הקשר בין שימוש בטלפונים ניידים ובין הישגים אקדמיים במדגם של תלמידי קולג' בארה"ב

Lepp, A., Barkley, E.B., Karpinski, A.C. (2015), The Relationship Between Cell Phone Use and Academic Performance in a Sample of U.S. College Students, SAGE Open, January-March, 1-9

קישור למאמר המלא

מאמרים קשורים

שימוש מתון במסך מגביר את הרווחה של בני נוער

למידת אנגלית תוך שימוש בסיפורי ילדים במכשירים ניידיםhttp://portal.macam.ac.il/article/%d7%94%d7%95%d7%a8%d7%90%d7%94-%d7%9e%d7%aa%d7%95%d7%a7%d7%a9%d7%91%d7%aa-%d7%91%d7%90%d7%a7%d7%93%d7%9e%d7%99%d7%94-%d7%a7%d7%99%d7%95%d7%95%d7%a0%d7%99%d7%9d-%d7%97%d7%93%d7%a9%d7%99%d7%9d

רקע
ספרות המחקר מראה כי סטודנטים בקולג' מרבים להפר את האיסור על שימוש בטלפונים ניידים בכיתה (Tindell & Bohlander, 2012). נראה כי המכשירים יכולים לתרום ללמידת הסטודנטים ולשיפור הישגים אקדמיים מפני שהם מציעים איתור מידע מקוון, שיתוף קבצים ואינטראקציה עם מרצים וסטודנטים-עמיתים (Bull & McCormick, 2012; Tao & Yeh, 2013). ואולם סטודנטים רבים תופסים את מכשירי הטלפון הניידים בעיקר כאמצעי לשעות הפנאי, והשימושים הנפוצים ביותר הם רישות חברתי, גלישה באינטרנט, צפייה בסרטונים ומשחקים (Lepp, Li, & Barkley, 2015; Lepp, Barkley, Sanders, Rebold, & Gates, 2013). אם עיקר השימוש במכשירים נעשה למטרות פנאי ולא ללימודים, הרי שהמכשירים עלולים לפגוע בלימודים בסביבה אקדמית (Levine, Waite, & Bowman, 2007).

"אם אני משתעמם בכיתה, אני בדרך כלל פונה לטלפון שלי ובזמן הכנת שיעורי הבית אני לוקח הפסקות בטוויטר", אמר סטודנט אחד; ואילו סטודנט אחר אמר: "הוא [המכשיר] פשוט כל הזמן נמצא עליי" (Lepp et al., 2013).


סקירת ספרות
שימוש אינטנסיבי במכשירים סלולריים קושר לכישלון בבית הספר (Sánchez-Martínez & Otero, 2009). בקרב משתמשים כבדים באינטרנט איתור מידע נמצא בהתאמה עם הישגים אקדמיים טובים יותר, בעוד שמשחק במשחקי וידיאו נמצא בהתאמה עם הישגים נמוכים (Chen & Tzeng, 2010). משתמשים בפייסבוק דיווחו על ממוצע ציונים נמוך יותר ומקדישים זמן מועט יותר ללימודים בהשוואה למי שאינם משתמשים  (Kirschner & Karpinsky, 2010). קשרים שליליים כאלה נמצאו באוכלוסיות שונות ברחבי העולם, כולל צפון-אמריקה, אירופה ואסיה (Chen & Tzeng, 2010; Karpinski, Kirschner, Ozer, Mellott, & Ochwo, 2013)

מולטי-טסקינג, ביצוע כמה משימות במקביל, הוצע כהסבר לקשר השלילי בין שימוש במדיה אלקטרונית, ובכלל זה טלפונים סלולריים, לבין הישגים אקדמיים (Jacobsen & Forste, 2011; Junco & Cotton, 2011; 2012; Karpinski et al., 2013; Kirschner & Karpinski, 2010; Rosen et al.,2013; Wood et al., 2012)

במחקר אחר התגלה כי דעתם של הסטודנטים המשתתפים הוסחה בידי אמצעי מדיה כשליחת מסרונים או פייסבוק אחרי פחות משש דקות של לימודים (Rosen et al., 2013).


אמונות בדבר מסוגלות-עצמית והישגים אקדמיים
אמונות בדבר מסוגלות עצמית נמנות עם המנבאים החזקים ביותר של הישגים אקדמיים (Pajares, 1996). מסוגלות עצמית מתארת את אמונתו של היחיד ביכולותיו לארגן ולבצע התנהגויות חיוניות להצלחה (Bandura, 1982). סטודנטים שמדווחים על רמה גבוהה של מסוגלות עצמית אקדמית משקיעים מאמץ גדול יותר בהשגת יעדים אקדמיים, מגלים נחישות רבה יותר לנוכח מכשולים ומפגינים עניין רב יותר בלימודים (Schunk, 1984, 1989).

אמונות בדבר מסוגלות-עצמית כוללת את האמונה ביכולת להתנגד להסחות דעת בזמן הלימודים וביכולת ליצור סביבות למידה פוריות.


שאלת המחקר
ההנחה המוקדמת היא שיש קשר בין שימוש בטלפונים ניידים והישגים אקדמיים. עם זאת, בהערכת הקשר הזה יש להביא בחשבון בקרים סטטיסטיים חשובים כאמונות במסוגלות עצמית, הישגים לימודיים קודמים (למשל ממוצע ציונים בתיכון) והחוג האקדמי העיקרי שבחר הסטודנט; כמו גם משתנים דמוגרפיים והתנהגותיים שונים כגון מין, שנת הלימודים (ראשונה, שנייה וכו') ועישון סיגריות.

המחקר הנוכחי עונה על דרישות אלה, ומבקש להשיב על השאלה הבאה: מהו הקשר בין השימוש הכולל בטלפונים ניידים (מסרונים, משחקי וידיאו, רשתות חברתיות, גלישה באינטרנט ושימוש באפליקציות) ובין הישגים אקדמיים (ממוצע הציונים בקולג').


מתודה ומדדים
המשתנה התלוי של מחקר זה, הישגים אקדמיים, נמדד בצורה אובייקטיבית תוך שימוש בממוצע הציונים בקולג' של המשתתפים.

המשתתפים התבקשו לציין את כל השימושים שלהם בטלפונים הניידים פרט להאזנה למוסיקה, לדוגמה: שיחות טלפון, מסרונים, שליחת תמונות, משחקים, גלישה ברשת, צפייה בסרטונים, פייסבוק, אימייל וכל שאר השימושים הקיימים באפליקציות ובתוכנות שונות.

שתי קבוצות מיקוד של סטודנטים התבקשו לתת משוב על השאלה כדי לוודא את תקפות תוכנה, ולחוות את דעתם על בהירות הניסוח, הרלוונטיות של המרכיבים, השימוש באנגלית תקנית, היעדרן של מילים וביטויים מוטים ובהירות ההוראות (Fowler, 2002).

השימוש בטלפונים ניידים (דקות) על פי מדד זה נמצא בהתאמה משמעותית (r=.510, p=0.18) עם שימוש בטלפון שנמדד בצורה אובייקטיבית (דקות) והתקבל מעיון בתיעוד השימוש בטלפון (נתונים שלא פורסמו).

ניתוח הנתונים
518 סטודנטים חולקו לקבוצות הבאות: שימוש מועט (M= 94.6 דקות ביום, SD= 41.0, N=180); שימוש בינוני (M=235.1 דקות ביום, SD=45.2, N=173) ושימוש מרובה (M=601.3 דקות ביום, SD=226.8, N=164).

תוצאות
משתמשים שחרגו בשלוש סטיות תקן מעל ומתחת לרמת השימוש הממוצעת בטלפונים הניידים הוצאו מחשבון.

בממוצע, הסטודנטים דיווחו על שימוש בטלפונים הניידים במשך 300 דקות ביום. ציוניהן הממוצעים של סטודנטיות היו גבוהים באופן ניכר מציוניהם הממוצעים של סטודנטים: 3.09 לעומת 2.88. ציוניהם הממוצעים של לא-מעשנים היו גבוהים באופן ניכר מאלה של המעשנים: 3.07 לעומת 2.80. סטודנטים בשנה א' השיגו ציון חציוני ממוצע של 3.21, לעומת 2.93 בשנה ב', 3.02 בשנה ג' ו-2.94 בשנה ד'.

נמצא מתאם שלילי משמעותי בין שימוש מרובה בטלפון ובין הציון הממוצע: משתמשים כבדים השיגו ציונים נמוכים משמעותית ממשתמשים בינוניים (3.06) וממשתמשים קלים (3.15). לא נמצא הבדל מובהק מבחינה סטטיסטית בין משתמשים קלים ומשתמשים בינוניים.

דיון
מאחר שהטלפונים הניידים נוכחים בכל ונעשה בהם שימוש נרחב למטרות פנאי, סביר שהם מסיחים את הדעת מהלימודים בכיתה, בספרייה, במעונות ובכל סביבה אחרת שהסטודנטים משתמשים בה למטרות אקדמיות. הטלפון הנייד המודרני יוצר פיתוי לגלוש ברשת, לבדוק רשתות חברתיות כמו פייסבוק, לשחק במשחקי וידיאו, ליצור קשר עם חברים, לבחון אפליקציות חדשות או לעסוק בפעילויות פנאי רבות המבוססות על המכשיר – פיתוי שחלק מן הסטודנטים אינם מצליחים להתנגד לו בשעה שהם אמורים להתמקד בלימודים. כמובן, המחקר הראה רק מתאם ולא סיבתיות, ולכן יש צורך לחקור מתאם זה לאורך זמן.

חשוב לזכור גם כי המדגם כלל רק סטודנטים לתואר ראשון ממוסד אחד: אוניברסיטה ציבורית וגדולה במערב התיכון של ארצות הברית.

מסקנה
ייתכן כי ראוי שמחנכים ואנשי מנהל באקדמיה יבחנו מהי המדיניות הרצויה לגבי שימוש במכשירי טלפון ניידים בכיתות, במעבדות ובשאר המרחבים בהם מתבצעת פעילות לימודית.

ביבליוגרפיה 

Al-Harthy I. S., Was C. A. (2010). Goals, efficacy and metacognitive self-regulation: A path analysis. International Journal of Education, 2(1), E2. Google Scholar Crossref

Anderson J., Rainie L. (2011). Millennials will benefit and suffer due to their hyperconnected lives (The Pew Research Center’s Internet and American Life Project). Retrieved from http://www.pewinternet.org/Reports/2012/Hyperconnected-lives/Overview.aspx Google Scholar

Bandura A. (1982). Self-efficacy mechanism in human agency. American Psychologist, 37(2), 122-147. Google Scholar Crossref

Barkley J. E., Lepp A. (2013). Cellular telephone use is associated with greater sedentary behavior independent of leisure-time physical activity. Applied Physiology, Nutrition, and Metabolism, 38(S1), 1023. Google Scholar

Boase J. A., Ling R. (2013). Measuring mobile phone use: Self-report versus log data. Journal of Computer Mediated Communication, 18, 508-519. Google Scholar Crossref

Bull P., McCormick C. (2012). Mobile learning: Integrating text messaging into a community college pre-algebra course. International Journal on E-Learning, 11, 233-245. Google Scholar

Caprara G. V., Vecchione M., Alessandri G., Gerbino M., Barbaranelli C. (2011). The contribution of personality traits and self-efficacy beliefs to academic achievement: A longitudinal study. British Journal of Educational Psychology, 81, 78-96. Google Scholar Crossref, Medline

Chen S. Y., Tzeng J. Y. (2010). College female and male heavy Internet users’ profiles of practices and their academic grades and psychosocial adjustment. Cyberpsychology, Behavior, and Social Networking, 13, 257-262. Google Scholar Crossref, Medline

Chen Y. F., Peng S. S. (2008). University students’ Internet use and its relationships with academic performance, interpersonal relationships, psychosocial adjustment, and self-evaluation. CyberPsychology & Behavior., 11, 467-469. Google Scholar Crossref, Medline

DeBerard M. S., Spielmans G. I., Julka D. C. (2004). Predictors of academic achievement and retention among college freshmen: A longitudinal study. College Student Journal, 38(1), 66-80. Google Scholar

Fowler F. J.Jr. (2002). Survey research methods (3rd ed.). Thousand Oaks, CA: Sage Publications. Google Scholar

Hong F. Y., Chiu S. I., Hong D. H. (2012). A model of the relationship between psychological characteristics, mobile phone addiction and use of mobile phones by Taiwanese university female students. Computers in Human Behavior, 28, 2152-2159. Google Scholar Crossref

Jackson L. A., von Eye A., Fitzgerald H. E., Witt E. A., Zhao Y. (2011). Internet use, videogame playing and cell phone use as predictors of children’s body mass index (BMI), body weight, academic performance, and social and overall self-esteem. Computers in Human Behavior, 27, 599-604. Google Scholar Crossref

Jackson L. A., von Eye A., Witt E. A., Zhao Y., Fitzgerald H. E. (2011). A longitudinal study of the effects of Internet use and videogame playing on academic performance and the roles of gender, race and income in these relationships. Computers in Human Behavior, 27, 228-239. Google Scholar Crossref

Jacobsen W. C., Forste R. (2011). The wired generation: Academic and social outcomes of electronic media use among university students. Cyberpsychology, Behavior, and Social Networking, 14, 275-280. Google Scholar Crossref, Medline

Junco R. (2012a). The relationship between frequency of Facebook use, participation in Facebook activities, and student engagement. Computers & Education, 58, 162-171. Google Scholar Crossref

Junco R. (2012b). Too much face and not enough books: The relationship between multiple indices of Facebook use and academic performance. Computers in Human Behavior, 28, 187-198. Google Scholar Crossref

Junco R., Cotton S. R. (2011). Perceived academic effects of instant messaging use. Computers & Education, 56, 370-378. Google Scholar Crossref

Junco R., Cotton S. R. (2012). No A 4 U: The relationship between multitasking and academic performance. Computers & Education, 59, 505-514. Google Scholar Crossref

Karpinski A. C., Kirschner P. A., Ozer I., Mellott J. A., Ochwo P. (2013). An exploration of social networking site use, multitasking, and academic performance among United States and European university students. Computers in Human Behavior, 29, 1182-1192. Google Scholar Crossref

Kirschner P. A., Karpinski A. C. (2010). Facebook and academic performance. Computers in Human Behavior, 26, 1237-1245. Google Scholar Crossref

Klomegah R. Y. (2007). Predictors of academic performance of university students: An application of the goal efficacy model. College Student Journal, 41, 407-415.

 
LaRose R., Eastin M. S. (2004). A social cognitive theory of internet uses and gratifications: Towards a new model of media attendance. Journal of Broadcasting & Electronic Media, 48, 358-377. Google Scholar Crossref

LaRose R., Lin C. A., Eastin M. S. (2003). Unregulated Internet usage: Addiction, habit, or deficient self-regulation? Media Psychology, 5, 225-253. Google Scholar Crossref

LaRose R., Mastro D., Eastin M. S. (2001). Understanding Internet usage: A social-cognitive approach to uses and gratifications. Social Science Computer Review, 19, 395-413. Google Scholar Link

Lepp A., Li J., Barkley J. (2015). Exploring the relationships between college students’ cell phone use, personality and leisure. Computers in Human Behavior, 43: 210–219. Google Scholar Crossref

Lepp A., Barkley J. E., Sanders G. J., Rebold M., Gates P. (2013). The relationship between cell phone use, physical and sedentary activity, and cardiorespiratory fitness in a sample of U.S. college students. International Journal of Behavioral Nutrition and Physical Activity, 10, Article 79. Retrieved from http://www.ijbnpa.org/content/10/1/79 Google Scholar

Levine L. E., Waite B. M., Bowman L. L. (2007). Electronic media use, reading, and academic distractibility in college youth. Cyber Psychology and Behavior, 10, 560-566. Google Scholar Crossref, Medline

Multon K. D., Brown S. D., Lent R. W. (1991). Relation of self-efficacy beliefs to academic outcomes: A meta-analytic investigation. Journal of Counseling Psychology, 1, 30-38. Google Scholar Crossref

Norris P. (1996). Does Television erode social capital? A reply to Putnam. Political Science & Politics, 29, 474-480.

Odaci H. (2011). Academic self-efficacy and academic procrastination as predictors of problematic Internet use in university students. Computers & Education, 57, 1109-1113. Google Scholar Crossref

Pajares F. (1996). Self-efficacy in academic settings. Review of Educational Research, 66, 543-578. Google Scholar Link

Paulsen M., Gentry J. (1995). Motivation, learning strategies, and academic performance: A study of the college finance classroom. Financial Practice & Education, 5(1), 78-89. Google Scholar

Peter K., Horn L. (2005). Gender differences in participation and completion of undergraduate education and how they have changed over time (NCES 2005-169). Washington, DC: U.S. Government Printing Office, U.S. Department of Education, National Center for Education Statistics. Google Scholar

Pintrich P., Schunk D. (2002). Motivation in education theory: Theory, research, and application (2nd ed.). Upper Saddle River, NJ: Prentice Hall. Google Scholar

Rosen L. D., Carrier M., Cheever N. A. (2013). Facebook and texting made me do it: Media-induced task-switching while studying. Computers in Human Behavior, 29, 948-958. Google Scholar Crossref

Sánchez-Martínez M., Otero A. (2009). Factors associated with cell phone use in adolescents in the community of Madrid (Spain). CyberPsychology and Behavior, 12, 131-137. Google Scholar Crossref, Medline

Schunk D. H. (1984). The self-efficacy perspective on achievement behavior. Education Psychologist, 19, 119-218. Google Scholar Crossref

Schunk D. H. (1989). Social cognitive theory and self-regulated learning. In Zimmerman B. J., Schunk D. H. (Eds.), Self-regulated learning and academic achievement: Theory, research and practice (pp. 83-110). New York, NY: Springer Verlag. Google Scholar Crossref

Smith A., Raine L., Zickuhr K. (2011). College students and technology (The Pew Research Center’s Internet and American Life Project). Retrieved from http://pewinternet.org/Reports/2011/College-students-and-technology.aspx Google Scholar

Stollak M. J., Vandenberg A., Burklund A., Weiss S. (2011). Getting social: The impact of social networking usage on grades among college students. In Proceedings from ASBBS Annual Conference (pp. 859-865). Retrieved from: http://asbbs.org/files/2011/ASBBS2011v1/PDF/S/StollakM.pdf Google Scholar

Sulaiman A., Mohezar S. (2006). Student success factors: Identifying key predictors. Journal of Education for Business, 81, 328-333. Google Scholar Crossref

Tao Y., Yeh C. R. (2013). Transforming the personal response system to a cloud voting service. In Uesugi S. (Ed.), IT enabled services (pp. 139-156). Verlag, Austria: Springer. Google Scholar Crossref

Tindell D. R., Bohlander R. W. (2012). The use and abuse of cell phones and text messaging in the classroom: A survey of college students. College Teaching, 60, 1-9. Google Scholar Crossref

Wood E., Zivcakova L., Gentile P., Archer K., De Pasquale D., Nosko A. (2012). Examining the impact of off-task multi-tasking with technology on real-time classroom learning. Computers & Education, 58, 365-374. Google Scholar Crossref

Zimmerman B. J., Bandura A., Martinez-Pons M. (1992). Self-motivation for academic attainment: The role of self-efficacy beliefs and personal goal setting. American Educational Research Journal, 29, 663-676. Google Scholar Link