Тестирование взаимодействия последствий сложности задачи в области компьютерной подготовки кадров с использованием социальной когнитивной модели

РЕЗЮМЕ

Использование модифицированных социального когнитивной теории рамках данного исследования рассматривается моделирование поведения и лекции подготовки на базе подходов к компьютерному обучению. Она расширяет существующие социального Когнитивная модель компьютерного обучения, добавив сложности задача построить метод подготовки, до производительности компьютера самоэффективности, результатов ожиданиям и производительности. Выборки 249 студентов из большого государственного университета служил в качестве участников в лабораторном эксперименте, который был проведен для определения сложности задачи * метод обучения и сложности задачи * самоэффективности взаимодействия воздействие на производительность. Моделирования структурными уравнениями с эффектами взаимодействия была использована для анализа данных. Результаты показывают, что поведение моделирования превосходит лекции обучению в меру своего финального выступления, когда задача сложность высокая. Кроме того, он обнаружил, что компьютер самоэффективности имеет большее положительное влияние на производительность, когда задача высокой сложности, чем когда задача сложности низкая. До исполнения также установлено, что важной переменной в модели.

Предметные области: Когнитивные Решение модели, компьютерное обучение, эффекты взаимодействия Целевой сложности, Self-эффективность, социальная когнитивная модель, структурные уравнения модели и методы обучения.

ВВЕДЕНИЕ

1990-х годах видел возрождение важность информационных систем обучения на рабочем месте (арфа, Тейлор,

Необходимость разработки соответствующих методов компьютерного обучения привело к значительному исследований в информационных системах. В последнее десятилетие исследователи начали интеграции дисциплин психологии и информационных технологий для изучения компьютерного обучения в контексте социальной когнитивной теории, которая была впервые предложена Бандура (1977). В своем историческом исследовании, Компо и Хиггинс (1995a) рассмотрела вопрос об эффективности двух различных методов компьютерного обучения (поведение моделей и основанных на лекциях, подготовка кадров) на производительность компьютерных задач. В рамках подхода, поведение, моделирование, модель демонстрирует процедуры должны быть выполнены. Этот метод, описанный Бандура (1977), можно считать субсидиарной обучения механизм, согласно которому субъекты модели их поведения (например, учиться), наблюдая за опытом других. В контексте социального Когнитивные, учебно-производительность соотношение оценивается в присутствии следующих конструкций: компьютер самоэффективности, результаты ожидания и до работы. Хотя результаты Компо и Хиггинс (1995a) исследование показало, различные аномалии в связи с предполагаемой отношений, их подход предложил элегантный способ изучить взаимоотношения между компьютерные обучающие методики и других переменных в рамках социального Когнитивная.

Это исследование расширяет модель Компо и Хиггинс (1995a) модель, вводя дополнительные сложности constructtask-объяснить различия в подготовке производительности и самоэффективности и качества отношений. Результаты Компо и Хиггинс (1995a), свидетельствует о наличии этого модератора в предположили модели. В частности, они отметили, дифференциального воздействия методов обучения в учебно-деятельности и самоэффективности и качества отношений. Суть и Митчелл (1992) утверждал, что модератор, задача сложности, могут повлиять на воздействие самоэффективности об окончательном исполнении. Кроме того, Дэвис (1989) утверждал, что к модераторам повлиять сложности на самоэффективность является ключевым индикатором того, информационная система будет первоначально приняты, а затем использовать ..

Поддержка внедрения модератором в парадигме социального Когнитивная заключается в податливости самоэффективности построить. Многочисленные исследования показали, самоэффективность быть затронуты другие социальные факторы когнитивной, таких как моделирование и до исполнения (Джист

Что касается профессиональной подготовки реальном мире, он не утверждал, что инструкторы должны использовать один метод (поведение моделирование) для полного исключения других (лекция основана), как это представлено в данном исследовании. Скорее, учитывая результаты в этой работе, инструкторы, возможно, следует адаптировать свои презентации включают более или менее демонстративные методов, основанных на сложности задачи.

Документ состоит из четырех разделов. В первом разделе рассматриваются соответствующие социальным когнитивной теории и информационных систем научной литературы. Второй раздел посвящен исследованию методологии в исследовании, а в третьем разделе представлены результаты и выводы. Наконец, в заключительном разделе рассматриваются последствия выводов, демонстрирует ограничения этого исследования, а также предлагаются направления дальнейших исследований.

Обзор литературы

В 1977 году мир увидел психологии появление теории поведения, которая навсегда изменит направление и размерность поведенческих и когнитивных исследований-социальной когнитивной теории обучения. До этой теории, преобладающей координационного центра психологического исследования касались Tolmanian доктрины результатов ожиданиям. Предполагалось, что лица, узнать новые модели поведения в зависимости от ожидаемого награды связанные с исполнением такого поведения. Однако, эта парадигма оказалась недостаточной для объяснения человеческого поведения.

Социальная когнитивной теории

Бандура (1977) представил когнитивные фактор самоэффективности-в поведенческой теории, и предложил, чтобы люди не ездил только с экологическими факторами (например, ожидаемые результаты). В этой связи самоэффективности может быть определена как одна личные представления о его или ее способность выполнять определенные задачи. Социальная когнитивной теории предлагает триадные взаимной причинности между факторами окружающей среды, когнитивные факторы, и поведение человека существует (Wood

Показатели достижения обеспечить обратную связь (например, взаимность) в социальной когнитивной модели. В частности, до поведения (или результатов) влияет на поведение в будущем с помощью эффектов на результат ожиданий и самоэффективность. Тем не менее, этот цикл исполнения и обратной связи не является проверяемым аналитически и статистически (Pedhazur

Vicarious опыт характеризуется тенденцией для физических лиц испытывать чувство достижения, наблюдая за успешно демонстрируют модели поведения. Неотъемлемой частью чужой опыт является предположение, что люди отождествляют себя с моделью. Похожим образом, чтобы человек часы актера на телевидении и эмоционально становится, что характер на протяжении шоу, человек увеличивает или уменьшает его собственную самоэффективность, наблюдая модели и обмен чувствами модели успеха или неудачи при выполнении задачи.

Вербальные убеждения используется для повышения производительности и создания самоэффективности через руководствоваться поощрения. Тем не менее, словесные убеждения является эффективным средством увеличения самоэффективности и изменение поведения только тогда, когда человек действительно способен выполнять поведения (Wood

И наконец, эмоциональное возбуждение, как правило, связаны с эмоциями, таких как тревога и страх. Это одно из основных препятствий на пути к изменению поведения.

Информационные системы исследований

Важность социальной когнитивной теории / Модель и колоссальный развития вычислительной техники, возвестило о начале новой тенденции в исследования информационных систем. Например, Хилл, Смит и Манн (1987) исследовал роль веры в эффективность решения об использовании компьютеров, и Дэвис (1989) изучали selfefficacy в контексте воспринимается полезность, удобство использования, а также принятие информационных технологий. Martocchio и Вебстер (1992) смотрел на программное обеспечение эффективности, как функция обратной связи и когнитивных игривость микрокомпьютер программное обеспечение подготовки и Вебстер и Martocchio (1992) разработали прибор для измерения микрокомпьютер игривость, которая включала компьютер убеждения эффективности. Совсем недавно Агарвал и Прасад (1999) расширил предварительного исследования, которые использовали компьютер самоэффективности (Venkatesh

Непосредственное отношение к данной работе является работа Компо и Хиггинс (1995a). Они разработали модель, основанную на социальной когнитивной теории для изучения влияния поведения моделирования на обучение навыкам работы с компьютером. В этой модели четыре фактора предполагается, что он прямо или косвенно влиять на производительность компьютера задач: до производительность компьютера самоэффективности, результат ожиданий и поведения моделирования. Компо и Хиггинс (1995a) представляет собой первую попытку объединить большинство элементов социальной когнитивной теории в проверяемой модели подготовки информационных систем. Модель показана на рисунке 1.

В ходе эксперимента Компо и Хиггинс (1995a) проверили свои модели путем сопоставления традиционных, основанных на лекциях программы профессиональной подготовки с учебной программы поведения моделирования. Оба учебных программ субъектов поручил об использовании компьютера таблицы (Lotus) и программы обработки текстов (WordPerfect) в течение двух дней. За каждый день, Lotus инструкции предшествовал WordPerfect обучения. Нашли только частичную поддержку их предположили модели. В частности, поведение моделирования было установлено, что значительно эффективнее, чем традиционные лекции подготовки на базе Lotus для исполнения, но не для исполнения WordPerfect. Кроме того, поведение моделирования было установлено, что положительно ассоциируются с компьютера самоэффективности производительности Lotus. Вместе с тем было установлено, что отрицательно ассоциированных с компьютером selfefficacy для WordPerfect на второй день.

До Компо и Хиггинс (1995a), суть, Schwoerer, а Розен (1989) пытались включить эффекты поведения моделирования в самоэффективность парадигмы для компьютерного обучения. Они сравнили учебник (т. е. computeraided обучения) подхода к подхода к моделированию поведения. Суть и др.. (1989) предположил, что поведение моделирования приведет не только в лучшую общую производительность, но и увеличить самоэффективность, более позитивное отношение к подготовке задачи, и более концентрированным, чем стиль работы руководства подхода. Было установлено, что поведение моделирования совершенного самостоятельного эффективности и повышения производительности. В более поздней работе, Саймон и Вернер (1996) также обнаружили, что поведение моделирования превзошли без моделирования с точки зрения когнитивного обучения, навыки демонстрации и удовлетворенности пользователей.

В более позднем исследовании, Компо и др.. (1999) изучали воздействие самоэффективности и ожиданий результатов за время, используя подмножество их модели 1995. Selfefficacy было показано, оказывают существенное влияние на исход ожидания.

Методология исследования

Это исследование попытки расширить Компо и Хиггинс '(I 995a) модель, вводя дополнительные сложности построить-задачи. Их модель предполагает, что только отдельных факторов (т.е. до исполнения, самоэффективность, и результат ожидания) влияют на производительность. Тем не менее, принятие решений литературы (посмотреть, например, Пляж

Для пользователей информационных систем, которые знакомы с WordPerfect и Lotus, очевидно, что две пакеты отличаются по многим аспектам. Word обработки включает понятия, связанные с ввода текста и форматирование, тогда как таблицы связаны ввод данных, форматирование, вычисления и широкий спектр дополнительных и, как правило сложнее, подзадачи и методы анализа.

Исходя из вышеизложенного, это исследование представляет сложности задачи, как модератора vanable в исходной модели. Это изменение в соответствии с предложением Флейшман (1982) и др. Маракеш. (1998), чтобы рассмотреть свойства задачи, важные конструкции исследованиями в области психологии и теории, и в концепции человеческого труда и производительности. Флейшман (1982) специально подчеркнул важность включения свойствах задачи в области научных исследований условий обучения и методов обучения. Кроме того, он отметил, что задача сложности чаще всего изучены и реализуются построить в познавательной и научно-исследовательских информационных систем (Zigurs

Итак, в настоящем исследовании анализируется социального Когнитивная модель компьютерной подготовки, с задачей сложности, модераторам переменной. Это модератор, как ожидается, повлияет на отношения между методов обучения и производительности, а также отношения между самоэффективности и производительности.

Гипотезы исследования

Как показано на рисунке 1, Компо и Хиггинс (1995a) модель предсказывает, что испытуемые, которые получают поведения моделирования профессиональной подготовки (по отношению к тем, которые получают не-моделирования обучение) будет разрабатывать высшего восприятия компьютера самоэффективности и выше ожиданий результатов , и более высокие оценки на показатели эффективности. Кроме того, лица с высоким (по сравнению с низким) компьютер самоэффективности покажет результат выше ожиданий в отношении использования компьютера, а также оценка выше на меры исполнения. Кроме того, лицам, которые ожидают позитивных результатов от их использования компьютеров будут проявлять более высокую производительность, чем те, которые не ожидают позитивных результатов. Модель предсказывает также, что испытуемые с более высоким до оценки производительности компьютера будут развивать высшее восприятие компьютерных самоэффективности и выше ожиданий результатов, и будет проявлять более высокую производительность. Эти предсказал отношения рассматриваются в рамках нынешнего исследования.

Чтобы включить задачу сложности в социальной когнитивной модели компьютерной подготовки, два дополнительных гипотез исследования Компо и Хиггинс (1995a) модели указан. Во-первых, на основе Компо и Хиггинс (1995a) вывод, что поведение моделирование (визави, основанных на лекциях обучение) имеет большее положительное влияние на производительность в Lotus (высокой сложности задачи), но не постепенное улучшение производительности в WordPerfect (низкая Задача сложности), следующую гипотезу исследования происходит:

H1: Поведение моделирования будут иметь большее положительное влияние на производительность, чем традиционные лекции обучению, когда сложность задачи высокой по сравнению с задачей, когда сложность является низким.

Кроме того, суть и Митчелл (1992) полагает, что действия интеллектуального selfefficacy для исполнения на сложные задачи могут быть слабее, чем для выполнения простых задач. Эта гипотеза, однако, идет вразрез с выводами Компо и Хиггинс (1995a). Таким образом, гипотеза для настоящего исследования является:

H2: Самоэффективность будут иметь большее положительное влияние на производительность как для моделирования поведения и традиционных, основанных на лекциях, когда задача подготовки сложности высокого, чем когда задача сложности низкая.

Модифицированный социального когнитивной модели, которая включает задачи взаимодействия сложности представлена на рисунке 2.

Выборки и Научно-исследовательский конструкторско

Студенты были использованы в качестве предметов исследования. Это считается целесообразным, поскольку предыдущие исследователи утверждают, что студент проб и экспериментов являются приемлемыми для проверки причинно-следственных связей и теории тех пор, пока не предпринимаются попытки сделать вывод о населении оценки параметров (это исследование испытаний причинно-следственных связей не делая вывод о населении параметров). В самом деле, студент образцов широко используются в исследованиях когнитивных процессов котором, как предполагается, будут оставаться постоянными в большинстве групп взрослого населения.

Эксперимент проводился с 314 студентов в большом государственном университете в Соединенных Штатах. Эксперимент проводился в два компьютерных лабораторий и управляется примерно 20-24 студентов одновременно. Каждый сеанс длился около часа, а группы предметов были рандомизированы к моделированию поведения и лекции обучение. Внутри каждой группы субъектов были рандомизированы в группы низкого и высокого сложности задач, сложности с участием линейного программирования. Все предметы были добровольно, набранных из разделов бухгалтерского учета основных класса, которые использовали Microsoft Excel 5.0. Нет была предпринята попытка контроля за различия в математической фон или для контакта с линейной концепции программирования в целом. Испытуемых просили указать, на общую анкету ли у них каких-либо предварительных знаний линейного программирования инструмент в Excel или аналогичного инструмента в другой таблицы. Все предметы обладают базовыми знаниями Excel, который обеспечивает надежную основу для оценки до работы.

В начале каждой экспериментальной сессии, участников попросили заполнить анкеты общие демографические, а затем дал предварительное испытание на эффективность, для оценки их знаний о существующих Excel. После испытания участников попросили просмотреть 18-минутный видеокассету с участием либо моделирования поведения или основанных на лекциях, инструкция по использованию Solver (особенность Excel, которые могут быть использованы для решения задач линейного программирования). И методы обучения охватывает тот же объем и тип информации. Таким образом, оба метода представил же скриншоты и описания процедур. Разница между этими двумя методами, в демонстрации инструктором процедуры должны быть выполнены. На заседании поведение моделирование, инструктор исполнил шаги (например, выбранных пунктов меню, нажатия кнопок, введенные значения и т.д.) при обсуждении процедуры. В основанных на лекциях, сессии, инструктор рассказал о шагах, которые пользователь должен выполнить, не демонстрируя свои действия. Обе сессии описаны методы устранения ошибок. В ленте поведение моделирование, инструктор иллюстрированный сделать ошибку и исправить его, а в основанных на лекциях, ленты, инструктор просто описаны ошибки, которые могут возникнуть, и как пользователь может восстановить.

Следует надеяться, что два заседания будет длиться примерно столько же времени, чтобы обеспечить стимул последовательности. То, что заседания продолжались по 18 минут объясняется тем, что мастерство преподавателя, который регулярно представлены лекции для 20-минутными интервалами. После этого, субъекты завершила 2-1 вопросники, касающиеся их ожидания результатов использования компьютера и один в своей способности использовать компьютер (например, компьютер самоэффективность). Наконец, испытуемые выполнили задачу, используя информацию, которую они узнали в учебной сессии. Им было дано 15 минут на выполнение задания, после чего они заполняли опросник о воспринимаемой сложности поставленной задачи по шкале от 1 до 10 ..

Инструмент развития

До производительность измерялась тест на общие команды Excel, которые были выполнены на компьютере. Сумма баллов за все 10 задач, Excel (от 0 до 10) служил в качестве индикатора до работы. Кроме того, испытуемых просили указать их предполагаемый уровень знаний Excel по шкале от I (начинающий пользователь) до 3 (опытный пользователь). Результаты 1-способ ANOVA свидетельствуют о сильной связи между уровнем самоотчета Excel экспертизы и предварительного определения эффективности (р-значение = 0,0001).

Итоговый ожидания были измерены 6 пункта анкеты. Этот документ был изменен с 11-пункт анкеты используются Компо и Хиггинс (1995a). В своем исследовании Компо-и Хиггинс (1995a) сообщила, что лишь шесть пунктов относятся к ожиданиям эффективность результата. Эти шесть пунктов, которые забили по 5-балльной шкале Лайкерта, были использованы в настоящем исследовании. Для измерения компьютера самоэффективности, 10 пункта вопросника, разработанного Компо и Хиггинс (1995b) был использован. Оба компьютера самоэффективности и результатов ожиданиям скрытые эндогенных переменных в структурной модели уравнения в исследовании.

Для измерения производительности окончательный, субъекты получили один из двух задач, которые отличались в число ограничений включены в задачи линейного программирования. Высокой сложности задача включала в себя пять ограничений при низкой сложностью задача включала в себя никаких ограничений. Обе задачи требуют использования Solver в Excel.

Статистические методы

Для проверки гипотезы исследования о взаимодействии последствий задача сложности (например, HI и 112), моделирования структурными уравнениями был использован. Структурные методы моделирования уравнения являются подходящими для исследования с учетом причинно-следственных связей указанных модифицированных социального когнитивной модели (см. рисунок 2). В частности, twostage наименьших квадратов (2SLS) подход к тестированию взаимодействия эффектов (Боллен

В сущности, 2SLS метода к оценке структурных моделей уравнения с продуктом interactions поступлений наблюдается по замене переменных в скрытых переменных в исходное уравнение, а затем с помощью инструментальных методов переменных для оценки параметров. Подробная информация о пакете 2SLS метода приведены в Боллен и Пакстон (1998). SAS (Статистический анализ программного обеспечения) была использована для выполнения всех статистического анализа в исследовании. Программа SAS для проверки эффектов взаимодействия приведен в Приложении А.

РЕЗУЛЬТАТЫ И ПОСЛЕДСТВИЯ

Распределение 249 предметов методом обучения и задачи сложности приведены в таблице 1. Для оценки надежности компьютера самоэффективности и ожиданий результатов мер, альфа коэффициенты были рассчитаны. Соответствующие коэффициенты альфа 0,86 и 0,84, что выше типичных показателем 0,70 (волосы, Андерсон, Татам,

Основные эффекты модели

Результаты 2SLS подход к тестированию эффекты взаимодействия приведены в таблице 2. Коэффициентами и р-значения могут быть также внесены в модифицированной социального Когнитивная модель компьютерного обучения на рисунке 3. Учитывая, что ожидается направленного воздействия различных конструкций могут быть указаны в модели, один хвост т-тесты были выполнены. Как видно из таблицы 2 и на рисунке 3, при уровне значимости 0,10, то соотношение метода обучения и окончательного исполнения (р-значение = 0,0751). В частности, субъекты, которые получили поведения моделирования профессиональной подготовки (визави, основанных на лекциях обучение) забил больше в их окончательном исполнении. Однако никаких серьезных отношений может быть найдено методом подготовки и компьютерной самоэффективности (р-значение = 0,3061), а также обучение методы и результаты ожидания (р-значение = 0,3769). В отличие от Компо и Хиггинс (1995a) обнаружил, смешанные и неоднозначные результаты за 3 отношения выше.

Результаты также указывают, что до производительности компьютера влияет на самоэффективность, результатов ожиданиям, и итоговые оценки выполнения значительно. На 0,05 уровень значимости, лиц с высоким уровнем производительности и предварительного имел более высокий уровень компьютерной самоэффективности (р-значение = 0,0044). Кроме того, эти испытуемые лучше в конечном задачи (р-значение = 0,0012). В точке А. 10 уровень значимости, предметы с более высоким уровнем производительности ранее также имели более высокий уровень ожиданий результатов (р-значение = 0,0740). Таким образом, можно сделать вывод, что до исполнения является важной переменной в модифицированной социального когнитивной модели. Компо и Хиггинс (1995a), однако, найти значение только для предварительного и окончательного исполнения отношения производительности в их оригинальной модели.

Как показано в таблице 2 и на рисунке 3, никаких существенных результатов найдены воздействия компьютера самоэффективности о результатах ожидания (р-значение = 0,3286) и окончательного исполнения (р-значение = 0,3612) после воздействия других переменных в соответствующих моделей. Тем не менее, в Таблице 2 (модель) показывает значимой корреляции между предварительного производительности компьютера и самоэффективность. Это соотношение может скрывать важное значение компьютерных самоэффективности с результатами ожидания (модель B) и итоговые оценки выполнения (модель C). Для оценки этого возможность, модели B и C были повторно без предварительного производительности компьютера и самоэффективности, один за один раз для каждой модели. Результаты укрепить сделанные ранее выводы о том, что компьютер самоэффективности не оказывает значительного влияния на исход ожидания и окончательного исполнения. Эти данные не согласуются с тех Компо и Хиггинс (1995a). Тем не менее, существует значительная самоэффективности * сложности задачи взаимодействия на финальном исполнении. Этот вопрос будет обсуждаться в следующем разделе.

Как Компо и Хиггинс (1995a), не статистической значимости могут быть обнаружены в результате воздействия на ожидания окончательного исполнения (р-значение = 0,3128) после воздействия других переменных в модели. Тем не менее, существует значительная корреляция между предварительного производительности и результатов ожиданиям (табл. 2, модель B). Чтобы проверить это соотношение может маску важности результатов ожидания окончательного исполнения, модель C был вновь запустить без работы и результатов ожиданиям, по одному за раз. Эти результаты согласуются с ранее решения об отсутствии значительного влияния результатов ожидания окончательного исполнения.

Наконец, следует отметить, что сложность задачи достоверны (р-значение = 0,0004), а коэффициент неожиданным отрицательным знаком. Однако главный эффект сложности задачи не имеет смысла в связи с важной задачей сложности * метод обучения и сложности задачи * самоэффективности взаимодействий. Иными словами, эффект задача сложности на финальном исполнении которой также зависит от метода обучения и уровень компьютерной самоэффективности.

Целевая Сложность взаимодействия воздействии модели

HI прогнозирует, что поведение моделей будет иметь большее положительное влияние на производительность, чем традиционные лекции обучению, когда задача сложность высокая. Другими словами, положительный эффект взаимодействия между сложностью задачи и метод тренировки (на финальном исполнении) ожидается в модифицированной социального когнитивной модели. Как показано в таблице 2 и на рисунке 3, задача сложности * обучение методом взаимодействия эффект значительного (и положительные) на 0,05 уровень значимости (р-значение = 0,0160). H1 поддерживается в исследовании. В частности, он содержится в исследовании, что поведение моделирование большую положительное влияние на производительность, чем традиционные лекции обучению, когда сложность задачи высокой по сравнению с задачей, когда сложность является низким. Таким образом, сочетание моделирования поведения и высокие результаты сложности задачи в лучшие показатели по сравнению со всеми остальными три комбинации (например, моделирование поведения * низкая сложность задач, основанных на лекциях, подготовка * высокой сложности задачи, а также лекции обучению * низкая Задача сложности).

H2 прогнозирует, что компьютер самоэффективность будет иметь большое положительное влияние на производительность и для моделирования поведения и основанных на лекциях, обучении, когда задача высокой сложности, чем когда задача сложности низкая. Другими словами, положительный эффект взаимодействия между сложностью задачи и компьютер самоэффективности (от окончательного исполнения) Ожидается, что в модифицированных социального когнитивной модели. На 0,05 уровень значимости, результаты показывают значительное (и положительных) задача сложности * selfefficacy эффект взаимодействия (р-значение = 0,0246). Таким образом, H2 поддерживаются исследования, и можно сделать вывод о том, что компьютер самоэффективности имеет большее положительное влияние на производительность, когда задача высокой сложности, чем когда задача сложности низкая.

Обсуждение Выводы

Социальная когнитивная модель для компьютерного обучения, предложенный Компо и Хиггинс (1995a) полагает, что только отдельных факторов (в частности, до производительности компьютера самоэффективности, а также результаты ожидания) влияют на производительность. Их результаты, однако, предположил, что сложности задачи могут быть модераторам переменной в своей модели, что привело к смешанным результатам. Более того, процесс принятия решений литературе (см., например, пляж

С учетом причинно-следственных связей в модели, моделирования структурными уравнениями была использована для анализа данных. 2 этап наименьших квадратов подхода, как это было предложено Боллен и Пакстон (1998), была использована для проверки эффектов взаимодействия в моделирования структурными уравнениями. Как и следовало ожидать, оба метода задача сложности * обучение и задачи сложности * самоэффективности эффекты взаимодействия оказались статистически значимы на уровне значимости 0,05. Таким образом, данные говорят в пользу предлагаемого социального модифицированных когнитивной модели. Целевая сложности, как представляется, важным параметром для рассмотрения в модели компьютерного обучения. Кстати, задача сложности может также объяснить результаты смешанные сообщили Компо и Хиггинс (1995a) в связи с Lotus и WordPerfect задач компьютера в их эксперименте. Результаты этого исследования показывают, что поведение моделирование большую положительное влияние на производительность, чем традиционные лекции обучению, когда сложность задачи высокой по сравнению с задачей, когда сложность является низким. Кроме того, установлено, что компьютер самоэффективности имеет большее положительное влияние на производительность, когда задача высокой сложности, чем когда задача сложности низкая.

Исследование также показало, несколько важных основных эффектов. Например, установлено, что предварительное деятельности является важнейшим переменной, которая влияет на компьютере selfefficacy, результат ожиданий, и окончательного исполнения. В отличие от каких-либо существенных отношениях Найдено результатов ожиданиям и окончательного исполнения за влияние других переменных в модели. Обучение метод и задачи сложности также влияют на окончательный результат, но последняя заменяется две задачи эффекты сложности взаимодействия.

ЗАКЛЮЧЕНИЕ

Это исследование расширяет Компо и Хиггинс-(1995a) Социальная когнитивная модель для компьютерного обучения, добавив сложности задача построить метод подготовки, до производительности компьютера самоэффективности, результатов ожиданиям и производительности. Структурные результаты моделирования уравнения показывают существенное влияние взаимодействия с участием задача сложности. В частности, результаты показывают, что поведение моделирования превосходит лекции обучению в меру своего финального выступления, когда задача сложность высокая. Кроме того, компьютер самоэффективности имеет большее положительное влияние на производительность, когда задача высокой сложности, чем когда задача сложности низкая.

Результаты исследования имеют различные последствия для научных кругов, а также промышленности. Например, потому что поведение моделирования неоднократно показано для повышения производительности на компьютере задач, профессоров и преподавателей должны воспользоваться ее эффективности в проектировании и учебных занятий. Кроме того, поскольку до исполнения является определяющим фактором окончательного исполнения, сотрудники должны рассматривать предварительного опыта работы с компьютером потенциальных сотрудников при принятии решений, найма, и нынешних сотрудников, при назначении задачи. Кроме того, сложность задачи имеет значительный эффект взаимодействия, поэтому его следует рассматривать на компьютерное обучение, наем новых работников, а также постановка задач на существующих сотрудников. Следует отметить, что некоторые переменные (например, метод тренировки), может работать лучше для высокой сложности задачи ситуации, чем для низких ситуаций сложности задачи.

С учетом быстро меняющегося мира, техники, промышленности наводнен возможности для повышения производительности труда путем внедрения новых систем и программного обеспечения. Вместе с тем, чтобы максимизировать потенциальные выгоды, важно, чтобы сотрудники пройти подготовку к использованию новых технологий через методы, которые находятся в пределах бюджетных ограничений и в то же время эффективным. Поэтому важно, чтобы исследователи определить подходящие методы обучения и условия, при которых они являются наиболее эффективными. В этом контексте социальной когнитивной модели и модифицированных Социальная когнитивная модель обеспечивает множество теории, на которой строится, тестирования и применения существующих методик к новым областям. Хотелось бы надеяться, что это исследование может внести свой вклад в этом отношении. В частности, есть надежда, что это исследование будет первым из многих, которые исследуют контингент (и модераторам) переменных (и эффекты взаимодействия) в контексте социальной когнитивной модели компьютерного обучения.

В этом заключительном разделе, целесообразно также обратить внимание на некоторые ограничения изучить и обсудить возможные направления будущих исследований.

Ограничения исследования

С учетом индивидуальных сообщений инструментом (например, для измерения компьютер самостоятельно эффективности и результатов ожиданиям), обычные ограничения обзор исследований анкету применить. Тем не менее, ответ предубеждение не ожидается, будет проблема, потому что вопросы, как правило, нечувствительный. Номера для смещения ответ может существовать в том, что субъекты приняли участие в эксперименте на добровольной основе, и те, кто принимал участие в исследовании, могут существенно отличаться от тех, кто этого не сделали. Тем не менее, нет никаких оснований априори подозревать какие-либо без ответа предвзятости, особенно в связи с отношениями испытания.

Внешние действия также может быть поставлена под сомнение в связи с репрезентативности студент образца. Это, однако, вряд ли будет серьезным препятствием, поскольку студент проб и экспериментов являются приемлемыми для проверки причинно-следственных связей и теории тех пор, пока не предпринимаются попытки сделать вывод о населении оценки параметров. Кроме того, это исследование когнитивных процессов, и такие процессы, как правило, обобщению между различными группами населения в рамках культуры.

Направления будущих исследований

Значение взаимодействия сложности задачи вселяет оптимизм, и позволяет предположить, что дальнейшее исследование таких эффектов может быть плодотворной областью для будущих исследований. Например, будущие исследования могут изучить более совершенные способы измерения сложности задачи и рассмотреть другие сложности задачи взаимодействия в модели. Другим потенциально полезным проспект будущих исследований является изучение других переменных, кроме модераторам сложности задач, которые могут повысить полезность социальной когнитивной модели. Кроме того, учитывая, что некоторые из прогнозируемых отношений в исследовании не поддерживаются, дальнейшие исследования могут определить причину этих не-значительных результатов. Чтобы определить, является ли связь между результатом ожиданиями и результатами, например, полезные возможности могут провести исследование. Такой подход может обеспечить дополнительный анализ результатов ожидания в долгосрочной переменной производительности, как краткосрочная мера. [В редакцию: 18 ноября 1999. Принято редколлегией: 2 марта 2001.]

Ссылки

Агарвал, Р.,

Бандура, А. (1977). Self-эффективность: на пути к объединяющей теории поведенческих изменений. Psychological Review, 84 (2), 191-215.

Пляж, Л. Р.,

Боллен, К. А.,

Компо, Д. Р.,

Компо, Д. Р. Хиггинс C. А.,

Дэвис, F. D. (1989). Ощущаемая полезности, воспринимаемой легкости использования, а также приемлемость для пользователя информационных технологий. MIS квартал 13 (3), 319-340.

Идеи, D. (1992). Лидерство и ожидания: эффект Пигмалиона

решения и выбора. Ежегодный обзор психологии, 32, 53-88.

Флейшман, Е. А. (1982). Системы для описания человеческих задач. Американский психолог, 37 (7), 821-834.

Суть, М. Е.,

Суть, М. Е., Schwoerer, К. Е.,

Волосы, J. F., младший, Андерсон, Р. Е., Татам, Р. Л.,

Харп, К. Г. Тейлор, С. C.,

Хилл, Т. Смит, Н. Д.,

Крюгер, Н. Ф. (2000). Когнитивных инфраструктуры возможность появления. Предпринимательство теория и практика, 24 (3), 5-23.

Li, F., Harmer, П., Дункан, TE, Дункан, SC, Акок А.,

Маракеш, Г. М., Мун, Ю. Ю.,

Маршалл, Т. Е.,

Martocchio, J. J.,

Моед, J. (1995). Расчет реальной польза от обучения. Datamation, 41 (7), 45-47. Pedhazur, Е. J.,

Саймон, С. J.,

Tan, H.,

Производительность выигрышей. (1997). Имеется на World Wide Web по адресу http:// <a href="http://www.executrain.com" <target="_blank" rel="nofollow"> www.executrain.com />

Vakkari, П. (1999). Целевая сложности, структура задачи и информации actionsIntegrating исследований поиска информации и поиска информации. Обработка информации

Venkatesh В.,

Уэбстер, J.,

Вуд, Р. Е. (1986). Целевая сложности: Определение построить. Организационное поведение и правам процессов принятия решений, 37, 60-82.

Вуд, Р. Е.,

Zigurs И.,

Melesa Алтизер Болт

Lucent Technologies, 1336-Томпсон-лэйн, Лес, В. А. 24551, адрес электронной почты: <a href="mailto:maltizer@kenan.com"> maltizer@kenan.com </ A>

Ларри Н. Килау

Памплин бизнес-колледжа, штат Вирджиния политехнического института и государственного университета Блэксбург, В. А. 24062-0101, по электронной почте. <a href="mailto:larry@vt.edu"> larry@vt.edu </ A>

Hian Чай Koh

Nanyang бизнес-школа, Nanyang Technological University, Сингапур 639798, адрес электронной почты. <a href="mailto:ahckoh@ntu.edu.sg"> ahckoh@ntu.edu.sg </ A>

Melesa Алтизер болт системы Консультант / разработчик с Lucent Technologies. Она защитила кандидатскую диссертацию в области бухгалтерского учета Virginia Tech в 1991 году и опубликовал в региональных и международных журналов в области бухгалтерского учета, связи и бухгалтерского образования.

Ларри Н. Килау является КПМГ профессора кафедры бухучета в Памплин бизнес-колледжа в Вирджинии. Он получил докторскую степень в Университете Миссури в 1969 году и опубликованы в многочисленных журналах, в том числе учета обзору; учета, организации и общества; журнал Бизнес финансов и бухгалтерского учета; деловой этики, а также успехи в управленческом учете.

Hian Чай Koh является адъюнкт-профессор и заместитель декана в Nanyang бизнес-школа, Nanyang технологический университет (Сингапур). Он получил докторскую степень от Virginia Tech в 1987 году и опубликовал многочисленные работы в международных,

региональных и местных журналов, охватывающих области бухгалтерского учета, аудита, финансов, менеджмента, предпринимательства, статистических приложений и моделирования, а также образования. Он также служил и / или выступает в качестве консультанта в нескольких государственных комитетов, органов власти, крупных организаций и небольших компаний.