Postopki obdelave podatkov

Podatki v raziskavi so bili pridobljeni s pomočjo kvantitativnih in kvalitativnih metod zbiranja podatkov.

Vse ankete smo izvedli v spletni obliki, podatkovne zbirke so hranjene v elektronski obliki. Analizo smo izvedli z orodjem SPSS 22. Na ravni deskriptivne in inferenčne statistike smo uporabili frekvenčne porazdelitve podatkov atributivnih spremenljivk (absolutne vrednosti in relativne frekvence). Za podatke ordinalnih spremenljivk (enakomerno stopnjevanje vrednosti) in podatke numeričnih spremenljivk smo uporabili osnovno deskriptivno statistiko za podatke numeričnih spremenljivk (mere srednje vrednosti in mere razpršenosti).

Faktorsko analizo z metodo glavnih komponent smo uporabili za določanje veljavnosti (delež pojasnjene variance s prvim faktorjem več kot 20 % in delež pojasnjene variance s skupnimi faktorji) lestvic vprašalnikov ter za določitev latentne strukture povezav med manifestnimi spremenljivkami.

Pri analizi vprašalnika MSLQ smo uporabili faktorsko analizo, ki nam z uvedbo sintetičnih spremenljivk (faktorjev) zmanjša število spremenljivk, hkrati pa pojasni, kako se spremenljivke povezujejo v faktorje.

Slednje nam omogoča tudi primerjavo z drugimi študijami in raziskavami, ki so bile opravljene z istim merskim inštrumentom. Prvi faktor je v faktorski analizi določen tako, da pojasni čim večji delež celotne variance sistema. Drugi faktor je izbran tako, da je neodvisen od prvega faktorja in pojasni čim večji delež še nepojasnjene variance sistema. Enako so določeni vsi preostali faktorji.

Faktorsko analizo smo opravili v treh fazah. V prvi fazi smo določili spremenljivke in analizirali odvisnost med njimi z izračunom korelacijske matrike, s katero smo ugotavljali moč povezanosti med spremenljivkami. Smiselnost uporabe faktorske analize smo preverili z Bartlettovim testom sferičnosti in s Keiser-Meyer-Olkinovim kazalcem (KMO). Z Bartlettovim testom sferičnosti preizkušamo ničelno domnevo, da je osnovna korelacijska matrika enaka matriki enote, kar pomeni, da odvisnost med opazovanimi spremenljivkami ne obstaja. Visoka vrednost Bartlettovega testa sferičnosti govori v prid uporabe faktorske analize. Keiser-Meyer-Olkinov kazalec temelji na primerjavi velikosti korelacijskih in parcialnih korelacijskih koeficientov. Faktorska analiza je smiselna, če je KMO > 0,5. Nato smo določili nove, sintetične spremenljivke oziroma faktorje z uporabo metode glavnih komponent (PCA, Principal Component Analysis), kjer so faktorji določeni kot linearna kombinacija prvotnih spremenljivk. Vsako spremenljivko smo izrazili z glavnimi komponentami, ki jih določamo zaporedoma, tako da linearna kombinacija spremenljivk, ki določa prvo komponento, pojasni čim večji delež celotne variance sistema.

Podobno je določena druga komponenta kot najboljša linearna kombinacija spremenljivk, ki pojasnijo največji delež s prvo komponento še nepojasnjene variance sistema.

V drugi in nadaljnjih fazah faktorske analize smo določili faktorje, ki pojasnijo čim večji delež celotne variance sistema, pri čemer smo si pomagali s komunalitetami in lastnimi vrednostmi. Število faktorjev oziroma glavnih komponent smo določili glede na vrednost lastnih vrednosti, pri čemer smo v nadaljnjo analizo vključili le tiste faktorje, ki so imeli lastno vrednost λ > 1. Zaradi velike korelacije med spremenljivkami posameznega faktorja, smo opravili še rotacijo faktorjev, ki da enostavnejšo faktorsko strukturo, za katero je značilno, da vsakemu faktorju pripada le ena ali manjše število uteži z visoko vrednostjo. Vsaka spremenljivka ima le eno faktorsko utež z visoko vrednostjo. Z rotacijo faktorjev se vrednosti komunalitet in delež pojasnjene celotne variance sistema ne spremenijo. Spremenijo se le lastne vrednosti izbranih faktorjev, s tem pa tudi delež s posameznim faktorjem pojasnjene variance sistema. Za rotacijo faktorjev smo uporabili Varimax metodo z Kaiser normalizacijo. Gre za ortogonalno metodo, ki zagotavlja medsebojno neodvisnost rotiranih faktorjev. Opravili smo tolikšno število iteracij faktorske analize z izločanjem posameznih postavk, da smo dobili jasno faktorsko strukturo. Končno strukturo smo poimenovali faktorski model.

Zanesljivost lestvic smo preverjali z uporabo Cronbach Alfa koeficienta (zadostna zanesljivost, če α ≥ 0,60). Statistično pomembnost povezanosti deskriptivnih spremenljivk smo ugotavljali s χ² preizkusom hipoteze neodvisnosti oziroma s Kullbackovim in Fisherjevim preizkusom v primerih neizpolnjenih pogojev glede teoretičnih frekvenc za χ² preizkus. Pri interpretaciji statistične pomembnosti rezultatov statističnih preizkusov smo uporabili kriterij p ≤ 0,05.

Odstotke odgovorov smo pri posameznih vprašanjih izračunali glede na število anketirancev, ki so odgovorili na dano vprašanje in ne glede na število vseh anketirancev v raziskavi. V primeru majhnega (pod)vzorca je izračun odstotnih deležev prikazan le v informativne namene. Podatki, pridobljeni na osnovi vprašalnikov so predstavljeni v preglednicah, grafih in v besedni obliki.

Preglednica 24 podrobneje prikazuje uporabljene statistične metode ter njihov namen uporabe.

Preglednica 24: Uporabljene statistične metode in namen njihove uporabe

Statistična metoda Namen uporabe

Cronbach alpha koeficient Preverjanje notranje skladnosti instrumentov.

Frekvence (absolutne in relativne) Prikaz frekvenčne porazdelitve podatkov ordinalnih spremenljivk, katerih vrednosti se enakomerno stopnjujejo.

Mere sredine (srednja vrednost, modus, mediana) in razpršenosti (standardni odklon)

Izračuni povprečnih vrednosti, najpogostejših vrednosti in srednjih vrednosti ter ugotavljanje razpršenosti podatkov od sredine.

Ugotavljanje statistično pomembnih razlik med posamezniki glede na spol, starost, stopnjo izobrazbe in šolo.

Post hoc preizkus za χ² preizkus

Ugotavljanje statistično pomembnih razlik v tabelah večjih od 2x2 (Beasley in Schumacker, 1995). Za izračun alfa vrednosti za statistično pomembnost razlik smo uporabili Bonferroni popravek, s katerim smo izločili napako prve stopnje.

Poveznost med spremenljivkama Cc Ugotavljanje moči povezanosti med dvema spremenljivkama.

Wilcoxonov preizkus predznačenih rangov in velikost učinka (r)

Ugotavljanje statistično pomembnih razlik med dvema merjenjema na posameznih lestvicah ordinalnih spremenljivk ter merjenje velikosti učinka r (Coolican, 2009, str. 395) po formuli 𝒓 = ^𝒛

Določanje oziroma pojasnjevanje latentne strukture povezav med manifestnimi spremenljivkami motivacije in samoregulacije učenja učencev in dijakov.

Določanje oziroma pojasnjevanje latentne strukture povezav med manifestnimi spremenljivkami učiteljevih ocen samoregulacije učenja učencev in dijakov.

Spearmanov koeficient

Merjenje moči povezanosti med spremenljivkami.

0,00 – ni povezanosti

0,01 – 0,19 – neznatna povezanost 0,20 – 0,39 – šibka povezanost

0,40 – 0,59 – srednje močna povezanost 0,60 – 0,79 – močna povezanost 0,80 – 1,00 – zelo močna povezanost

V kvalitativni analizi smo uporabili metodo analize vsebine, s katero smo oblikovali kategorije, v katere smo razvrščali navedbe pisnih povratnih informacij učiteljev. Zaradi načela varstva osebnih podatkov in zagotavljanja anonimnosti so pri navedbah izpuščena vsa imena sodelujočih.