基于web的考试系统的态度量表-有效性和可靠性研究外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于web的考试系统的态度量表-有效性和可靠性研究

Basaran Bulent，Yalman Murat，Gonen Selahattin

土耳其迪克利大学计算机教育和教学技术

摘要：当今，互联网的普及促进了教育和教学技术的发展，并且通过鼓励教师的合作和参与，提高了教学质量。通过互联网进行在线考试已经是一个普遍现象，并且已经有一些大学在使用远程教育管理系统。这些技术使得现在有更多的人有机会接受教育。目前，通过因特网进行的评测和估量应用对教育领域是非常重要的。本研究采用有效、可靠的态度量表，对参加远程教育神学本科教育课程的学生进行了调研，研究他们对网络考试系统的态度。研究小组由在远程教育应用研究中心注册的12873名4年级学生组成。本研究采用探索性因素分析来确定量表的因子结构，验证性因素分析来检验量表的结构效度，并采用探索性因素分析、单维度因子分析和二维因子分析等方法进行验证性分析。用SPSS18.0和Lisrel8.51软件包对研究数据进行计算机分析。

关键词：态度，moodle,教育技术

1 介绍

在过去十年中，信息和通信技术的迅速发展，推动了教育领域的发展，提高了教育质量，同时也促进了学习经验的积累。信息和通信技术的迅速发展，使教学和学习经验更加丰富，同时也带来了更高质量的教育体系。由于互联网的迅速发展，网络学习已经成为促进学生学习的另一种方式。与传统学习相比，网络学习为学生提供了更多的资源，并使他们能够通过教学活动收获更多丰富的学习体验。网络学习的存在，使学生可以通过确定学习对象所需要的时间和完成学习对象的速度来开展课外活动。换句话说，在网络学习材料的帮助下，学生有机会评估自己的进步与否。在面对面的高等教育中，评价方法是有效学习的基本组成部分，可以将学习方法定义为衡量学生成绩及其学习速度的方法，期中考试、期末考试和测验可以作为评价的例子。一般来说，考试是确定学生学习成绩的主要方法之一，可以通过提问的方式，来制作更好的教学材料，让教师评价学生的学习情况。这样一来，学生的学术成就和学习质量就得以提高。

据了解，提高学生成绩的方法是多样的，它们对提高教育水平都有着积极的促进作用。很大程度上，学生的态度成为了影响学业成绩的最重要因素之一。态度可能是一个心理过程，个体在特定情况下被态度影响下，决定自己的行为。根据史密斯的说法，态度可以被定义为一种倾向，它形成了个体关于正规心理对象的思想、情感和行为。个体的态度，学识与经历等会影响其个体的行为，从而产生决策过程中的个人见解。态度产生于学习过程和学习经验。此外，它还有助于丰富的学习，并将其概念或由其态度所获得的信息作为反馈传递给学生。在传统的课堂应用中，当老师问学生问题时，少数学生有机会回答这个问题。这使得老师很难看出其他学生是否理解这些问题。当问题是针对远程教育管理系统的学生时，该系统可以立即提供在线反馈，从而使学生在学习上比传统方式更成功。在线考试具有上述大量优点，但在高等教育中应用的范围有限。另一方面，远程教育在高校和私立教育机构中仍然很受欢迎，因为它允许它们在不同地理区域容纳大量学生。

远程教育软件的数量在逐渐增加，现在有更多的学生可以访问这些软件。使用在线考试来评价学生在教育过程中的表现，迅速生成考试申请和报告。态度无疑被认为是衡量学术成就的一个很好的决定因素。最近几年，网络技术在教育研究中得到了很大程度的应用，但很明显，为揭示学生对在线考试的态度而进行的研究数量确是相当有限。一般来说，技术辅助研究是根据技术和计算机来衡量的，它们的学术成就是通过这些变量来预测的。此外，尽管学生可能对计算机有着积极的态度，但可能对在线考试系统表现出消极的态度。

2 理论框架

多年来，Moode一直作为一些公共机构和私营企业互联网的教育平台。许多研究人员调查了这些基于网络的学习系统的系统特性、用户对这些系统的态度以及对这些系统的满意程度。Moodle之所以如此受欢迎，有几个原因：访问该系统是免费的；它是一个开放源码系统；用户可以自己轻松地解决问题。教育系统的课程可以通过网络根据用户的需要设计，它具有如下基本特点：作业，问卷和论坛的开放，资源共享，以及测试系统，使学生能够在教育结束时衡量自己的学习情况。本研究旨在通过远程教育管理系统来确定学生对考试系统的看法和态度。通过这种方式，可以更清晰地看出整个系统是否运行良好。

随着信息和通信技术的飞速发展，一些已发表的论文已经过时。针对这个现象，在网络辅助教学方法中，这些信息技术是根据这些技术的发展同步形成的。在文献中，当对网络辅助教育领域的论文进行审查时，可以看出，其他研究提到的问题大多是通过泛化来研究的。另一方面，尽管这类系统在功能、方法和形式方面彼此相似，但它们的用户界面、课程、问卷和考试系统可能各不相同。本文所使用的课程、问卷、表格等基本特征是本系统的一般用途，而考试系统则用来衡量和评价学生的学习情况。在考试结束后，对学生的学习状况正确和有效的评估取决于考试模块中所发现的学生的问题。学生对考试模块的评价，以确定其消极或积极的方面，对揭示其相关不足具有重要意义。本研究重点研究了Juston对Moodle系统中使用的考试模块的态度，而不是对网络辅助演绎系统中使用的考试模块的态度。

Moodle在全世界拥有数百万用户，它作为基于网络的学习系统，可以通过相关研究的评估与测量来定义它的成功程度。当查阅相关文献时，可以看到，有一些研究调查了用户对网络学习环境的态度以及学生对该系统的看法。根据这些结果，可以更好地解决系统中存在的问题。或是根据用户的反馈改进相应的应用程序。

评测和考试是教育的基础，学生对现有学科知识水平的考试，大多都是客观合理的成绩。与传统教育的考试相比，网络辅助教育的考试应具有不同的特点和规范；问题应清晰易懂；在规定的时间限制应集中解决问题；在解题说明中应使用一种简单的语言。在这里，评价的目的是尽量减少可能出现的问题。并且学生在考试结束时对网络辅助考试系统的评估将有助于克服未来的网上考试系统的相关问题。

3 方法

这项研究的参与者由一些，用Moodle平台，并通过远程教育系统接受神学本科教育的人所组成。在此次研究中，我们设计了一个量表来评估学生对网络考试系统的态度。采用“探索性因素分析”、“单一维度数据分析”和“二维因素分析”对量表发展过程中收集的数据进行分析，以检验其值对拟合指标的适用性。

这项研究的参与者是1300名在神学本科教育项目注册的学生，他们在一所州立大学的远程教育中心的电子学习管理系统中进行了演绎，并通过自身对该系统的应用体验，而设计了量表。这其中，共有1287名学生在网络上对此进行了回应，几乎整个研究小组都完成了本次研究。在本研究中，根据参加调查问卷的学生的人口背景，发现其中女性占45.53%，男性占54.47%。在对量表的答复中，在数字环境中对所收集的数据进行了审查，对所有选项都作了相同的标记，对大多数选项的数据进行了标记，并检查了给予反转项目的数据，而完全不支持或完全响应的问卷表格未列入研究范围，以保持研究的客观性。结果，本研究共纳入653份问卷。下文表1列出了按性别分列的参与者的频率和百分比。根据参与者的人口背景，其中51.61%为女性，48.39%为男性，如表1。

表1.按性别分列的参与者的频率和百分比分布

为了确定网络教育的成功程度、水平和质量，研究人员开发了多种基于网络的学习过程态度量表。在研究报告中，考虑到确定的标准，根据相关文献，形成了一个线索项目库，该领域的专家为他们提供了意见。该表提交给了该领域的三名专家和两名土耳其语专家。该量表由31项组成，其中23项为正向项目，8项为负向项目。对收集到的数据进行统计分析，结果表明，5项难以理解，10项被专家认为在统计上不适当。因此，在最后定本表中有16个项目，随后又采用最新版本的表收集研究结果。数据量表包括“系统与可用性”维度上的四个项目，“可理解性”维度中的三个项目。“考试与特征”维度中的六个项目和三个维度中的三个项目。安全和可靠性“。这个量表被设计成五点Likert类型，选择1-我完全不同意，2-我不同意，3-我部分同意，4-我同意和5-我完全同意。在态度量表中，一共五种评分方法，从“我完全同意”到“我完全不同意”，可供使用。当查阅相关文献时，可看出研究的步骤如下。

1. 形成项目库M。
2. 请求专家的意见。
3. 将量表草案应用于研究组并进行因素分析，进行试点应用。
4. 计算量表的可靠性。

表2.拟合指数和拟合值

为确定预测的因子负荷，进行探索性因子分析和因子分析)。在得到这两种分析结果后，采用验证性因子分析方法对模型数据进行拟合。拟合指标为卡方拟合检验、拟合优度指数、调整优度离体指数、均方根拟合指数和近似均方误差。表2显示了通过数据分析得出的结果。在研究中得到的x-ISD值低于3，这表明该模型具有可接受的拟合。所讨论的价值高于三。由于xlsquo;Isd的值对样本的大小很敏感，因此应该用其他拟合指数来解释它。根据模型数据拟合，0.94GFI值大于0.09，0.91 AGFI值大于0.09，0.064 RMSEA值低于0.08，0.038 RMR值低于0.09。

4 发现

4.1 探索性因素分析

该量表是通过调研1288个人完成的，然而，由于有些问卷没有完全发放，或者有些问卷中的项目都标明了相同的选项，所以只对653名参与者进行了分析。量表的Kaiser-Mayer-Olkin(KMO)值为0.877，Barlett检验有显着性差异(Plt;0.0 1)。该量表包括16项和4项因素。按照专家的观点，表没有发生任何变化。表3列出了探索性因素分析的结果。

表3.网络学习态度量表的探索性因素分析

4.2 一维验证性因素分析(CFA)

图1给出了验证性因素分析的结果，以确定量表中各因素与项目之间的契合程度。验证性因素分析结果表明，模型数据拟合的卡方值为7663，63为显著(plt;0.000)。用LisrelGFI=0.94，AGFI=0.91，CFI=0.97，NNFI=0.96软件计算的拟合统计值分别为：RMSEA=0.064，RMR=0.038，=0.97dir。由于这些数值是不适当的范围，因此没有必要在量表中作任何修改。

图1.“网络学习能力量表”验证性因素分析结果

4.3 二维验证性因素分析(CFA)

基于网络的学习过程的态度量表及其16个项目和4个因素，用二维验证性因素分析(CFA)进行测试。系统可用性指标的标准值分别为0.64、0.66、0.58和0.51；考试事实和特征的标准分别为0.49、0.49、0.54、0.56、0.54和0.53；可理解性因子的标准分别为0.75、0.71和0.90；安全性和可靠性的标准解分别为0.53、0.54和0.49。可见，所有标准量均高于0.45。计算结果为：RMSEA=0.064，RMR=0.038，GFI=0.94，AGFI=0.91，CFI=0.97，NNFI=0.96，IFI=0.97。根据Schermelleh-Engel、Moosbrugger和Muuml;ller(2003)，所有得到的拟合指数都显示出可以接受的拟合(图2)。结果显示，就各项目和整个表而言，所获得的数值在适用该表的范围内是合理的，。

图2.“网络基础学习态度量表”的二维验证性因子分析结果

4.4 可靠性分析结果

表4列出了表中每个因素的可靠性系数。计算出CronbachAlpha值为0.873。对于系统和可用性的子因子Cronbachalpha;值计算为0.834，对于因子可懂度计算为0.793。检验因子为0.761，安全系数为0.740，可靠性系数为0.740。Cronbach关于网络学习态度子因素的alpha;值表明所建立的量表是有效的。

表4.Cronbach关于网络学习态度子因素的alpha;值

5 讨论

根据对相关文献的调研，本论文旨在研究一种有效、可靠的态度来评价远程教育，以及神学本科生对网络考试系统的态度。为此，我们根据相关文献报告的规模发展阶段，形成了一个项目库；就这些项目征求了专家的意见；并试行了试题库。在试用后，将量表草案应用于研究组，并在进行探索性因子分析之前，先根据量表得分的分布情况对数据进行了检验。当分布达到预期水平后，为了确定因子结构，采用因子分解法对基本成分进行分析，然而垂直旋转法之一的最大方差法则是优先考虑和有意义的方法。在本研究中，探索性因素分析是在数据时间上依次进行的，并且是逐步进行的。在应用过程中对收集到的数据进行统计评价时，将5项含义不统一的项目和10项被认为在统计上不合适的项目排除在研究范围之外。

在对比例项进行更新后，再次应用该比例以收集研究数据。最初由31个项目组成的量表，但最终版本只包括16个项目。此外，因子分析再次应用于最终版本。根据探索性因素分析的结果，有4个因素，特征值大于1。结果表明，第一因子（系统和可用性）对常见方差的贡献率为17．154％；第二因子（综合性）为13．834％；第三因子（检验和特征）率为16．496％；第四因子（安全性和可靠性）以12．868％的速率贡献于共同方差。计算了4个因子对总方差的贡献为60.353%。同时，将该量表的Kaiser-Mayer-Olkin(KMO)值计算为0.877，Bartlett的试验显著(Plt;0.01)。为了评价作为探索性因素分析结果获得的双因素结构的有效性，进行了验证因素分析（CFA）。当检验CFA配合值时,发现模型数据拟合的X(98,N=685)=51.38的Chi-平方值显著(Plt;0.000)。用LISREL软件进行分析的拟合统计值如下：RMSEA=0.064，RMR=0.038，G

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19713]，资料为PDF文档或Word文档，PDF文档可免费转换为Word