Environmental Facilitators and Barriers to Student Persistence in Online Courses: Reliability and Validity of New Scales
Notice bibliographique
Résumé
This study aimed at building a reliable and valid scale for environmental factors related to student persistence in online courses, particularly relevant for adults or lifelong learners. Drawing on the social integration and external attribution scales and subscales of Kember et al. as a starting point, data collected in Canadian universities were randomly split into two samples. The first sample (n1 = 385) was used to explore the data set through principal component and reliability analyses. These confirmed a two-factor environmental scale composed of encouragements (factor 1) and time-events items (factor 2), as well as a two-factor persistence scale that included potential dropout (factor 3) and cost-benefit items (factor 4). All factors showed a very good internal consistency. The second sample (n2 = 381) was used to confirm the structural validity of environmental and persistence scales through confirmatory factor analyses and to compare this new structure to the subscales of Kember et al. While the latter resulted in an insufficient model fit, the new environmental and persistence scales yielded a very good model fit with strong goodness-of-fit indices and statistics. These results confirmed the structural validity of the new scales, which can be trusted for use in further empirical studies related to online student persistence. The new scales can also be used by practitioners to detect at-risk students early in a semester, allowing to offer them specific individual support to foster student persistence in online courses.
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 | 0,000 |
| 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 ».