방법 논문

대학 교원의 전문성 개발 동기, 교수 자기효능감 및 몰입을 위한 자기결정성 이론 설문 프로토콜

29 조회수

⸱

DOI:

10.3791/72602

⸱

2026년 9월 8일

 ,  , 
1Department of Educational Foundations and Humanities, Faculty of Education, Universiti Malaya

이 논문에서

요약

본 프로토콜은 대학 교원의 전문성 개발 동기, 교수 자기효능감, 몰입 및 성찰적 실천을 평가하기 위한 익명 단면 설문 조사 절차를 설명합니다.

초록

대학교수들은 서로 다른 제도적, 학문적, 동기 부여 조건 하에서 전문성 개발에 참여합니다. 단순히 참여 기록만으로는 전문성 개발이 의미 있는 전문적 학습으로 이어졌는지 여부를 설명할 수 없습니다. 본 논문은 자기결정성 이론 관점에서 심리적 욕구 충족, 자율적 및 통제적 동기, 교수 자기효능감, 전문성 개발 참여도 및 성찰적 실천을 평가하기 위한 재현 가능한 익명 횡단면 설문 프로토콜을 제시합니다. 이 프로토콜은 자격 스크리닝, 층화 편의 표집, 설문지 구성, 전문가 검토, 파일럿 테스트, 온라인 실시, 익명화, 응답 품질 스크리닝, 척도 점수 산출, 신뢰도 추정, 상관 분석, 위계적 회귀 분석 및 민감도 분석을 상세히 규정합니다. 또한 척도 수정, 허가 확인, 구성 개념 점수 산출 및 항목 중복의 잠재적 지표로서 매우 높은 신뢰도를 가진 척도를 해석하는 방법도 명시합니다. 본 프로토콜을 실제로 한 차례 구현하여 대표적인 결과를 얻었으며, 제출된 326건의 기록을 추출하여 사전 정의된 스크리닝 후 313건의 유효 응답을 유지했습니다. 분석 결과, 자율성, 유능성 및 관계성 욕구 충족은 자율적 동기와 정(+)의 상관관계가 있었으며, 자율적 동기와 교수 자기효능감은 전문성 개발 참여도와 관련이 있는 것으로 나타났습니다. 본 프로토콜은 전문성 개발 참여의 동기 부여 및 전문적 신념 상관관계에 관한 표준화된 다기관 설문 기반 연구에 적합합니다. 다만 반복 측정, 관찰, 질적 조사 또는 행정 데이터가 추가되지 않는 한 인과 관계 추론, 종단적 변화 추정, 직접적인 행동 결과 또는 기관 수준의 프로그램 평가에는 적합하지 않습니다.

서론

교사 전문성 개발은 교수 품질, 수업 개선 및 전문적 학습을 지원하기 위해 널리 활용되지만, 평가가 출석, 노출 또는 완료된 교육 시간 수에만 국한될 경우 그 효과를 해석하기 어렵습니다1,2. 전문성 개발 연구에서는 학습 활동과 교사의 변화를 연결하는 메커니즘에 대한 명확한 개념화가 필요한데, 이는 참여 자체가 반드시 몰입, 인지된 유용성 또는 이후의 성찰을 나타내는 것은 아니기 때문입니다1. 대학 환경에서 교사들은 서로 다른 학문 분야, 임용 유형, 업무량 조건 및 기관의 기대치 속에서 근무합니다. 따라서 심리적 및 전문적 신념 조건을 측정하는 설문 프로토콜은 교사들이 전문성 개발을 어떻게 경험하고 이를 어떻게 발전시키는지를 조사함으로써 활동 기반 모니터링을 보완할 수 있습니다. 다른 접근 방식들은 서로 다른 평가 목적에 부합합니다. 출석 기반 평가는 도달 범위, 준수 여부 및 프로그램 수용도를 문서화하는 데 효율적이지만, 동기 부여, 인지된 역량 또는 몰입 품질에 대한 정보는 제한적으로 제공합니다. 질적 인터뷰, 포커스 그룹 및 성찰적 내러티브는 전문적 학습 경험에 대해 더 풍부한 설명을 제공하지만, 여러 기관이나 대규모 표본에 걸친 표준화된 측정에는 덜 적합합니다. 종단적 설계는 시간에 따른 변화, 시간적 순서 또는 지연된 교육 성과를 추정하는 데 더 바람직합니다. 기관 수준의 평가 프레임워크는 프로그램 전달, 자원 배분 및 조직적 책임성을 모니터링하는 데 유용합니다. 본 프로토콜은 재현 가능한 점수 산정, 정제 및 분석 절차를 사용하여 익명의 단면적 다기관 설문 조사를 수행하는 것을 목표로 할 때 가장 적합합니다.

본 프로토콜은 전문성 개발을 단발적인 기관 행사가 아닌 전문적 학습 과정으로 취급합니다. Opfer와 Pedder는 교사의 전문적 학습을 개인, 직장 및 학습 활동 시스템 간의 상호작용에 의해 형성되는 복잡한 과정으로 개념화했습니다3. 이러한 관점은 대학 교수자들에게 유효한데, 인식된 선택권, 교수법에 대한 자신감, 동료의 지지, 업무량 압박 및 학문적 관련성에 따라 동일한 활동이라도 다르게 경험될 수 있기 때문입니다. 따라서 본 프로토콜은 참여 배경 외에도 심리적 욕구 충족, 전문성 개발 동기, 교수 자기효능감, 전문성 개발 참여도 및 성찰적 실천을 평가합니다. 자기결정 이론은 본 프로토콜의 동기 부여적 기반을 제공합니다. 이 이론은 행동이 개인적으로 지지되거나 의미 있는 것으로 경험되는 자율적 동기와, 주로 압박, 의무 또는 외부 요구에 의해 행동이 추진되는 통제적 동기를 구분합니다4. 또한 자율성, 유능감 및 관계성을 자기 지지적 행동과 지속적인 참여를 뒷받침하는 기본 심리적 욕구로 정의합니다5. 대학 교수자의 전문성 개발에서 자율성은 개발 활동을 선택하거나 사용하는 데 있어 인식된 선택권과 전문적 재량권을 의미하며, 유능감은 교수 능력의 인식된 성장을 의미하고, 관계성은 동료 간의 연결, 전문적 소속감 및 건설적인 교류를 의미합니다. 이러한 구성 개념을 통해 본 프로토콜은 교수자가 참여하는 이유와 전문성 개발 환경이 어떻게 경험되는지를 조사할 수 있습니다.

동기 부여만으로는 교사가 전문성 개발 내용을 교수 실습에 적용할 수 있다고 느끼는지를 결정짓지 못하므로 교수 효능감이 포함되었습니다. 교사 효능감이란 교수 관련 행동을 조직하고 수행할 수 있는 자신의 능력에 대한 교사의 신념을 의미하며, 이는 교수 행동, 지속성, 열의 및 학생 관련 결과와 연관되어 왔습니다6. Guskey의 교사 변화 모델은 교사가 새로운 실습을 개선의 증거와 연결할 수 있을 때 전문성 개발이 의미를 갖게 된다고 더욱 제안합니다7. 본 프로토콜에서 교수 효능감은 전문성 개발이 교실, 온라인, 실험실, 스튜디오, 임상 또는 지도 교수 환경으로 전이되는지를 설명하는 데 도움이 될 수 있는 전문적 신념 변수로 취급됩니다. 전문성 개발 참여는 전문성 개발 활동에 대한 능동적인 참여, 학습 과정에 대한 집중, 전문성 개발 내용과 교수법을 연결하려는 노력, 활동 후의 지속적인 학습, 그리고 향후 전문적 학습에 참여하려는 의지로 정의됩니다. 이 구성 개념은 활력, 헌신, 몰입이 업무 관련 활동에 대한 지속적인 참여를 설명하는 더 넓은 범위의 참여 문헌과 관련이 있습니다8. 그러나 전문성 개발 참여는 일반적인 업무 참여와 동일하게 취급되거나 단순히 전문성 개발 참여 횟수로 취급되지 않습니다. 이는 교사가 전문성 개발 경험에 어떻게 참여하고, 처리하며, 계속해서 사용하는지를 포착하는 더 좁은 범위의 전문적 학습 반응으로 측정됩니다. 성찰적 실습은 활동 후 검토, 교수 유용성 평가, 교수 전략 수정, 그리고 학습 결과의 문서화 또는 논의를 나타내는 간략한 지표로 포함되었습니다9.

설문 조사 프로토콜에는 미리 지정된 응답 품질 및 측정 절차가 필요합니다. 익명 온라인 설문지는 짧은 응답 시간, 누락된 항목, 주의력 확인 실패 및 불변 응답 패턴을 생성할 수 있습니다. 단일 제외 규칙을 사용하는 것보다 여러 지표를 결합했을 때 부주의한 응답 스크리닝의 타당성이 더 높습니다10. 따라서 본 프로토콜은 척도 점수 산출 전에 완료 시간 임계값, 지시 응답 주의력 확인, 누락 규칙, 불변 응답 스크리닝 및 추적 가능한 제외 코딩을 지정합니다. 일부 측정 조건에서 alpha 값만으로는 오해의 소지가 있을 수 있으므로, 내적 일관성은 Cronbach’s alpha와 McDonald’s omega를 사용하여 추정합니다11. 매우 높은 신뢰도 값은 더 강력한 측정이 아니라 항목의 중복을 나타낼 수 있으므로 주의 깊게 해석합니다. 주 분석에서는 각 구성 개념을 기술 통계, 신뢰도 추정, 상관 분석, 위계적 회귀 분석 및 민감도 분석을 위한 관찰된 척도 점수로 처리합니다. 척도 개발, 교차 문화 비교 또는 고위험 측정을 위해 이 프로토콜을 사용하는 연구는 특히 구성 개념 간의 상관관계가 높거나 번역된 항목을 사용하는 경우, 구조적 연관성을 해석하기 전에 탐색적 또는 확인적 요인 분석을 추가해야 합니다. 단면 설계는 심리적 욕구 충족, 동기 부여, 교수 자기효능감, 전문성 개발 참여 및 성찰적 실천 사이의 연관성을 추정할 수 있지만, 시간적 순서, 인과 관계 또는 행동 변화를 입증할 수는 없습니다. 모든 주요 변수가 동일한 응답자에 의해 자기 보고되므로, 익명성, 중립적인 문구, 응답 품질 스크리닝 및 민감도 분석에도 불구하고 사회적 바람직성과 공통 방법 편향의 가능성이 남아 있습니다12. 따라서 반복 측정, 질적 조사, 강의실 관찰, 교수 학습 자료 또는 행정 프로그램 데이터가 추가되지 않는 한, 이 프로토콜은 인과 추론, 종단적 변화 추정, 교수 행동의 직접 평가 또는 기관 수준의 프로그램 평가에는 덜 적합합니다. 의도된 범위 내에서, 본 프로토콜은 대학 교원의 전문성 개발 참여 및 성찰적 전문 학습과 관련된 동기 부여 및 전문적 신념 구성 개념을 조사하기 위한 표준화된 방법을 제공합니다13.

프로토콜

본 연구 프로토콜은 2025년 8월 7일 Universiti Malaya 연구 윤리 위원회(비의료 분야)의 검토 및 승인을 받았습니다(참조 번호 UM.TNC(P&(#38;I)/UMREC_4864). 모집 전, 필요한 경우 각 참여 대학으로부터 현지 행정 승인을 받았다. 자격 심사 및 설문 조사 실시 전에 전자 동의서를 수집하였다. 성명, 직원 식별 번호, 전화번호, 기관 이메일 주소, 인터넷 프로토콜(IP) 주소, 지리 위치 데이터, 기기 식별자, 정확한 학과명 또는 개방형 텍스트 식별자는 수집하지 않았다. 제출된 응답에는 익명 응답자 코드가 부여되었으며, 승인된 데이터 보존 절차에 따라 암호화된 기관 저장소에 저장되었다.

본 프로토콜은 대학 교원의 전문성 개발 동기, 기본 심리적 욕구 충족, 교수 자기 효능감, 전문성 개발 참여도 및 성찰적 실천을 평가하기 위한 익명 단면 설문 조사 절차를 표준화합니다. 이 프로토콜은 자기 결정 이론을 사용하여 전문성 개발 참여에 있어 자율적 동기와 통제적 동기를 구분합니다14.

1. 연구 설계 및 워크플로우

  1. 본 연구를 대학 교원을 대상으로 하는 익명 단면 설문 조사 연구로 정의하고, 윤리 승인부터 재현성 확인까지 그림 1에 제시된 워크플로우를 따릅니다.
  2. 기본 심리적 욕구 충족, 전문성 개발 동기, 교수 자기효능감, 전문성 개발 참여도 및 성찰적 실천을 측정합니다.
  3. 자율성, 유능성, 관계성 욕구 충족을 동기적 선행 요인으로, 자율적 동기와 통제적 동기를 동기 조절 변수로, 교수 자기효능감을 전문적 신념 변수로, 그리고 전문성 개발 참여도와 성찰적 실천을 전문 학습 반응 변수로 처리합니다15.
  4. 기술 통계, 신뢰도 추정, 상관 분석, 위계적 회귀 분석 및 민감도 분석을 위해 구성 개념을 관찰된 척도 점수로 분석합니다.
    참고: 번역된 문항, 새로 수정된 문항 또는 상관관계가 매우 높은 구성 개념을 사용하는 연구의 경우, 잠재 구조, 교차 문화적 측정 동일성 또는 판별 타당성을 해석하기 전에 탐색적 또는 확인적 요인 분석을 추가하십시오.

2. 참여자 적격성 및 샘플링 계획

  1. 다양한 기관 특성을 가진 최소 4개 대학의 대학 교원을 모집합니다.
  2. 고등교육기관에 고용되어 교육 또는 지도에 참여하고 있으며, 연구 언어로 설문지를 작성할 수 있고, 전자 고지된 동의서 제공에 동의하는 21세 이상의 참가자를 포함합니다.
  3. 학부 교육, 대학원 교육, 지도, 커리큘럼 전달, 임상 교육, 스튜디오 교육, 실험실 교육, 온라인 교육 및 학술 멘토링을 적격 교육 역할로 포함합니다.
  4. 교육 의무가 없는 행정 직원, 더 이상 교육에 참여하지 않는 은퇴 교원, 교육 책임이 없는 방문 학자, 대학에 고용되지 않은 외부 강사 및 고지된 동의를 하지 않은 개인은 제외합니다.
  5. 광범위한 학문 분야 그룹과 학술 직급에 걸쳐 층화 편의 추출법을 사용합니다. 학문 분야 그룹은 교육학, 인문학, 사회과학, 경영 및 관리학, 과학, 기술, 공학 및 수학(STEM), 보건과학, 예술 및 디자인 또는 기타로 코딩합니다.
  6. 다양한 배경 및 심리적 예측 변수를 포함하는 회귀 모델을 위해 유효 응답 수의 최소 목표치를 300건으로 설정합니다16. 스크리닝 과정에서의 제외 가능성을 고려하여 330~360건의 응답을 모집합니다.
  7. 정규 강의 기간 중에 모집을 진행하며, 시험 기간과 주요 기관 평가 기간은 피합니다. 모집 기간은 4주로 설정하고, 유효 응답 수가 300건 미만인 경우 모집 기간을 캘린더 일 기준 7일 동안 한 차례 연장합니다.
    참고: 모든 대학에 동일한 적격성 기준, 학문 분야 범주, 모집 문구 및 제외 규칙을 적용합니다. 윤리 승인, 기관 허가, 모집 채널, 표집 틀 및 모집 자료가 확정된 후 진행을 일시 중지합니다.

3. 설문지 구조 및 구성 개념 맵

  1. 설문지를 고지된 동의, 인구통계 및 전문적 배경, 기본 심리적 욕구 충족, 전문성 개발 동기, 교수 자기효능감, 전문성 개발 참여, 성찰적 실천의 7개 섹션으로 구성하십시오.
  2. 설문지를 프로그래밍하기 전에 Table 1에서 각 구성 개념, 항목 코드, 항목 출처, 항목 번호, 응답 척도, 채점 방법, 예상 점수 범위 및 사용 권한 상태를 정의하십시오.
  3. 모든 주요 심리 측정 항목에 대해 1(매우 동의하지 않음)부터 5(매우 동의함)까지의 5점 리커트(Likert) 응답 척도를 사용하십시오.
  4. 심리 측정 항목에 앞서 기관 코드, 학문 분야 그룹, 성별, 연령대, 직위, 강의 경력, 주당 강의 시간, 최근 12개월 동안의 전문성 개발 활동 및 시간, 인지된 행정 업무량을 수집하십시오.
  5. Supplementary File 1의 코드북을 사용하여 연령대, 강의 경력, 학문 분야 그룹 및 인지된 행정 업무량을 코딩하십시오. 정확한 학과 명칭 대신 광범위한 학문 분야 범주를 사용하십시오.
  6. 전체 설문지, 변수명, 항목 코드, 응답 코딩, 채점 구문, 제외 코딩 및 스크립트 구조를 Supplementary File 1에 제공하십시오.
    참고: 온라인 설문지를 프로그래밍하기 전에 항목 코드를 고정하십시오. 설문지, 코드북 및 분석 스크립트를 함께 업데이트하지 않는 한, 파일럿 테스트 이후에는 항목 코드를 변경하지 마십시오.

4. 구성 개념 측정 및 항목 할당

  1. 자율성, 유능성, 관계성 욕구 충족도를 각각 4개의 문항으로 측정한다.
  2. 교수 관련 전문성 개발에 대한 자발적 이유와 압박에 기반한 이유를 반영하여, 자율적 동기를 6개 문항으로, 통제적 동기를 4개 문항으로 측정한다17.
  3. 교수 전략, 학생 참여, 그리고 학급 관리 또는 상호작용을 다루는 대학 환경에 맞게 수정된 12개 문항으로 교수 자기효능감을 측정한다18.
  4. 적극적 참여, 지속적인 학습 노력, 주의 집중, 적용, 지속적 학습, 그리고 향후 전문성 개발 참여 의지를 다루는 6개 문항으로 전문성 개발 참여도를 측정한다19.
  5. 활동 후 성찰, 유용성 평가, 교수 전략 수정, 그리고 학습 결과의 기록 또는 토론을 다루는 4개 문항으로 성찰적 실천을 측정한다20.
  6. 두 개의 지시 응답 주의 확인 문항을 포함한다: 동기 측정 문항 뒤에 “동의함”을 선택해야 하는 문항 하나와 교수 자기효능감 측정 문항 뒤에 “동의하지 않음”을 선택해야 하는 문항 하나를 배치한다.
  7. 고지된 동의 및 배경 질문을 제외하고, 최종 설문지를 38개에서 44개 사이의 주요 문항으로 구성한다.
  8. 표 1의 모든 심리 측정 문항을 수정됨, 새로 작성됨 또는 영역 일치로 분류하고, 출처, 수정 상태 및 허가 상태를 기록한다.
    참고: 서면 허가를 받았거나 출처에서 명시적으로 허용한 경우가 아니면, 제한된 척도 문항을 그대로 복제하지 마십시오.

5. 전문가 검토 및 항목 정교화

  1. 동기 이론, 고등 교육 또는 교사 전문성 개발, 그리고 양적 설문 연구 분야의 전문성을 갖춘 검토자 3~5명을 섭외합니다. 번역이 사용된 경우 이중 언어 구사 검토자 1명을 포함하십시오.
  2. 검토자에게 연구 목적, 구성 개념 정의, 문항 목록, 응답 척도, 대상 인구, 채점 계획 및 허가 상태 표를 제공합니다.
  3. 검토자에게 4점 관련성 척도를 사용하여 구성 개념 관련성, 문구 명확성, 문화적 적절성, 응답자 부담 및 사회적 바람직성 위험도를 평가하도록 요청합니다.
  4. 검토자의 80% 이상이 3점 또는 4점으로 평가한 문항을 유지합니다. 관련성이 낮거나, 문구가 모호하거나, 문화적으로 부적절하거나, 사회적 바람직성 위험이 있거나, 중복되거나, 이중 질문 형태인 문항은 수정 또는 삭제합니다.
  5. 각 주요 구성 개념당 최소 4개의 문항을 유지하고, 문항 코드, 검토자 의견, 수정 결정, 최종 문구, 출처 상태 및 허가 상태가 포함된 문항 결정 로그를 작성합니다.
    참고: 전문가 검토 후 잠시 중단합니다. 수정된 설문지, 문항 결정 로그, 코드북 및 채점 구문에서 동일한 문항 코드를 사용하는 것이 확인된 후에만 다시 진행하십시오.

6. 번역 및 언어 검증

  1. 모든 참여 교사가 해당 언어로 설문지를 작성할 수 있는 경우, 연구의 원어 그대로를 사용하십시오.
  2. 영어 기반의 항목을 다른 언어로 시행하는 경우, 순방향 번역(forward translation)과 역번역(back translation)을 적용하십시오.
  3. 두 명의 이중 언어 번역가에게 설문지를 독립적으로 번역하게 한 뒤 번역 내용을 조정하고, 제3의 이중 언어 번역가에게 조정된 버전을 다시 영어로 역번역하도록 요청하십시오.
  4. 역번역된 버전과 원본 버전을 비교하여 구성 개념의 의미, 응답 방향 및 항목의 강도에 변화가 있는지 확인하십시오21. 의미 변화가 확인되면 항목을 수정하십시오.
  5. 5명의 대학 교사를 대상으로 인지적 검토(cognitive checking)를 실시하여 혼동되거나 모호하고, 민감하거나, 중복되거나, 문화적으로 부적절한 항목을 식별하도록 요청하십시오.
  6. 번역 및 인지적 검토 단계의 문제들이 해결된 후, 실제 시행할 버전을 확정하고 고정하십시오.
    참고: 각 언어 버전이 동일한 검증 절차를 통과하지 않은 한, 모든 본 연구 참여자에게는 하나의 확정된 설문지 버전을 사용하십시오.

7. 예비 테스트

  1. 파일럿 테스트를 위해 대상 집단에서 대학 교원 20~30명을 모집하고, 이들을 본 설문 조사 대상에서 제외하십시오.
  2. 본 연구에서 사용할 계획인 기관 승인 온라인 설문 조사 플랫폼과 동일한 유형의 플랫폼을 통해 예비 설문 조사를 실시하십시오.
  3. 동의 후 첫 설문 페이지부터 최종 제출까지의 소요 시간을 자동으로 기록하고, 문구, 반복성, 설문 길이, 민감한 항목 및 표시 문제에 대한 참여자의 의견을 수집하십시오.
  4. 파일럿 완료 시간의 중앙값을 계산하십시오. 최소 유효 완료 시간 임계값을 파일럿 중앙값의 3분의 1 또는 180초 중 더 긴 시간으로 정의하고, 경계 시간 범위를 임계값에 60초를 더한 값으로 정의하십시오.
  5. 파일럿 테스트의 중앙값 완료 시간이 5분 미만이거나 15분을 초과하는 경우, 문구 관련 의견과 함께 항목 누락률이 10%를 초과하는 경우, 또는 파일럿 참여자의 10% 이상이 주의 확인 항목을 오해한 경우 설문지를 수정하십시오.
  6. 각 척도에 대한 예비 내부 일관성을 계산하고, 본 모집 전 설문지, 코드북, 채점 구문, 완료 시간 임계값 및 경계 시간 범위를 확정하십시오.
    참고: 메인 분석 데이터셋에 파일럿 응답을 사용하지 마십시오. 설문지, 코드북, 완료 시간 규칙 및 채점 구문이 확정된 이후에만 주요 모집을 재개하십시오.

8. 온라인 설문 조사 설정

  1. Supplementary File 1의 플랫폼 설정 체크리스트를 사용하여 기관에서 승인한 온라인 설문 조사 플랫폼에 설문지를 구축하십시오.
  2. 인터넷 프로토콜(IP) 주소, 지리 위치 데이터, 기기 식별자, 이름 및 이메일 주소의 수집 기능을 비활성화하십시오.
  3. 첫 페이지에 참여자 정보 안내서와 전자 동의 항목을 배치하십시오. “참여에 동의하지 않습니다”가 선택되면 설문 조사가 자동으로 종료되도록 설정하십시오.
  4. 동의 및 적격성 항목에 대해서만 필수 응답 설정을 사용하십시오. 심리 측정 항목은 사전에 지정된 결측값 처리 방식을 위해 건너뛸 수 있도록 허용하십시오.
  5. 페이지당 하나의 구성 개념 블록을 표시하고, 동의, 적격성, 인구통계 및 주의력 확인 항목은 고정하며, 플랫폼에서 지원하는 경우 구성 개념 블록 내에서만 블록 수준의 항목 무작위 배정을 적용하십시오.
  6. 비식별 중복 방지 설정을 사용하고 인터넷 프로토콜(IP) 주소 추적을 피하십시오.
  7. 데스크톱, 노트북, 태블릿 및 스마트폰 기기에서 설문 링크를 테스트하십시오. 최소 5개의 테스트 응답을 제출 및 내보낸 후, Supplementary File 1을 사용하여 동의 분기, 적격성 분기, 변수명, 응답 코드, 타임스탬프, 결측값, 완료 시간 및 주의력 확인 코딩을 확인하십시오.
  8. 건너뛴 심리 측정 항목이 0이 아닌 결측값으로 내보내지는지 확인하십시오. 모집 시작 전 테스트 응답을 삭제하십시오.
    참고: 건너뛴 심리 측정 항목이 0으로 내보내지거나, 동의 분기, 적격성 분기 또는 주의력 확인 코딩이 올바르지 않은 경우 모집을 시작하지 마십시오.

9. 모집 절차

  1. 기관의 일반 채널, 교수법 개발 센터, 학술 메일링 리스트 또는 교사 전문성 개발 그룹을 통해 모집 안내문을 발송하십시오.
  2. 연구 목적, 선정 기준, 예상 소요 시간, 자발적 참여, 익명성 보호 및 설문 종료일을 명시한 중립적인 모집 메시지를 사용하십시오.
  3. 윤리 위원회의 승인을 받지 않은 한, 직속 상관에게 개별 직원의 모집을 요청하거나, 학과 수준의 참여 보고서를 제공하거나, 개별 완료 여부와 연계된 보상을 제공하지 마십시오.
  4. 1일 차에 1차 안내문을, 10일 차에 1차 리마인더를, 21일 차에 최종 리마인더를 발송하십시오.
  5. 유효 응답 수가 300개 미만으로 승인된 7일간의 기간 연장이 활성화되지 않는 한, 28일 차에 설문을 종료하십시오.
  6. 모집 날짜, 리마인더 발송 날짜, 제출된 응답 수, 연장 여부 및 최종 종료일을 모집 로그에 기록하십시오.
    참고: 설문 종료 후 잠시 중단하십시오. 데이터 정제 규칙을 적용하기 전에 원시 데이터 세트를 내보내고 잠금 처리하십시오.

10. 데이터 내보내기 및 익명화

  1. 설문 종료 후 48시간 이내에 설문 데이터를 스프레드시트 및 CSV(comma-separated values) 형식으로 내보냅니다. 원본 내보내기 파일은 읽기 전용 원시 데이터 파일로 저장하고, 데이터 정제 및 분석을 위한 별도의 작업용 복사본을 생성합니다.
  2. 플랫폼에서 생성된 응답 식별자를 T001, T002, T003과 같은 익명 응답자 코드로 대체합니다.
  3. 모든 변수에서 실수로 포함된 식별자가 있는지 검토합니다. 이름, 정확한 학과명, 기관 이메일 주소 또는 식별 가능한 사건이 포함된 자유 텍스트 내용은 삭제합니다.
  4. 대학 이름은 University A, University B, University C, University D로 대체하고, 구체적인 전공 명칭은 광범위한 학문 분야 그룹으로 대체합니다.
  5. 원시 데이터 파일, 작업 파일, 정제된 데이터 파일, 스크리닝 로그, 코드북, 설문지 및 분석 스크립트를 승인된 연구팀 구성원으로만 액세스가 제한된 암호화된 기관 저장소에 보관합니다.
  6. 모든 익명화 및 정제 결정 사항을 스크리닝 로그에 기록합니다.
    주의: 원시 데이터 파일에서 데이터를 직접 정제, 재코딩 또는 점수화하지 마십시오. 원시 데이터 파일이 보존되고 작업 파일에 직접적 또는 간접적 식별자가 더 이상 포함되어 있지 않은 후에만 데이터 정제를 재개하십시오.

11. 응답 품질 스크리닝

  1. 척도 점수 산출 전, 다음의 응답 품질 및 분석 결정 규칙을 사용하여 제출된 모든 응답을 스크리닝하십시오. 표 2.
  2. 전자 정보 제공 동의서가 없는 응답, 선정 기준 스크리닝 탈락, 사전 지정된 최소 유효 임계값 미만의 완료 시간, 주의력 확인 항목 중 하나라도 실패한 경우, 또는 심리 측정 항목의 결측치가 20%를 초과하는 응답은 제외하십시오.
  3. 완료 시간이 경계선 범위에 있는 응답들을 검토하십시오. 두 가지 주의력 확인 질문을 모두 통과하고, 결측치가 허용 범위 내에 있으며, 불변 응답 패턴이 관찰되지 않는 경우에만 해당 응답들을 유지하십시오.
  4. 심리측정 항목의 최소 90%에 대해 동일한 리커트 응답 옵션을 선택한 응답자를 플래그로 표시하고, 응답 완료 시간, 주의력 확인 결과, 결측치 및 불변 응답 패턴을 결합하여 부주의한 응답을 식별하십시오.22.
  5. 불가능한 인구통계학적 조합이 있는지 응답을 검토하십시오. 심리측정 응답이 그 외에 유효한 경우 불가능한 인구통계학적 값 하나를 결측치로 설정하고, 여러 인구통계학적 값이 부적격임을 나타내는 경우에는 해당 응답을 제외하십시오.
  6. 제거된 모든 응답에 대해 하나의 주된 제외 사유를 기록하고, 포함 여부 변수를 1 = 포함, 0 = 제외로 코딩하여 생성하며, 다음을 위한 참여자 흐름 요약표를 작성하십시오. 그림 2, 그리고 cleaned_teacher_PD_survey.csv로 저장하십시오.
    참고: 척도 점수를 산출하기 전에 제외 규칙을 적용하십시오. 제외 규칙이 사전에 지정되지 않은 한, 회귀 분석의 유의성을 확인한 후에 사례를 제외하지 마십시오.

12. 결측치 처리 및 척도 점수 산출

  1. 리커트 척도 응답을 1에서 5까지의 숫자 값으로 변환하고, 문항 방향을 확인한 후, 척도 점수를 산출하기 전에 부정문으로 작성된 문항의 점수를 역채점하십시오.
  2. 해당 척도 문항의 최소 75% 이상이 완료된 경우에만 척도 점수를 계산하십시오. 척도 내 문항의 결측치가 25% 이하인 경우에는 사용 가능한 문항의 평균값을 사용하고, 결측치가 25%를 초과하는 경우에는 척도 점수를 결측 처리하십시오.
  3. 척도 점수를 다음과 같이 계산하십시오: 자율성 욕구 충족 = AUT1–AUT4의 평균, 유능성 욕구 충족 = COM1–COM4의 평균, 관계성 욕구 충족 = REL1–REL4의 평균, 자율적 동기 = AM1–AM6의 평균, 통제적 동기 = CM1–CM4의 평균, 교수 자기효능감 = TSE1–TSE12의 평균, 전문성 개발 참여 = PDE1–PDE6의 평균, 성찰적 실천 = RP1–RP4의 평균.
  4. 응답자 코드, 배경 변수, 문항 응답, 척도 점수, 포함 여부 및 제외 사유가 포함된 scored_teacher_PD_survey.csv 파일을 생성하십시오.
    참고: 점수 산출 후 모든 척도 점수가 1–5 범위 내에 있는지 확인하십시오.

13. 통계 소프트웨어 설정 및 스크립트 실행

  1. R 버전 4.3.2 이상을 사용하고, 보충 파일 1의 재현성 구조에 따라 프로젝트 폴더를 구성하십시오.
  2. 보충 파일 1에 제공된 스크립트 순서인 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R 및 05_reproducibility_check.R을 실행하십시오.
  3. 중간 데이터 세트나 생성된 출력물을 수동으로 편집하지 말고 프로젝트 폴더에서 모든 스크립트를 실행하십시오.
  4. 표는 스프레드시트 파일로, 생성된 그림은 고해상도 PDF 파일로, R 세션 정보는 sessionInfo.txt로 내보내십시오.
    ​참고: 원시 데이터를 덮어쓰거나 생성된 분석 출력물을 수동으로 편집하지 마십시오. 스크립트가 오류 없이 데이터를 가져오고 모든 필수 변수가 존재하는 것을 확인한 후 일시 정지하십시오.

14. 신뢰도 및 문항 진단

  1. 각 다항목 척도에 대해 Cronbach’s alpha, McDonald’s omega, 수정된 문항-총점 상관계수, 기술 통계량, 왜도, 첨도 및 바닥 또는 천장 효과를 산출한다23.
  2. 신뢰도 값의 경우 0.70에서 0.79는 수용 가능, 0.80에서 0.89는 양호, 0.90 이상은 높은 내부 일치도로 해석한다. 0.95를 초과하는 값은 문항 중복 가능성이 있는 것으로 간주한다.
  3. 수정된 문항-총점 상관계수가 0.30 미만인 경우 표시한다. 문항의 낮은 성능이 개념적 불일치, 불분명한 표현 또는 사전에 지정된 전문가 검토 우려 사항과 일치하는 경우에만 해당 문항을 제거하거나 수정한다.
  4. 응답자의 15% 이상이 척도의 최저점 또는 최고점을 얻은 경우 바닥 또는 천장 효과로 표시한다.
  5. 신뢰도 및 문항 진단 출력 결과를 Table_reliability_item_diagnostics.xlsx로 내보낸다.
    참고: 삭제 규칙이 사전에 지정되지 않은 한, 주요 데이터 수집 후에 문항을 삭제하지 마십시오.

15. 기술 및 상관 분석

  1. 인구통계학적 변수, 전문적 배경 변수 및 구성 개념 점수에 대한 기술 통계량을 산출합니다.
  2. 범주형 변수는 빈도와 백분율로 보고합니다. 연속형 또는 서열형 전문 변수는 분포가 대략적으로 대칭일 경우 평균과 표준편차로 보고하고, 뚜렷하게 왜곡된 경우 중앙값과 사분위수 범위로 보고합니다.
  3. 각 구성 개념 점수가 예상 범위인 1–5 범위 내에 있는지 확인하고, 히스토그램이나 밀도 도표를 통해 주요한 분포 왜곡이 있는지 검토합니다.
  4. 척도 평균이 대략적으로 연속적일 때는 구성 개념 점수 간의 Pearson 상관계수를 산출하고, 분포가 현저하게 왜곡된 경우에는 민감도 분석으로서 Spearman 상관계수를 산출합니다.
  5. 상관계수가 0.10에서 0.29 사이면 낮음, 0.30에서 0.49 사이면 중간, 0.50 이상이면 높음으로 해석합니다24. 0.85 이상의 상관계수는 구성 개념의 중복 가능성이 있는 것으로 표시합니다.
  6. 기술 통계량은 Table_descriptive_statistics.xlsx로, 상관 행렬은 Table_correlation_matrix.xlsx로 내보냅니다.
    참고: 회귀 분석 전에 구성 개념의 중복 여부를 검토하십시오. 이론적으로 구별되는 구성 개념들 사이에서 매우 높은 상관관계가 나타날 경우, 요인 분석을 추가하거나 해석적 주장을 축소하십시오.

16. 회귀 분석

  1. 사전에 지정된 위계적 선형 회귀 모델을 적합시킵니다.
  2. 모델 1에서는 자율적 동기를 종속 변수로 사용합니다. 1단계에서는 연령대, 성별, 직급, 강의 경력, 최근 12개월간의 전문성 개발 시간 및 행정 업무량을 입력하고, 2단계에서는 자율성, 유능성 및 관계성 욕구 충족도를, 3단계에서는 통제적 동기를 입력합니다.
  3. 모델 2에서는 전문성 개발 참여도를 종속 변수로 사용합니다. 1단계에서는 연령대, 성별, 직급, 강의 경력, 최근 12개월간의 전문성 개발 시간 및 행정 업무량을 입력하고, 2단계에서는 자율적 동기와 통제적 동기를, 3단계에서는 교수 자기효능감을 입력합니다.
  4. 성찰적 실천은 윤리 위원회 승인을 받은 분석 계획에 사전에 지정된 경우에만 탐색적 종속 변수로 사용합니다.
  5. 상호작용 항을 생성하기 전에 연속형 예측 변수를 평균 중심화합니다. 연구 질문과 분석 계획에 조절 효과가 포함되어 있지 않은 한 조절 항을 생성하지 마십시오.
  6. 비표준화 계수, 표준 오차, 표준화 계수, 95% 신뢰 구간, p 값, 수정된 R2 및 R2 변화량을 보고합니다.
  7. 분산 팽창 요인(VIF) 값, 잔차 대 적합값 도표, Q-Q 도표, 표준화 잔차 및 Cook의 거리를 검토합니다. 분산 팽창 요인 값이 5.00 초과, 표준화 잔차가 |3.00| 초과 또는 Cook의 거리가 1.00 초과인 경우 검토가 필요한 것으로 간주합니다.
  8. 데이터 입력 오류, 적격성 오류 또는 중복 응답 문제가 확인된 경우에만 영향력이 큰 사례를 제거합니다.
  9. 회귀 분석 결과는 Table_regression_models.xlsx로, 진단 도표는 고해상도 PDF 파일로 내보냅니다.
    참고: 단순히 모델의 유의성이 변한다는 이유만으로 영향력이 큰 사례를 제거하지 마십시오.

17. 민감도 분석 및 재현성 확인

  1. 모델 변수가 누락된 사례를 리스트별 삭제(listwise deletion)하고 경계 시간 응답을 제외한 후, 주요 회귀 모델을 반복 수행한다.
  2. 계수 방향, 표준화 계수 크기, 표준 오차 및 수정된 R2를 기본 모델과 비교한다.
  3. 주요 계수 방향이 변하지 않고 표준화 계수의 차이가 0.10 미만인 경우, 결과를 안정적인 것으로 간주한다.
  4. 민감도 분석이 해석을 실질적으로 변경하지 않는 경우, 미리 지정된 스크리닝 규칙을 유지한다.
  5. 정제된 데이터셋과 최종 스크립트를 사용하여 기술 통계표, 신뢰도 표, 상관 행렬, 회귀 표, 참여자 흐름도, 워크플로우 도표 및 모든 구성 개념 점수 도표를 다시 생성한다.
  6. 승인된 데이터 공유 계획에 따라 정제된 익명화 데이터셋, 코드북, 스크리닝 로그, 설문지, 분석 스크립트, 생성된 출력물 및 R 세션 정보를 보관한다.
  7. 보관된 모든 파일이 동일한 응답자 식별자를 사용하고 직접적 또는 간접적 식별자가 포함되어 있지 않은지 확인한다.
    참고: 최종 스크립트로 모든 출력물이 다시 생성될 때까지 재현성 패키지를 보관하지 마십시오. 모든 출력물이 최종 스크립트로 다시 생성된 후에만 보관을 재개하십시오.

결과

참가자 흐름 및 대표 데이터세트의 상태

여기에 보고된 대표 결과는 프로토콜의 1회 완료 구현을 통해 생성되었습니다. 데이터 세트는 위에서 설명한 익명 횡단 설문 조사 절차를 통해 수집되었으며, 파일럿 테스트나 예시 데이터 세트에서 추출되지 않았습니다. 온라인 설문 조사 플랫폼에서 총 326건의 제출된 설문 기록을 내보냈습니다. 사전에 지정된 동의, 적격성, 응답 품질 및 누락 데이터 규칙을 적용한 후, 분석을 위해 313건의 응답이 유지되어 최종 포함률은 96.0%였습니다. 척도 점수 산출 전 13건의 응답이 제외되었습니다. 구체적으로 9건은 완료 시간이 최소 유효 임계값 미만이었으며, 2건은 주의력 확인 1항목 실패, 2건은 주의력 확인 2항목 실패로 인해 제외되었습니다. 짧은 소요 시간으로 제외된 9건 중 5건은 통합 응답 품질 검토 과정에서 불변 응답 패턴을 보였습니다. 스크리닝 로그에서 생성된 참가자 흐름 결과는 그림 2에 나와 있습니다. 유지된 응답은 척도 점수 산출, 신뢰도 추정, 기술 분석, 상관 분석, 위계적 회귀 모델링, 진단 확인 및 민감도 분석에 사용되었습니다.

참가자 특성

최종 분석 데이터셋에는 4개 대학의 교원들이 포함되었다. A 대학에서 101명(32.3%), B 대학에서 70명(22.4%), C 대학에서 69명(22.0%), D 대학에서 73명(23.3%)의 참가자가 참여하였다. 학문 분야는 사회과학(n = 59, 18.8%), 과학·기술·공학·수학(n = 57, 18.2%), 교육학(n = 50, 16.0%), 인문학(n = 50, 16.0%), 경영학 및 관리학(n = 49, 15.7%), 보건과학(n = 31, 9.9%), 예술 및 디자인(n = 17, 5.4%)의 7개 광범위한 그룹으로 구성되었다. 참가자의 대부분은 여성이었으며(n = 180, 57.5%), 남성(n = 126, 40.3%)과 성별 보고를 원하지 않는 참가자(n = 7, 2.2%)가 그 뒤를 이었다. 가장 많은 연령대는 31–40세(n = 132, 42.2%)였으며, 41–50세(n = 91, 29.1%), 21–30세(n = 55, 17.6%), 51–60세(n = 31, 9.9%), 60세 이상(n = 4, 1.3%) 순으로 나타났다. 강의 경력은 6–10년(n = 107, 34.2%)과 11–20년(n = 92, 29.4%)이 가장 많았다. 표 3은 소속 기관, 학문 분야, 성별, 연령대, 직급, 강의 연수, 주당 강의 시간, 전문성 개발 참여도 및 인지된 행정 업무량을 포함한 전체 참가자 특성 결과를 나타낸다.

척도 점수, 신뢰도 및 문항 진단

모든 구성 개념 점수는 사전에 지정된 채점 규칙에 따라 계산되었습니다. 표 4에 나타난 바와 같이, 모든 척도 점수는 예상 범위인 1–5 이내로 유지되었습니다. 구성 개념의 평균 점수는 자율성 욕구 충족 2.99, 유능성 욕구 충족 2.96, 관계성 욕구 충족 2.96, 자율적 동기 2.97, 통제된 동기 3.75, 교수 자기효능감 2.96, 전문성 개발 참여 2.72, 성찰적 실천 2.87이었습니다. 표준 편차는 0.89에서 1.20 사이였습니다. 관찰된 구성 개념 점수는 통제된 동기(1.25~5.00)를 제외한 모든 구성 개념에서 1.00에서 5.00 사이였습니다. 구성 개념 점수 프로필은 그림 3A에 제시되어 있습니다.

Cronbach’s alpha 값은 0.740에서 0.963 사이였으며, McDonald’s omega 값은 0.748에서 0.965 사이였습니다. 자율성 욕구 충족이 가장 낮은 alpha 값을 보였으나 허용 범위 내에 있었습니다. 자율적 동기와 전문성 개발 참여는 높은 내적 일관성을 보였습니다. 교수 자기효능감은 가장 높은 내적 일관성 추정치(Cronbach’s alpha = 0.963; McDonald’s omega = 0.965)를 보였으며, 이는 항목 중복 가능성을 고려해야 하는 사전 지정 값을 초과한 것이었습니다. 최소 수정 항목-전체 상관관계는 0.41에서 0.72 사이였으며, 바닥 효과(floor effect)나 천장 효과(ceiling effect) 모두 사전 지정된 15% 임계값을 초과하지 않았습니다. 프로토콜에 신뢰도 진단만으로 항목을 자동 삭제한다는 명시가 없었으므로, 주요 데이터 수집 후 삭제된 항목은 없었습니다. 표 4에는 유효 표본 크기, 점수 범위, 기술 통계량, Cronbach’s alpha 값, McDonald’s omega 값, 최소 수정 항목-전체 상관관계 및 진단 플래그가 기록되어 있습니다. 신뢰도 및 진단 프로필은 그림 3B에 나타나 있습니다.

상관관계 구축

상관관계 행렬은 표 5에 제시되어 있습니다. 자율성, 유능성 및 관계성 욕구 충족은 자율적 동기와 정적 상관관계를 보였으며, 상관계수는 r = 0.63에서 r = 0.65 범위였습니다. 통제적 동기는 자율성 욕구 충족(r = -0.17), 유능성 욕구 충족(r = -0.16), 관계성 욕구 충족(r = -0.14) 및 전문성 개발 참여(r = -0.15)와 약한 부적 상관관계를 나타냈습니다. 전문성 개발 참여는 자율적 동기(r = 0.73), 교수 자기효능감(r = 0.78) 및 성찰적 실천(r = 0.78)과 정적 상관관계를 보였습니다. 관찰된 가장 강한 상관관계는 교수 자기효능감과 전문성 개발 참여 사이(r = 0.78), 그리고 전문성 개발 참여와 성찰적 실천 사이(r = 0.78)에서 나타났습니다. 구성 개념 간의 상관관계 중 사전 설정된 구성 개념 중복 임계값인 0.85를 초과하는 것은 없었습니다.

위계적 회귀 분석 결과

계층적 회귀 분석 결과는 다음에서 보고됩니다. 표 6A 그리고 표 6B모델 1에서는 자율적 동기가 종속 변수였습니다. 통제 변수만 포함된 단계에서는 자율적 동기의 제한적인 분산을 설명했습니다.R2 = 0.012; 보정됨 R2 = -0.007). 자율성, 유능성 및 관계성 욕구 충족을 추가한 후, R2 0.506으로 증가했다. 마지막 단계에서 통제된 동기를 추가했을 때 모델 적합도의 추가적인 변화는 거의 없었다 (최종 R2 = 0.507; 보정됨 R2 = 0.490; ΔR2 = 0.001). 최종 모델에서, 자율성 욕구 충족(B = 0.284, 95% CI 0.176 ~ 0.392, β = 0.249, p < 0.001), 유능성 욕구 만족(B = 0.311, 95% 신뢰구간 0.197 ~ 0.425, β = 0.271, p < 0.001), 그리고 관계성 욕구 충족 (B = 0.303, 95% 신뢰구간 0.191 ~ 0.415, β = 0.254, p < 0.001)은 자율적 동기와 정적 상관관계가 있었다. 심리적 욕구 충족 변수들이 포함된 후 통제적 동기는 유의미하지 않았다 (B = -0.016, 95% 신뢰구간 -0.118 ~ 0.086, β = -0.013, p = 0.756). 최대 분산팽창계수는 3.05였다.

모델 2에서 전문성 개발 참여도는 종속 변수였습니다. 대조군 전용 단계에서는 전문성 개발 참여도의 설명된 분산이 제한적이었습니다.R2 = 0.021; 보정됨 R2 = 0.001). 자율적 동기와 통제적 동기를 추가했을 때 증가하였다 R2 0.559로 나타났다. 교수 효능감을 추가했을 때 수치가 더욱 증가했으며 R2 0.671로, 조정된 R2 0.661 및 최종 단계의 ΔR2 0.112였다. 최종 모델에서 자율적 동기는 (B = 0.386, 95% 신뢰구간(CI) 0.284 ~ 0.488, β = 0.345, p < 0.001) 및 교수 효능감(B = 0.545, 95% 신뢰구간(CI) 0.443~0.647, β = 0.518, p < 0.001)은 전문성 개발 참여와 정적 상관관계가 있었습니다. 교수 자기효능감이 더 큰 표준화 계수를 보였습니다. 자율적 동기와 교수 자기효능감을 포함시킨 후, 통제적 동기는 유의미하지 않았습니다(B = -0.053, 95% 신뢰구간(CI) -0.143 ~ 0.037, β = -0.039, p = 0.249). 지난 12개월 동안의 전문성 개발 시간은 전문성 개발 참여도와 작은 양의 상관관계를 보였다(B = 0.054, 95% CI 0.023 ~ 0.085, β = 0.111, p = 0.001). 최대 분산 팽창 요인은 2.39였다.

민감도 분석 및 진단 점검

민감도 분석 결과는 표 6C에 요약되어 있습니다. 모델 1의 경우, 기본 분석에는 313개의 응답이 포함되었으며 R2 = 0.507을 나타냈습니다. 리스트별 삭제(listwise-deletion) 모델에는 306개의 응답이 포함되었으며 R2 = 0.501을 나타냈습니다. 경계 시간(borderline-time) 응답을 제외한 모델에는 301개의 응답이 포함되었으며 R2 = 0.504를 나타냈습니다. 세 가지 버전 모두에서 자율성, 유능성, 관계성 욕구 충족은 자율적 동기와 계속해서 정적 상관관계를 보였습니다. 기본 모델과의 최대 표준화 계수 차이는 리스트별 삭제 모델에서 0.04, 경계 시간 제외 모델에서 0.03이었습니다.

모델 2의 경우, 주 분석에는 313개의 응답이 포함되었으며 R2 = 0.671로 나타났다. 리스트별 삭제(listwise-deletion) 모델에는 306개의 응답이 포함되었으며 R2 = 0.666으로 나타났다. 경계 시간 응답을 제외한 모델에는 301개의 응답이 포함되었으며 R2 = 0.673으로 나타났다. 이러한 분석 전반에 걸쳐 자율적 동기와 교수 효능감은 전문성 개발 참여와 계속해서 양의 상관관계를 보였다. 주 모델과의 최대 표준화 계수 차이는 리스트별 삭제 모델에서 0.05, 경계 시간 제외 모델에서 0.04였다. 주요 계수의 방향이 변하지 않았고 표준화 계수가 주 모델과 0.10 미만으로 차이가 났으므로, 결과는 사전 지정된 안정성 기준을 충족하였다.

분석 스크립트를 통해 진단 검사를 생성하였습니다. 두 최종 회귀 모델 모두에서 어떤 예측 변수도 분산 팽창 요인(variance inflation factor) 임계값인 5.00을 초과하지 않았습니다. 표준화 잔차와 Cook's distance를 검토하였습니다. 절대 표준화 잔차의 최대값은 모델 1에서 2.74, 모델 2에서 2.81이었으며, Cook's distance의 최대값은 각각 0.06과 0.07이었습니다. 모델의 유의성에 영향을 미쳤다는 이유만으로 제거된 사례는 없었습니다. 진단 플롯을 사용하여 선형성, 등분산성, 잔차의 정규성 및 영향력이 큰 관측치를 점검하였습니다. 이러한 결과물들은 프로토콜에 따라 생성된 결과 시퀀스인 참여자 흐름 문서화, 참여자 특성 보고, 척도 점수 생성, 신뢰도 및 문항 진단, 구성 개념 상관관계 분석, 위계적 회귀 모델링, 민감도 분석 및 재현성 확인 과정을 종합적으로 보여줍니다.

figure-results-1
그림 1: 익명 단면 조사 프로토콜의 워크플로우. 이 워크플로우는 윤리 승인, 기관 허가, 설문지 작성, 예비 테스트, 모집, 전자 동의, 데이터 내보내기, 익명화, 응답 품질 스크리닝, 척도 점수 산출, 통계 분석, 민감도 분석 및 재현성 아카이빙에 이르는 절차를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-2
그림 2: 응답 품질 스크리닝 후의 참여자 흐름. 다이어그램은 내보낸 설문지 기록, 제외된 응답, 주요 제외 사유, 그리고 척도 점수 산정 및 통계 분석을 위해 최종적으로 유지된 응답을 보여줍니다. 이 그림의 확대 버전을 보려면 여기를 클릭하십시오.

figure-results-3
그림 3: 구성 개념 점수 및 신뢰도 진단 프로필. (A) 8가지 연구 구성 개념에 대한 평균 점수와 표준 편차를 나타내는 구성 개념 점수 프로필. (B) Cronbach’s alpha, McDonald’s omega 및 내부 일관성 추정치가 0.95를 초과할 때의 항목 중복 가능성을 포함하여 사전에 지정된 진단 플래그를 보여주는 신뢰도 및 진단 프로필. 여기를 클릭하여 이 그림의 확대 버전을 확인하십시오.

표 1: 구성 개념 맵, 항목 할당, 적응 상태, 허가 상태 및 채점 규칙.이 표는 각 구성 개념, 항목 코드, 항목 수, 측정 기준, 허가/사용 상태, 이론적 역할 및 채점 규칙을 정의합니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

표 2: 응답 품질 스크리닝, 점수 산정, 분석 및 재현성 결정 규칙.(A) 동의, 적격성 및 응답 품질 스크리닝 규칙. (B) 결측치 처리, 척도 점수 산정 및 데이터셋 구축 규칙. (C) 신뢰도, 기술 통계 및 상관관계 결정 규칙. (D) 회귀 분석, 진단, 민감도 분석 및 재현성 규칙. 이 파일을 다운로드하려면 여기를 클릭하십시오.

표 3: 최종 분석 표본의 참여자 특성. 이 표는 소속 기관, 학문 분야 그룹, 성별, 연령대, 직급, 강의 경력, 주당 강의 시간, 전문성 개발 참여 여부 및 인지된 행정 업무량을 보고합니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

표 4: 구성 점수에 대한 기술 통계, 신뢰도 추정치 및 항목 진단 플래그.이 표는 각 구성에 대한 유효 표본 크기, 평균, 표준 편차, 점수 범위, Cronbach’s alpha, McDonald’s omega, 최소 수정 항목-전체 상관관계 및 진단 플래그를 보고합니다. 여기를 클릭하여 이 파일을 다운로드하십시오.

표 5: 구성 개념 점수 간의 상관행렬. 이 표는 심리적 욕구 충족, 동기, 교수 자기효능감, 전문성 개발 참여 및 성찰적 실천 구성 개념 간의 피어슨 상관관계를 나타냅니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

표 6: 위계적 회귀 분석 결과 및 민감도 분석. (A) 자율적 동기를 예측하는 위계적 회귀 분석. (B) 전문성 개발 참여도를 예측하는 위계적 회귀 분석. (C) 주 모델, 리스트별 제거(listwise-deletion) 모델 및 경계 시간 응답 제외 모델을 비교한 민감도 분석. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 파일 1: 설문지, 코드북, 점수 산정 규칙 및 분석 스크립트 구조. 이 파일에는 실시된 설문지, 변수 코드북, 제외 및 점수 산정 규칙, 고정된 스크리닝 매개변수, 설문 플랫폼 체크리스트, R 분석 스크립트, 재현성 파일 및 최종 품질 관리 점검 항목이 포함되어 있습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

토론

대표적인 결과는 본 프로토콜이 출석, 교육 시간 또는 이수 기록을 넘어 대학 교수의 전문성 개발을 조사하는 데 사용될 수 있음을 나타냅니다. 자율성, 유능감 및 관계성 욕구 충족은 모두 자율적 동기와 정적 상관관계가 있었으며, 이러한 연관성은 배경 변수가 모델에 입력된 후에도 유지되었습니다. 이 결과는 개인이 선택, 능력 및 사회적 연결을 경험할 때 스스로 인정하는 동기가 지원된다는 자기결정 이론의 가설과 일치합니다25. 전문성 개발 연구에서 이는 참여 그 자체만으로는 불충분한 지표인 경우가 많기 때문에 중요합니다. 어떤 교사는 필수 워크숍에 참석하면서도 그것을 유용하다고 느끼지 못할 수 있는 반면, 다른 교사는 참여 횟수는 더 적더라도 해당 활동을 교수 결정과 밀접하게 연결시킬 수 있습니다. 따라서 본 프로토콜은 전문성 개발이 의미 있는 전문적 학습으로 경험될 가능성이 더 높은 동기 부여 조건을 찾는 데 도움이 됩니다. 이러한 접근 방식은 전문성 개발 활동과 교사 성과를 연결하는 메커니즘에 대한 더 명확한 측정이 필요하다는 요구와도 일치합니다26.

통제된 동기 부여 결과는 신중한 해석이 필요합니다. 통제된 동기 부여는 측정된 구성 개념 중 평균 점수가 가장 높았으나, 욕구 충족, 자율적 동기 부여 및 교수 자기 효능감을 고려한 후에는 주요 결과 변수들과 약하거나 유의미하지 않은 연관성을 보였습니다. 이것이 교사들이 단순히 동기가 없었거나 순응적이었다는 것을 의미하지는 않습니다. 대학의 전문성 개발은 흔히 승진 시스템, 강의 질 평가, 기관 감사, 업무량 기대치 및 문서화 요구 사항 내에서 이루어집니다. 따라서 압박에 기반한 참여는 진정한 전문적 목표와 공존할 수 있습니다. 이러한 결과는 기관의 요구 사항이 교사들을 전문성 개발로 이끌 수는 있지만, 교사들이 해당 활동에 실제로 참여하거나 이를 실천으로 옮기는지 여부를 완전히 설명하지는 못한다는 점을 시사합니다. 이러한 해석은 교사의 전문성 개발이 단순히 출석만으로 결정되는 것이 아니라 맥락, 정체성, 협업 및 실천의 변화에 의해 형성된다는 관점과 일치합니다27.

전문성 개발 참여는 자율적 동기 및 교수 자기효능감과 가장 밀접한 관련이 있었습니다. 이 두 변수는 프로세스의 서로 다른 부분을 나타냅니다. 자율적 동기는 교사가 학습에 참여하고 이를 지속하는 이유를 반영하며, 교수 자기효능감은 교사가 학습한 내용을 교실, 온라인, 실험실, 스튜디오, 임상 또는 지도 교수 환경에서 적용할 수 있다고 믿는지를 반영합니다. 최종 참여 모델에서 교수 자기효능감은 더 큰 표준화 계수를 보였으며, 이는 전문성 개발이 단순한 참여를 넘어 실제 실천으로 이어지기 위해서는 인지된 교수 능력이 특히 중요할 수 있음을 시사합니다. 이는 전문성 개발을 개인, 직장 및 학습 활동 시스템에 의해 형성되는 과정으로 설명하는 교사 학습 모델28과 일치합니다. 또한, 교사가 새로운 실천 방식을 개선의 증거와 연결할 수 있을 때 전문적 학습이 더 지속 가능해진다는 Guskey의 견해29와도 부합합니다.

측정 결과는 대부분 수용 가능한 수준이었으나, 이는 프로토콜에 문항 진단이 포함된 이유를 함께 보여줍니다. 교수 효능감은 매우 높은 내부 일관성을 보였으며, 이는 신뢰성을 뒷받침하지만 문항 간 중복을 의미할 수도 있습니다. 본 프로토콜에서는 주 분석 후 문항을 삭제하는 대신 0.95 이상의 값을 중복 플래그로 처리함으로써 이를 보수적으로 다루었습니다. 교수 효능감은 다차원적인 구성 개념이며, 교수 전략, 학생 참여, 학급 경영 또는 상호작용을 다루는 문항들이 서로 밀접하게 연관되어 있을 수는 있으나 반드시 상호 대체 가능한 것은 아니기 때문에 이러한 접근 방식이 중요합니다30. 향후 적용 시에는 단일 12문항 점수만으로 충분한지, 아니면 하위 영역별 점수가 더 명확한 해석을 제공하는지 테스트해야 합니다. 전문성 개발 참여와 성찰적 실천 사이의 정적 상관관계 또한 연구 설계와 일치합니다. 참여는 능동적인 참여와 지속적인 학습 노력을 나타내는 반면, 성찰적 실천은 교사가 학습한 내용을 어떻게 검토하고, 조정하고, 기록하거나 논의하는지를 나타냅니다. 교수 활동에서 이러한 과정들은 전문 지식이 실행, 성찰 및 조정을 통해 발달하기 때문에 종종 중첩됩니다31.

프로토콜을 올바르게 사용하기 위해 몇 가지 절차적 사항이 중요합니다. 분석을 시작하기 전에 윤리 승인, 기관 허가, 척도 출처 문서화, 권한 확인, 항목 코드 고정, 파일럿 테스트 기반의 완료 시간 임계값 설정, 익명 플랫폼 설정, 로우 데이터(raw data) 보존 및 사전 지정된 제외 규칙 수립이 완료되어야 합니다. 가장 발생하기 쉬운 오류는 실무적인 것들로, 파일럿 테스트 후 항목 코드를 변경하거나, 건너뛴 항목을 결측값이 아닌 0으로 내보내거나, 간접 식별자를 유지하거나, 회귀 분석 결과를 확인한 후 사례를 제거하는 것 등이 있습니다. 본 프로토콜은 고정된 코드북, 스크리닝 로그, 참여자 흐름도, 스크립트 기반 채점, 진단 플래그 및 재현성 아카이브를 통해 이러한 리스크를 줄입니다. 본 프로토콜은 다른 대학, 언어 및 전문성 개발 시스템에 맞게 조정될 수 있으나, 동의 로직, 적격성 기준, 응답 품질 규칙, 결측 데이터 규칙 및 분석 순서는 추적 가능하게 유지되어야 합니다. 설문지가 번역되거나 여러 문화권에서 사용되는 경우, 그룹 간의 강력한 비교를 수행하기 전에 인지적 검토와 추가적인 측정 구조 테스트가 추가되어야 합니다.

본 프로토콜에는 명확한 한계점이 있습니다. 단면 설계(cross-sectional design)로는 심리적 욕구 충족이 자율적 동기를 유발하는지, 교수 자기효능감이 참여도를 높이는지, 또는 성찰적 실천이 시간이 지남에 따라 참여도 이후에 나타나는지를 확립할 수 없습니다. 데이터는 자기 보고 방식으로 수집되었으므로 익명성 보장, 중립적 문구 사용, 주의력 확인, 완료 시간 스크리닝, 불변 응답 검토 및 민감도 분석에도 불구하고 공통 방법 편향(common-method bias), 사회적 바람직성 및 공유 응답 경향의 가능성이 남아 있습니다32. 또한 대표 데이터셋이 특정 대학 교수 표본에서 도출되었으므로, 전문성 개발이 더 중앙 집중적이거나 자발적이며, 학문 분야에 특화되어 있거나 승진과 밀접하게 연계된 환경에서는 결과가 다를 수 있습니다. 향후 연구에서는 반복 측정, 인터뷰, 강의실 관찰, 동료 관찰 기록, 수정된 강의 계획서, 교과 과정 재설계 노트 또는 성찰 포트폴리오를 통해 본 프로토콜을 확장할 수 있습니다. 또한 지역적 용어, 자격 규칙, 기관 승인 및 문항 문구를 세심하게 조정한다면, K-12 교사 전문성 개발, 기업 학습 프로그램, 임상 교육 개발 및 국가 간 고등교육 연구에도 적용할 수 있습니다. 이러한 범위 내에서 사용될 때, 본 프로토콜은 전문적 학습의 연결된 구성 요소로서 동기, 효능감, 참여 및 성찰을 연구할 수 있는 재현 가능한 방법을 제공합니다33.

공개 사항

저자들은 본 연구와 관련하여 경쟁 관계에 있는 재정적 또는 비재정적 이해관계가 없음을 선언합니다.

감사의 글

저자들은 본 연구에 참여하여 전문성 개발 경험을 공유해 주시고 시간을 내어 주신 대학교수님들께 감사드립니다. 본 연구를 위해 수령한 특정 연구비는 없습니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
Adobe Acrobat ProAdobe Inc., San Jose, CA, USAAdobe Acrobat Pro 2024최종 설문지 PDF, 참가자 정보지, 동의서, 내보낸 그림 및 제출된 보충 파일을 검토하는 데 사용됨.
분석 스크립트연구팀 작성analysis_script.R데이터 가져오기, 익명화 확인, 응답 품질 스크리닝, 결측치 계산, 척도 점수 산출, 기술 통계, 신뢰도 분석, 상관 분석, 회귀 모델, 진단 확인, 민감도 분석, 표 내보내기, 그림 내보내기 및 세션 정보 내보내기를 수행함.
정제된 교사 PD 설문 CSVanalysis_script.R에서 생성됨cleaned_teacher_PD_survey.csv포함 상태, 제외 사유, 스크리닝 변수 및 정제된 배경 변수가 포함된 비식별화된 유지 및 제외 레코드를 포함함.
코드북연구팀 작성codebook.xlsx변수명, 항목 코드, 응답 코딩, 결측값 코딩, 척도 점수 공식, 포함 상태, 제외 사유, 표 변수 및 출력 파일 이름을 정의함.
데스크톱 컴퓨터Windows 11 Pro해당 없음; 기관 연구용 컴퓨터: 16 GB RAM 및 전체 디스크 암호화 활성화됨.설문 프로그래밍, 데이터 내보내기, 스크립트 실행, 표 생성, 그림 내보내기 및 보안 파일 보관에 사용됨.
윤리 승인 문서기관 인간 연구 윤리 위원회ethics_approval.pdf승인 번호, 승인 날짜, 승인된 연구 제목, 연구자 정보, 승인된 모집 및 데이터 처리 조건을 포함하여 모집 전 윤리 승인을 문서화함.
기관 허가 기록참여 대학institutional_permission_records.pdf승인된 기관 채널을 통한 교사 모집을 위해 참여 대학으로부터 받은 서면 허가 기록을 포함함.
Microsoft ExcelMicrosoft Corporation, Redmond, WA, USAMicrosoft Excel 365내보낸 데이터셋 검사, 코드북 작성, 스크리닝 로그 검토 및 내보낸 표 파일을 확인하는 데 사용됨. 분석 데이터셋은 스크립트 기반 정제 후 수동으로 편집되지 않음.
참가자 정보지 및 동의서연구팀 작성 및 윤리 위원회 승인participant_information_and_consent.
pdf		연구 목적, 선정 기준, 자발적 참여 성명서, 익명성 성명서, 위험 및 이점, 데이터 보관 정보, 연구자 연락처, 윤리 정보 및 전자 동의 문구를 제공함.
설문지 파일연구팀 작성questionnaire.pdf잠금 처리된 설문지, 항목 순서, 항목 코드, 응답 옵션, 선정 항목, 배경 항목, 구성 개념 항목 및 주의 확인 항목을 포함함.
R 패키지 매니페스트R 환경에서 생성됨package_manifest.txt데이터 가져오기, 정제, 점수 산출, 신뢰도 추정, 회귀 진단, 시각화, 출력 생성 및 재현성 확인에 사용된 R 패키지와 패키지 버전을 나열함.
R 통계 소프트웨어R Foundation for Statistical Computing, Vienna, AustriaR 4.3.2데이터 정제, 척도 점수 산출, 통계 분석, 진단 확인, 그림 생성, 표 내보내기 및 재현성 검증에 사용됨.
재현성 패키지연구팀 작성reproducibility_package.zipquestionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, 표 출력물, 그림 출력물 및 진단 플롯을 포함함.
RStudio Desktop IDEPosit Software, PBC, Boston, MA, USARStudio Desktop 2023.12.1analysis_script.R을 실행, 문서화 및 검토하는 데 사용됨.
점수 산출된 교사 PD 설문 CSVanalysis_script.R에서 생성됨scored_teacher_PD_survey.csv포함된 응답과 계산된 척도 점수(AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN, RP_MEAN 포함)를 포함함.
스크리닝 로그analysis_script.R에서 생성되고 연구팀에서 검토됨screening_log.xlsx동의, 적격성, 완료 시간 스크리닝, 주의 확인 결과, 결측치, 불변 응답 플래그, 제외 사유, 재코딩 결정 및 최종 포함 상태를 기록함.
보안 기관 저장소참여 대학 정보 기술 서비스암호화된 기관 연구 드라이브원시 데이터, 정제된 데이터, 점수 산출 데이터, 코드북, 스크리닝 로그, 설문지, 분석 스크립트, 윤리 문서, 허가 기록, 표 출력물, 그림 출력물 및 재현성 패키지를 저장하는 데 사용됨. 액세스는 승인된 연구 인력으로 제한됨.
세션 정보 파일R에서 생성됨sessionInfo.txtR 버전, 운영 체제, 로드된 패키지, 패키지 버전 및 재현성 환경을 기록함.
표 및 그림 출력물analysis_script.R에서 생성됨outputs_tables_figures 폴더참가자 흐름 출력물, 기술 통계표, 신뢰도 표, 상관 행렬, 회귀 표, 민감도 분석 표, 구성 점수 그림 및 진단 플롯을 포함함.
Wenjuanxing / Questionnaire Star 온라인 설문 플랫폼Changsha Ranxing Information Technology Co., Ltd., Changsha, ChinaWenjuanxing 웹 설문 프로젝트전자 동의, 익명 설문 실시, 적격성 분기, 주의 확인 항목, 완료 시간 기록, 브라우저당 1회 응답 설정 및 설문 기록 내보내기에 사용됨.

참고문헌

  1. Desimone LM. Improving impact studies of teachers' professional development: Toward better conceptualizations and measures. Educ Res. 2009;38(3):181-99.
  2. Opfer VD, Pedder D. Conceptualizing teacher professional learning. Rev Educ Res. 2011;81(3):376-407.
  3. Ryan RM, Deci EL. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. Am Psychol. 2000;55(1):68-78.
  4. Deci EL, Ryan RM. The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior. Psychol Inq. 2000;11(4):227-68.
  5. Avalos B. Teacher professional development in Teaching and Teacher Education over ten years. Teach Teach Educ. 2011;27(1):10-20.
  6. Tschannen-Moran M, Woolfolk Hoy A. Teacher efficacy: Capturing an elusive construct. Teach Teach Educ. 2001;17(7):783-805.
  7. Guskey TR. Professional development and teacher change. Teach Teach. 2002;8(3):381-91.
  8. Schaufeli WB, Bakker AB, Salanova M. The measurement of work engagement with a short questionnaire: A cross-national study. Educ Psychol Meas. 2006;66(4):701-16.
  9. Schön DA. The Reflective Practitioner: How Professionals Think in Action. Basic Books; New York; 1983.
  10. Meade AW, Craig SB. Identifying careless responses in survey data. Psychol Methods. 2012;17(3):437-55.
  11. Dunn TJ, Baguley T, Brunsden V. From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. Br J Psychol. 2014;105(3):399-412.
  12. Podsakoff PM, et al. Common method biases in behavioral research: A critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
  13. Darling-Hammond L, Hyler ME, Gardner M. Effective Teacher Professional Development. Learning Policy Institute; Palo Alto, CA; 2017.
  14. Ryan RM, Deci EL. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemp Educ Psychol. 2020;61:101860.
  15. Chen B, et al. Basic psychological need satisfaction, need frustration, and need strength across four cultures. Motiv Emot. 2015;39(2):216-36.
  16. Green SB. How many subjects does it take to do a regression analysis? Multivariate Behav Res. 1991;26(3):499-510.
  17. Fernet C, Senécal C, Guay F, Marsh H, Dowson M. The Work Tasks Motivation Scale for Teachers. J Career Assess. 2008;16(2):256-79.
  18. Skaalvik EM, Skaalvik S. Teacher self-efficacy and teacher burnout: A study of relations. Teach Teach Educ. 2010;26(4):1059-69.
  19. Klassen RM, Chiu MM. Effects on teachers' self-efficacy and job satisfaction: Teacher gender, years of experience, and job stress. J Educ Psychol. 2010;102(3):741-56.
  20. Kember D, et al. Development of a questionnaire to measure the level of reflective thinking. Assess Eval High Educ. 2000;25(4):381-95.
  21. Brislin RW. Back-translation for cross-cultural research. J Cross Cult Psychol. 1970;1(3):185-216.
  22. DeVellis RF. Scale Development: Theory and Applications. 4th ed. Sage; Thousand Oaks, CA; 2017.
  23. Field A. Discovering Statistics Using IBM SPSS Statistics. 5th ed. Sage; London; 2018.
  24. Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2nd ed. Lawrence Erlbaum Associates; Hillsdale, NJ; 1988.
  25. Vansteenkiste M, Ryan RM. On psychological growth and vulnerability: Basic psychological need satisfaction and need frustration as a unifying principle. J Psychother Integr. 2013;23(3):263-80.
  26. Slemp GR, Field JG, Cho ASH. A meta-analysis of autonomous and controlled forms of teacher motivation. J Vocat Behav. 2020;121:103459.
  27. Zhang X, Admiraal W, Saab N. Teacher autonomous motivation for continuous professional development: The relationship with perceived workplace conditions. Teach Teach. 2022;28(8):909-24.
  28. Fernandes S, et al. Teacher professional development in higher education: The impact of pedagogical training perceived by teachers. Educ Sci. 2023;13(3):309.
  29. Jacob WJ, Xiong W, Ye H. Professional development programmes at world-class universities. Palgrave Commun. 2015;1:15002.
  30. Zee M, Koomen HMY. Teacher self-efficacy and its effects on classroom processes, student academic adjustment, and teacher well-being: A synthesis of 40 years of research. Rev Educ Res. 2016;86(4):981-1015.
  31. Kreber C, Castleden H, Erfani N, Wright T. Self-regulated learning about university teaching: An exploratory study. Teach High Educ. 2005;10(1):75-97.
  32. van Dijk EE, et al. Phases in novice university teachers' development of self-efficacy across and within teacher tasks: A Rasch analysis. J Furth High Educ. 2024;48(9-10):831-46.
  33. Postareff L, Lindblom-Ylänne S, Nevgi A. The effect of pedagogical training on teaching in higher education. Teach Teach Educ. 2007;23(5):557-71.

재인쇄 및 허가

태그

문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.