پیش بینی شیفتگی تحصیلی بر اساس سرسختی ذهنی و پایستگی تحصیلی با نقش میانجی هیجان های مثبت تحصیلی در دانشجویان پزشکی
فایل این در 135 صفحه با فرمت PDF قابل دریافت می باشد
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده :
هدف پژوهش حاضر پیشبینی شیفتگی تحصیلی بر اساس سرسختی ذهنی و پایستگی تحصیلی با نقش میانجی
هیجانهای مثبت تحصیلی در دانشجویان پزشکی بود. روش پژوهش مدلسازی معادالت ساختاری بود. جامعه آماری
پژوهش تمامی دانشجویان پزشکی دانشگاه علوم پزشکی آزاد اسالمی تهران در سالتحصیلی 05-1404 بود. تعداد
افراد نمونه براساس فرمول تباچنیک و فیدل )2013 )200 نفر در نظر گرفته شد که به روش نمونهگیری طبقهای نسبی
انتخاب شدند. جهت گردآوری دادهها در این از پرسشنامههای شیفتگی تحصیلی مارتین و جکسون )2008 ،)سرسختی
ذهنی کالف و همکاران )2002 ،)پایستگی تحصیلی مارتین و مارش )2008 )و هیجانهای مثبت تحصیلی پکران و
همکاران )2011 )استفاده شد. تحلیلها با استفاده از نرمافزار SmartPLS نسخه 3 انجام شد. نتایج حاصل از تجزیه
و تحلیل دادهها نشانداد که شیفتگی تحصیلی بر اساس سرسختی ذهنی با ضریب تاثیر 17.0 و پایستگی تحصیلی با
ضریب تاثیر 06.0 با نقش میانجی هیجانهای مثبت تحصیلی در دانشجویان پزشکی، بهطور مثبت، قابل پیشبینی
است. همچنین، شیفتگی تحصیلی بر اساس سرسختی ذهنی با ضریب تاثیر 17.0 بهطور مثبت در دانشجویان پزشکی
قابل پیشبینی است. بعالوه، شیفتگی تحصیلی بر اساس پایستگی تحصیلی با ضریب تاثیر 20.0 بهطور مثبت در
دانشجویان پزشکی قابل پیشبینی است. نهایتا، شیفتگی تحصیلی بر اساس هیجانهای مثبت تحصیلی با ضریب تاثیر
34.0 بهطور مثبت در دانشجویان پزشکی قابل پیشبینی است. این یافتهها نشان میدهد سرسختی ذهنی و پایستگی
تحصیلی میتوانند با تقویت سازگاری تحصیلی و هیجانهای مثبت، زمینه افزایش شیفتگی تحصیلی را فراهم کنند.
همچنین، هیجانهای مثبت تحصیلی میتوانند نقش مهمی در پیوند میان منابع روانشناختی دانشجو و درگیری عمیقتر
او با فعالیتهای تحصیلی داشته باشند.
کلیدواژه ها:
نویسندگان
محمد پولادوند
کارشناسی ارشد روانشناسی تربیتی دانشگاه آزاد اسلامی واحد علوم پزشکی تهران
نازنین آهنگری
هیئت علمی دانشگاه علوم پزشکی ارتش
فاطمه امیدی
هیئت علمی دانشگاه علوم پزشکی آزاد اسلامی تهران
مرضیه پهلوان
هیئت علمی دانشگاه علوم پزشکی آزاد اسلامی تهران
مراجع و منابع این :
لیست زیر مراجع و منابع استفاده شده در این را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود لینک شده اند :