ارائه‌ي مدلي براي رضايت از يادگيري در مدارس هوشمند بر اساس خودكارآمدي كامپيوتر، قابليت سيستم، ويژگي محتوي و تعامل با نقش واسطه-اي انتظار عملكرد و جو يادگيري

Developing a Model for Learning’ Satisfaction at Smart Schools with Reference to Bandura’s Cognitive-Social Theory

هدف از پژوهش حاضر، ارائه ­ي مدلي براي رضايت از يادگيري بر اساس نظريه ي شناختي- اجتماعي بندورا در مدارس هوشمند است. به اين منظور تعداد 383 نفر (210 پسر و 173 دختر) از دانش ­آموزان پايه ي دوم راهنمايي مدارس هوشمند شهر شيراز به روش نمونه­ گيري تصادفي خوشه‌اي چندمرحله‌اي انتخاب شدند. در اين پژوهش آزمودني­ها پرسش­نامه­ هاي خودكارآمدي كامپيوتر ترك­زاده، انتظار عملكرد كامپيوتر و هيگنز، قابليت سيستم و ويژگي محتوا پيتوچ و لي، تعامل جانسون، كيليون و امي، جو يادگيري چيو و ليو و رضايت يادگيري چوي، هسو و سان را تكميل كردند. نتايج پژوهش نشان داد كه خودكارآمدي كامپيوتر، انتظار عملكرد، قابليت سيستم، ويژگي محتوا، تعامل و جو يادگيري از عوامل اصلي رضايت از يادگيري در مدارس هوشمند مي‌باشد: متغير مستقل خودكارآمدي هم به­ طور مستقيم و هم به ­صورت غيرمستقيم از طريق انتظار عملكرد بر رضايت از يادگيري تأثير دارند. ميان تعامل و رضايت از يادگيري رابطه ­ي مستقيم و معنا‌دار به ­دست نيامد. تعامل از طريق جو يادگيري و انتظار عملكرد رضايت از يادگيري را به نحو مثبت و معنا‌داري پيش ­بيني مي­كنند. خودكارآمدي كامپيوتر، قابليت سيستم و ويژگي محتوا اثري غيرمستقيم روي رضايت يادگيري دارند. به ­طور كلي مي­توان نتيجه گرفت اين عوامل براي برنامه‌ريزي در مدارس هوشمند لازم و ضروري هستند و اگر به اين عوامل توجه شود رضايت يادگيري دانش ­آموزان بيش­تر خواهد شد.

The present study sought to develop a model for learning satisfaction at smart schools, using Bandura’s Cognitive-Social Theory. To accomplish this, 383 participants (210 male and 173 female) who were junior high school second graders at smart schools in Shiraz, were selected using random cluster sampling method. The participants were asked to complete the Computer Self-Efficiency Questionnaire developed by Torkzadeh, Performance Expectation Questionnaire developed by Compeau and Higgins, System Functionality and Content Feature Questionnaire developed by Pituch and Lee, Interaction Questionnaire developed by Johnston, Killion and Oomen, Learning Climate Questionnaire developed by Chou and Liu and Learning Satisfaction Questionnaire developed by Chiu, Hesu and Sun. The findings revealed that computer self-efficiency, performance expectation, system functionality, content feature, interaction and learning climate are the main contributing factors to learning satisfaction at smart schools. Through performance expectation, the independent variable of self-efficiency both directly and indirectly had an impact on learning satisfaction. No significant correlation was found between interaction and learning satisfaction. Through learning climate and performance expectation, interaction could significantly predict the learning satisfaction. Computer self-efficiency, system functionality, and content feature have a direct impact on learning satisfaction. Generally speaking, it could be said that these factors are essential to planning at smart schools and if they are taken into consideration, learning satisfaction will increase.