Мотивационные факторы и психологические барьеры преподавателей в контексте цифровой трансформации высшего образования: эмпирическое исследование

Цифровая трансформация высшего образования требует от преподавателей освоения новых технологий, однако уровень их внедрения по-прежнему существенно варьируется. В данном исследовании изучались взаимосвязи между мотивационными факторами, психологическими барьерами и принятием технологий среди университетских преподавателей. Опираясь на теорию самодетерминации (ТСД) и модель принятия технологий (МПТ), мы исследовали, каким образом различные типы мотивации соотносятся с технологической тревожностью, сопротивлением изменениям и цифровой самоэффективностью. Было проведено поперечное анкетирование с участием 154 преподавателей государственных, частных и национальных исследовательских университетов. Участники заполняли валидированные инструменты для измерения академической мотивации, технологической тревожности (ШКРК), сопротивления изменениям, цифровой самоэффективности, принятия технологий, цифровой компетентности и профессионального выгорания (МBI). Данные анализировались с применением корреляционного анализа, дисперсионного анализа (ANOVA), множественной регрессии и кластерного анализа методом k-средних. Результаты показали, что возраст являлся доминирующим предиктором во всех регрессионных моделях, объясняя значительную долю дисперсии внутренней мотивации (β = −1,09), технологической тревожности (β = 0,71), цифровой самоэффективности (β = −0,81) и принятия технологий (β = −0,80). Внешняя негативная мотивация обнаружила сильные положительные корреляции с психологическими барьерами (r = ,39–,46) и отрицательные корреляции с самоэффективностью (r = −,55). Примечательно, что идентифицированная регуляция не показала значимых связей с барьерами. Кластерный анализ позволил выделить четыре типа преподавателей: «Цифровые лидеры», «Цифровые энтузиасты», «Прагматичные адаптеры»  и «Скептики-резистенты», которые существенно дифференцировались по возрасту.

1. Bond M., Marín V.I., Dolch C. et al. Digital transformation in German higher education: Student and teacher perceptions and usage of digital media // International Journal of Educational Technology in Higher Education. 2018. Vol. 15. No. 1. P. 48.

2. Selwyn N. Is Technology Good for Education? Cambridge: Polity Press, 2016. 180 p.

3. Zawacki-Richter O., Marín V.I., Bond M. et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? // International Journal of Educational Technology in Higher Education. 2019. Vol. 16. No. 1. P. 39.

4. Hodges C., Moore S., Lockee B. et al. The difference between emergency remote teaching and online learning // Educause Review. 2020. Vol. 27. No. 1. P. 1–12.

5. Rapanta C., Botturi L., Goodyear P. et al. Online university teaching during and after the Covid-19 crisis: Refocusing teacher presence and learning activity // Postdigital Science and Education. 2020. Vol. 2. No. 3. P. 923–945.

6. Ertmer P.A., Ottenbreit-Leftwich A.T. Teacher technology change: How knowledge, confidence, beliefs, and culture intersect // Journal of Research on Technology in Education. 2010. Vol. 42. No. 3. P. 255–284.

7. Howard S.K., Mozejko A. Teachers: Technology, change and resistance // Teaching and Digital Technologies: Big Issues and Critical Questions / eds. M. Henderson, G. Romeo. Cambridge: Cambridge University Press, 2015. P. 307–317.

8. Johnson T., Wisniewski M.A., Kuhlemeyer G. et al. Technology adoption in higher education: Overcoming anxiety through faculty bootcamp // Journal of Asynchronous Learning Networks. 2016. Vol. 16. No. 2. P. 63–72.

9. Wingo N.P., Ivankova N.V., Moss J.A. Faculty perceptions about teaching online: Exploring the literature using the Technology Acceptance Model as an organizing framework // Online Learning. 2017. Vol. 21. No. 1. P. 15–35.

10. Deci E.L., Ryan R.M. Intrinsic Motivation and Self-Determination in Human Behavior. New York: Plenum Press, 1985. 371 p.

11. Sørebø Ø., Halvari H., Gulli V.F. et al. The role of self-determination theory in explaining teachers’ motivation to continue to use e-learning technology // Computers & Education. 2009. Vol. 53. No. 4. P. 1177– 1187.

12. Roca J.C., Gagné M. Understanding e-learning continuance intention in the workplace: A selfdetermination theory perspective // Computers in Human Behavior. 2008. Vol. 24. No. 4. P. 1585–1604.

13. Howard J.L., Gagné M., Morin A.J. et al. Motivation profiles at work: A self-determination theory approach // Journal of Vocational Behavior. 2016. Vol. 95. P. 74–89.

14. Davis F.D. Perceived usefulness, perceived ease of use, and user acceptance of information technology // MIS Quarterly. 1989. Vol. 13. No. 3. P. 319–340.

15. Venkatesh V., Davis F.D. A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies // Management Science. 2000. Vol. 46. No. 2. P. 186–204.