Предложите теоретическую модель мотивации для повышения вовлечённости студентов в дистанционном обучении, учитывающую эмоциональные факторы, автономию и риск цифрового выгорания; опишите гипотезы, индикаторы эффективности и план пилотного вмешательства
Краткая модель: «Эмоция–Автономия–Выгорание» (EAV). Цель — повысить вовлечённость EEE студентов в дистанте через управление эмоциональным состоянием EmEmEm, поддержку автономии AAA и снижение цифрового выгорания BBB. Теоретическая форма (упрощённая регрессия с модерацией и медиатором): E=β0+β1Em+β2A−β3B+β4(A×B)+ε
E = \beta_0 + \beta_1 Em + \beta_2 A - \beta_3 B + \beta_4 (A\times B) + \varepsilon E=β0+β1Em+β2A−β3B+β4(A×B)+ε
Медиационная ветка (автономия → внутренняя мотивация MMM → вовлечённость): M=α0+α1A+u,E=γ0+γ1M+γ2Em−γ3B+v
M = \alpha_0 + \alpha_1 A + u,\qquad E = \gamma_0 + \gamma_1 M + \gamma_2 Em - \gamma_3 B + v M=α0+α1A+u,E=γ0+γ1M+γ2Em−γ3B+v Операционализация (индексы): - Вовлечённость (композит): E=13 (Sact+Cass+Sself)
E = \frac{1}{3}\,(S_{act} + C_{ass} + S_{self}) E=31(Sact+Cass+Sself)
где SactS_{act}Sact = нормированная частота активных сессий, CassC_{ass}Cass = доля выполненных заданий, SselfS_{self}Sself = шкала самооценённой вовлечённости. - Эмоциональное состояние: положительные/отрицательные аффекты (например, PANAS/EMA); индекс EmEmEm — нормированная разница. - Автономия: балл по шкале удовлетворения базовых психологических потребностей (autonomy subscale) — AAA. - Цифровое выгорание: специализированный индекс BBB (экспа́нация Oldenburg/модификации для онлайн) — чем выше, тем хуже. Ключевые гипотезы: - H1: AAA положительно связан с EEE (β2>0\beta_2>0β2>0). - H2: Внутренняя мотивация MMM частично медиирует эффект A→EA\rightarrow EA→E (α1>0, γ1>0\alpha_1>0,\ \gamma_1>0α1>0,γ1>0). - H3: Негативный эмоциональный фон (Em↓Em\downarrowEm↓) снижает EEE (β1>0\beta_1>0β1>0). - H4: Высокий BBB снижает EEE и ослабляет положительный эффект AAA (ожидается β3>0, β4<0\beta_3>0,\ \beta_4<0β3>0,β4<0). - H5: Интервенция, адресующая EmEmEm, AAA и BBB, увеличит EEE с клинически значимым эффектом (целевой эффект d≥0.5d\ge 0.5d≥0.5). Индикаторы эффективности (килька): - Первичные (объективно/композит): - Изменение EEE (до/после), абсолютный и стандартизованный эффект ddd. - Удержание/retention: изменение доли студентов, завершивших курс. - Вторичные: - Изменение BBB (выгорание), EmEmEm (аффект), AAA (автономия), успеваемость (оценки). - Поведенческие метрики: средняя длительность сессии, число активных дней в неделю, количество сообщений в форуме. - Критерии успеха пилота: - Эффект на EEE: Cohen's d≥0.5d\ge 0.5d≥0.5. - Увеличение удержания ≥10%\ge 10\%≥10%. - Снижение BBB на ≥0.3\ge 0.3≥0.3 стандартного отклонения. План пилотного вмешательства 1) Дизайн: рандомизированное контролируемое испытание (2 группы: интервенция vs контроль). 2) Размер выборки: расчёт для двухстороннего теста при d=0.5, α=0.05, 1−β=0.8d=0.5,\ \alpha=0.05,\ 1-\beta=0.8d=0.5,α=0.05,1−β=0.8: n=2 (z1−α/2+z1−β)2d2≈2 (1.96+0.84)20.52≈63 на группу
n = \frac{2\,(z_{1-\alpha/2}+z_{1-\beta})^2}{d^2} \approx \frac{2\,(1.96+0.84)^2}{0.5^2}\approx 63\ \text{на группу} n=d22(z1−α/2+z1−β)2≈0.522(1.96+0.84)2≈63нагруппу
итого N≈126N\approx 126N≈126. 3) Длительность: основной период 8\,88 недель, с follow-up через 4\,44 недели. 4) Компоненты интервенции: - Эмоциональная поддержка: еженедельные EMA-опросы (быстрый PANAS), короткие видео/микролекции по эмоциональной регуляции, адаптивная обратная связь. - Поддержка автономии: модульный путь (выбор тем/заданий), гибкие дедлайны в рамках правил, опции форматов заданий. - Превенция выгорания: встроенные цифровые паузы, рекомендации по тайм-менеджменту, лимиты на длительность сессий, напоминания о разминке/экран-детоксе. 5) Сбор данных: - Базовые замеры: E,Em,A,BE, Em, A, BE,Em,A,B, демография. - Лонгитюдные: платформа-метрики (лог-файлы) ежедневно, EMA еженедельно, опросы в середине и в конце. - Качественные интервью с подвыборкой n=12n=12n=12–151515. 6) Анализ: - Основной: линейная смешанная модель для EEE с фиксацией группы, времени и их взаимодействия. - Медиаприложение: каузальная медиaция для оценки доли эффекта A→M→EA\rightarrow M\rightarrow EA→M→E. - Модерация: тесты взаимодействия A×BA\times BA×B. - Порог значимости: α=0.05\alpha=0.05α=0.05. Отчёт эффектов с доверительными интервалами. 7) Оценка реализации: метрики адгеренса (доля выполненных вмешательств), удовлетворённость, побочные эффекты (нарастание BBB). 8) Решение о масштабировании: масштабировать, если выполнены критерии успеха и адгеренс ≥70%\ge 70\%≥70%. Кратко по внедрению: внедрять итерациями (MVP), мониторить EMA и метрики в реальном времени, корректировать порции автономии и частоту цифровых пауз по данным адгеренса и изменению BBB. Если нужно, могу добавить шаблоны опросов, примерные вопросы EMA или код для расчёта композитного индекса.
Теоретическая форма (упрощённая регрессия с модерацией и медиатором):
E=β0+β1Em+β2A−β3B+β4(A×B)+ε E = \beta_0 + \beta_1 Em + \beta_2 A - \beta_3 B + \beta_4 (A\times B) + \varepsilon
E=β0 +β1 Em+β2 A−β3 B+β4 (A×B)+ε Медиационная ветка (автономия → внутренняя мотивация MMM → вовлечённость):
M=α0+α1A+u,E=γ0+γ1M+γ2Em−γ3B+v M = \alpha_0 + \alpha_1 A + u,\qquad
E = \gamma_0 + \gamma_1 M + \gamma_2 Em - \gamma_3 B + v
M=α0 +α1 A+u,E=γ0 +γ1 M+γ2 Em−γ3 B+v
Операционализация (индексы):
- Вовлечённость (композит):
E=13 (Sact+Cass+Sself) E = \frac{1}{3}\,(S_{act} + C_{ass} + S_{self})
E=31 (Sact +Cass +Sself ) где SactS_{act}Sact = нормированная частота активных сессий, CassC_{ass}Cass = доля выполненных заданий, SselfS_{self}Sself = шкала самооценённой вовлечённости.
- Эмоциональное состояние: положительные/отрицательные аффекты (например, PANAS/EMA); индекс EmEmEm — нормированная разница.
- Автономия: балл по шкале удовлетворения базовых психологических потребностей (autonomy subscale) — AAA.
- Цифровое выгорание: специализированный индекс BBB (экспа́нация Oldenburg/модификации для онлайн) — чем выше, тем хуже.
Ключевые гипотезы:
- H1: AAA положительно связан с EEE (β2>0\beta_2>0β2 >0).
- H2: Внутренняя мотивация MMM частично медиирует эффект A→EA\rightarrow EA→E (α1>0, γ1>0\alpha_1>0,\ \gamma_1>0α1 >0, γ1 >0).
- H3: Негативный эмоциональный фон (Em↓Em\downarrowEm↓) снижает EEE (β1>0\beta_1>0β1 >0).
- H4: Высокий BBB снижает EEE и ослабляет положительный эффект AAA (ожидается β3>0, β4<0\beta_3>0,\ \beta_4<0β3 >0, β4 <0).
- H5: Интервенция, адресующая EmEmEm, AAA и BBB, увеличит EEE с клинически значимым эффектом (целевой эффект d≥0.5d\ge 0.5d≥0.5).
Индикаторы эффективности (килька):
- Первичные (объективно/композит):
- Изменение EEE (до/после), абсолютный и стандартизованный эффект ddd.
- Удержание/retention: изменение доли студентов, завершивших курс.
- Вторичные:
- Изменение BBB (выгорание), EmEmEm (аффект), AAA (автономия), успеваемость (оценки).
- Поведенческие метрики: средняя длительность сессии, число активных дней в неделю, количество сообщений в форуме.
- Критерии успеха пилота:
- Эффект на EEE: Cohen's d≥0.5d\ge 0.5d≥0.5.
- Увеличение удержания ≥10%\ge 10\%≥10%.
- Снижение BBB на ≥0.3\ge 0.3≥0.3 стандартного отклонения.
План пилотного вмешательства
1) Дизайн: рандомизированное контролируемое испытание (2 группы: интервенция vs контроль).
2) Размер выборки: расчёт для двухстороннего теста при d=0.5, α=0.05, 1−β=0.8d=0.5,\ \alpha=0.05,\ 1-\beta=0.8d=0.5, α=0.05, 1−β=0.8:
n=2 (z1−α/2+z1−β)2d2≈2 (1.96+0.84)20.52≈63 на группу n = \frac{2\,(z_{1-\alpha/2}+z_{1-\beta})^2}{d^2} \approx \frac{2\,(1.96+0.84)^2}{0.5^2}\approx 63\ \text{на группу}
n=d22(z1−α/2 +z1−β )2 ≈0.522(1.96+0.84)2 ≈63 на группу итого N≈126N\approx 126N≈126.
3) Длительность: основной период 8\,88 недель, с follow-up через 4\,44 недели.
4) Компоненты интервенции:
- Эмоциональная поддержка: еженедельные EMA-опросы (быстрый PANAS), короткие видео/микролекции по эмоциональной регуляции, адаптивная обратная связь.
- Поддержка автономии: модульный путь (выбор тем/заданий), гибкие дедлайны в рамках правил, опции форматов заданий.
- Превенция выгорания: встроенные цифровые паузы, рекомендации по тайм-менеджменту, лимиты на длительность сессий, напоминания о разминке/экран-детоксе.
5) Сбор данных:
- Базовые замеры: E,Em,A,BE, Em, A, BE,Em,A,B, демография.
- Лонгитюдные: платформа-метрики (лог-файлы) ежедневно, EMA еженедельно, опросы в середине и в конце.
- Качественные интервью с подвыборкой n=12n=12n=12–151515.
6) Анализ:
- Основной: линейная смешанная модель для EEE с фиксацией группы, времени и их взаимодействия.
- Медиаприложение: каузальная медиaция для оценки доли эффекта A→M→EA\rightarrow M\rightarrow EA→M→E.
- Модерация: тесты взаимодействия A×BA\times BA×B.
- Порог значимости: α=0.05\alpha=0.05α=0.05. Отчёт эффектов с доверительными интервалами.
7) Оценка реализации: метрики адгеренса (доля выполненных вмешательств), удовлетворённость, побочные эффекты (нарастание BBB).
8) Решение о масштабировании: масштабировать, если выполнены критерии успеха и адгеренс ≥70%\ge 70\%≥70%.
Кратко по внедрению: внедрять итерациями (MVP), мониторить EMA и метрики в реальном времени, корректировать порции автономии и частоту цифровых пауз по данным адгеренса и изменению BBB.
Если нужно, могу добавить шаблоны опросов, примерные вопросы EMA или код для расчёта композитного индекса.