Students' attitudes towards computer : statistical types and their relationship with computer literacy
LTStraipsnyje pateikiami studentų kompiuterinio raštingumo diagnostinio tyrimo rezultatai (N = 1004). Remiantis tyrimo rezultatais, straipsnyje siekiama identifikuoti ir apibūdinti faktiškai egzistuojančius studentų statistinius tipus pagal jų nuostatas kompiuterio atžvilgiu ir parodyti jų sąsajas su faktiniu kompiuteriniu raštingumu. Tyrimas parodė, kad studentų emocinis-motyvacinis santykis su kompiuteriu sąlygiškai stipriai paveikia kompiuterinio raštingumo lygį. Sąlygiškai stipriausias emocinis-motyvacinis kompiuterinio raštingumo prediktorius yra nuostata į kompiuterį kaip į „Nuovargio, streso ir nepasitenkinimo šaltinį“. Kuo ši nuostata ryškesnė, tuo labiau tikėtinas yra žemesnis kompiuterinis raštingumas. Ir atvirkščiai – geresnį kompiuterinio raštingumo lygį sąlygoja nelydimas streso ir teikiantis pasitenkinimą darbas kompiuteriu. Straipsnyje konstatuojama, jog idėja, pasiremiant klasterinės analizės metodu, ieškoti studentų populiacijoje statistinių tipų, faktiškai susiklostančių pagal nuostatas kompiuterio atžvilgiu, visiškai pasiteisino. 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. [Iš leidinio]Reikšminiai žodžiai: Computer Literacy; Emotional relationship with a computer; Attitudes towards a computer.
ENThe results of the diagnostic analysis on students’ computer literacy are presented in the article. The study involves students from Lithuanian universities and colleges (N = 1004). Based on the study results attempts are made to identify and define the existing statistical types of students in connection with their attitudes towards a computer (emotional-motivational relationship with a computer) as well as to disclose some link with the factual computer literacy. The study data revealed that students having formed a positive contact with a computer usually demonstrate higher computer literacy level, whereas persons expressing a negative attitude are of a lower computer literacy level. The data also showed that the idea of using cluster analysis to identify statistical types in the student population based on differences in computer literacy and other important variables has been fully justified.
