پیش‏بینی مشغولیت تحصیلی دانشجویان بر اساس ادراک ازکلاس آنلاین، هیجان‌های کلاسی و خودکارآمدی رایانه

زمینه و اهداف: پژوهش حاضر با هدف بررسی نقش ادراک از کلاس آنلاین و هیجان‌های کلاسی مثبت و منفی و خودکارآمدی رایانه در پیش‏بینی مشغولیت تحصیلی دانشجویان دانشگاه یاسوج صورت گرفت.روش‌ها: در قالب یک پژوهش توصیفی از نوع همبستگی با استفاده از لینک پرسشنامه، 375 نفر از دانشجویان دانشگاه یاسوج به پرسشنامه پاسخ دادند. داده‏های پژوهش از طریق پرسشنامه ادراک از محیط کلاس (جنتری وگابل، 2002)، هیجان کلاسی (پکران، 2011)، مشغولیت تحصیلی (ریو، 2013) و خودکارآمدی رایانه (ترک زاده، 2006) گردآوری شد. آلفای کرونباخ پرسشنامه‏ها دوباره محاسبه شد (مشغولیت تحصیلی، 0.928؛ ادراک از کلاس آنلاین، 0.945؛ هیجان کلاسی، 0.894؛ خودکارآمدی رایانه، 0.911) و داده‏ها با استفاده از روش‏های آماری مورد تحلیل قرار گرفت.یافته‌ها: یافته‌های پژوهش با استفاده از رگرسیون خطی برآورد شده که نشان‌دهنده این موضوع است که متغیرهای پیش‏بین مدل (خودکارآمدی رایانه، ادراک از کلاس و هیجان کلاس) با همکاری یکدیگر توانسته‏اند حدود 88.3 درصد از تغییرات متغیر ملاک مشغولیت تحصیلی را تبیین کند. لذا بر اساس یافته‌ها، از لحاظ آماری ابعاد ادراک از کلاس، هیجان مثبت و هیجان منفی و خوکارآمدی یارانه بر مشغولیت تحصیلی تاثیر معنادار دارد و می‌توانند مشغولیت تحصیلی را پیش‌بینی کنند.نتیجه‌گیری: بنابراین، تقویت ادراک مثبت از کلاس آنلاین، افزایش هیجان‌های مثبت، کاهش هیجان‌های منفی و بهبود خودکارآمدی رایانه می‌تواند به افزایش مشارکت تحصیلی دانشجویان کمک کند و در بهبود طراحی دوره‌های آموزشی موثر باشد.

prediction of academic engagement of students based on perception of online class, class-related emotions and computer self-efficacy

background and objectives: the covid-19 pandemic has made education difficult for everyone around the world, and education has shifted toward virtual spaces. this study aimed to investigate the role of perception of online classes, positive and negative classroom emotions, and computer self-efficacy in predicting the academic engagement of yasouj university students.methods: in a descriptive study using correlation, 375 students from yasouj university completed the questionnaire. the research data were collected using the classroom environment perception questionnaire (gentry & gabel, 2002), classroom emotions (pekrun, 2011), academic engagement (riou, 2013), and computer self-efficacy (torkzadeh, 2006). cronbach's alpha of the questionnaires was recalculated (academic engagement, 0/928; perception of online class, 0/945; class-related emotion, 0/894; computer self-efficacy, 0/911) and the data was analyzed using statistical methods.findings: the findings of the research were estimated using linear regression, which shows that the predictive variables of the model (computer self-efficacy, perception of the class and class excitement) have been able to work together to account for about 88.3 of the changes in the variable of the criterion of engagement. explain education. therefore, it is considered that, statistically, the dimensions of class perception, positive emotion and negative emotion, and subsidy self-efficacy have a significant effect on academic engagement and can predict academic engagement.conclusion: therefore, enhancing positive perceptions of online classes, increasing positive emotions, reducing negative emotions, and improving computer self-efficacy can contribute to increasing students' academic engagement and play a significant role in improving the design of educational courses.