Прокрастинация: теория и эмпирическое исследование на выборке из студентов МИЭФ
Прокрастинация как комплексное психологическое поведение личности. Основные теории существования прокрастинации и ее виды. Эмпирическое исследование склонности к прокрастинации и ее влияния на академическую успеваемость на выборке из студентов МИЭФ.
Рубрика | Психология |
Вид | дипломная работа |
Язык | русский |
Дата добавления | 30.07.2016 |
Размер файла | 154,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Академическая успеваемость
В число самых основательных работ на тему прокрастинации можно включить работу Стила (Steel, 2007). В своей работе он провел мето-аналитический обзор шестнадцати исследований, как я уже упоминал ранее. Стил выявил хоть и не очень большую, но постоянную значимую корреляцию между академической успеваемостью и прокрастинацией, которая составила -0.19. Им была обнаружена негативная взаимосвязь прокрастинации отдельно со средней оценкой, результатами экзаменов и оценками за домашние работы.
Многие исследователи получали схожие со Стилом результаты: Ferrari et al. (2000), Hill et al. (1978), Howell and Watson (2007), Klassen et al. (2010), Rayburn and Rayburn (1999), Schraw et al. (2007), Seo (2011). Данные результаты вполне объяснимы, поскольку прокрастинатору свойственно все делать в «последний момент». Потому, для завершения задания ему нередко приходится жертвовать качеством в процессе, или же он просто не оставляет себе время на то, чтобы потом тщательно проверить свою работу и улучшить ее.
В своем исследовании я ставлю задачу проверить результаты приведенных исследований. Я выдвигаю гипотезу, что склонность к прокрастинации негативно влияет на академическую успеваемость.
2.2 Описание исследования
Данное исследование было проведено на выборке из студентов НИУ ВШЭ МИЭФ со второго по четвертый курс. В качестве методов исследования был составлен опросник, который был затем распространен с помощью портала surveymonkey.ru, а также данные по загрузкам домашних работ со студенческого портала mief.hse.ru. Данный опросник заполнило 134 студента: 39 со второго курса, 30 с третьего курса, 65 с четвертого курса. Однако 11 студентов указало в графе ФИО «инкогнито», «-» или другое, что не позволило соотнести результаты опросника данных студентов с данными по скачиваниям домашний заданий. Таким образом, выборка составила 122 человека.
Вышеупомянутый опросник включал в себя 138 вопросов из которых каждому респонденту требовалось заполнить от 56 до 61 вопроса, в зависимости от курса и выбранной специализации. Весь опросник можно разделить на 3 части:
Первая часть
Данная часть была посвящена вопросам, касающимся академической деятельности студентов. Для начала, студентов просили ответить на вопросы, касающиеся года их обучения, формы оплаты, а также условий их проживания. Данные вопросы были заданы для разделения студентов на подгруппы с целью дальнейшего удобства в заполнении анкеты, а также для выявления различий среди данных подгрупп. Затем, студентам были предложены вопросы по основным дисциплинам, которые они изучали в текущем году. Для каждой из предложенных дисциплин их просили указать были ли справедливы полученные ими оценки, был ли предмет любимым, был ли предмет трудным, а так же вопросы, касающиеся выполнения студентами домашних работ по этому предмету.
Вторая часть
Во второй части был использован метод: «Шкала студенческой прокрастинации C. Lay», адаптированная Юдеевой Т. Ю., Гаранян Н. Г., Жуковой Д. Н.[5] с целью измерения склонности к прокрастинации у студентов. Помимо данного опросника существует еще только один, адаптированный на русский, опросник Лэя для общей выборки. Поскольку исследование проводится на студентах, выбор был сделан в пользу первого. С помощью данной шкалы было получена собственная оценка прокрастинации студентов.
Третья часть
В третьей части студентам были предложены личные вопросы, такие как: указать ФИО, пол, вес, рост, возраст. Данные вопросы были предназначены для дальнейшего соотнесения данных, полученных из опросника с данными из информационной системы и академической успеваемостью студентов, а также для выявления взаимосвязей между склонностью к прокрастинации и различными показателями.
В качестве оценки склонности к прокрастинации на основе данных по скачиваниям домашних работ, было выявлено две переменные: MinDU и AvDD. Первая переменная обозначает в среднем самое первое скачивание файла после его загрузки в информсистему, а вторая переменная посчитана как среднее по среднему времени загрузки файла до крайнего срока. Обе переменные выражены в днях.
Кроме того, из анкеты, которую заполняли студенты, были получены переменные: курс (Y), пол (Gender), возраст (Age). Затем, данные каждого студента были сопоставлены с его оценками по основным отдельным предметам (Mic1, Mac1, Stat, Mac2, Mic2, Corp, IE), средней оценкой по 100-бальной шкале (GPA), а также c оценками его прокрастинации на основе данных по скачкам домашних работ. Кроме того, для каждого предмета были рассчитаны оценки прокрастинации по данным скачек домашних работ (MinDU и AvDD). Таким переменным присваивались имена по принципу комбинирования названия предмета и переменной, например, StatMinDU означает посчитанную переменную MinDU по предмету статистика.
Данные были обработаны при помощи программ EViews8 и StataSE 12.
2.3 Анализ полученных данных
Прежде, чем начать свой анализ рассмотрим матрицу кореляций полученных переменных:
Covariance Analysis: Ordinary |
||||||||
Date: 06/16/15 Time: 17:35 |
||||||||
Sample: 1 123 |
||||||||
Included observations: 123 |
||||||||
Correlation |
||||||||
Probability |
AGE |
AVDD |
MINDU |
GPS |
GENDER |
Y |
GPA |
|
AGE |
1.000000 |
|||||||
AVDD |
-0.365536 |
1.000000 |
||||||
0.0000 |
----- |
|||||||
MINDU |
0.644983 |
-0.428720 |
1.000000 |
|||||
0.0000 |
0.0000 |
----- |
||||||
GPS |
-0.036104 |
-0.025756 |
-0.020900 |
1.000000 |
||||
0.6918 |
0.7773 |
0.8185 |
----- |
|||||
GENDER |
0.091466 |
0.094231 |
0.121013 |
0.155482 |
1.000000 |
|||
0.3143 |
0.2999 |
0.1824 |
0.0859 |
----- |
||||
Y |
0.755879 |
-0.460319 |
0.789026 |
0.023120 |
0.120541 |
1.000000 |
||
0.0000 |
0.0000 |
0.0000 |
0.7996 |
0.1842 |
----- |
|||
GPA |
0.240548 |
-0.254048 |
0.227475 |
-0.036836 |
-0.123085 |
0.430777 |
1.000000 |
|
0.0074 |
0.0046 |
0.0114 |
0.6858 |
0.1750 |
0.0000 |
----- |
||
Источник данных: Eviews 8 |
Как мы видим, оценка прокрастинации на основании опросника (GPS) не коррелирует с оценкам прокрастинации на основании скачивания домашних заданий (MinDU, AvDD). Таким образом, будет целесообразно отдельно рассматривать эти оценки.
Изучение прокрастинации на основе данных по скачиваниям домашних заданий
В первую очередь, проверим, являются ли оценки прокрастинации по отдельным основным предметам распределены как популяционные значения с помощью теста Колмогорова-Смирнова. Для этого возьмем переменные (MinDU, AvDD, StatMinDU, StatAvDD, Mac1MinDU, Mac1AvDD, Mic2MinDU, Mic2AvDD, Mac2MinDU, Mac2AvDD, CorpMinDU, CorpAvDD, IEMinDU, IEAvDD) и проверим их против популяционных (MinDU_P, AvDD_P, StatMinDU_P, StatAvDD_P, Mac1MinDU_P, Mac1AvDD_P, Mic2MinDU_P, Mic2AvDD_P, Mac2MinDU_P, Mac2AvDD_P, CorpMinDU_P, CorpAvDD_P, IEMinDU_P, IEAvDD_P). На основании теста Колмогорова-Смирнова, проведенного при помощи Stata 12, мы можем утверждать, что все переменные распределены популяционно на любом разумном уровне значимости, что обеспечивает возможность обобщения выводов на основании данной выборки для всей популяции.
Затем, проверим существует ли существенное различие в склонности к прокрастинированию по предметам определенного курса. В этих целях, проведем ANOVA тест для склонности к прокрастинированию по предметам определенного курса. Проведя 6 тестов (StatMinDU и Mac1MinDU, StatAvDD и Mac1AvDD, Mic2MinDU и Mac2MinDU, Mic2AvDD и Mac2AvDD, CorpMinDU и IEMinDU, CorpAvDD и IEAvDD), получены двойственные результаты. С одной стороны, оцененная прокрастинация (MinDU и AvDD) значимо отличается по предметам на втором курсе, однако разница незначительна на третьем и четвертом курсе. Однако, проведя тест ANOVA на различие в уровнях прокрастинации (MinDU, AvDD) между курсами, выявлена значимая разница между значениями переменных MinDU, AvDD по курсам на любом разумном уровне значимости. Исходя из этого, целесообразно рассматривать прокрастинацию в масштабе курса и брать агрегированные оценки по предметам.
Гипотезы, которые были выдвинуты в прошлой части данной главы можно разделить на две части: первые три гипотезы относятся к тому, что определяет склонность к прокрастинированию, а последняя гипотеза относится к последствиям прокрастинации. В целях протестировать первые три гипотезы зададим следующие модели:
, где j -индикатор курса.
Оценим данные модели для каждого курса с помощью EViews 8:
2 курс:
Dependent Variable: MINDU |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:05 |
|||||
Sample (adjusted): 1 34 |
|||||
Included observations: 34 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
75.03445 |
87.20920 |
0.860396 |
0.3962 |
|
GENDER |
10.58024 |
5.963167 |
1.774265 |
0.0858 |
|
AGE |
-10.13385 |
4.573540 |
-2.215757 |
0.0342 |
|
R-squared |
0.222410 |
Mean dependent var |
-113.1522 |
||
Adjusted R-squared |
0.172243 |
S.D. dependent var |
18.72722 |
||
S.E. of regression |
17.03825 |
Akaike info criterion |
8.592895 |
||
Sum squared resid |
8999.356 |
Schwarz criterion |
8.727574 |
||
Log likelihood |
-143.0792 |
Hannan-Quinn criter. |
8.638825 |
||
F-statistic |
4.433382 |
Durbin-Watson stat |
2.191934 |
||
Prob(F-statistic) |
0.020260 |
Как можно увидеть, пол значим на 10%, но не значим на 5%, в то время как возраст значим на 5% уровне.
Dependent Variable: AVDD |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:07 |
|||||
Sample (adjusted): 1 34 |
|||||
Included observations: 34 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-117.9889 |
154.2949 |
-0.764697 |
0.4502 |
|
GENDER |
13.69434 |
10.55034 |
1.298000 |
0.2039 |
|
AGE |
7.310186 |
8.091739 |
0.903413 |
0.3733 |
|
R-squared |
0.069139 |
Mean dependent var |
26.54343 |
||
Adjusted R-squared |
0.009084 |
S.D. dependent var |
30.28278 |
||
S.E. of regression |
30.14493 |
Akaike info criterion |
9.734008 |
||
Sum squared resid |
28170.22 |
Schwarz criterion |
9.868687 |
||
Log likelihood |
-162.4781 |
Hannan-Quinn criter. |
9.779937 |
||
F-statistic |
1.151256 |
Durbin-Watson stat |
1.839507 |
||
Prob(F-statistic) |
0.329392 |
В данном случае оба коэффициента незначимы на любом разумном уровне значимости. 3 курс:
Dependent Variable: MINDU |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:08 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-170.0397 |
180.2477 |
-0.943367 |
0.3562 |
|
GENDER |
2.549478 |
14.58651 |
0.174783 |
0.8629 |
|
AGE |
7.587367 |
8.944810 |
0.848242 |
0.4059 |
|
R-squared |
0.037959 |
Mean dependent var |
-14.48600 |
||
Adjusted R-squared |
-0.053664 |
S.D. dependent var |
33.16940 |
||
S.E. of regression |
34.04777 |
Akaike info criterion |
10.00987 |
||
Sum squared resid |
24344.26 |
Schwarz criterion |
10.15713 |
||
Log likelihood |
-117.1185 |
Hannan-Quinn criter. |
10.04894 |
||
F-statistic |
0.414299 |
Durbin-Watson stat |
2.438000 |
||
Prob(F-statistic) |
0.666087 |
В данном случае оба коэффициента незначимы на любом разумном уровне значимости.
Dependent Variable: AVDD |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:08 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
120.7087 |
201.4742 |
0.599127 |
0.5555 |
|
GENDER |
22.40773 |
16.30426 |
1.374348 |
0.1838 |
|
AGE |
-5.975532 |
9.998175 |
-0.597662 |
0.5565 |
|
R-squared |
0.087684 |
Mean dependent var |
13.46002 |
||
Adjusted R-squared |
0.000797 |
S.D. dependent var |
38.07250 |
||
S.E. of regression |
38.05733 |
Akaike info criterion |
10.23253 |
||
Sum squared resid |
30415.56 |
Schwarz criterion |
10.37979 |
||
Log likelihood |
-119.7904 |
Hannan-Quinn criter. |
10.27160 |
||
F-statistic |
1.009175 |
Durbin-Watson stat |
2.630060 |
||
Prob(F-statistic) |
0.381526 |
В данном случае оба коэффициента незначимы на любом разумном уровне значимости.
4 курс:
Dependent Variable: MINDU |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:10 |
|||||
Sample (adjusted): 1 65 |
|||||
Included observations: 65 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
12.43179 |
130.4004 |
0.095336 |
0.9244 |
|
GENDER |
-10.11698 |
7.067330 |
-1.431513 |
0.1573 |
|
AGE |
-0.806395 |
6.246885 |
-0.129087 |
0.8977 |
|
R-squared |
0.031995 |
Mean dependent var |
-10.10011 |
||
Adjusted R-squared |
0.000769 |
S.D. dependent var |
28.11442 |
||
S.E. of regression |
28.10361 |
Akaike info criterion |
9.554728 |
||
Sum squared resid |
48968.41 |
Schwarz criterion |
9.655084 |
||
Log likelihood |
-307.5287 |
Hannan-Quinn criter. |
9.594325 |
||
F-statistic |
1.024618 |
Durbin-Watson stat |
1.642708 |
||
Prob(F-statistic) |
0.364930 |
В данном случае оба коэффициента незначимы на любом разумном уровне значимости.
Dependent Variable: AVDD |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:10 |
|||||
Sample (adjusted): 1 65 |
|||||
Included observations: 65 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
116.0981 |
97.52530 |
1.190441 |
0.2384 |
|
GENDER |
2.736074 |
5.285594 |
0.517647 |
0.6065 |
|
AGE |
-5.944398 |
4.671991 |
-1.272348 |
0.2080 |
|
R-squared |
0.031547 |
Mean dependent var |
-5.987878 |
||
Adjusted R-squared |
0.000306 |
S.D. dependent var |
21.02167 |
||
S.E. of regression |
21.01844 |
Akaike info criterion |
8.973733 |
||
Sum squared resid |
27390.05 |
Schwarz criterion |
9.074089 |
||
Log likelihood |
-288.6463 |
Hannan-Quinn criter. |
9.013330 |
||
F-statistic |
1.009806 |
Durbin-Watson stat |
2.199475 |
||
Prob(F-statistic) |
0.370201 |
В данном случае оба коэффициента незначимы на любом разумном уровне значимости.
Таким образом, только одна оценка прокрастинации (MinDU) оказалась значима на втором курсе. Исходя из этого, протестируем следующие модели по всем курсам:
Dependent Variable: MINDU |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:25 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-302.0447 |
79.43223 |
-3.802547 |
0.0002 |
|
GENDER |
2.779691 |
5.959305 |
0.466446 |
0.6417 |
|
AGE |
6.010465 |
4.525736 |
1.328064 |
0.1867 |
|
Y |
42.95173 |
5.249427 |
8.182175 |
0.0000 |
|
R-squared |
0.628746 |
Mean dependent var |
-39.44183 |
||
Adjusted R-squared |
0.619386 |
S.D. dependent var |
53.03126 |
||
S.E. of regression |
32.71705 |
Akaike info criterion |
9.845649 |
||
Sum squared resid |
127378.2 |
Schwarz criterion |
9.937103 |
||
Log likelihood |
-601.5074 |
Hannan-Quinn criter. |
9.882798 |
||
F-statistic |
67.17833 |
Durbin-Watson stat |
1.556444 |
||
Prob(F-statistic) |
0.000000 |
||||
Dependent Variable: AVDD |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 19:24 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
79.59721 |
66.52041 |
1.196583 |
0.2338 |
|
GENDER |
9.390661 |
4.990612 |
1.881665 |
0.0623 |
|
AGE |
-1.274243 |
3.790071 |
-0.336206 |
0.7373 |
|
Y |
-16.01860 |
4.396125 |
-3.643800 |
0.0004 |
|
R-squared |
0.235366 |
Mean dependent var |
6.799228 |
||
Adjusted R-squared |
0.216090 |
S.D. dependent var |
30.94561 |
||
S.E. of regression |
27.39885 |
Akaike info criterion |
9.490859 |
||
Sum squared resid |
89332.92 |
Schwarz criterion |
9.582312 |
||
Log likelihood |
-579.6878 |
Hannan-Quinn criter. |
9.528007 |
||
F-statistic |
12.21000 |
Durbin-Watson stat |
2.279311 |
||
Prob(F-statistic) |
0.000001 |
Результаты свидетельствуют, что нет оснований полагать, что уровень прокрастинации зависит от возраста или пола. Тест ANOVA на различие по полу также не дает значимых доказательств разницы в уровнях прокрастинации у женщин и мужчин. С другой стороны, как и показывал тест ANOVA для разниц в уровнях прокрастинации по годам, зависит от года обучения. Однако стоит обратить, что две меры прокрастинации указывают на разную по знаку взаимосвязь. Оглядываясь на матрицу корреляций, незначимость возраста заставляет сомневаться в правильности выводов касательно возраста. Одной из причин расхождения показаний матрицы корреляций и оцененных регрессий может являться неправильная спецификация модели.
Четвертая гипотеза относительно влияния склонности к прокрастинированию на академические результаты также может быть проверена с помощью модели со следующей спецификацией:
, где j -индикатор курса.
Оценив данные модели с помощью EViews 8, мы получаем:
2 курс
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:46 |
|||||
Sample (adjusted): 1 34 |
|||||
Included observations: 34 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
104.6615 |
65.51497 |
1.597520 |
0.1206 |
|
MINDU |
0.083631 |
0.133344 |
0.627180 |
0.5353 |
|
GENDER |
-7.497090 |
4.646571 |
-1.613467 |
0.1171 |
|
AGE |
-2.761236 |
3.654522 |
-0.755567 |
0.4558 |
|
R-squared |
0.104069 |
Mean dependent var |
39.64796 |
||
Adjusted R-squared |
0.014476 |
S.D. dependent var |
12.74222 |
||
S.E. of regression |
12.64965 |
Akaike info criterion |
8.023268 |
||
Sum squared resid |
4800.412 |
Schwarz criterion |
8.202839 |
||
Log likelihood |
-132.3955 |
Hannan-Quinn criter. |
8.084507 |
||
F-statistic |
1.161574 |
Durbin-Watson stat |
1.895958 |
||
Prob(F-statistic) |
0.340683 |
||||
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:46 |
|||||
Sample (adjusted): 1 34 |
|||||
Included observations: 34 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
85.67237 |
56.37375 |
1.519721 |
0.1391 |
|
AVDD |
-0.214124 |
0.065011 |
-3.293659 |
0.0025 |
|
GENDER |
-3.679975 |
3.921260 |
-0.938467 |
0.3555 |
|
AGE |
-2.043450 |
2.967236 |
-0.688671 |
0.4963 |
|
R-squared |
0.333377 |
Mean dependent var |
39.64796 |
||
Adjusted R-squared |
0.266715 |
S.D. dependent var |
12.74222 |
||
S.E. of regression |
10.91143 |
Akaike info criterion |
7.727629 |
||
Sum squared resid |
3571.777 |
Schwarz criterion |
7.907201 |
||
Log likelihood |
-127.3697 |
Hannan-Quinn criter. |
7.788868 |
||
F-statistic |
5.000980 |
Durbin-Watson stat |
1.658666 |
||
Prob(F-statistic) |
0.006249 |
3 курс
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:47 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
182.9469 |
73.35202 |
2.494095 |
0.0215 |
|
MINDU |
-0.033911 |
0.086980 |
-0.389875 |
0.7007 |
|
GENDER |
-5.129086 |
5.818308 |
-0.881543 |
0.3885 |
|
AGE |
-6.963892 |
3.625903 |
-1.920595 |
0.0692 |
|
R-squared |
0.227276 |
Mean dependent var |
38.92350 |
||
Adjusted R-squared |
0.111368 |
S.D. dependent var |
14.39651 |
||
S.E. of regression |
13.57120 |
Akaike info criterion |
8.204789 |
||
Sum squared resid |
3683.550 |
Schwarz criterion |
8.401131 |
||
Log likelihood |
-94.45747 |
Hannan-Quinn criter. |
8.256878 |
||
F-statistic |
1.960826 |
Durbin-Watson stat |
1.739975 |
||
Prob(F-statistic) |
0.152392 |
||||
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:47 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
175.6930 |
69.17758 |
2.539739 |
0.0195 |
|
AVDD |
0.107864 |
0.074294 |
1.451851 |
0.1621 |
|
GENDER |
-7.632540 |
5.795206 |
-1.317044 |
0.2027 |
|
AGE |
-6.576643 |
3.432803 |
-1.915823 |
0.0698 |
|
R-squared |
0.295639 |
Mean dependent var |
38.92350 |
||
Adjusted R-squared |
0.189985 |
S.D. dependent var |
14.39651 |
||
S.E. of regression |
12.95698 |
Akaike info criterion |
8.112159 |
||
Sum squared resid |
3357.669 |
Schwarz criterion |
8.308501 |
||
Log likelihood |
-93.34590 |
Hannan-Quinn criter. |
8.164248 |
||
F-statistic |
2.798174 |
Durbin-Watson stat |
1.824501 |
||
Prob(F-statistic) |
0.066499 |
4курс
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:48 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
182.9469 |
73.35202 |
2.494095 |
0.0215 |
|
MINDU |
-0.033911 |
0.086980 |
-0.389875 |
0.7007 |
|
GENDER |
-5.129086 |
5.818308 |
-0.881543 |
0.3885 |
|
AGE |
-6.963892 |
3.625903 |
-1.920595 |
0.0692 |
|
R-squared |
0.227276 |
Mean dependent var |
38.92350 |
||
Adjusted R-squared |
0.111368 |
S.D. dependent var |
14.39651 |
||
S.E. of regression |
13.57120 |
Akaike info criterion |
8.204789 |
||
Sum squared resid |
3683.550 |
Schwarz criterion |
8.401131 |
||
Log likelihood |
-94.45747 |
Hannan-Quinn criter. |
8.256878 |
||
F-statistic |
1.960826 |
Durbin-Watson stat |
1.739975 |
||
Prob(F-statistic) |
0.152392 |
||||
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 20:48 |
|||||
Sample (adjusted): 1 24 |
|||||
Included observations: 24 after adjustments |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
175.6930 |
69.17758 |
2.539739 |
0.0195 |
|
AVDD |
0.107864 |
0.074294 |
1.451851 |
0.1621 |
|
GENDER |
-7.632540 |
5.795206 |
-1.317044 |
0.2027 |
|
AGE |
-6.576643 |
3.432803 |
-1.915823 |
0.0698 |
|
R-squared |
0.295639 |
Mean dependent var |
38.92350 |
||
Adjusted R-squared |
0.189985 |
S.D. dependent var |
14.39651 |
||
S.E. of regression |
12.95698 |
Akaike info criterion |
8.112159 |
||
Sum squared resid |
3357.669 |
Schwarz criterion |
8.308501 |
||
Log likelihood |
-93.34590 |
Hannan-Quinn criter. |
8.164248 |
||
F-statistic |
2.798174 |
Durbin-Watson stat |
1.824501 |
||
Prob(F-statistic) |
0.066499 |
Как мы видим, обе меры прокрастнации не показывают высокую значимость в оцененных регрессиях за исключением AvDD для студентов второго курса. Причиной этого может, например, являться ошибка второго рода или неправильная спецификация модели. Проверим данные модели оценив их по всем курсам одновременно, добавив переменную времени:
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 22:07 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
53.77902 |
34.98483 |
1.537210 |
0.1269 |
|
MINDU |
-0.077554 |
0.038125 |
-2.034203 |
0.0442 |
|
AGE |
-2.618740 |
1.896121 |
-1.381104 |
0.1699 |
|
GENDER |
-5.297813 |
2.480700 |
-2.135612 |
0.0348 |
|
Y |
14.16063 |
2.729079 |
5.188795 |
0.0000 |
|
R-squared |
0.259475 |
Mean dependent var |
47.13892 |
||
Adjusted R-squared |
0.234373 |
S.D. dependent var |
15.55061 |
||
S.E. of regression |
13.60680 |
Akaike info criterion |
8.098818 |
||
Sum squared resid |
21847.12 |
Schwarz criterion |
8.213134 |
||
Log likelihood |
-493.0773 |
Hannan-Quinn criter. |
8.145253 |
||
F-statistic |
10.33662 |
Durbin-Watson stat |
1.889717 |
||
Prob(F-statistic) |
0.000000 |
||||
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 22:07 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
78.91239 |
33.78038 |
2.336042 |
0.0212 |
|
AVDD |
-0.021467 |
0.046274 |
-0.463898 |
0.6436 |
|
AGE |
-3.112227 |
1.914106 |
-1.625943 |
0.1066 |
|
GENDER |
-5.311803 |
2.556424 |
-2.077825 |
0.0399 |
|
Y |
10.48570 |
2.339654 |
4.481731 |
0.0000 |
|
R-squared |
0.234902 |
Mean dependent var |
47.13892 |
||
Adjusted R-squared |
0.208967 |
S.D. dependent var |
15.55061 |
||
S.E. of regression |
13.83072 |
Akaike info criterion |
8.131462 |
||
Sum squared resid |
22572.08 |
Schwarz criterion |
8.245779 |
||
Log likelihood |
-495.0849 |
Hannan-Quinn criter. |
8.177898 |
||
F-statistic |
9.057163 |
Durbin-Watson stat |
1.874460 |
||
Prob(F-statistic) |
0.000002 |
Как мы видим, оценка прокрастинации MinDU стала значимой на 5% уровне, будучи оцененной на всей выборке.
Изучение прокрастинации на основе адаптированной шкалы прокрастинации Lay
Сперва, необходимо выявить, существует ли значимое различие в значениях переменной GPS между курсами. Тест ANOVA показывает, что такой разницы нет на любом разумном уровне значимости. Следовательно, необходимо анализировать данную величину в масштабе всей выборки.
С целью проверить первые три гипотезы, оценим следующую модель:
Dependent Variable: GPS |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 22:16 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
80.87143 |
27.15768 |
2.977847 |
0.0035 |
|
AGE |
-1.404659 |
1.547338 |
-0.907791 |
0.3658 |
|
GENDER |
3.473848 |
2.037472 |
1.704980 |
0.0908 |
|
Y |
1.285293 |
1.794766 |
0.716134 |
0.4753 |
|
R-squared |
0.030905 |
Mean dependent var |
58.53659 |
||
Adjusted R-squared |
0.006474 |
S.D. dependent var |
11.22226 |
||
S.E. of regression |
11.18588 |
Akaike info criterion |
7.699161 |
||
Sum squared resid |
14889.74 |
Schwarz criterion |
7.790614 |
||
Log likelihood |
-469.4984 |
Hannan-Quinn criter. |
7.736309 |
||
F-statistic |
1.265000 |
Durbin-Watson stat |
2.124323 |
||
Prob(F-statistic) |
0.289596 |
Как и предсказывала тест ANOVA, коэффициент перед переменной курса оказался незначимым, как и перед переменной возраста. В то же время, пол студента оказался значимым на 10% уровне.
Ставя перед собой цель проверить четвертую гипотезу, оценим модель со следующей спецификацией:
Dependent Variable: GPA |
|||||
Method: Least Squares |
|||||
Date: 06/16/15 Time: 22:22 |
|||||
Sample: 1 123 |
|||||
Included observations: 123 |
|||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
80.70920 |
34.81777 |
2.318046 |
0.0222 |
|
GPS |
-0.043346 |
0.113378 |
-0.382318 |
0.7029 |
|
AGE |
-3.145761 |
1.920371 |
-1.638100 |
0.1041 |
|
GENDER |
-5.362810 |
2.550550 |
-2.102609 |
0.0376 |
|
Y |
10.88528 |
2.224555 |
4.893237 |
0.0000 |
|
R-squared |
0.234455 |
Mean dependent var |
47.13892 |
||
Adjusted R-squared |
0.208504 |
S.D. dependent var |
15.55061 |
||
S.E. of regression |
13.83476 |
Akaike info criterion |
8.132047 |
||
Sum squared resid |
22585.27 |
Schwarz criterion |
8.246363 |
||
Log likelihood |
-495.1209 |
Hannan-Quinn criter. |
8.178482 |
||
F-statistic |
9.034646 |
Durbin-Watson stat |
1.906908 |
||
Prob(F-statistic) |
0.000002 |
Незначимый коэффициент перед переменной GPS свидетельствует об отсутствие связи между средним баллом студента и его уровнем прокрастинации, померянным подобным уровнем.
Проанализировав полученные данные, мы приходим к неоднозначным выводам. С одной стороны, все тесты приводят к выводу о наличие взаимосвязи между курсом и уровнем прокрастинации, померенным с помощью данных по скачиваниям домашних заданий. С другой стороны, результаты для двух оценок прокрастинации (MinDU, AvDD), в свою очередь, свидетельствуют о наличии противоположных взаимосвязей, как положительной, так и отрицательной.
Другое противоречие заключается в том, что матрица корреляций выявляет значимую взаимосвязь упомянутых оценок с полом, однако тесты и модели не выявляют значимой зависимости.
Кроме того, показатель прокрастинации MinDU оказывался незначимым при оценке среднего балла по курсу, однако оказался значимым, когда модель была оценена по всей выборке.
С целью разобраться в причинах столь неоднозначных выводов, рассмотрим распределение трех приведенных оценок прокрастинации (MinDU, AvDD, GPS):
Во-первых, анализируя график MinDU, можно заметить кластеризацию. Таким образом, возможно, существует два типа людей: прокрастинаторы и не прокрастинаторы. Таким образом, некорректно оценивать модели с помощью метода наименьших квадратов в данном случае. Возможно, правильнее сравнивать 2 выборки людей между собой.
Во-вторых, данные свидетельствуют, что люди скачивают домашние задания и после крайнего срока. Возможно, они это делают при подготовке к экзаменам или по другим причинам. Таким образом, данные нуждаются в более тщательной обработке.
В-третьих, в угоду возможности сравнить данные анкеты с успеваемостью студента и его данными по скачиваниям домашних работ, анкета была сделана не анонимной, что могло привести к смещению оценки GPS из-за социально приемлемых ответов. Данная оценка может быть также смещена из-за того, что на анкету могли отвечать, в основном, люди с определенным уровнем прокрастинации (response bias).
В-четвертых, GPS измеряет повседневную прокрастинацию, в то время как MinDU и AvDD показывают сепень академической прокрастинации, что может приводить к разным результатам.
К другим недостаткам данного анализа можно отнести:
· Малая выборка;
· Возможная ошибка в спецификации оцененных моделей;
· Возможные неверные оценки прокрастинации.
Подводя итоги, нельзя утверждать о разной склонности к прокрастинации у разных групп людей или же ее влиянию на академическую успеваемость. Следовательно, выдвинутые гипотезы не были подтверждены эмпирическим исследованием. Отметим, однако, необходимость дальнейшего исследования, в котором будет учтены минусы данного анализа. В качестве улучшения данного исследования можно предложить:
· Увеличение выборки;
· Поиск альтернативных оценок прокрастинации;
· Поиск альтернативных спецификаций и взаимосвязей;
Список использованной литературы
1. Бондаренко М.В. Прокрастинация: созидает или разрушает? Скачано с http://elib.krasu.ru/bitstream/2311/12119/1/s084-004.pdf
2. Крюкова, Т.Л. Психология совладающего поведения. - СПб.: Питер, 2004. -344 с.
3. Перри Джон. Искусство прокрастинации. Как правильно тянуть время, лоботрясничать и откладывать на завтра.: Ад Маргинем Пресс; Москва; 2015
4. Платонов, К.К. Краткий словарь системы психологических понятий. - М.:Высшая школа, 2004. - 176 с.
5. Юдеева Т. Ю., Гаранян Н. Г., Жукова Д. Н. / Апробация опросника студенческой прокрастинации C. Lay// Психологическая диагностика. - 2011. - № 2. - С. 84-94
6. Ainslie, G. (1992). Picoeconomics: The strategic interaction of successive motivational states within the person. New York: Cambridge University Press
7. Basow, S. A. (1992). Gender stereotypes and roles. Pacific Grove, CA: Brooks/Cole.
8. Baumeister, R. F., Heatherton, T. F., & Tice, D. M. (1994). Losing control: How and why people fail at self-regulation. San Diego, CA: Academic Press.
9. Bem, S.L. (1975). Sex-role adaptability: One consequence of psychological and rogyny. Journal of Personality and Social Psychology, 31, 634-643.
10. Burka, Jane B., and Yuen, Lenora M. Procrastination. Reading: Addison-Wesley, 1983.
11. Burns David D. The Feeling Good Handbook. 1989
12. Barnes, K. L., Ferrari, J. R. & Steel, P. (2009). Life regrets by avoidant and arousal procrastinators. Journal of individual differences, 30(3), 163-168.
13. Brownlow, Sheila and Renee D. Reasinger. 2000. “Putting Off Until Tomorrow What is Better Done Today: Academic Procrastination as a Function of Motivation in College Work.” Journal of Social Behavior and Personality, 15 (5): 15-34.
14. Byrne, A., Blake, D., Cairns, A., & Dowd, K. (2006). There's no time like the present: the cost of delaying retirement saving. Financial Services Review, 15(3), 213-231.
15. Chun Chu, A. H. & Choi, J. N. (2005). Rethinking procrastination: positive effects of active procrastination behaviours on attitude and performance. The Journal of Social Psychology, 145(3), 245-264.
16. Corkin, D. M., Lindt, S. F. & Yu, S. L. (2011). Comparing active delay and procrastination from a self-regulated learning perspective. Learning and individual differences, 21(5), 602-606.
17. Doyle, J. A., & Paludi, M. A. (1998). Sex and gender: The human experience. Boston: McGrow Hill.
18. Ellis, Albert, and Knaus, William J. Overcoming Procrastination. New York: Signet Books, 1977.
19. Elster J. Ulysses and the Sirens: A theory of imperfect rationality Social Science Information August 1977 16: 469-526
20. Ferrari, J. R. (1991). Self handicapping by procrastinators: Protecting self-esteem, social esteem, or both? Journal of Research in Personality, 25, 245-261.
21. Ferrari, J.R., Johnson, J.L., & McCown, W.G. (1995). Procrastination and task avoidance. New York, N.Y.: Plenum Press.
22. Ferrari, Joseph R. 2000. “Procrastination and Attention: Factor Analysis of Attention Deficit, Boredomness, Intelligence, Self-esteem, and Task Delay Frequencies.” Journal of Social Behavior and Personality, 15 (5): 185-196.
23. Ferrari, J. R., O'Callaghan, J. & Newbegin, I. (2005). Prevalence of procrastination in the United States, United Kingdom, and Australia: Arousal and avoidance delays among adults. North American journal of psychology, 7(4), 1-6
24. Fiore, N. (1989). The now habit: A strategic program for overcoming procrastination and enjoying guilt-free play. London: Penguin Books.
25. Grцpel, P., & Steel, P. (2008). A mega-trial investigation of goal setting, interest enhancement, and energy on procrastination. Personality and Individual Differences, 45(5), 406-411.
26. Haycock, L. A., McCarty, P. ve Skay, C. L. (1998). Procrastination in college students: The role of self-efficacy and anxiety. Journal of Counseling and Development, 76, 317-324.
27. Heckhausen, H. (1991). Motivation and action. New York: Springer.
28. Hess, B., Sherman, M. F., & Goodman, M. (2000). Eveningness predicts academic procrastination: The mediating role of neuroticism. Journal of Social Behavior & Personality, 15, 61-74.
29. Hill, Mary B., David A. Hill, Albert A. Chabot, and James F. Barrall. 1978. “A Survey of College Faculty and Student Procrastination.” College Student Journal, 12 (3): 256-62.
30. Howell, A.J., Watson, D.C., Powell, R.A. and Buro, K. (2006), Academic procrastination: the pattern and correlates of behavioural postponement, Personality and Individual Differences, vol. 40, pp. 1519- 1530
31. Jaffe, Eric. After a long delay, psychological science is beginning to understand the complexities of procrastination. Observer Vol.26, No.4 April, 2013
32. Johnson, J. L. & Bloom, A. M. (1995). An analysis of the contribution of the five factors of personality to variance in academic procrastination. Personality and Individual Differences, 18(1), 127-133.
33. Jurado, M., & Rosselli, M. (2007). The elusive nature of executive functions: A review of our current understanding. Neuropsychology Review, 17(3), 213-233.
34. Khul, J. (1984). Volitional aspects of achievement motivation and learned helplessness: towards a comprehensive theory of action control. In Maher, B. (Ed.), Progress in experimental personality research, Vol. 13 (pp. 99-171). New York NY: Academic press.
35. Klassen, R.M., Ang, R.P., Chong, W.H., Krawchuk, L.L., Huan, V. S., Wong, I. Y. F., and Yeo, L. S., 2010. Academic procrastination in two settings: Motivation correlates, behavioral patterns, and negative impact of procrastination in Canada and Singapore. Applied Psychology: An International Review, 59(3), pp.361-379.
36. Lamba, G. (1999). Effects of gender-role and self-efficacy on academic procrastination in college students. Unpublished Master's Thesis. Missouri: Truman State University.
37. Lazarus, R. S. & Folkman, S. (1984). Stress, appraisal and coping, New York NY: Springer
38. Macdonald Lucy, «Learn to make time» (2006)
39. Maury Silver & John Sabini (1981). Procrastinating. Journal for the Theory of Social Behaviour 11 (2):207-221.
40. Milgram N.A., Marshevsky S., Sadeh C. Correlates of academic procrastination: discomfort, task aver-siveness and task capability // J. of Psychol. 1995. V. 129. № 2. P. 145.
41. Milgram N.A., Tenne R.. (2000) Personality correlates of decisional and task avoidant procrastination. European Journal of Personality
42. O'Donoghue, Ted, and Rabin, Matthew. 1999a. “Procrastination in preparing for retirement.” In Henry Aaron, ed., Behavioral Dimensions of Retirement Economics, pp. 125-156. Washington: Brookings Institute and Russell Sage Foundation.
43. O'Donoghue, Ted, and Rabin, Matthew. 1999b. “Incentives for procrastinators.” Quarterly Journal of Economics 114: 769-816.
44. O'Donoghue, Ted, and Rabin, Matthew. 2001. “Choice and procrastination.” Quarterly Journal of Economics 116: 121-160.
45. Owens, Anthony M. and Ian Newbegin. 2000. “Academic Procrastination of Adolescents in English and Mathematics: Gender and Personality Variations.” Journal of Social Behavior and Personality, 15 (5): 111-124.
46. (Eds.), Oxford handbook of pensions and retirement income (Vol. 1, pp. 21-30). Oxford: Oxford University Press.
47. Prohaska, Vincent, Peter Morrill, Iraida Atiles, and Alfredo Perez. 2000. “Academic Procrastination by Non-traditional Students.” Journal of Social Behavior and Personality, 15 (5): 126-134.
48. Pychyl, T. A. (2009, July 3). Active procrastination: Thoughts on oxymorons. Retrieved from http://www.psychologytoday.com/blog/dont-delay/200907:/active-procrastination-thoughts-oxymorons
49. Quek Timothy (2009) The Problem of Procrastination. Retrieved June 07, 2015 fromhttp://webhome.idirect.com/~readon/procrast.html
50. Rayburn, L. Gayle and L. Michael Rayburn. 1999. “Impact of Course Length and Homework Assignments on Student Performance.” Journal of Education for Business, 74 (6): 325-331.
51. Reasinger, Renne and Sheila Brownlee. 1996. “Putting Off Until Tomorrow What is Better Done Today: Academic Procrastination as a Function of Motivation Toward College Work.” Paper presented at the annual meeting of the Southeastern Psychological Association, March, in Norfolk, Virginia.
52. Reyna, V. F., & Farley, F. (2006). Risk and rationality in adolescent decision making: Implications for theory, practice, and public policy. Psychological Science in the Public Interest, 7(1), 1-44.
53. Roberts, B. W., Walton, K. E., & Viechtbauer, W. (2006). Patterns of mean-level change in personality traits across the course: A metaanalysis of longitudinal Studies. Psychological Bulletin 132, 1-25
54. Ross, D. (2010). Economic models of procrastination. In C. Andreou & M. White (Eds.), The thief of time. New York: Oxford University Press.
55. Rothblum, E. D., Solomon, L. J., & Murakabi, J. (1986). Affective, cognitive and behavioral differences between high and low procrastinators. Journal of Counseling Psychology, 33, 387-394.
56. Sabini J., Silver M. Procrastinating*. Journal for the Theory of Social Behaviour, Volume 11, Issue 2, pages 207-221, July 1981
57. Schraw, Gregory; Wadkins, Theresa; Olafson, Lori (2007). "Doing the things we do: A grounded theory of academic procrastination". Journal of Educational Psychology 99: 12.
58. Senegal, Caroline, Richard Koestner, and Robert J. Vallerand. 1995. “Self-regulation and Academic Procrastination.” Journal of Social Psychology, 135 (5): 607-619.
59. Seo H. E., (2011). The relationships among procrastination, flow and academic achievement. Social behaviour and personality, 39(2)m 209-218.
Размещено на Allbest.ru
Подобные документы
Понятие прокрастинации как тенденции откладывать выполнение необходимых дел "на потом" и серьезная психологическая проблема. Эмпирическое исследование по выявлению прокрастинации у студентов первого курса, методические рекомендации по ее преодолению.
курсовая работа [42,3 K], добавлен 06.04.2015Социализация детей в различных типах учебных учреждений. Анализ учебной мотивации и психологического благополучия подростков как факторов образовательной среды. Исследование связи прокрастинации, тревожности и IQ у школьников общеобразовательной школы.
реферат [19,2 K], добавлен 29.01.2010Теоретические аспекты изучения проблемы самоотношения личности. Эмпирическое исследование достоверности различий самоотношения у студентов с различным показателем тревожности. Методический инструментарий и испытуемые, анализ полученных результатов.
курсовая работа [52,8 K], добавлен 03.11.2009Профессиональное самоопределение и профессиональные планы студентов. Этапы становления личности как профессионала. Эмпирическое исследование влияния свойств личности на профессиональные планы и ожидания у студентов-психологов различных форм обучения.
дипломная работа [370,1 K], добавлен 16.09.2011Изучение стресса в жизни студента. Сущность понятия "стресс". Рекомендации по преодолению тревожности и стресса у студентов. Эмпирическое исследование учебного стресса студентов. Описание методик, используемых в диагностике учебного стресса студентов.
курсовая работа [51,1 K], добавлен 23.05.2010Понятие девиантного поведения. Психологические особенности детей подросткового возраста. Влияние социальных условий на поведение личности. Эмпирическое исследование предрасположенности к отклоняющемуся поведению подростков, обучающихся в 8-ом классе.
курсовая работа [52,1 K], добавлен 21.11.2011Ключевые факторы, влияющие на психологическую устойчивость личности, определение ее составляющих. Эмпирическое изучение психологической устойчивости у студентов педагогических специальностей. Рекомендации по повышению психологической устойчивости.
дипломная работа [298,5 K], добавлен 04.04.2015Теоретико-методологический анализ проблемы уровня притязаний у студентов, современное состояние проблемы. Система высшего образования в республики Беларусь. Психосоциальное развитие студентов. Эмпирическое исследование, его организация и методология.
курсовая работа [178,5 K], добавлен 05.10.2009Проблема влияния эмоциональной сферы личности на поведение и деятельность человека. Связь эмоциональных процессов с физиологическими и когнитивными. Эмпирическое исследование влияния тревожности на поведение и учебную деятельность младших школьников.
дипломная работа [702,8 K], добавлен 24.06.2011Анализ проблемы невротических реакций у студентов. Характеристика невротических реакций. Особенности проявления невротических реакций у студентов. Эмпирическое исследование специфических проявлений невротических реакций у студентов в период сессии.
курсовая работа [78,1 K], добавлен 06.02.2008