مدلسازی نقش عوامل خود رهیابی و سواد رسانه ای در طفره روی مجازی دانشجویان با رویکرد شبکه عصبی مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پژوهش حاضر با هدف مدلسازی نقش خود رهیابی و سواد رسانه ای در طفره روی مجازی انجام گرفت. این پژوهش از نظر راهبرد اصلی، کمی و از نظر تکنیک تحلیلی، توصیفی- همبستگی بود. جامعه آماری این مطالعه شامل دانشجویان تحصیلات تکمیلی بود. روش نمونه گیری از نوع در دسترس بود. حجم نمونه با توجه به مدل کرجسی- مورگان و با در نظر گرفتن خطای 05/0 =α، 620 نفر در نظر گرفته شد. برای جمع آوری داده ها از پرسشنامه طفره روی مجازی بلا و همکاران (2006) (با پایایی 89/0=α)، پرسشنامه محقق ساخته خودرهیابی (با پایایی 95/0=α) و پرسشنامه سواد رسانه ای فلسفی (1393) (با پایایی 86/0=α)، استفاده شد. روایی محتوایی ابزارها با اعمال نظر ده نفر از خبرگان یادگیری الکترونیکی تأیید گردید. داده ها با رویکرد شبکه عصبی مصنوعی با روش پرسپترون چندلایه (MPL) تحلیل شد. نتایج نشان داد مدلسازی عوامل خودرهیابی و سواد رسانه ای در طفره روی مجازی دانشجویان دارای یک لایه ورودی با ده گره و یک لایه پنهان با چهار گره است و شبکه عصبی مصنوعی به خوبی قادر است پرش ها و روند طفره روی مجازی دانشجویان را از روی این دو متغیر و خرده مقیاس هایشان؛ پیش بینی نماید. تمامی ضریب های تاثیر لایه پنهان بر لایه خروجی در شبکه عصبی؛ منفی به دست آمده و از اینرو هرچه دانشجویان دارای مهارت خودرهیابی و سوادرسانه ای بالاتری باشند، کمتر به رفتار طفره روی مجازی می پردازند و بالعکس. بر این اساس می توان دریافت، میزان سواد رسانه ای و خودرهیابی دانشجویان متغیرهایی هستند که توان پیش بینی میزان طفره روی مجازی دانشجویان را دارند.Modeling the Role of Self-Directed Learning and Media Literacy Factors in Students’ Cyberloafing with Artificial Neural Network Approach
This research aimed to model the role of self-directed learning skills and media literacy in cyberloafing. This study was quantitative in terms of main strategy and correlational research in terms of analytical technique. The participants included graduate students and the sample were selected through available random sampling. The sample size was 620 according to the Krejcie- Moran model with considering the error of α=0.05. For data collection, cyerloafing questioner of Bella et. al. (2006) were applied with α=0.89 reliability, a research-made self-directed questioner with α=0.95 reliability and media literacy questioner (Palsafi, 2014) with α=0.86 reliability. The content validity of instruments was confirmed by the opinions of ten e-learning experts. The data were analyzed by artificial neural network approach sing Multilayer Perceptron (MPL) method. The results revealed that modeling of self-directed learning and media literacy skills in students’ cyberloafing has an input layer with ten nodes and a hidden layer with four nodes and the artificial neural network is well able to predict the jumps and students cyberloafing process and variables. All coefficients of influence of the hidden layer on the output layer in the neural network obtained negatively and, therefore the higher students self-directed and media literacy skills, the less their cyberloafing behaviors. It could be concluded that the level of students’ self-directed and media literacy skills can predict the level of their cyberloafing behaviors
تبلیغات
