Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Thiết kế và xác thực công cụ đo lường tương tác và sự hài lòng của sinh viên trong các lớp thí nghiệm hóa học đại học
Tóm tắt
Bài báo này mô tả sự phát triển, thiết kế cuối cùng và xác thực của một công cụ đo lường một loạt các tương tác và sự hài lòng của sinh viên trong các phòng thí nghiệm hóa học đại học. Các khảo sát sinh viên hoặc các công cụ khái niệm và thái độ là những kỹ thuật phổ biến để thu thập thông tin có liên quan về việc học của sinh viên. Tuy nhiên, hiện tại đang thiếu các công cụ cụ thể để thu thập dữ liệu về mối quan hệ giữa các yếu tố xã hội và việc học. Do đó, nghiên cứu này đã cố gắng lấp đầy khoảng trống này bằng cách giới thiệu một công cụ - Tương tác trong các lớp thí nghiệm đại học (IULC). Thiết kế của công cụ IULC dựa trên lý thuyết về nhận thức phân phối, có nghĩa là kiến thức không bắt nguồn từ tâm trí của một cá nhân, mà phát triển trong quá trình tương tác với môi trường. Công cụ này bao gồm ba khía cạnh: (i) tần suất tương tác, (ii) sự hài lòng và (iii) tầm quan trọng của các tương tác đối với phòng thí nghiệm cụ thể. Sinh viên đại học (N = 204) đăng ký trong một khóa học hóa học năm nhất đã tham gia vào một trường hợp thử nghiệm cho công cụ này và dữ liệu tương ứng đã được phân tích bằng các phương pháp khác nhau cho mỗi phần của ba phần. Cấu trúc yếu tố của dữ liệu thu được từ phần đầu tiên của công cụ và các chỉ số tính nhất quán nội bộ được thảo luận. Trong số các phát hiện được ghi nhận bởi công cụ này, các tương tác giữa sinh viên và giảng viên (giáo viên trong bối cảnh đại học) có sự tương quan tích cực với mức độ hài lòng của sinh viên. Những hệ quả và đề xuất về việc sử dụng công cụ này được thảo luận.
Từ khóa
#tương tác sinh viên #sự hài lòng #công cụ đo lường #phòng thí nghiệm hóa học đại học #nhận thức phân phốiTài liệu tham khảo
Barrie, S. C., Bucat, R. B., Buntine, M. A., Burke da Silva, K., Crisp, G. T., George, A. V., Jamie, I. M., Kable, S. H., Lim, K. F., Pyke, S. M., Read, J. R., Sharma, M. D., & Yeung, A. (2015). Development, evaluation and use of a student experience survey in undergraduate science laboratories: The advancing science by enhancing learning in the laboratory student laboratory learning experience survey. International Journal of Science Education, 37(11), 1795–1814. https://doi.org/10.1080/09500693.2015.1052585.
Bryant, F. B., Yarnold, P. R., & Michelson, E. A. (1999). Statistical methodology: VIII. Using confirmatory factor analysis (CFA) in emergency medicine research. Academic Emergency Medicine, 6(1), 54–66. https://doi.org/10.1111/j.1553-2712.1999.tb00096.x.
Cho, E., & Kim, S. (2015). Cronbach’s coefficient alpha: well known but poorly understood. Organizational Research Methods, 18(2), 207–230. https://doi.org/10.1177/1094428114555994.
Cole, M., & Engeström, Y. (1993). A cultural-historical approach to distributed cognition. In G. Salomon (Ed.), Distributed cognitions: psychological and educational considerations (pp. 1–46). New York: Cambridge University Press.
Creswell, J. W., & Creswell, J. D. (2018). Research design: qualitative, quantitative, and mixed methods approaches (5th ed.). Thousand Oaks, CA: Sage.
Gadermann, A. M., Guhn, M., & Zumbo, B. D. (2012). Estimating ordinal reliability for Likert-type and ordinal item response data: a conceptual, empirical, and practical guide. Practical Assessment, Research & Evaluation, 17 (3), 1–13 Retrieved 21 Apr 2020 from https://scholarworks.umass.edu/pare/vol17/iss1/3/. https://doi.org/10.7275/n560-j767.
Galloway, K. R., & Bretz, S. L. (2015). Development of an assessment tool to measure students’ meaningful learning in the undergraduate chemistry laboratory. Journal of Chemical Education, 92(7), 1149–1158. https://doi.org/10.1021/ed500881y.
Giere, R. N. (2011). Distributed cognition in the lab. [Science as psychology sense-making and identity in science practice, Lisa M. Osbeck, Nancy J. Nersessian, Kareen R. Malone, Wendy C. Newstetter]. Science, 333(6039), 159–160. https://doi.org/10.1126/science.1207754.
Gosling, S. D., Rentfrow, P. J., & Swann, W. B. (2003). A very brief measure of the big-five personality domains. Journal of Research in Personality, 37(6), 504–528. https://doi.org/10.1016/S0092-6566(03)00046-1.
Graham, J. M. (2006). Congeneric and (essentially) tau-equivalent estimates of score reliability: what they are and how to use them. Educational and Psychological Measurement, 66(6), 930–944. https://doi.org/10.1177/0013164406288165.
Harshman, J., & Stains, M. (2017). A review and evaluation of the internal structure and consistency of the approaches to teaching inventory. International Journal of Science Education, 39(7), 918–936. https://doi.org/10.1080/09500693.2017.1310411.
Hofstein, A., & Lunetta, V. N. (2004). The laboratory in science education: foundations for the twenty-first century. Science Education, 88(1), 28–54. https://doi.org/10.1002/sce.10106.
Hu, L. t., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118.
Hurley, A. E., Scandura, T. A., Schriesheim, C. A., Brannick, M. T., Seers, A., Vandenberg, R. J., & Williams, L. J. (1997). Exploratory and confirmatory factor analysis: guidelines, issues, and alternatives. Journal of Organizational Behavior, 18(6), 667–683. https://doi.org/10.1002/(SICI)1099-1379(199711)18:6<667::AID-JOB874>3.0.CO;2-T.
Komperda, R., Hosbein, K. N., & Barbera, J. (2018a). Evaluation of the influence of wording changes and course type on motivation instrument functioning in chemistry. Chemistry Education Research and Practice, 19(1), 184–198. https://doi.org/10.1039/C7RP00181A.
Komperda, R., Pentecost, T. C., & Barbera, J. (2018b). Moving beyond alpha: a primer on alternative sources of single-administration reliability evidence for quantitative chemistry education research. Journal of Chemical Education, 95(9), 1477–1491. https://doi.org/10.1021/acs.jchemed.8b00220.
Luckay, M. B., & Laugksch, R. C. (2015). The development and validation of an instrument to monitor the implementation of social constructivist learning environments in grade 9 science classrooms in South Africa. Research in Science Education, 45(1), 1–22. https://doi.org/10.1007/s11165-014-9410-5.
MacCallum, R. C., Widaman, K. F., Zhang, S., & Hong, S. (1999). Sample size in factor analysis. Psychological Methods, 4(1), 84–99. https://doi.org/10.1037/1082-989X.4.1.84.
Maor, D., & Fraser, B. J. (2005). An online questionnaire for evaluating students' and teachers' perceptions of constructivist multimedia learning environments. Research in Science Education, 35(2), 221–244. https://doi.org/10.1007/s11165-005-2148-3.
Mocerino, M., Yeo, S., & Zadnik, M. G. (2015). Enhancing students' learning in laboratories through professional development of teaching assistants. EC2E2N NewsLetter 2015 – Special Edition: Chemistry Teaching and Learning. Retrieved 22 Apr 2020 from http://chemnet.edu.au/sites/default/files/u39/Mocerino2015EC2E2Nreport_demostratortraining.pdf.
Moore, M. G. (1989). Editorial: three types of interaction. American Journal of Distance Education, 3(2), 1–7. https://doi.org/10.1080/08923648909526659.
Nakhleh, M. B., Polles, J., & Malina, E. (2002). Learning chemistry in a laboratory environment. In J. K. Gilbert, O. De Jong, R. Justi, D. F. Treagust, & J. H. Van Driel (Eds.), Chemical education: towards research-based practice (pp. 69–94). New York: Springer.
Osbeck, L. M., Nersessian, N. J., Malone, K. R., & Newstetter, W. C. (2010). Science as psychology: sense-making and identity in science practice. Cambridge University Press. https://doi.org/10.1017/CBO9780511933936.
Panizzon, D., & Levins, L. (1997). An analysis of the role of peers in supporting female students’ choices in science subjects. Research in Science Education, 27(2), 251–270. https://doi.org/10.1007/bf02461320.
Peters, G. J. Y. (2018). Userfriendlyscience: Quantitative analysis made accessible (Version R package version 0.7.2). Retrieved 22 Apr 2020 from https://userfriendlyscience.com. https://doi.org/10.1017/CBO9780511933936.
R Core Team. (2018). R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing Retrieved 22 Apr 2020 from https://www.R-project.org/.
Sadler, T. D., Puig, A., & Trutschel, B. K. (2011). Laboratory instructional practices inventory: a tool for assessing the transformation of undergraduate laboratory instruction. Journal of College Science Teaching, 41(1), 25–31 Retrieved 22 Apr 2020 from http://www.jstor.org/stable/43748279. https://doi.org/10.1112/plms/pdt049.
Stang, J. B., & Roll, I. (2014). Interactions between teaching assistants and students boost engagement in physics labs. Physical Review Special Topics - Physics Education Research, 10(2), 020117. https://doi.org/10.1103/PhysRevSTPER.10.020117.
Sutton, L. A. (2001). The principle of vicarious interaction in computer-mediated communications. International Journal of Educational Telecommunications, 7(3), 223–242 Retrieved 22 Apr 2020 from https://www.learntechlib.org/primary/p/9534/.
Taherdoost, H., Sahibuddin, S., & Jalaliyoon, N. (2014). Exploratory factor analysis: concepts and theory. In J. Balicki (Ed.), Advances in applied and pure mathematics (pp. 375–382). Gdansk: WSEAS Press.
Tsai, C.-C. (2003). Taiwanese science students' and teachers' perceptions of the laboratory learning environments: exploring epistemological gaps. International Journal of Science Education, 25(7), 847–860. https://doi.org/10.1080/09500690305031.
Uzuntiryaki, E., & Çapa Aydın, Y. (2009). Development and validation of Chemistry Self-Efficacy Scale for college students. Research in Science Education, 39(4), 539–551. https://doi.org/10.1007/s11165-008-9093-x.
Velasco, J. B., Knedeisen, A., Xue, D., Vickrey, T. L., Abebe, M., & Stains, M. (2016). Characterizing instructional practices in the laboratory: the laboratory observation protocol for undergraduate STEM. Journal of Chemical Education, 93(7), 1191–1203. https://doi.org/10.1021/acs.jchemed.6b00062.
Wei, J., Mocerino, M., Treagust, D. F., Lucey, A. D., Zadnik, M. G., Lindsay, E. D., & Carter, D. J. (2018). Developing an understanding of undergraduate student interactions in chemistry laboratories. Chemistry Education Research and Practice, 19, 1186–1198. https://doi.org/10.1039/C8RP00104A.
Wei, J., Treagust, D. F., Mocerino, M., Lucey, A. D., Zadnik, M. G., & Lindsay, E. D. (2019). Understanding interactions in face-to-face and remote undergraduate science laboratories: a literature review. Disciplinary and Interdisciplinary Science Education Research, 1(1), 14. https://doi.org/10.1186/s43031-019-0015-8.
West, E. A., Paul, C. A., Webb, D., & Potter, W. H. (2013). Variation of instructor-student interactions in an introductory interactive physics course. Physical Review Special Topics - Physics Education Research, 9(1), 010109.
Williams, B., Onsman, A., & Brown, T. (2010). Exploratory factor analysis: a five-step guide for novices. Australasian Journal of Paramedicine, 8(3). https://doi.org/10.33151/ajp.8.3.93.
Zhao, J., Hu, S., He, H., & Chen, J. (2019). Becoming a biologist: the impact of a quasi-apprenticeship program on Chinese secondary school students’ career intention. Research in Science Education. https://doi.org/10.1007/s11165-019-9832-1.