Examination of student satisfaction with e-courses by clustering analysis

Arzu Deveci Topal; Aynur Kolburan Geçer

doi:10.24310/innoeduca.2023.v9i2.16681

Autores/as

Arzu Deveci Topal Kocaeli University, Turquía https://orcid.org/0000-0001-5090-8592
Aynur Kolburan Geçer Kocaeli University, Turquía https://orcid.org/0000-0002-6121-0664

DOI:

https://doi.org/10.24310/innoeduca.2023.v9i2.16681

Palabras clave:

cursos digitales, satisfacción de los estudiantes, análisis de conglomerados, entorno de aprendizaje en línea

Resumen

La satisfacción de los alumnos es uno de los factores más importantes para que los cursos electrónicos sigan impartiéndose con eficacia y alcancen sus objetivos. El objetivo de la presente investigación es analizar las tendencias de agrupación de la satisfacción de los estudiantes con los cursos electrónicos en función de las variables de "género, clase, propiedad de ordenadores, conocimientos informáticos y de Internet, duración del uso de Internet, tipo de conexión a Internet y herramientas utilizadas por los estudiantes en el sistema de gestión del aprendizaje" mediante algoritmos de agrupación, una de las técnicas de minería de datos. Se empleó el modelo de encuesta. Para la recogida de datos se utilizó una escala de satisfacción de 35 ítems concebida para los estudiantes que siguen cursos electrónicos. Participaron en el estudio un total de 522 estudiantes que seguían cursos en línea en una universidad. Para analizar e interpretar los datos se utilizaron estadísticas descriptivas y análisis de conglomerados. Como resultado de los análisis mediante el análisis de conglomerados de K-Means, se obtuvieron cuatro conglomerados diferentes. Dichos conglomerados se definieron de acuerdo con las variables que incluían de la siguiente manera: Conglomerado 1 (el grupo con la tasa más alta de posesión de ordenadores y el nivel más alto de conocimientos informáticos); Conglomerado 2 (el grupo con la tasa más baja de posesión de ordenadores y el nivel más bajo de conocimientos informáticos); Conglomerado 3 (los estudiantes tienen un nivel bajo de conocimientos informáticos y una duración baja de uso de Internet), y Conglomerado 4 (el grupo con la tasa más alta de mujeres, estudiantes de primer curso y los que usan Internet a niveles "bueno" y "muy bueno") . Según los resultados de la investigación, se determinó que los niveles medios de satisfacción de los estudiantes con respecto a los cursos electrónicos eran bajos en general. Según el análisis por grupos, se observó que los estudiantes de los grupos 1 y 4 tenían los valores medios más altos de satisfacción con los cursos electrónicos y un nivel de satisfacción "bueno" en comparación con los demás grupos, mientras que el grupo 2 tenía el valor medio más bajo. El grupo 3, por su parte, tenía un nivel de satisfacción "medio".

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

Agyapong, K. (2021). Students’ perspectives on satisfaction with distance education in Ghana: A cluster analysis. African Journal of Teacher Education, 10, 365–391. https://doi.org/10.21083/ajote.v10i1.6287

Antonenko, P.D., Toy, S., & Niederhauser, D.S. (2012). Using cluster analysis for data mining in educational technology research. Education Technology Research Development 60, 383–398. https://doi.org/10.1007/s11423-012-9235-8

Bautista, E., Quintana, N. L., & Sánchez, O. A. (2022). Distance education with university students quarantined by COVID-19. Innoeduca. International Journal of Technology and Educational Innovation, 8(2), 5-13. https://doi.org/10.24310/innoeduca.2022.v8i2.12257

Bollinger, D.U., & Erichsen, E.A. (2013). Student satisfaction with blended and online courses based on personality type. Canadian Journal of Learning & Technology, 39(1), 1-23. https://doi.org/10.21432/T2B88W

Bolliger, D. U., Supanakorn, S. & Boogs, C. (2010). Impact of podcasting on student motivation in the online learning environment. Computers & Education, 55(2), 714- 722. https://doi.org/10.1016/j.compedu.2010.03.004

Bossman, A., & Agyei, S.K. (2022). Technology and instructor dimensions, e-learning satisfaction, and academic performance of distance students in Ghana. Heliyon, 8(4), 1-16. https://doi.org/10.1016/j.heliyon.2022.e09200.

Cakır, O. , Karademir, T., & Erdoğdu, F. (2018). Psychological variables of estimating distance learners' motivation. Turkish Online Journal of Distance Education, 19(1), 163-182. https://doi.org/10.17718/tojde.382795

Chen, N. S., Lin, K. M., & Kinshuk (2008). Analyzing users’ satisfaction with e-learning using a negative critical incidents approach. Innovations in Education and Teaching International, 45(2), 115-126. https://doi.org/10.1080/14703290801950286

Chua, C., & Montalbo, J. (2014). Assessing students’ satisfaction on the use of virtual learning environment (VLE): An input to a campus-wide e-learning design and implementation. Information and Knowledge Management, 3(4), 108-116.

Çetintürk, I., & Gençtürk, M. (2020). The classification of the health expenditure indicators of OECD countries through clustering analysis. Süleyman Demirel University Visionary Journal, 11(26) , 228-244 . https://doi.org/10.21076/vizyoner.650681

Donavant, B. W. (2009). The new, modern practice of adult education: online instruction in a continuing professional education setting. Adult Education Quarterly, 59(3), 227-245. https://doi.org/10.1177/0741713609331546

Goh, C., Leong, C., Kasmin, K., Hii, P., & Tan, O. (2017). Students’ Experiences, Learning Outcomes and Satisfaction in e-Learning. Journal of e-Learning and Knowledge Society, 13(2). https://doi.org/10.20368/1971-8829/144

Gülbahar, Y. (2012). Study of developing scales for assessment of the levels of readiness and satisfaction of participants in e-learning environments. Ankara University, Journal of Faculty of Educational Sciences, 45(2), 119-137. https://doi.org/10.1501/Egifak_0000001256

Harsasi, M., & Sutawijaya, A. (2018). Determinants of student satisfaction in online tutorial: A study of a distance education ınstitution. Turkish Online Journal of Distance Education, 19(1), 89-99. https://doi.org/10.17718/tojde.382732

Ilgaz, H. (2008). The contribution of technology acceptance and the sense of being community to learner satisfaction in distant education [Thesis doctoral, Hacettepe University, Ankara]. Institute of Science, Ankara.

Karabatak, S. Alanoglu, M., & Karabatak, M.(2020, June 1-2). Effects of homework supported distance education on academic satisfaction, academic achievement, and attitude towards distance education [Conference paper]. 8th International Symposium on Digital Forensics and Security (ISDFS), Beirut, Lebanon. https://doi.org/10.1109/ISDFS49300.2020.9116372

Karasar, N. (2006). Scientific Research Method. Nobel Publication.

Kaya, M. (2022). Attitudes of higher education students about the use of distance education environments during the covid-19 outbreak process. Fırat Üniversitesi Sosyal Bilimler Dergisi, 32(3), 995-1011. https://doi.org/10.18069/firatsbed.1103453

Kolburan, A., & Deveci, A. (2015). Development of satisfaction scale for e-course: Reliability and validity study. Journal of Theory & Practice in Education, 11(4), 1272-1287.

Kuo, Y., Walker, A. E., Belland, B. R., & Schroder, K. E. E. (2013). A predictive study of student satisfaction in online education programs. The International Review of Research in Open and Distributed Learning, 14(1), 16–39. https://doi.org/10. 19173/irrodl.v14i1.1338.

Kuo, Y., Walker, A.E., Schroder, K.E.E., & Belland, B.R. (2014). Interaction, internet self-efficacy, and self-regulated learning as predictors of student satisfaction in online education courses. The Internet and Higher Education, 20, 35-50. https://doi.org/10.1016/j.iheduc.2013.10.001

Lidegran, I., Hultqvist, E., Bertilsson, E., & Börjesson, M.(2021). Insecurity, lack of support, and frustration: a sociological analysis of how three groups of students reflect on their distance education during the pandemic in Sweden. European Journal of Education, 56(4), 550-563. https://doi.org/10.1111/ejed.12477

Martín, O., Fernández, J. C., Montero, M. A, & González, F. (2015). The main components of satisfaction with e-learning. Technology, Pedagogy and Education, 24(2), 267-277. https://doi.org/10.1080/1475939X.2014.888370

Moore, C., & Moore, J. (2005). The Sloan Consortium Quality Framework and the Five Pillars. The Sloan Consortium.

Nortvig, A.M., Petersen, A.K., & Balle, S.H. (2018). A Literature Review of the Factors Influencing E Learning and Blended Learning in Relation to Learning Outcome, Student Satisfaction and Engagement. The Electronic Journal of e-Learning (EJEL), 16(1), 46-55.

Terzi̇, Ö., Küçüksi̇lle, E., Ergi̇n, G., & Ilker, A. (2011). Estimation of solar radiation using data mining process. International Journal of Technological Sciences, 3(2), 29-37.

Unsihuay, J. E. G., & Blanco, A. Z. (2021). Modelos de minería de datos aplicados al rendimiento académico universitario: Educación virtual durante pandemia COVID-19. Tierra Nuestra, 15(1), 18-28. http://dx.doi.org/10.21704/.rtnv15i1.1812

Vásquez, M.-S., Nuñez, P., & Cuestas, J. (2023). Teachers’ Digital Competences in the context of COVID-19. A quantitative approach. Pixel-Bit. Revista De Medios Y Educación, (67), 155–185. https://doi.org/10.12795/pixelbit.98129

Yildirim, Ö. (2020). Canli ders öncesi çevresel düzenlemeler ve ortam hazirliği. In S. Karaman, E. Kurşun (Ed.), Uzaktan öğretimde canli ders uygulama ilkeleri ve örnekleri (p. 24-38). Atatürk Üniversitesi Yayinlari.

Zhou, G., Yang, L., Liu, W., Shi, J., & Shen, J. (2022). Exploratory research on satisfaction degree in distance education. Applied Sciences, 12(15), e7889. https://doi.org/10.3390/app12157889