پیش بینی عملکرد تحصیلی دانشجویان بر اساس اعتیاد به شبکه های اجتماعی مجازی، اهمالکاری، استرس تحصیلی و احساس تنهایی در دانشجویان دانشگاه منتخب نظامی

مقدمه: افت تحصیلی به عنوان یکی از چالش های عمده مراکز آموزش عالی دارای علل متعددی است که برای پیشگیری از آن بایستی نقش این عوامل را هم زمان در نظر گرفت.هدف: این پژوهش با هدف ارائه مدل پیش بینی عملکرد تحصیلی دانشجویان بر اساس متغیرهای اعتیاد به شبکه های مجازی، اهمالکاری، احساس تنهایی و استرس تحصیلی انجام شد.مواد و رو ش ها: این پژوهش کاربردی و در زمره تحقیقات همبستگی است. جامعه آماری کلیه دانشجویان یک دانشگاه منتخب نظامی در شهر تهران در سال 1402 بود. با استفاده از روش نمونه گیری در دسترس و نرم افزار g*power، 386 نفر به عنوان نمونه وارد مطالعه شدند. به منظور جمع آوری داده ها از پرسشنامه اعتیاد به اینترنت، پرسشنامه احساس تنهایی، پرسشنامه اهمالکاری و پرسشنامه استرس دوران دانشجویی و برای سنجش عملکرد تحصیلی از معدل تحصیلی دانشجویان استفاده شد. روابط بین متغیرهای مطالعه در قالب یک مدل مفهومی پیشنهادی بررسی شده است. به منظور بررسی روابط علی متغیرهای پژوهش در قالب مدل یابی معادلات ساختاری (sem) از نرم افزار amos24 استفاده شد.یافته ها: پس از اصلاح مدل اندازه گیری اولیه، شاخص پایایی مرکب (cr) بزرگتر از نقطه برش 0/7 به دست آمد و پایایی کلی مدل تائید شد. بیشتر بودن میانگین واریانس استخراج شده (ave) از نقطه برش 0/5 و بزرگتر بودن cr از ave روایی همگرای سازه ها را تائید کرد. با بیشتر بودن مقدار ave از مقادیر حداکثر مجذور واریانس مشترک (msv) و میانگین مجذور واریانس مشترک (asv) روایی واگرا نیز تایید شد. شاخص های خی دو بهنجار (cmin/df˂3)، برازش تطبیقی (9/ cfi˃0)، ریشه میانگین مجذورات باقیمانده  (srmr˂ 0/08) و ریشه میانگین مجذور خطای انداز هگیری (08 / rmsea˂ 0 ) برازش مدل اصلاح شده را تایید کردند.نتیجه گیری: اعتیاد به شبکه های مجازی و اهمالکاری در نقش متغیرهای مستقل و متغیر احساس تنهایی در نقش متغیر میانجی به طور معنادار بر عملکرد تحصیلی تاثیرگذار هستند. نتایج حاکی از برازش مدل است، به نحو یکه متغیرهای مدل در حد متوسط رو به بالا قادر به پی شبینی عملکرد تحصیلی دانشجویان می باشند.

prediction of students' academic performance based on addiction to virtual social networks, procrastination, academic stress and loneliness in selected military university students

introduction: academic failure, as one of the key challenges universities face, has numerous causes. to mitigate it, the impact of these factors must be acknowledged.objective: this study aims to propose a predictive model for students’ academic achievement, focusing on variables such as addiction to virtual etworks, procrastination in work, feelings of loneliness, and academic stress.materials and methods: this research is applied and correlational. the statistical population comprised all students from a chosen military university in tehran in 2023. by employing convenience sampling and g*power software, 386 individuals participated in the study. data collection involved utilizing questionnaires on internet addiction, loneliness, work procrastination, and student stress, while academic performance was determined using students’ averages. the study variables’ relationships were explored through a suggested conceptual model. amos24 software was utilized for examining the causal links among research variables using structural equation modeling (sem).results: after modifying the initial measurement model, composite reliability index (cr) were obtained greater than the cut-off point of 0.7, and the overall reliability of the model was confirmed. the average variance extracted (ave) being greater than the cut point of 0.5 and cr being greater than ave confirmed the convergent validity of the constructs. divergent validity was also confirmed by the ave value being higher than the values of the maximum shared squared variance (msv) and average shared squared variance (asv). the normed chi-square (cmin/d˂3), comparative fit index (cfi>0.9), root mean square residual (srmr˂0.08) and root mean square error of approximate (rmsea˂0.08) confirmed the fit of the modified model.conclusion: virtual network addiction and procrastination, as independent variables, along with loneliness as a mediating variable, significantly influence academic performance. the findings suggest that the model fits well, with the variables successfully predicting students’ academic performance at an above-average level keywords: academic performance, addiction