پیش بینی خودکارآمدی تحصیلی بر مبنای ابعاد کمال گرایی در میان دانش آموزان سرآمد تحصیلی
Publish place: World Conference on Psychology and Educational Sciences, Law and Social Sciences at the Beginning of the Third Millennium
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 409
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PESLS01_302
تاریخ نمایه سازی:
Abstract:
کمالگرایی اغلب به عنوان یک ویژگی برای افراد تیزهوش است و میتواند بر روی ویژگی های شخصیتی همانند خودکارآمدی دانش آموزاننقش داشته باشد. پژوهش حاضر با هدف پیشبینی خودکارآمدی تحصیلی بر مبنای ابعاد کمال گرایی در میان دانش آموزان سرآمد تحصیلیانجام شد . این پژوهش توصیفی بر روی 264 (145 دختر و 119 پسر) دانش آموز سرآمد تحصیلی سطح کلاسی نهم شهر شیراز انجام شدکه در سال 1394 به روش نمونه گیری تصادفی خوشه ای انتخاب شدند. برای ارزیابی کمال گرایی از مقیاس چند بعدی کمال گرایی فراست(MPS) و برای سنجش خودکارآمدی تحصیلی از مقیاس خودکارآمدی تحصیلی سیف استفاده گردید. داده ها با محاسبه ضریب همبستگیپیرسون و تحلیل رگرسیون چندگانه به روش همزمان با به کارگیری نرم افزار SPSS نسخه 16 مورد تجزیه و تحلیل قرار گرفت. بین ابعادمثبت کمال گرایی شامل معیارهای شخصی و سازماندهی با همه ابعاد خودکارآمدی تحصیلی ارتباط مثبت و بین ابعاد منفی کمال گراییمشتمل بر انتقاد گری والدین، تردید نسبت به اعمال، نگرانی درباره اشتباهات با ابعاد خودکارآمدی تحصیلی ارتباط منفی معناداری وجودداشت (P<0/01) برقرار بود. تحلیل رگرسیون چندگانه نشان داد که از میان ابعاد کمالگرایی تردید نسبت به اعمال، تمامی ابعادخودکارآمدی تحصیلی را پیش بینی می کند. نتیجه پژوهش حاکی از نقش دوگانه ابعاد کمالگرایی در پبش بینی خودکارآمدی تحصیلیدانش آموزان سرآمد تحصیلی بود. چنان که کمال گرایی مثبت منجر به فزونی خودکارآمدی تحصیلی شد و کمال گرایی منفی، نقصانخودکارآمدی تحصیلی را در پی داشت.
Keywords:
Authors
دیبا سیف
استادیار دانشکده علوم تربیتی و روانشناسی دانشگاه شیراز
فاطمه ترابی
دانشجوی دکتری روانشناسی کودکان استثنایی، دانشگاه علامه طباطبایی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :