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

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.