminder dates, submitted responses, extension status, and final closure date in the recruitment log.
   NOTE: Pause after survey closure. Export and lock the raw dataset before applying any cleaning rule.

10. Data export and anonymization

1. Export the survey data within 48 h after survey closure in spreadsheet and comma-separated values formats. Save the original export as a read-only raw-data file and create a separate working copy for cleaning and analysis.
2. Replace platform-generated response identifiers with anonymous respondent codes, such as T001, T002, and T003.
3. Inspect all variables for accidental identifiers. Remove free-text content containing names, exact department names, institutional email addresses, or identifiable events.
4. Replace university names with University A, University B, University C, and University D, and replace exact discipline names with broad discipline groups.
5. Store the raw-data file, working file, cleaned-data file, screening log, codebook, questionnaire, and analysis scripts in encrypted institutional storage with access restricted to approved research team members.
6. Record every anonymization and cleaning decision in the screening log.
   NOTE: Do not clean, recode, or score data directly in the raw-data file. Resume data cleaning only after the raw-data file has been preserved and the working file contains no direct or indirect identifiers.

11. Response-quality screening

1. Screen all submitted responses before scale scoring using the response-quality and analysis-decision rules in Table 2.
2. Exclude responses without electronic informed consent, failed eligibility screening, completion time below the prespecified minimum valid threshold, failure of either attention-check item, or more than 20% missing psychometric items.
3. Review responses in the borderline completion-time range. Retain them only when both attention checks are passed, missingness is within the allowed range, and no invariant response pattern is observed.
4. Flag respondents who select the same Likert response option for at least 90% of psychometric items, and identify careless responses by combining completion time, attention-check results, missingness, and invariant response patterns²².
5. Inspect responses for implausible demographic combinations. Set one implausible demographic value to missing if psychometric responses are otherwise valid, and exclude the response when multiple demographic values indicate ineligibility.
6. Record one primary exclusion reason for every removed response, create an inclusion-status variable coded as 1 = included and 0 = excluded, generate the participant-flow summary for Figure 2, and save cleaned_teacher_PD_survey.csv.
   NOTE: Apply exclusion rules before computing scale scores. Do not exclude cases after viewing regression significance unless the exclusion rule was prespecified.

12. Missing-data handling and scale scoring

1. Convert Likert-scale responses to numeric values ranging from 1 to 5, check item direction, and reverse-score negatively worded items before scale scoring.
2. Compute a scale score only when at least 75% of items in that scale are completed. Use the available-item mean when no more than 25% of items within a scale are missing, and set the scale score to missing when more than 25% are missing.
3. Compute scale scores as follows: autonomy need satisfaction = mean of AUT1–AUT4; competence need satisfaction = mean of COM1–COM4; relatedness need satisfaction = mean of REL1–REL4; autonomous motivation = mean of AM1–AM6; controlled motivation = mean of CM1–CM4; teaching self-efficacy = mean of TSE1–TSE12; professional development engagement = mean of PDE1–PDE6; reflective practice = mean of RP1–RP4.
4. Create scored_teacher_PD_survey.csv containing respondent code, background variables, item responses, scale scores, inclusion status, and exclusion reason.
   NOTE: Confirm that all scale scores remain within the 1–5 range after scoring.

13. Statistical software setup and script execution

1. Use R version 4.3.2 or later and organize the project folder according to the reproducibility structure in Supplementary File 1.
2. Run the script sequence provided in Supplementary File 1: 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R, and 05_reproducibility_check.R.
3. Run all scripts from the project folder without manually editing intermediate datasets or generated outputs.
4. Export tables as spreadsheet files, generated figures as high-resolution PDF files, and R session information as sessionInfo.txt.
   ​NOTE: Do not overwrite raw data or manually edit generated analysis outputs. Pause after the script imports the data without errors and confirms that all required variables are present.

14. Reliability and item diagnostics

1. Calculate Cronbach’s alpha, McDonald’s omega, corrected item-total correlations, descriptive statistics, skewness, kurtosis, and floor or ceiling effects for each multi-item scale²³.
2. Interpret reliability values from 0.70 to 0.79 as acceptable, 0.80 to 0.89 as good, and 0.90 or higher as high internal consistency. Treat values above 0.95 as possible item redundancy.
3. Flag corrected item-total correlations below 0.30. Remove or revise an item only when weak item performance is consistent with conceptual mismatch, unclear wording, or prespecified expert-review concerns.
4. Flag floor or ceiling effects when more than 15% of respondents obtain the lowest or highest possible scale score.
5. Export the reliability and item-diagnostic output as Table_reliability_item_diagnostics.xlsx.
   NOTE: Do not delete items after main data collection unless the deletion rule was prespecified.

15. Descriptive and correlation analysis

1. Calculate descriptive statistics for demographic variables, professional background variables, and construct scores.
2. Report categorical variables as frequency and percentage. Report continuous or ordinal professional variables as mean and standard deviation when approximately symmetric, and as median and interquartile range when clearly skewed.
3. Confirm that each construct score falls within the expected 1–5 range and inspect histograms or density plots for major distributional distortion.
4. Calculate Pearson correlations among construct scores when scale means are approximately continuous, and calculate Spearman correlations as a sensitivity check when distributions are markedly skewed.
5. Interpret correlations from 0.10 to 0.29 as small, 0.30 to 0.49 as moderate, and 0.50 or above as large²⁴. Flag correlations above 0.85 as possible construct overlap.
6. Export descriptive statistics as Table_descriptive_statistics.xlsx and the correlation matrix as Table_correlation_matrix.xlsx.
   NOTE: Inspect construct overlap before regression analysis. Add factor analysis or reduce interpretive claims when theoretically distinct constructs show very high correlations.

16. Regression analysis

1. Fit prespecified hierarchical linear regression models.
2. Use autonomous motivation as the dependent variable in Model 1. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomy, competence, and relatedness need satisfaction in Step 2; and controlled motivation in Step 3.
3. Use professional development engagement as the dependent variable in Model 2. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomous motivation and controlled motivation in Step 2; and teaching self-efficacy in Step 3.
4. Use reflective practice as an exploratory dependent variable only if prespecified in the ethics-approved analysis plan.
5. Mean-center continuous predictors before creating interaction terms. Do not create moderation terms unless moderation is included in the research question and analysis plan.
6. Report unstandardized coefficients, standard errors, standardized coefficients, 95% confidence intervals, p values, adjusted R², and change in R².
7. Inspect variance inflation factor values, residual-versus-fitted plots, quantile-quantile plots, standardized residuals, and Cook’s distance. Treat variance inflation factor values above 5.00, standardized residuals above |3.00|, or Cook’s distance above 1.00 as requiring inspection.
8. Remove influential cases only when a data-entry error, eligibility error, or duplicate-response problem is confirmed.
9. Export regression output as Table_regression_models.xlsx and diagnostic plots as high-resolution PDF files.
   NOTE: Do not remove influential cases solely because they change model significance.

17. Sensitivity analysis and reproducibility check

1. Repeat the main regression models using listwise deletion of cases with missing model variables and after excluding borderline-time responses.
2. Compare coefficient direction, standardized coefficient size, standard error, and adjusted R² with the primary models.
3. Treat results as stable if key coefficient directions remain unchanged and standardized coefficients differ by less than 0.10.
4. Retain the prespecified screening rule if sensitivity analyses do not materially alter the interpretation.
5. Regenerate descriptive tables, reliability tables, correlation matrices, regression tables, participant-flow figure, workflow figure, and any construct-score figures from the cleaned dataset and final script.
6. Archive the cleaned anonymized dataset, codebook, screening log, questionnaire, analysis scripts, generated outputs, and R session information according to the approved data-sharing plan.
7. Confirm that all archived files use the same respondent identifier and contain no direct or indirect identifiers.
   NOTE: Do not archive the reproducibility package until all outputs have been regenerated from the final script. Resume archiving only after all outputs have been regenerated from the final script.

Risultati

Flusso dei partecipanti e stato del set di dati rappresentativo

I risultati rappresentativi riportati qui sono stati ottenuti da un'implementazione completa del protocollo. Il set di dati è stato raccolto mediante la procedura anonima e trasversale di somministrazione del questionario descritta in precedenza e non è stato estratto da un test pilota né da un set di dati illustrativo. Un totale di 326 risposte al questionario sono state esportate dalla piattaforma online per son...

Discussione

I risultati rappresentativi indicano che il protocollo può essere utilizzato per esaminare lo sviluppo professionale degli insegnanti universitari al di là della semplice partecipazione, delle ore di formazione o dei certificati di completamento. La soddisfazione dei bisogni di autonomia, competenza e relazionalità era positivamente associata alla motivazione autonoma, e tali associazioni sono rimaste significative anche dopo l'inserimento delle variabili di background nel modello. Questo risultato è coerente con l'assun...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Adobe Acrobat Pro	Adobe Inc., San Jose, CA, USA	Adobe Acrobat Pro 2024	Utilizzato per rivedere il PDF finale del questionario, il foglio informativo per i partecipanti, il modulo di consenso, le figure esportate e i file supplementari inviati.
Script di analisi	Preparato dal team di ricerca	analysis_script.R	Esegue l'importazione dei dati, i controlli di anonimizzazione, la verifica della qualità delle risposte, il calcolo delle mancanze, il calcolo dei punteggi delle scale, le statistiche descrittive, l'analisi dell'affidabilità, l'analisi delle correlazioni, i modelli di regressione, i controlli diagnostici, le analisi di sensibilità, l'esportazione delle tabelle, l'esportazione delle figure e l'esportazione delle informazioni di sessione.
File CSV pulito del questionario sulla formazione professionale degli insegnanti	Generato da analysis_script.R	cleaned_teacher_PD_survey.csv	Contiene record anonimizzati conservati ed esclusi, con lo stato di inclusione, il motivo dell'esclusione, le variabili di screening e le variabili anagrafiche corrette.
Codebook	Preparato dal team di ricerca	codebook.xlsx	Definisce i nomi delle variabili, i codici degli elementi, la codifica delle risposte, la codifica dei valori mancanti, le formule di calcolo dei punteggi delle scale, lo stato di inclusione, i motivi di esclusione, le variabili delle tabelle e i nomi dei file di output.
Computer desktop	Windows 11 Pro	Non applicabile; computer istituzionale per la ricerca: 16 GB di RAM e crittografia completa del disco abilitata.	Utilizzato per la programmazione del questionario, l'esportazione dei dati, l'esecuzione degli script, la generazione di tabelle, l'esportazione delle figure e l'archiviazione sicura dei file.
Documento di approvazione etica	Comitato etico istituzionale per la ricerca umana	ethics_approval.pdf	Documenta l'approvazione etica prima dell'arruolamento, inclusi il numero di approvazione, la data di approvazione, il titolo dello studio approvato, le informazioni sugli investigatori e le condizioni approvate per il reclutamento e la gestione dei dati.
Documenti di autorizzazione istituzionale	Università partecipanti	institutional_permission_records.pdf	Contiene i documenti scritti di autorizzazione delle università partecipanti per il reclutamento degli insegnanti attraverso canali istituzionali approvati.
Microsoft Excel	Microsoft Corporation, Redmond, WA, USA	Microsoft Excel 365	Utilizzato per ispezionare i dataset esportati, preparare il codebook, rivedere i registri di screening e verificare i file di tabelle esportati. Il dataset di analisi non è stato modificato manualmente dopo la pulizia basata su script.
Foglio informativo e modulo di consenso	Preparato dal team di ricerca e approvato dal comitato etico	participant_information_and_consent. pdf	Fornisce scopo dello studio, criteri di idoneità, dichiarazione di partecipazione volontaria, dichiarazione di anonimato, rischi e benefici, informazioni sulla conservazione dei dati, recapiti degli investigatori, informazioni etiche e formulazione del consenso elettronico.
File del questionario	Preparato dal team di ricerca	questionnaire.pdf	Contiene il questionario bloccato, l'ordine degli elementi, i codici degli elementi, le opzioni di risposta, gli elementi relativi all'idoneità, gli elementi anagrafici, gli elementi relativi ai costrutti e gli elementi di controllo dell'attenzione.
Elenco dei pacchetti R	Generato dall'ambiente R	package_manifest.txt	Elenca i pacchetti R e le versioni dei pacchetti utilizzati per l'importazione, la pulizia, il calcolo dei punteggi, la stima dell'affidabilità, i controlli diagnostici, la visualizzazione, la generazione dell'output e la verifica della riproducibilità.
Software statistico R	Fondazione R per il Calcolo Statistico, Vienna, Austria	R 4.3.2	Utilizzato per la pulizia dei dati, il calcolo dei punteggi delle scale, l'analisi statistica, i controlli diagnostici, la generazione di figure, l'esportazione delle tabelle e la verifica della riproducibilità.
Pacchetto di riproducibilità	Preparato dal team di ricerca	reproducibility_package.zip	Contiene questionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, output delle tabelle, output delle figure e grafici diagnostici.
RStudio Desktop IDE	Posit Software, PBC, Boston, MA, USA	RStudio Desktop 2023.12.1	Utilizzato per eseguire, documentare e rivedere analysis_script.R.
File CSV con i punteggi del questionario sulla formazione professionale degli insegnanti	Generato da analysis_script.R	scored_teacher_PD_survey.csv	Contiene le risposte incluse e i punteggi calcolati delle scale, inclusi AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN e RP_MEAN.
Registro di screening	Generato da analysis_script.R e rivisto dal team di ricerca	screening_log.xlsx	Registra il consenso, l'idoneità, lo screening del tempo di completamento, gli esiti dei controlli di attenzione, le mancanze, i flag per risposte invariate, i motivi di esclusione, le decisioni di ricodifica e lo stato finale di inclusione.
Archiviazione istituzionale sicura	Servizio informatico dell'università partecipante	Unità di ricerca istituzionale crittografata	Utilizzata per archiviare i dati grezzi, i dati puliti, i dati con i punteggi, il codebook, il registro di screening, il questionario, lo script di analisi, i documenti etici, i documenti di autorizzazione, gli output delle tabelle, gli output delle figure e il pacchetto di riproducibilità. L'accesso era limitato al personale di ricerca autorizzato.
File delle informazioni di sessione	Generato da R	sessionInfo.txt	Registra la versione di R, il sistema operativo, i pacchetti collegati, le versioni dei pacchetti e l'ambiente per la riproducibilità.
Output di tabelle e figure	Generato da analysis_script.R	cartella outputs_tables_figures	Contiene l'output del flusso dei partecipanti, tabelle descrittive, tabelle di affidabilità, matrice di correlazione, tabelle di regressione, tabelle di analisi di sensibilità, figure dei punteggi dei costrutti e grafici diagnostici.
Piattaforma online per sondaggi Wenjuanxing / Questionnaire Star	Changsha Ranxing Information Technology Co., Ltd., Changsha, Cina	Progetto di sondaggio web Wenjuanxing	Utilizzata per il consenso elettronico, la somministrazione anonima del questionario, il ramo di idoneità, gli elementi di controllo dell'attenzione, la registrazione del tempo di completamento, l'impostazione di una sola risposta per browser e l'esportazione dei record del questionario.