Studentų mokymosi strategijos ir statistiniai tipai kompiuterinio raštingumo kontekste

LTVisuomenės išsimokslinimas dažniausiai yra vertinamas pagal jos narių raštingumo lygį. Šiandieninėje visuomenėje įsigalint naujoms technologijomis, vis plačiau kalbama apie kompiuterinį raštingumą. Kompiuterinis raštingumas tampa svarbia sėkmingos socializacijos ir profesinės karjeros prielaida. Todėl švietimui, kaip svarbiam visuomenės raidos veiksniui, tenka esminis vaidmuo sprendžiant tradicinio raštingumo ir naujojo raštingumo – kompiuterinio raštingumo – problemas. Pasaulyje, taip pat ir Lietuvoje kompiuterinis raštingumas ir jo nagrinėjimas susilaukia vis daugiau dėmesio. Vis tik, tiek tarptautiniu lygmeniu, tiek Lietuvoje pasigendama kompiuterinio raštingumo tyrimų, nagrinėjančių klausimą: ar asmenybės poveikis rinktis vieną arba kitą mokymosi strategiją gali turėti įtakos kompiuterinio raštingumo raidai? Neatsakyta į klausimą – ar tikslinga tiriamųjų statistinių tipų, faktiškai susiklostančių pagal skirtingą kompiuterinio raštingumo ir kitų svarbių požymių raišką, paieška? Nors žmogaus veiklos sėkmę veikia daug kintamųjų, mokymosi sėkmės hierarchijoje svarbią vietą užima asmenybės mokymosi strategijos (arba mokymosi būdai ir įpročiai). Šio straipsnio tikslas – identifikuoti ir apibūdinti faktiškai egzistuojančius studentų statistinius tipus pagal jų mokymosi strategijas bei parodyti jų ryšį su faktiniu kompiuteriniu raštingumu. Tyrimui buvo parengtas kompiuterinio raštingumo testas (teorinis ir praktinis) bei dvi uždaro tipo anoniminės anketos.Reikšminiai žodžiai: Kompiuterinis raštingumas; Statistiniai tipai; Studentai; Studentų mokymosi strategijos; Computer literacy; Statistical types; Students; Students' learning strategies.

ENThe results of the diagnostic analysis on students' computer literacy are presented in the article. The study involves students from Lithuanian universities and colleges. Relying on the study results attempts are made to identify and define the existing statistical types of students learning styles as well as to disclose some link with factual computer the study data showed that he idea of using cluster analysis trying to identify statistical types of the student population has been fully justified. The actually existing student types have been identified and described based on their learning styles and their actual computer literacy level. It would be important to describe such 'pure' statistical groups by qualitative terms and to identify their percentage in general population, as this information could and should be used for optimizing and increasing the efficiency of the computer literacy development process. [text from author]