Motivational Profiles in TIMSS Mathematics: Exploring Student Clusters Across Countries and Time

این کتاب دسترسی آزاد، کاوشی شخص محور در پروفایل دانش‌آموزان را با استفاده از متغیرهای مربوط به انگیزه انجام ریاضیات مدرسه ارائه می‌کند که از داده‌های IEA گرایش‌ها در مطالعات بین‌المللی ریاضیات و علوم (TIMSS) مشتق شده است. تجزیه و تحلیل خوشه‌ای آماری برای شناسایی گروه‌هایی از دانش‌آموزان با پروفایل‌های انگیزشی مشابه، در بین پایه‌ها و در طول زمان، برای کشورهای مختلف شرکت‌کننده استفاده می‌شود.

در حالی که متغیرهای انگیزشی به طور سیستماتیک با نتایج مدرسه مرتبط هستند، روابط خطی می‌تواند ترکیب متنوعی را پنهان کند. زیرگروه های دانش آموزی که هر کدام دارای ترکیب های متفاوتی از انگیزه، احساسات و نگرش هستند. در این کتاب، یک تحلیل شخص محور از پروفایل‌های انگیزشی متمایز و معنادار و تفاوت‌های آن‌ها بر روی متغیرهای جمعیت‌شناختی و عملکرد ریاضی، درک نقشی را که ویژگی‌های انگیزه در یادگیری و پیشرفت در ریاضیات بازی می‌کنند، گسترش می‌دهد.

با بهره‌برداری از غنای داده‌های TIMSS آژانس بین‌المللی انرژی از بسیاری از کشورها، خوشه‌های استخراج‌شده الگوهای منسجم و مشخصی را نشان می‌دهند که به طور سیستماتیک با معیارهای اجتماعی و جمعیت‌شناختی و دستاوردها مرتبط هستند. خوشه های دانشجویی با پروفایل های انگیزشی متناقض در همه کشورها یافت شد. سپس اعتماد به نفس ریاضیات به عنوان متغیری ظاهر شد که بیشتر با میانگین پیشرفت مرتبط بود. یافته‌ها نشان می‌دهد که معلمان، محققان و سیاست‌گذاران باید پروفایل‌های متفاوت دانش‌آموزان را در نظر بگیرند و تکنیک‌هایی را که مهارت و شایستگی در ریاضیات را هدف قرار می‌دهند، در تلاش‌های آموزشی برای توسعه انگیزه دانش‌آموزان اولویت‌بندی کنند.

This open access book presents a person-centered exploration of student profiles, using variables related to motivation to do school mathematics derived from the IEA’s Trends in International Mathematics and Science Study (TIMSS) data. Statistical cluster analysis is used to identify groups of students with similar motivational profiles, across grades and over time, for multiple participating countries.

While motivational variables systematically relate to school outcomes, linear relationships can obscure the diverse makeup of student subgroups, each with varying combinations of motivation, emotions, and attitudes. In this book, a person-centered analysis of distinct and meaningful motivational profiles and their differences on sociodemographic variables and mathematics performance broadens understanding about the role that motivation characteristics play in learning and achievement in mathematics.

Exploiting the richness of IEA’s TIMSS data from many countries, extracted clusters reveal consistent, as well as certain nuanced patterns that are systematically linked to sociodemographic and achievement measures. Student clusters with inconsistent motivational profiles were found in all countries; mathematics self-confidence then emerged as the variable more closely associated with average achievement. The findings demonstrate that teachers, researchers, and policymakers need to take into account differential student profiles, prioritizing techniques that target skill and competence in mathematics, in educational efforts to develop student motivation.