پيش‌بيني نگرش به كامپيوتر بر اساس سرسختي روان‌شناختي، خودكارآمدي و انگيزش پيشرفت

Predicting Computer Attitude Based on Psychological Hardiness, Self-Efficacy and Achievement Motivation

هدف اين تحقيق، تعيين سهم هر يك از متغيرهاي سرسختي روان‌شناختي، خودكارآمدي و انگيزش پيشرفت در پيش‌بيني نگرش به كامپيوتر در دانشجويان دانشگاه پيام نور مركز شهركرد بود. نوع تحقيق، همبستگي از نوع پيش‌بيني بود. جامعه آماري، شامل تمام دانشجويان دانشگاه پيام نور مركز شهركرد در نيمسال اول سال تحصيلي 92-1391 بود. نمونه پژوهش عبارت بود از 100 نفر از جامعه آماري كه به شيوه تصادفي طبقه‌اي (بر حسب رشته تحصيلي)، از 10 رشته اين دانشگاه انتخاب شدند. براي اندازه‌گيري متغيرهاي تحقيق از مقياس نگرش به كامپيوتر (CAS)، پرسش‌نامه سرسختي اهواز (AHI)، مقياس خودكارآمدي عمومي (GSE) و پرسش‌نامه انگيزش پيشرفت هرمنس استفاده شد. داده‌ها با استفاده از آمار توصيفي و تحليل رگرسيون گام به گام مورد تجزيه و تحليل قرار گرفت. يافته‌ها نشان داد كه سرسختي روان‌شناختي به طور معناداري نگرش به كامپيوتر دانشجويان را پيش‌بيني مي‌كند (000/0P = ) و افزودن متغير خودكارآمدي به متغير سرسختي روان‌شناختي، قدرت پيش‌بيني نگرش به كامپيوتر دانشجويان را افزايش مي‌دهد (000/0P = )، اما، اضافه شدن متغير انگيزش پيشرفت به معادله باعث افزايش معنادار قدرت پيش‌بيني نگرش به كامپيوتر در دانشجويان دانشگاه پيام نور مركز شهركرد نمي‎شود. نتيجه اين‌كه از جمله راه‌‌هاي بهبود نگرش دانشجويان به كامپيوتر، تقويت سرسختي روان‌شناختي و خودكارآمدي در آنها است.

The purpose of this study was to determine the share of psychological hardiness, self-efficacy and achievement motivation in predicting computer attitude of students in Payam Noor University of Shahre Kord. The type of the research was predictive correlation. The statistical population consisted of all students in Payam Noor University in the first semester of the academic year 2011-2012. For sampling, 100 students of 10 fields of study were selected by stratified random sampling method. Computer Attitude Scale (CAS), Ahvas Hardiness Inventory (AHI), General Self-Efficacy Scale (GSE) and Hermanʹs achievement motivation questionnaire were used for measuring the research variables. Descriptive statistics and stepwise regression was used for data analysis. Results showed that psychological hardiness could significantly predict the computer attitude in students (P = 0.000), and adding self-efficacy to psychological hardiness increased significantly the predicting power of their computer attitude (P = 0.000); but adding achievement motivation variable to psychological hardiness and self-efficacy variables could not increase significantly the predicting power of computer attitude in these subjects. Consequently, according to the evidence, one of the ways to improve studentsʹ attitude to computer is strengthening the psychological hardiness and self-efficacy.