Первичный анализ данных

Наша исследовательская работа опирается на инструмент, на котором базируется все исследование. Изучив уже ранее упомянутую литературу по вопросу учебной мотивации, мы, ограниченные рамками имеющегося измерительного материала, выдвинули факторы, которые, на наш взгляд, могут вносить вклад в мотивацию учащегося. Они следующие:

• o учебные достижения учащегося,
• o отношение ученика к образовательному процессу,
• o поддержка родителей в обучении,
• o родительские установки,
• o самооценка учащегося.

Анализ данных проводился в программе SPSS на выборке выпускников начальных школ Тверской области. База данных, с которой мы будем работать в дальнейшем, представляет собой набор категориальных и метрических переменных. Для начала рассмотрим их подробнее. При статистическом анализе будем пользоваться статистическим пакетом SPSS и Excel, которые мы будем использовать при первичном анализе данных.

Среди школ-участниц 7,8% гимназий, 1,10% лицеев, 85,5% общеобразовательных школ и 3,5% школ с углубленным изучением отдельных предметов (таблица 1). Продолжительность уроков в школах в среднем 45 минут, но в некоторых школах по-прежнему уроки длятся 40 минут. В среднем в классе обучается по 23 ученика, максимальное количество детей в классе 33 человека. Интересно, что больше половины учителей русского языка и математики Тверской области старше 45 лет — самые молодые учителя в возрасте 20 лет, а те, кто проработал в школе более 50 лет, при среднем стаже педагогов 25 лет, находятся уже в возрасте старше 70 лет (таблица 2).

Таблица 1.Вид школы.

Таблица 2. Описательная статистика.

На выходе из начальной школы дети показывают разный уровень овладения пройденным материалом, как по русскому языку и математике, так и по метапредметным результатам. Максимально возможный балл, который ребенок мог получить в итоге, по математике 24, по русскому языку — 28, по метапредметным — 19. Так, например, если посмотреть на описательную статистику этих переменных, которая приведена в таблице 3 выше, можно отметить, что есть ученики, которые совсем не справились с заданиями, но также нельзя упустить тот факт, что кто-то полностью справился с предложенными итоговыми работами. Балл по математике варьируется от 0 до 24, средний балл равен 16,34, а значения по выборке в среднем отклоняются на 4,54 баллов от среднего. По русскому языку минимальный балл 0, максимальный 28, средний балл — 18,14 со стандартным отклонением в 5,28. По метапредметным показателям полученные баллы находятся в пределах от 0 до 19, среднее по выборке 14 баллов, а стандартное отклонение равно 3,87. Можно отметить, что 25% детей достигли лишь 14, 15 и 10 баллов соответственно по математике, русскому языку и метапредметным результатам. Также стоит отметить, что половина детей превысило среднее значение баллов по каждому предмету.

Таблица 3. Описательная статистика.

Баллы за итоговые работы по русскому языку, математике и метапредметным результатам представлены в метрической шкале. Нам удалось установить прямую связь между результатами по каждому из предметов (таблица 4). Баллы по русскому языку и математики сильно связаны между собой, коэффициент корреляции Пирсона равен 0,72. То есть чем выше у ребенка балл по математике, тем выше балл по русскому языку. Связь между баллами по этим предметам и метапредметным показателям слабая, но эта связь статистически значимая на уровне 0,01, как и связь между предметами.

Таблица 4. Корреляция Пирсона.

** p< 0.001.

В своем дальнейшем анализе при построении структурной модели, поэтому нужно иметь представление о взаимосвязях между ними. Мы также собираемся посмотреть модели позитивной мотивации отдельно по русскому языку и математике, так вот интересно насколько они будут схожи, учитывая установленную сильную связь между ними. Одни ли и те же переменные объясняют их изменения.