Жоғары білім берудің цифрлық трансформациясы онтекстіндегі оқытушылардың мотивациялық факторлары мен психологиялық кедергілері: эмпирикалық зерттеу

Жоғары білімнің цифрлық трансформациясы оқытушылардан жаңа технологияларды меңгеруді талап етеді, алайда олардың енгізілу деңгейі әлі де айтарлықтай өзгермелі болып қалуда. Бұл зерттеуде университет оқытушылары арасындағы мотивациялық факторлар, психологиялық кедергілер және технологияларды қабылдау арасындағы өзара байланыстар зерделенді. Өзін-өзі анықтау теориясына (ӨАТ) және технологияларды қабылдау моделіне (ТҚМ) сүйене отырып, біз мотивацияның әртүрлі түрлерінің технологиялық мазасыздықпен, өзгерістерге қарсылықпен және цифрлық өзін-өзі тиімділікпен қалай байланысатынын зерттедік. Мемлекеттік, жеке және ұлттық зерттеу университеттерінің 154 оқытушысының қатысуымен көлденең қималы сауалнама жүргізілді. Қатысушылар академиялық мотивацияны (АМШ), технологиялық мазасыздықты (ШКРҚ), өзгерістерге қарсылықты, цифрлық өзін-өзі тиімділікті, технологияларды қабылдауды, цифрлық құзыреттілікті және кәсіби тұтануды (MBI) өлшейтін валидтелген құралдарды толтырды. Деректер корреляциялық талдау, дисперсиялық талдау (ANOVA), көп реттік регрессия және k-орташалар әдісімен кластерлік талдау арқылы өңделді. Нәтижелер жасты барлық регрессиялық модельдердегі үстем предиктор ретінде анықтады: ол ішкі мотивацияның (β = −1,09), технологиялық мазасыздықтың (β = 0,71), цифрлық өзін-өзі тиімділіктің (β = −0,81) және технологияларды қабылдаудың (β = −0,80) дисперсиясының едәуір бөлігін түсіндірді. Сыртқы теріс мотивация психологиялық кедергілермен күшті оң корреляция (r = ,39–,46) және өзін-өзі тиімділікпен теріс корреляция (r = −,55) көрсетті. Айта кетерлігі, идентификацияланған реттеу кедергілермен маңызды байланыс танытпады. Кластерлік талдау оқытушылардың төрт түрін анықтады: «Цифрлық көшбасшылар», «Цифрлық энтузиастар», «Прагматикалық адаптерлер» және «Скептик-қарсыластар», олар жас бойынша айқын ажыратылды.

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.