* Последний, четвертый блок измерял академическую мотивацию студентов. В блоке присутствовали 12 вопросов, из которых 4 оценивали внешнюю мотивацию респондента, 4 оценивали внутреннюю мотивацию, и последние 4 - амотивацию или отсутствие академической мотивации. Использовалась шкала академической мотивации (AMS) разработанная Робертом Валлерандом . В каждой из трех групп был задан один вопрос: «Почему вы ходите в университет?». После этого было по 4 утверждения для каждой из типов мотиваций. Респондент, используя пятибалльную шкалу Лайкерта, где 1 - «крайне не согласен», а 5 - «очень согласен», указывал, насколько он согласен с каждым утверждением о своем личном опыте. Чтобы узнать уровень внешней мотивации были использованы следующие утверждения «Потому что только со средним образованием я не смогу найти высокооплачиваемую работу» и «Потому что я думаю, что образование в университете поможет мне лучше подготовиться к карьере, которую я выбрал». Внутренняя мотивация определялась утверждениями: «Потому что я испытываю удовольствие и удовлетворение, узнавая что-то новое» и «Чтобы показать себе, что я умный человек». Амотивация, или отсутствие академической мотивации определялась утверждениями: «Честно говоря, я не знаю, я действительно чувствую, что трачу свое время в университете» и «Когда-то у меня были веские причины поступать в университет, но теперь я задаюсь вопросом, стоит ли мне продолжать».
* В конце опроса студентов просили оставить свои контактные данные, если их заинтересовала тема, для проведения качественной части исследования - интервью.
Полную анкету можно увидеть в Приложении №2.
2.2 Выборка и респонденты, репрезентативность
Выборка специально была отобрана, чтобы результаты можно было бы максимально точно экстраполировать на генеральную совокупность. Поэтому в выборку попадает как можно более гомогенная группа, в которых такие факторы как различающиеся ВУЗы, факультеты, программы сведены к нолю. В данном исследовании генеральная совокупность и выборка - это один и тот же объект исследования, а именно студенты бакалавриата, с первого по четвертый курс, которые учатся на образовательной программе «Реклама и связи с общественностью», факультета «Коммуникации, медиа и дизайн» в Национальном исследовательском университете «Высшая школа экономики». Данные были собраны от 363 респондентов, для метода распространения опроса использовалась рассылка на почты каждого студента ОП «Реклама и связи с общественностью», а также рассылка опроса в онлайн чаты отдельных курсов в популярных социальных медиа - Вконтакте и Телеграм.
Опрос прошли 363 человека, из которых 90,2% были женского пола, что отражает генеральную совокупность. Было достигнуто максимально близкое к реальности соотношение курсов: 116 человек (31,7%) - студенты первого курса, 98 (27%) - студенты второго курса, 74 (20,5%) - студенты третьего курса и 75 (20,8%) - студенты четвертого курса.
Согласно Приложению №1, в предоставленном учебным офисом официальном списке студентов числится 1260 человек. Из них 1026 человек - женского пола (81%) и 234 человека - мужского (19%). Распределение по курсам на образовательной программе «Реклама и связи с общественностью» выглядит так: первый курс - 335 человек (27%), второй курс - 333 человека (26%), третий курс - 279 человек (22%) и четвертый курс - 314 человек (25%). Процентные соотношения, характеристики выборки и генеральной совокупности крайне похожи, что делает выборку репрезентативной и позволяет экстраполировать вывод на всю генеральную совокупность, то есть на всех студентов образовательно программы.
Статистические гипотезы:
H1. Есть зависимость уровня академического ФОМО от курса обучения.
H2. Уровни академического ФОМО увеличиваются у людей с высоким уровнем обычного ФОМО, высокой внешней и внутренней мотивацией, понижаются при наличии высокой амотивации.
2.3 Результаты опроса, описательные статистики
Данные опроса были перенесены в программу для статистического анализа - SPSS Statistics.
Здесь далее будут представлены описательные статистики по итогам анализа опроса респондентов:
* В среднем, женщины испытывали более высокие уровни, как обычного ФОМО, так и академического, по сравнению с мужчинами
Мужчины - (FOMO - 3,12, Academic FOMO - 3,21).
Женщины - (FOMO - 3,29, Academic FOMO - 3,23).
* У них также был более высокий уровень средней внешней мотивации. Студенты на образовательной программе «Реклама и связи с общественностью» женского пола чаще выполняли академические активности, потому что она приводила к какому-то внешнему результату, например, вознаграждению, одобрению со стороны других людей или избеганию наказания.
Мужчины - (Extrinsic Motivation - 3,57, Intrinsic Motivation - 3,59, Amotivation - 2,35)
Женщины - (Extrinsic Motivation - 3,85, Intrinsic Motivation - 3,56, Amotivation - 2,23)
* Мужчины показывали более высокое средние значения внутренней мотивации и амотивации. Это означает, что они чаще либо были заинтересованы в академических активностях из-за улучшения себя или наоборот, не были заинтересованы в образовании совсем.
* Самым тревожным курсом по итогу опроса оказался второй курс с показателем - 3, 39
* Далее шел третий курс - 3,29
* После этого первый курс - 3,18
* Самым не тревожным курсом оказался четвертый, с показателем 3,032
* Меньше всего студенты переживали из-за того, что другие студенты получают удовольствие от учебного процесса.
* «Я чувствую, что должен зарекомендовать себя человеком, с которым стоит сотрудничать, чтобы получить возможности в будущем.» - является самым популярным ответом с отметкой 5 - «очень похоже на меня»
* «Я часто (каждые 2-3 дня) слежу за информацией о различных академических активностях в университете» - 175 людей не согласны с этим заявлением, что говорит о низкой активной заинтересованности в академических событиях.
* 40% людей ни разу не использовали социальные медиа (например, Facebook, Инстаграм и e-mail) на прошлой неделе, чтобы проверить академические активности.
Подробную статистику можно увидеть в Приложении №6
2.4 Множественный регрессионный анализ
Метод множественного регрессионного анализа позволяет ответить на вопрос, могут ли независимые переменные повлиять на изменение зависимой переменной. В данном исследовании мы хотим построить модель, чтобы узнать каким образом независимые переменные «курс обучения студента», «уровень ФОМО студента», «уровень внешней мотивации студента», «уровень внутренней мотивации студента», «уровень амотивации студента» предсказывают изменение зависимой переменной «уровень академического ФОМО студента». Мы также проверяем дополнительные независимые переменные «пол» и «возраст», чтобы узнать, оказывают ли они какое-либо влияние на предсказание зависимой переменной. Мы используем метод шагового отбора независимых переменных в регрессионной модели, поскольку хотим, чтобы остались только статистически значимые переменные. Если бы мы использовали метод принудительного включения, то SPSS включил бы все переменные, независимо от их статистической значимости, что сделало бы модель менее точной. Приводя модель в действие, мы можем наблюдать матрицу корреляции всех переменных на Рисунке № 1.
Рисунок №1. Эта матрица корреляций - основа регрессионного метода, здесь в строке «Корреляция Пирсона» показывается вес каждой переменной в модели. Мы можем сделать вывод о том, что переменная «уровень ФОМО студента» имеет самый большой вес в модели (56,2%), а следовательно, модель выберет ее как предиктором первой. Далее следуя логике, «уровень внутренней мотивации студента» (35,1%), «уровень внешней мотивации студента» (34,2%), «уровень амотивации студента» (-3,9%)
Рисунок №2 показывает все введенные в модель вышеперечисленные переменные. Данная таблица показывает, что переменные «курс обучения», «возраст» и «пол» оказались вне модели из-за их статистической незначительности.
Рисунок №3 демонстрирует сводку для модели. Самое главное здесь это показатель R-квадрат, он показывает на сколько процентов выбранные независимые переменные объясняют и предсказывают изменение «уровня академического ФОМО». R-квадрат - 40,3%. В множественной регрессии желательно смотреть на скорректированный R-квадрат, потому что он измеряет пропорцию общей изменчивости зависимой переменной, которая объясняется независимыми переменными. В данной модели изменение «уровня академического ФОМО студента» на 39,6% объяснено «уровнем ФОМО студента», «уровнем внутренней мотивации студента», «уровнем внешней мотивации студента» и «уровнем амотивации студента». Если бы R-квадрат и скорректированный R-квадрат сильно различались, то можно было бы сделать вывод о том, что некоторые независимые переменные были бы лишними, избыточными. Поскольку эти две величины в данной регрессии очень похожи, 0,403 и 0,396, все включенные в модель переменные значимы. Можно заметить, что с каждым шагом и добавлением независимой переменной модель становиться более качественной, более объяснительной. Так, с добавлением шкал мотивации скорректированный R-квадрат вырастает с 0,314 до 0,396. Кроме этого, на данном этапе можно заметить, что переменная «курс обучения» имеет слабую обратную связь, поэтому в дальнейшем она не будет использоваться в модели. Переменная Дурбина-Уотсона (1,963), которая проверяет гипотезу о том, что в данных может быть автокорреляция. В данной модели она выше 1,5 и ниже 2,5, что означает, что здесь не присутствует значимая автокорреляция.
Рисунок №4 - дисперсионный анализ проверяет статистическую значимость модели на каждому шагу. Самый важный шаг - последний, так как он включает все независимые переменные. На всех шагах модель является статистически значимой. Нулевой гипотезой всегда на данном шаге является - H0 «модель не имеет объяснительной силы», что делает ее бесполезной. Мы отвергаем эту гипотезу из-за того, что текущая значимость 0,00 меньше 0,05.
Рисунок №5 - коэффициенты показывают предикторы, которые по итогам регрессии оказались значимыми на 95% интервале доверительной вероятности. В нашем случае это: «уровень ФОМО студента», «уровень внутренней мотивации студента», «уровень внешней мотивации студента», «уровень амотивации студента». Значение «B» дает интерпретировать уникальный вклад каждой переменной в модель как предиктора, чем выше значение, тем больше вклад (самый большой у «уровень ФОМО студента» - 0,466, самый низкий у «уровня амотивации у студентов» - 0,119). Значения «t» и «значимость» соответствуют Рисунку №1 о корреляции. Нулевая гипотеза о нулевых коэффициентах отвергается. Толерантность показывает уникальную дисперсию для каждой из независимых переменных. Мультиколлинеарность не была обнаружена из-за толерантности больше 0.5 и КРД (VIF) меньше 2. Можно сделать вывод о том, что независимые переменные имеют предсказательную силу в данной модели.
Рисунок №6 - исключенные переменные. Независимые переменные «курс обучения» - 0,706, «пол» - 0,371, «возраст» - 0,910 были исключены из-за своей статистической незначительности. Для 95% доверительного интервала нужно меньше 0,05. Это значит, что они не могут предсказать изменение уровня академического ФОМО.
Рисунок №7 - гистограмма стандартизированных остатков. Для лучших результатов регрессии здесь должно быть нормальное распределение, что и можно наблюдать на графике. Нормальность распределения остатков в классической эконометрической литературе постулируется в качестве необходимого условия использования линейной регрессионной модели.
Рисунок №8 - вероятностный график (доли) для стандартизированных остатков. Можно наблюдать как множество точек окружают ось по разным сторонам с минимальными отклонениями, что приемлемо.
Рисунок №9 - диаграмма рассеяния для стандартизированных остатков и стандартизированных предсказанных значений. Здесь, чем более случайным выглядит рисунок, тем лучше. Мы можем наблюдать что некоторые точки стянуты вместе с другими в одном месте. Это говорит о небольшой доли гетероскедастичности, искажается расчет стандартных ошибок регрессионных коэффициентов, что делает модель не максимально точной.
Регрессионное уравнение: y = (константа) 0,234 + «уровень ФОМО студента» * 0,489 + «уровень внутренней мотивации студента» * 0,183 + «уровень внешней мотивации студента» * 0, 150 + «уровень амотивации студента» * 0,75.
Это означает, что при всех нулевых переменных, «уровень академического ФОМО студента» равен 0,234. При увеличении уровня всех переменных до 1, «уровень академического ФОМО студента» будет равен 1,623.
2.5 Выводы к Главе 2
Главный вывод - с увеличением уровня обычного ФОМО, внутренней и внешней мотивации, а также амотивации, повышается уровень синдрома упущенной академической выгоды у студентов. Самый большой вес в увеличении уровня академического ФОМО имеет уровень обычного ФОМО, где за каждую единицу ФОМО, академическое ФОМО вырастает на 0,489. Изначально предсказанное и опровергнутое уменьшение уровней академического ФОМО при увеличении амотивации говорит либо о том, что в модель не включены некоторые другие важные независимые переменные, либо о том, что изначальный прогноз оказался неверным.
Отвергаем наблюдение Пшыбыльского, который утверждает в своей работе, что мужчины чаще сообщают об ощущении ФОМО в отличие женщин. Однако принимает его наблюдение, что у ФОМО негативная корреляция с возрастом.