انتشارات دانشگاه تربیت دبیر شهید رجائی

  اخبار و اعلانات

 آمار

تعداد نشریات11
تعداد شماره‌ها226
تعداد مقالات2,266
تعداد مشاهده مقاله3,426,551
تعداد دریافت فایل اصل مقاله2,482,326
نجاتی, رضا. (1404). جایگاه مشارکت فعال، خود تنظیمی یادگیری، خودکارآمدی اینترنتی و رضایت تحصیلی در مهارت خواندن در کلاس‌های بر خط انگلیسی. فناوری آموزش, (), 117-140. doi: 10.22061/tej.2025.11412.3145
رضا نجاتی. "جایگاه مشارکت فعال، خود تنظیمی یادگیری، خودکارآمدی اینترنتی و رضایت تحصیلی در مهارت خواندن در کلاس‌های بر خط انگلیسی". فناوری آموزش, , , 1404, 117-140. doi: 10.22061/tej.2025.11412.3145
نجاتی, رضا. (1404). 'جایگاه مشارکت فعال، خود تنظیمی یادگیری، خودکارآمدی اینترنتی و رضایت تحصیلی در مهارت خواندن در کلاس‌های بر خط انگلیسی', فناوری آموزش, (), pp. 117-140. doi: 10.22061/tej.2025.11412.3145
نجاتی, رضا. جایگاه مشارکت فعال، خود تنظیمی یادگیری، خودکارآمدی اینترنتی و رضایت تحصیلی در مهارت خواندن در کلاس‌های بر خط انگلیسی. فناوری آموزش, 1404; (): 117-140. doi: 10.22061/tej.2025.11412.3145

جایگاه مشارکت فعال، خود تنظیمی یادگیری، خودکارآمدی اینترنتی و رضایت تحصیلی در مهارت خواندن در کلاس‌های بر خط انگلیسی

فناوری آموزش
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 مهر 1404
نوع مقاله: مقاله پژوهشی-شماره انگلیسی
شناسه دیجیتال (DOI): 10.22061/tej.2025.11412.3145
نویسنده
رضا نجاتی*
گروه زبان انگلیسی، دانشکده علوم انسانی، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
تاریخ دریافت: 11 فروردین 1403،  تاریخ بازنگری: 20 تیر 1403،  تاریخ پذیرش: 12 شهریور 1403 
چکیده
پیشینه و اهداف: یادگیری آنلاین شامل مجموعه پیچیده ای از عوامل است که تجربه آموزشی را شکل می دهند. یکی از عناصرمهم مشارکت فعال در یادگیری است که پیشرفت تحصیلی، حفظ دانش و رضایت از آموزش بر خط  را افزایش می دهد. جنبه مهم دیگر  در یادگیری خود تنظیمی است. این مهارت ها برای موفقیت در دوره های آموزشی بر خط به دلیل نبود تعامل حضوری بین دانشجو و استاد ساختار بسیار ضروری هستند. علاوه بر این، خودکارآمدی اینترنتی و رضایت از دوره به میزان قابل توجهی بر اثربخشی آموزش بر خط تأثیر می‌گذارد. در نظر گرفتن و پرداختن به این عوامل می تواند به درک عمیق تر از آموزش بر خط منجر شود.
روش‌ها‌: در این پژوهش 315 دانشجو 18 تا 22 شرکت کردند. آن ها در یک دوره زبان عمومی در یکی از دانشگاه‌های تهران ثبت نام کرده بودند. از این تعداد،  282 نفر پرسشنامه های مربوط را در بستر آموزش مجازی تکمیل کردند. در این مطالعه از چهار پرسشنامه و یک آزمون  خواندن زبان انگلیسی، شامل پرسشنامه خودتنظیمی یادگیری بر خط (30 گویه)، مقیاس مشارکت  فعال در یادگیری بر خط (19 سؤال)، مقیاس خودکارآمدی یادگیری بر خط (22 سؤال)، پرسشنامه رضایت از دوره اموزشی (21 سؤال) و بخش ریدینگ تافل (40 مورد) استفاده شد. پرسشنامه ها و آزمون تافل از طریق بستر آموزش مجازی دانشگاه اجرا می شد. برای اطمینان از درک دانشجویان از نسخه فارسی پرسشنامه استفاده شد. از آنجایی که این پرسشنامه ها قبلاً در مجلات پژوهشی ایران منتشر نشده بود محقق با کمک دو استاد مسلط به زبان  انگلیسی و فارسی آنها را ترجمه کرد. ترجمه های مذکور به روش ترجمه معکوس  بررسی  و نسخه نهایی آماده شد. این مطالعه از نوع  توصیفی همبستگی است. تجزیه و تحلیل های آماری مانند پایایی، همبستگی و رگرسیون همراه با ارزیابی اعتبار سازه انجام گرفت. علاوه بر این، تجزیه و تحلیل میانجی برای بررسی اثرات پیچیده رضایت از درس و خودکارآمدی اینترنتی بر رابطه بین مشارکت نظارتی و درک مطلب انجام شد.
یافته‌ها: مقادیر آلفای کرونباخ برای خودتنظیمی، مشارکت فعال، خودکارآمدی، رضایت از درس و آزمون خواندن به ترتیب 94/0، 90/0، 90/0، 93/0 و 86/0 بود که نشان دهنده پایایی قوی و انسجام درونی است. مقادیر RMSEA برای سازه های  مشارکت فعال، خودتنظیمی یادگیری، رضایت از درس، خودکارآمدی و خواندن به ترتیب 08/0، 07/0، 08/0، 07/0 و 01/0 بود که نتایج رضایت بخشی را نشان می‌دهد. قابل ذکر است که بین خودتنظیمی و مشارکت فعال  ضریب 84/0 و بین خودکارآمدی و رضایت از درس 7/0 مشاهده شد. اگر همبستگی  بین دو متغیره 0.7 یا بالاتر می تواند چالش هایی را در  سنجش این عوامل  وتفسیر ضرایب رگرسیون ایجاد کند. برای درک بهتر این روابط، محقق متغیرهای ترکیبی به نام‌های «مشارکت خود تنظیم» و «رضایت از کارآمدی» (رضایت از دوره و خودکارآمدی) را ارائه کرد. شاخص β برای رضایت از کارامدی 47/0 (00/0 = p) بود که نشان می دهد این عامل یک پیش‌بینی‌کننده مهم برای تبیین نتیجه یادگیری است، در حالی که شاخص β برای مشارکت خود تنظیم 06/0 بود (26/0 = p)، که پیش‌بینی ضعیف‌تری را نشان می‌دهد. این یافته نشان می‌دهد که مشارکت خود تنظیم به‌طور غیرمستقیم ، یعنی با واسطه  رضایت از کارآمدی بر یادگیری تأثیر می‌گذارد. رضایت  از کارآمدی»(81/0=η2) یک پیش‌بینی‌کننده بسار مهم و مشارکت خود تنظیم (η2=.47)  اثر غیرمستقیم دارد. این امر بر نقش مشارکت خود تنظیم در افزایش رضایت و تأثیر آن بر یادگیری صحه می گذارد.
نتیجه‌گیری: نتایج این مطالعه بر اهمیت افزایش مشارکت خود تنظیم برای بهبود رضایت و خودکارآمدی و در نتیجه افزایش درک مطلب تأکید می‌کند. با این حال، این مطالعه محدودیت های خود را دارد. داده‌های جمع‌آوری‌شده از نمونه فعلی ممکن است به طور کامل برای دانشجویان در بافت های دیگر قابل اجرا نباشد. علاوه بر این، متغیرهای ترکیبی معرفی‌شده در این مطالعه ممکن است  باعث پیچیدگی بیشتر متغیرهای این پژوهش شوند و نیاز به اعتبارسنجی بیشتر در ساختارهای مختلف  آموزشی داشته باشند. تحقیقات آینده باید روابط پیچیده بین مشارکت خود تنظیم، رضایت از خودکارآمدی  و نقش آن ها در درک مطلب انگلیسی را بررسی کند و تعمیم پذیری این یافته ها را در جوامع آماری مختلف ارزیابی کند.
کلیدواژه‌ها
خود تنظیمی یادکیری؛ مشارکت فعال؛ خود کارآمدی اینترنتی؛ رضایت تحصیلی؛ آموزش بر خط
موضوعات
فناوری آموزش- آموزش عالی
عنوان مقاله [English]
On the Regulatory Engagement, Internet Self-efficacy, Course Satisfaction, and Reading Comprehension in Online English Classes
نویسندگان [English]
R. Nejati
Department of English, Faculty of Humanities, Shahid Rajaee Teacher Training University, Tehran, Iran
چکیده [English]
Background and Objectives: Online learning involves a complex array of factors that collectively shape the educational experience. One key element is learning engagement, which enhances academic performance, knowledge retention, and overall course satisfaction. Another important aspect is self-regulation; these skills are essential for success in online courses due to the lack of external structure and supervision. Additionally, internet self-efficacy and course satisfaction significantly impact the effectiveness of online education. Considering and addressing these elements can lead to a deeper understanding of online learning.
Materials and Methods: This study involved 315 students, aged 18-22, enrolled in a general language course at a university in Tehran, Iran. Of these, 282 completed the online questionnaires. The study utilized four questionnaires and an English test, including the Online Self-Regulation Questionnaire (30 items), the Online Student Engagement Scale (19 items), the Online Learning Self-Efficacy Scale (22 items), the Course Satisfaction Questionnaire (21 items), and the reading section of the TOEFL (40 items). These were administered through the university's virtual education platform. Persian versions of the questionnaires were used to ensure students’ comprehension. Since these questionnaires had not been previously published or available in Iranian research journals, the researcher translated them with the assistance of two professors proficient in both languages. Back translations ensured accuracy. This descriptive correlational study included statistical analyses such as reliability, correlation, and regression, alongside a thorough construct validity assessment. Additionally, mediation analysis was conducted to examine the complex effects of course satisfaction and internet self-efficacy on the relationship between regulatory engagement and reading comprehension.
Findings: The Cronbach's alpha values for self-regulation, engagement, self-efficacy, course satisfaction, and the reading test were .94, .90, .90, .93, and .86, respectively, indicating strong reliability and internal consistency of the instruments. The RMSEA values for engagement, self-regulation, satisfaction, self-efficacy, and reading were 0.08, 0.07, 0.08, 0.07, and 0.01, respectively, demonstrating satisfactory results. Notably, a coefficient of 0.84 was observed between self-regulation and engagement, and 0.7 between self-efficacy and satisfaction. A bivariate correlation of 0.7 or higher can present challenges in testing and interpreting regression coefficients. To better understand these relationships, the researcher created composite variables named 'regulatory engagement' and 'satisficacy' (course satisfaction and internet self-efficacy). The β index for satisficacy was .47 (p = .00), indicating it as a significant predictor of the learning outcome, while the β index for regulatory engagement was .06 (p = .26), showing a weaker prediction. This finding suggested that regulatory engagement indirectly influenced learning outcomes via satisficacy, with satisficacy (η2=.81) being a significant predictor and regulatory engagement (η2=.47) having an indirect effect through satisficacy. This underscores the critical role of regulatory engagement in enhancing satisficacy and its impact on learning.
Conclusions: The results of this study highlight the importance of promoting regulatory engagement to improve satisfaction and self-efficacy, thereby enhancing reading comprehension. However, this study has its limitations. The data collected from the current sample may not be fully applicable to other contexts. Moreover, the composite variables introduced in this study may add complexity and require further validation in different settings. Future research should investigate the intricate relationships between regulatory engagement, satisficacy, and reading comprehension, considering additional variables and assessing the generalizability of these findings across various populations.
کلیدواژه‌ها [English]
Academic achievement, Interaction, mediation, Regression, Coefficient Self- Regulation, Engagement in Learning, Internet Self-Efficacy, Course Satisfaction, Online Learning
مراجع
[1] Marshall J. Motivating e-learners: Application of the ARCS Model to e-learning for San Diego Zoo global’s animal care professional. J Appl Instr Des. 2018;3(2):21-30.

[2] Taylor DL, Yeung M, Bashet AZ. Personalized and Adaptive Learning. In: Ryoo J, Winkelmann K, editors. Innovative Learning Environments in STEM Higher Education. Springer Briefs in Statistics. Cham: Springer; 2021. 

https://doi.org/10.1007/978-3-030-58948-6

[3] Curtis DD, Lawson MJ. Exploring collaborative online learning. J Asynchronous Learn Networks. 2019;5(1):21-34. https://doi.org/10.24059/olj.v5i1.1885

[4] Chiu PHP, Cheng SH. Effects of active learning classrooms on student learning: a two-year empirical investigation on student perceptions and academic performance. High Educ Res Dev. 2016; 36(2):269-79.

https://doi.org/10.1080/07294360.2016.1196475

[5] Cole AW, Lennon L, Weber NL. Student perceptions of online active learning practices and online learning climate predict online course engagement. Interact Learn Environ. 2019;29(5):1-15. https://doi.org/10.1080/10494820.2019.1619593

[6] Renninger KA, Bachrach JE. Studying Triggers for Interest and Engagement Using Observational Methods. Educ Psychol. 2015;50(1):58-69. https://doi.org/10.1080/00461520.2014.999920

[7] She L, Ma L, Jan A, Sharif Nia H, Rahmatpour P. Online Learning Satisfaction During COVID-19 Pandemic Among Chinese University Students: The Serial Mediation Model. Front Psychol. 2021;12.  https://doi.org/10.3389/fpsyg.2021.743936

[8] Bradley RL, Browne BL, Kelley HM. Examining the Influence of Self-Efficacy and Self-Regulation in Online Learning. Coll Stud J. 2017;51(4):518-30.

[9] Lim CL, Jalil HA, Ma’rof AM, Saad WZ. Differences in Self-Regulated Learning (SRL) and Online Learning Satisfaction Across Academic Disciplines: A Study of a Private University in Malaysia. Int J Learn Teach. 2020;6(2):62-67.

https://doi.org/10.18178/ijlt.6.2.62-67

[10] Puzziferro M. Online Technologies Self-Efficacy and Self-Regulated Learning as Predictors of Final Grade and Satisfaction in College-Level Online Courses. Am J Distance Educ. 2008;22(2):72-89.

https://doi.org/10.1080/08923640802039024

[11] Warden CA, Yi-Shun W, Stanworth JO, Chen JF. Millennials’ technology readiness and self-efficacy in online classes. Innov Educ Teach Int. 2020;1-11.

https://doi.org/10.1080/14703297.2020.1798269

[12] Omar MK, Hussein N. Factors influencing E-learning satisfaction among students: a study of a public university in Malaysia. World Appl Sci J. 2017;35(4):568-573.

https://doi:10.5829/idosi.wasj.2017.568.573

[13] Nguyen KA, Borrego M, inelli CJ, De Monbrun M, Crockett C, Tharayil S, Shekhar P, Waters C, Rosenberg R. Instructor Strategies to Aid Implementation of Active learning: a Systematic Literature Review. Int J STEM Educ. 2021;8(1).

https://doi.org/10.1186/s40594-021-00270-7

[14] Zimmerman BJ, Schunk DH, editors. Self-Regulated Learning and Academic Achievement. Routledge; 2013. https://doi.org/10.4324/9781410601032

[15] Cho MH, Shen D. Self-regulation in online learning. Distance Educ. 2013;34(3):290-301.

https://doi.org/10.1080/01587919.2013.835770

[16] Kim C, Park SW, Cozart J, Lee H. From motivation to engagement: The role of effort regulation of virtual high school students in mathematics courses. Educ Technol Soc. 2015;18(4):261-72. Forum Pedagog. 2018;8(2):283-86.

https://doi.org/10.21697/fp.2018.2.20

[17] Kuo YC, Walker AE, Schroder KEE, Belland BR. Interaction, Internet self-efficacy, and self-regulated learning as predictors of student satisfaction in online education courses. Internet High Educ. 2014; 20:35-50.

https://doi.org/10.1016/j.iheduc.2013.10.001

[18] Peterson S. Self-regulation and online course satisfaction in high school [dissertation]. Dissertation Abstracts International; 2011. 71(10A) (UMI No. 3466080).

[19] Price J. An Analysis of Self-Regulated Learning Strategies, Academic Performance, and Satisfaction among Recent Online High School Graduates; 2017.

https://doi.org/10.25777/vxxn-4j83

[20] Solis O, Tech V, Turner W, Turner W. Building Positive Student-Instructor Interactions: Engaging Students through Caring Leadership in the Classroom. J Empower Teach Excell. 2017;1. https://doi.org/10.15142/T37P72

[21] Edisherashvili N, Saks K, Pedaste M, Leijen Ä. Supporting Self-Regulated Learning in Distance Learning Contexts at Higher Education Level: Systematic Literature Review. Front Psychol. 2022;12. https://doi.org/10.3389/fpsyg.2021.792422

[22] Ryan RM, Deci EL. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. Am Psychol. 2000;55(1):68-78. https://doi.org/10.1037/0003-066X.55.1.68

[23] Lo CK, Hew KF. A comparison of flipped learning with gamification, traditional learning, and online independent study: the effects on students’ mathematics achievement and cognitive engagement. Interact Learn Environ. 2018;28(4):1-18.

https://doi.org/10.1080/10494820.2018.1541910

[24] Kizilcec RF, Pérez-Sanagustín M, Maldonado JJ. Self-regulated learning strategies predict learner behavior and goal attainment in Massive Open Online Courses. Comput Educ. 2017; 104:18-33.

https://doi.org/10.1016/j.compedu.2016.10.001

[25] Karlen Y, Bäuerlein K, Brunner S. Teachers’ assessment of self-regulated learning: Linking professional competences, assessment practices, and judgment accuracy. Soc Psychol Educ. 2023. https://doi.org/10.1007/s11218-023-09845-4

[26] Rowe FA, Rafferty JA. Instructional design interventions for supporting self-regulated learning: enhancing academic outcomes in postsecondary e-learning environments. J Online Learn Teach. 2013;9(4):590-601.

[27] Nicol D. Assessment for learner self‐regulation: enhancing achievement in the first year using learning technologies. Assessment & Evaluation in Higher Education. 2019;34(3):335–52. https://doi.org/10.1080/02602930802255139

[28] Joo YJ, Joung S, Kim J. Structural relationships among self-regulated learning, learning flow, satisfaction, and learning persistence in cyber universities. Interactive Learning Environments. 2012;22(6):752–70.

https://doi.org/10.1080/10494820.2012.745421

[29] Kuo YC, Walker AE, Belland BR, Schroder KEE. A predictive study of student satisfaction in online education programs. Int Rev Res Open Distrib Learn. 2013;14(1):16.

https://doi.org/10.19173/irrodl.v14i1.1338

[30] Bandura A. Social Cognitive Theory in Cultural Context. Applied Psychology. 2002; 51(2):269–90.

https://doi.org/10.1111/1464-0597.00092

[31] Joo YJ, Bong M, Choi HJ. Self-efficacy for self-regulated learning, academic self-efficacy, and internet self-efficacy in web-based instruction. Educational Technology Research and Development. 2000;48(2):5–17.

https://doi.org/10.1007/bf02313398

[32] Pintrich PR, de Groot EV. Motivational and self-regulated learning components of classroom academic performance. J Educ Psychol. 1990;82(1):33–40.

https://doi.org/10.1037/0022-0663.82.1.33

[33] Whipp JL, Chiarelli S. Self-Regulation in a Web-Based Course: A Case Study. Educational Technology Research and Development. 2004;52(4):5–22.

[34] Bandura A. Self-efficacy: The exercise of control. New York Freeman; 1997.

[35] Etcuban JO, Capuno R, Necesario R, Espina R, Padillo G, Manguilimotan R. Attitudes, Study Habits, and Academic Performance of Junior High School Students in Mathematics. Int Electron J Math Educ. 2019;14(3).

https://doi.org/10.29333/iejme/5768

[36] Usher EL, Pajares F. Sources of Self-Efficacy in School: Critical Review of the Literature and Future Directions. Rev Educ Res. 2008;78(4):751–96.

[37] MacAfee E, Comeau G. The Impact of the Four Sources of Efficacy on Adolescent Musicians within a Self-Modeling Intervention. Contributions to Music Education. 2020; 45:205–36.

[38] Gray JA, DiLoreto M. The Effects of Student Engagement, Student Satisfaction, and Perceived Learning in Online Learning Environments. Int J Educ Leadersh Prep. 2016; 11(1).  

[39] Guo X, Hu A, Dai J, Chen D, Zou W, Wang Y. Urban–rural disparity in the satisfaction with public sports services: Survey-based evidence in China. The Social Science Journal. 2018; 55(4):455–62. https://doi.org/10.1016/j.soscij.2018.05.003

[40] Bair DE, Bair M. Paradoxes of Online Teaching. Int J Scholarship Teach Learn. 2011; 5(2).

https://doi.org/10.20429/ijsotl.2011.050210

[41] Lin SH, Lee HC, Chang CT, Fu CJ. Behavioral intention towards mobile learning in Taiwan, China, Indonesia, and Vietnam. Technology in Society. 2020; 63:101387. https://doi.org/10.1016/j.techsoc.2020.101387

[42] Xiao Q, Li X. Exploring the Antecedents of Online Learning Satisfaction: Role of Flow and Comparison Between use Contexts. Int J Comput Commun Control. 2021;16(6).

https://doi. org/10.15837/ijccc.2021.6.4398

[43] Schroedler T, Lengyel D, Budde J, Claus C, Weuster N, Doden K. Remote learning and its effects on the well-being of primary school learners in Germany. Education 3-13. 2022;1–17. https://doi.org/10.1080/03004279.2022.2029525

[44] Costley J, Lange C. The effects of instructor control of online learning environments on satisfaction and perceived learning. Electron J e-Learn. 2016;14: 169–80. Available online at

[45] Liu J, An Z, Xu L. An empirical research on influential factors of MOOC users’ using intention. J Higher Educ. 2015; 11:69–76. https://doi: CNKI: SUN: HIGH.0.2015-11-014

[46] Kranzow J. Faculty Leadership in Online Education: Structuring Courses to Impact Student Satisfaction and Persistence. MERLOT J Online Learn Teach. 2013;9(1).

[47] Dinh LP, Nguyen TT. Pandemic, social distancing, and social work education: students’ satisfaction with online education in Vietnam. Social Work Education. 2020;39(8):1–10. https://doi.org/10.1080/02615479.2020.1823365

[48] Alqurashi E. Predicting student satisfaction and perceived learning within online learning environments. Distance Education. 2019;40(1):133–48.

https://doi.org/10.1080/01587919.2018.1553562

[49] Ali A, Ahmed I. Key Factors for Determining Student Satisfaction in Distance Learning Courses: A Study of Allama Iqbal Open University. Contemporary Educ Technol. 2011;2(2).

https://doi.org/10.30935/cedtech/6047

[50] Paepe LD, Zhu C, DePryck K. Drop-out, Retention, Satisfaction and Attainment of Online Learners of Dutch in Adult education. Learntechlib.org; Association for the Advancement of Computing in Education (AACE). 2018. 

[51] Eom SB, Ashill N. The Determinants of Students’ Perceived Learning Outcomes and Satisfaction in University Online Education: An Update. Decision Sciences Journal of Innovative Education. 2016;14(2):185–215.

https://doi.org/10.1111/dsji.12097

[52] Kauffman H. A review of predictive factors of student success in and satisfaction with online learning. Research in Learning Technology. 2015;23(26507).

https://doi.org/10.3402/rlt.v23.26507

[53] Yukselturk E, Yildirim Z. Investigation of interaction, online support, course structure and flexibility as the contributing factors to students' satisfaction in an online certificate program. Journal of Educational Technology & Society. 2008;11(4):51–65.

[54] Richardson JC, Swan K. Examining Social Presence in Online Courses in Relation to Students’ Perceived Learning and Satisfaction. Online Learning. 2019;7(1).

https://doi.org/10.24059/olj.v7i1.1864

[55] Doménech-Betoret F, Abellán-Roselló L, Gómez-Artiga A. Self-Efficacy, Satisfaction, and Academic Achievement: The Mediator Role of Students’ Expectancy-Value Beliefs. Frontiers in Psychology. 2017;8(1193).

https://doi.org/10.3389/fpsyg.2017.01193

[56] Levy Y. Comparing dropouts and persistence in e-learning courses. Computers & Education. 2007;48(2):185–204. https://doi.org/10.1016/j.compedu.2004.12.004

[57] Sinclaire JK. An empirical investigation of student satisfaction with college courses. Research in Higher Education Journal. 2014; 22:1–21.

[58] Pajares F, Miller MD. Role of self-efficacy and self-concept beliefs in mathematical problem solving: A path analysis. Journal of Educational Psychology. 1994;86(2):193–203. https://doi.org/10.1037/0022-0663.86.2.193

[59] Marks RB, Sibley SD, Arbaugh JB. A Structural Equation Model of Predictors for Effective Online Learning. Journal of Management Education. 2005;29(4):531–63.

https://doi.org/10.1177/1052562904271199

[60] Cho MH, Cho Y. Self-regulation in three types of online interaction: a scale development. Distance Education. 2017;38(1):70–83.

https://doi.org/10.1080/01587919.2017.1299563

[61] Dixson MD. Measuring Student Engagement in the Online Course: The Online Student Engagement Scale (OSE). Online Learning. 2015;19(4). https://doi.org/10.24059/olj.v19i4.561

[62] Zimmerman WA, Kulikowich JM. Online learning self-efficacy in students with and without online learning experience. American Journal of Distance Education. 2016;30(3):180-91. https://doi.org/10.1080/08923647.2016

[63] Frey A, Faul A, Yankelov P. Student Perceptions of Web-Assisted Teaching Strategies. Journal of Social Work Education. 2003;39(3):443–57. https://doi.org/10.1080/10437797.2003.10779148

[64] Browne MW, Cudeck R. Alternative ways of assessing model fit. [Review of Alternative ways of assessing model fit]. In: Bollen KA, Long JS, editors. Testing structural equation models. Sage; 1993. p. 136–62. 

[65] Pallant J. SPSS survival manual: A step-by-step guide to data analysis using the SPSS program. 4th ed. Allen & Unwin, Berkshire; 2011. 

[66] Tabachnick BG, Fidell LS. Using multivariate statistics. Needham Heights MA: Allyn & Bacon; 2006.

[67] Collier JE. Applied Structural Equation Modeling Using AMOS. Routledge; 2020.

https://doi.org/10.4324/9781003018414

آمار
تعداد مشاهده مقاله: 18


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب