Developing Academic Motivation Scale for Learning Information Technology (AMSLIT): A Study of Validity and Reliability
Notice bibliographique
Résumé
This study aimed to develop Academic Motivation Scale for Learning Information Technology for university students. For this purpose, 120 randomly selected university students studying in different classes and faculties at KSU were invited to the study during the 2016-2017 academic year. To define the scale indicators students were asked to answer the question; “What are your motivations for learning information technologies?”. Four different academicians examined the answers in accordance with the self-determination theory and they created the item pool. After expert examinations and pilot studies, the scale was designed in Likert-type with 18 items in 6 categories. To analyze the construct validity of the scale, 824 randomly selected students among the freshmen at KSU were included in the sample of the research. Among those, 276 of the students were included in the exploratory factor analysis in the first step, 269 were involved to repeat the first step with a new sample, and 279 participated in the last step to carry out the confirmatory factor analysis. Although literature suggest three different types of motivation (extrinsic, intrinsic, and amotivation), in this study, it was found that the intrinsic and extrinsic motivation items were gathered together and expressed as a single factor named “Intrinsic-Occupational Motivation”. According to the results, the final state of the scale included 15 items in two sub-dimensions. The sub-dimensions were named as “Intrinsic-Occupational Motivation” and “Amotivation”. It is understood from the analysis that the results derived from the scale have high reliability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».