Students learning strategies: statistical types and their relationship with computer literacy

LTStraipsnyje pateikiami studentų kompiuterinio raštingumo diagnostinio tyrimo rezultatai. Tyrimas realizuojamas Lietuvos aukštųjų bei aukštesniųjų mokyklų lygmeniu (N = 1004). Remiantis tyrimo rezultatais straipsnyje siekiama identifikuoti ir apibūdinti faktiškai egzistuojančius studentų statistinius tipus pagal jų mokymosi strategijas, sąsajas su faktiniu kompiuteriniu raštingumu.Tyrimo duomenys parodė, jog idėja remiantis klasterinės analizės metodu ieškoti studentų populiacijoje statistinių tipų visiškai pasiteisino. Tyrimo metu buvo identifikuoti ir apibūdinti faktiškai egzistuojantys studentų statistiniai tipai pagal jų mokymosi strategijas, t. y. studentai, orientuoti į individualų mokymąsi, disfunkcionalų mokymąsi ir interaktyvų mokymąsi, bei nustatytas jų ryšys su faktiniu kompiuteriniu raštingumu. Geriausias kompiuterinio raštingumo lygmuo pagrįstai gali būti siejamas su interaktyviu mokymusi grupėje. Tokių pagal požymio raišką „grynų“ statistinių grupių kokybinis apibūdinimas bei šių grupių nuošimčio bendrojoje populiacijoje nustatymas yra esminė informacija, kuria remiantis galėtų ir turėtų būti optimizuojamas bei efektyvinamas kompiuterinio raštingumo formavimo procesas. Parenkant esamas ir (arba) kuriant naujas edukacines kompiuterinio ugdymo strategijas ir metodikas, būtų nusitaikoma ne į kokį nors abstraktų, beveidį ugdytinį, bet į labai konkrečius ir realiai egzistuojančius ugdytinių tipus.Reikšminiai žodžiai: Studentų mokymosi strategijos; Kompiuterinis raštingumas; Students' learning strategies; Computer literacy.

ENThe article provides the results of the diagnostic study of computer literacy of students. The study has been performed on the level of Lithuanian higher educational institutions (N = 1004). Referring to the results of the study, the article aims at identification and characterization of the actual statistic types of students against their learning strategies and relations with the actual computer literacy. The data of the study have shown that the idea of searching for statistic types in the students’ population according to the cluster analysis method has fully justified itself. During the study the actually existing statistic types of students were identified and characterized according to their learning strategies, i. e. the students, focused on the individual learning, dysfunctional learning and interactive learning, their relation with the actual computer literacy was also identified. The highest level of computer literacy can be related to the interactive learning in a group. The quality characterization of such statistic groups, “pure” according to the expression of characteristic and identification of the percentage of such groups within the common population is the essential information, referring to which the process of formation of computer literacy might be optimized and made more efficient. When selecting the existing and/or developing the new educational strategies and methodologies of computer learning, the target would be not some abstract faceless student, but rather very specific and really existing types.