Content uploaded by Luca Cerniglia
Author content
All content in this area was uploaded by Luca Cerniglia on Jan 12, 2016
Content may be subject to copyright.
Rivista interdisciplinare
di tecnologia
cultura e formazione
10/2/2015
Special issue
Innovation and digital
technologies: between continuity
and change
Edited by
Stefano Cacciamani
Gisella Paoletti
Editor
M. Beatrice Ligorio (University of Bari “Aldo Moro”)
Associate Editors
Carl Bereiter (University of Toronto)
Bruno Bonu (University of Montpellier 3)
Stefano Cacciamani (University of Valle d’Aosta)
Donatella Cesareni (University of Rome “Sapienza”)
Michael Cole (University of San Diego)
Valentina Grion (University of Padua)
Roger Salijo (University of Gothenburg)
Marlene Scardamalia (University of Toronto)
Scientific Committee
Sanne Akkerman (University of Utrecht)
Ottavia Albanese (University of Milan – Bicocca)
Alessandro Antonietti ( U n i v e r s i t y o f M i l a n – C a t t o l i c a )
Pietro Boscolo (University of Padua)
Lorenzo Cantoni (University of Lugano)
Felice Carugati (University of Bologna – Alma Mater)
Cristiano Castelfranchi (ISTC-CNR)
Alberto Cattaneo (SFIVET, Lugano)
Carol Chan (University of Hong Kong)
Cesare Cornoldi (University of Padua)
Crina Damsa (University of Oslo)
Frank De Jong (University of Tilburg)
Ola Erstad (University of Oslo)
Paolo Ferri (University of Milan – Bicocca)
Alberto Fornasari (University of Bari “Aldo Moro”)
Carlo Galimberti (University of Milan – Cattolica)
Begona Gros (University of Barcelona)
Kai Hakkarainen (University of Helsinki)
Vincent Hevern (Le Moyne College)
Jim Hewitt (University of Toronto)
Antonio Iannaccone (University of Neuchâtel)
Liisa Ilomaki (University of Helsinki)
Sanna Jarvela (University of Oulu)
Richard Joiner (University of Bath)
Kristiina Kumpulainen (University of Helsinki)
Minna Lakkala (University of Helsinki)
Mary Lamon (University of Toronto)
Lelia Lax (University of Toronto)
Marcia Linn (University of Berkeley)
Kristine Lund (CNRS)
Giuseppe Mantovani (University of Padua)
Giuseppe Mininni (University of Bari “Aldo Moro”)
Anne-Nelly Perret-Clermont (University of Neuchatel)
Donatella Persico (ITD-CNR, Genoa)
Clotilde Pontecorvo (University of Rome “Sapienza”)
Peter Renshaw (University of Queensland)
Vittorio Scarano (University of Salerno)
Roger Schank (Socratic Art)
Neil Schwartz (California State University of Chico)
Pirita Seitamaa-Hakkarainen (University of Joensuu)
Patrizia Selleri (University of Bologna)
Robert-Jan Simons (IVLOS, NL)
Andrea Smorti (University of Florence)
Jean Underwood (Nottingham Trent University)
Jaan Valsiner (University of Aalborg)
Jan van Aalst (University of Hong Kong)
Rupert Wegerif (University of Exeter)
Allan Yuen (University of Hong Kong)
Cristina Zucchermaglio (University of Rome “Sapienza”)
Editorial Staff
Nadia Sansone – head of staff
Luca Tateo – deputy head of staff
Sarah Buglass, Lorella Giannandrea,
Hanna Järvenoja, Mariella Luciani,
F. Feldia Loperfi do, Katherine Frances McLay,
Audrey Mazur Palandre, Giuseppe Ritella
Web Responsible
Nadia Sansone
Publisher
Progedit, via R. De Cesare, 15
70122, Bari (Italy)
tel. 080.5230627
fax 080.5237648
info@progedit.com
www.progedit.com
qwerty.ckbg@gmail.com
http://www.ckbg.org/qwerty
Registrazione del Tribunale di Bari
n. 29 del 18/7/2005
© 2015 by Progedit
ISSN 2240-2950
Indice
Editorial: Innovation and digital technologies: between continuity
and change
Stefano Cacciamani, Gisella Paoletti
Donatella Cesareni, Valentina Grion 5
INVITED ARTICLE
Pervasive, disruptive, seductive, enabling: Designing technologies
for learning and social innovation
Patrizia Marti 12
ARTICLES
Insegnanti in formazione e integrazione delle tecnologie in classe:
futuri docenti ancora poco “social”
Corrado Petrucco, Valentina Grion 30
Digital content curation: nuovi strumenti di (in)formazione
Margherita Di Stasio 47
Convinzioni di effi cacia personale nella regolazione dell’appren-
dimento universitario mediato dalle tecnologie
Luciano Di Mele, Francesca D’Errico, Luca Cerniglia,
Mariangela Cersosimo, Marinella Paciello 63
Spazi di convivenza ibrida e multimodale: ipotesi e sfi de per
l’apprendimento
Eliane Schlemmer, Gaia Moretti, Luciana Backes 78
Summary
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
63
Abstract
Questo studio ha lo scopo di presentare e validare un questionario sulle
convinzioni di effi cacia personale nella regolazione dell’apprendimen-
to mediato dalle tecnologie nei contesti universitari telematici. La let-
teratura psico-pedagogica ha più volte attestato il ruolo di tale dimen-
sione associata a buoni risultati accademici e alla qualità dei percorsi di
apprendimento degli studenti. Tuttavia, poche ricerche analoghe sono
state condotte in ambito telematico. Nel presente studio (159 studenti,
tra i 19 e i 63 anni) i risultati attestano la presenza di due dimensioni
di autoeffi cacia denominate “Task e-Effi cacy” e “Social e-Effi cacy”. Il
primo infl uenza la media dei risultati, il secondo incrementa fortemen-
te il numero degli esami e i comportamenti prosociali come ad esempio
condividere compiti, ricevere supporto e fornire aiuto. In conclusione
si ritiene che le due dimensioni possano essere utili per monitorare e
modulare strategicamente l’offerta formativa.
Keywords: auto-effi cacia, comportamenti pro-sociali, tecnologie per la for-
mazione, università a distanza
Convinzioni di effi cacia
personale nella regolazione
dell’apprendimento universitario
mediato dalle tecnologie
Luciano Di Mele*, Francesca D’Errico*, Luca Cerniglia*,
Mariangela Cersosimo*, Marinella Paciello*
* Università Telematica UNINETTUNO.
Corresponding Author: Luciano Di Mele. E-mail: luciano.dimele@utiu.net
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
64
Introduzione
Questo studio ha lo scopo di presentare e validare un questionario
sulle convinzioni di effi cacia personale nella regolazione dell’appren-
dimento mediato dalle tecnologie nei contesti universitari telematici.
Note ricerche (Richardson, Abraham & Bond, 2012; Robbins et al,
2004) hanno evidenziato come l’autoeffi cacia correli con la persisten-
za e la performance accademica nonché con comportamenti di aiuto
e condivisione che supportano le motivazioni degli studenti durante il
loro percorso formativo. Pertanto questo studio nasce dalla necessità
di testare un nuovo strumento di indagine per la valutazione dell’au-
toeffi cacia considerando le peculiarità dei contesti di apprendimento
a distanza frequentati da studenti di diverse età ed esperienze di vita,
ed esaminando le sue possibili relazioni con alcuni indicatori di suc-
cesso e di adattamento in ambito accademico. Lo studio di questa
dimensione è ancor più necessario considerando i continui miglio-
ramenti delle interfacce formative che offrono una serie di strumenti
didattici (le chat, i forum, le video-lezioni, i materiali testuali online)
non sempre pienamente sfruttati da tutti gli studenti. L’autoeffi cacia
potrebbe in tal senso cogliere i diversi gradi di competenza e rilevare i
gap tecnologici e alfabetici (Jenkins, 2010). Ma questi elementi di ana-
lisi sono ancora parziali, perché il senso di effi cacia personale è condi-
zionato da altri fattori come la motivazione, la capacità di pianifi care
l’azione stessa, la percezione dei valori che guidano le azioni. Perché
alcuni studenti riescono meglio di altri nei corsi telematici? Perché
alcuni sanno ottenere di più dagli strumenti tecnologici? Lo studio
ha l’obiettivo di rilevare le diverse convinzioni di effi cacia personale
per l’apprendimento tecnologicamente mediato e la loro relazione alla
reale effi cacia accademica (media e numero di esami sostenuti) e ai
comportamenti di aiuto, controllando l’effetto del genere e dell’età.
1. Autoeffi cacia in ambito universitario
L’autoeffi cacia è un costrutto social-cognitivo introdotto da Bandura
(1997) recentemente studiato anche in relazione ai processi di autore-
golazione negli ambienti di apprendimento on line (per una rassegna
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
65
si veda Tsai, Chuang, Liang & Tsai, 2011). Nello specifi co, misura il
grado di fi ducia che un individuo percepisce nell’affrontare un deter-
minato compito, e in questo senso rappresenta l’indicatore che meglio
chiarisce le possibilità di successo nel compito stesso. Alti livelli di
auto-effi cacia degli studenti sono associati a buoni risultati accade-
mici, qualità dei percorsi di apprendimento (Newby-Fraser & Schle-
busch, 1997; Richardson et al, 2012), basso rischio di abbandonare gli
studi, maggiore effi cacia nel superamento delle diffi coltà che possono
presentarsi durante il corso di studi (Chemers, Hu & Garcia, 2001).
È stato dimostrato che i risultati accademici sono infl uenzati sia dalla
autoeffi cacia nella gestione delle attività didattiche (autoeffi cacia ac-
cademica) sia nell’autoeffi cacia nella costruzione e il mantenimento
di buone relazioni sociali utili al processo di apprendimento (autoef-
fi cacia sociale), che è associata anche con la resilienza nei confronti di
eventuali diffi coltà psicologiche come ad esempio sintomi depressivi
e problemi sociali. Come è stato descritto da Zimmerman (2000), gli
ambienti di apprendimento richiedono infatti l’uso e lo sviluppo di
competenze sociali, oltre che la capacità di programmare le attività
di studio e stabilire un metodo specifi co per la propria formazione
accademica. In questo senso è possibile ipotizzare che l’effi cacia e i
risultati della formazione universitaria siano associati e dipendano in
buona parte anche dalla possibilità da parte dello studente di coniu-
gare skills individuali e interpersonali (Attwell, 2007).
L’autoeffi cacia nella gestione del proprio apprendimento si riferi-
sce alla capacità percepita di organizzare e controllare il programma
di studi, padroneggiare gli argomenti appresi e ottenere buoni risulta-
ti attraverso strategie cognitive e meta-cognitive. Invece l’autoeffi cacia
sociale in ambito accademico è associata all’abilità dello studente di
interagire in modo adattivo e collaborativo con il gruppo dei pari,
dare e ricevere sostegno all’apprendimento e sviluppare un senso di
appartenenza e identifi cazione sia con l’istituzione accademica che
con gli altri studenti. Nonostante un consistente numero di studi ab-
bia indagato il ruolo della autoeffi cacia e della effi cacia sociale nell’uso
delle tecnologie e le sue associazioni con i risultati accademici (per
una rassegna si veda ad esempio Kuo, Walker, Schroder, Belland &
Kuo, 2014), relativamente poche ricerche hanno invece approfondito
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
66
lo studio dell’effi cacia accademica e sociale all’interno di ambienti di
apprendimento web-based (Moos & Azevedo, 2008).
2. I contesti di apprendimento nell’università a distanza
La tipologia di studente che frequenta l’università in modalità e-lear-
ning, ha caratteristiche specifi che e sviluppa pratiche di studio diverse
dagli studenti delle università in presenza. Per questo studiarne i pro-
cessi di apprendimento è fondamentale ma risulta per certi versi più
complesso, venendo meno l’osservazione diretta sul campo. Alcune
procedure fanno uso dell’analisi dei forum degli studenti (Tobarra,
Robles-Gòmez, Ros, Hernandez & Caminero, 2014) dove si sviluppa-
no dinamiche relazionali che fanno emergere temi e criticità del vissu-
to accademico. In genere i forum uffi ciali delle istituzioni universitarie
sono focalizzati sui contenuti delle discipline e sulle informazioni di
contesto. Le community degli studenti però amano fondare e frequen-
tare propri gruppi sui social network per essere più liberi di uscire
dall’ortodossia accademica e operare scambi di informazioni liberi dal
controllo dei docenti.
I precedenti studi hanno già documentato l’importanza delle inte-
razioni sociali mediate dalle tecnologie nell’alta formazione rilevando
differenze sostanziali (Hung, Chou, Chen & Own, 2010). Ma si tratta
di studenti in formazione iniziale, una classe di età quindi piuttosto
ristretta e uniforme. Non è così per i corsi a distanza che sono scelti
da utenti di diverse età, in larga maggioranza lavoratori e che in buona
percentuale hanno già avuto esperienza con l’università. I contesti di
vita sono pertanto estremamente vari e contemplano condizioni prati-
che non omologabili. Alcuni studenti a distanza vivono positivamente
il distacco fi sico sentendosi più protetti e preservati dai possibili fal-
limenti, altri soffrono dell’isolamento e del senso di estraneità che la
Comunicazione Mediata dal Computer comporta (Ranieri, 2005). La
rete sociale è particolarmente importante per gli studenti telematici,
in quanto può compensare la mancanza degli spazi informali della
relazione, che gli studenti dei corsi in presenza consumano normal-
mente.
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
67
Minocha (2009) ha dimostrato attraverso 26 casi studio, come i
social network, se in relazione ai processi di apprendimento, fornisca-
no una maggiore percezione di controllo, di achievement, di capacità
di problem solving da parte degli studenti. Essi forniscono competen-
ze trasferibili e sostengono l’apprendimento peer-to-peer e rifl essivo,
promuovendo in tal modo emozioni positive, community engagement,
cittadinanza digitale e cosa ancor più importante l’impegno sociale e
comportamenti prosociali (Sun & Rueda, 2012).
2.1. Gli strumenti didattici dell’università a distanza
Le Università a distanza, secondo quanto indicato dall’Agenzia Na-
zionale di Valutazione del sistema Universitario e della Ricerca (AN-
VUR) utilizzano specifi ci strumenti per sostenere l’apprendimento
degli studenti. In particolare, il processo di apprendimento offerto
dall’Università Telematica Uninettuno si sviluppa nell’ambito del mo-
dello didattico che permette di superare le limitazioni spazio-temporali
dell’accesso al sapere (Garito, Anceschi & Botta, 2006). La didattica si
svolge attraverso l’erogazione degli insegnamenti in moduli, che si atti-
vano tre volte nel corso dell’Anno Accademico, il cui contenuto e du-
rata variano a seconda dei crediti formativi attribuiti all’insegnamento.
Per ciascun insegnamento gli studenti sono suddivisi in classi e
sostenuti da un Docente/Tutor, che guida lo svolgimento dell’attività
didattica e facilita il percorso di apprendimento e di comunicazione
in rete.
Il punto di partenza della didattica erogativa è costituito dalla vi-
sione delle videolezioni accademiche, che sono suddivise in argomenti
e realizzate con un’indicizzazione che consente agli studenti di sce-
gliere quali sezioni tematiche approfondire usufruendo dei materiali
didattici collegati (learning object).
La didattica interattiva avviene sia in modo sincronico, attraverso
aule virtuali e chat, che diacronico, attraverso discussioni collettive sul
forum e discussioni individuali attraverso l’e mail.
Il Docente Tutor pianifi ca gli incontri interattivi attraverso chat
o aula virtuale per discutere gli argomenti del corso. Altre forme di
dialogo e discussione sincronica utilizzate sono il webinar e gli incon-
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
68
tri sulla piattaforma di realtà virtuale Second Life (Isola del Sapere di
Uninettuno).
Lo studente approfondisce, inoltre, gli argomenti attraverso lo
studio individuale avvalendosi dei materiali di supporto messi a di-
sposizione dal Docente Tutor sulla piattaforma quali ad esempio: libri
e articoli scientifi ci aggiornati, bibliografi e ragionate, slide relative al
corso, esercizi di autovalutazione e di verifi ca.
3. Metodo
Partecipanti
I partecipanti alla ricerca sono 159 adulti (58 maschi e 101 femmine)
di età compresa tra i 19 e i 63 anni (età media = 40.7 ds= 11.56). I
soggetti sono studenti della Facoltà di Psicologia dell’Università Tele-
matica Uninettuno e hanno partecipato volontariamente alla ricerca.
Il livello di istruzione è medio-alto: il 78.6 % possiede un diploma di
scuola superiore e il 22.4 % una laurea. Nella maggioranza dei casi
si tratta di studenti lavoratori (76.7%) principalmente impegnati in
professioni di tipo tecnico (23.8%), esecutive nei lavori di uffi cio
(23.8%), qualifi cate nelle attività commerciali e nei servizi (22.1%) e
intellettuali e scientifi che di elevata specializzazione (16.4%).
Procedura
Sono stati invitati a rispondere su base volontaria 200 studenti e
dopo aver preso visione degli obiettivi della ricerca hanno aderito 159
soggetti (79.5 %). La somministrazione è stata realizzata attraverso un
questionario on-line composto da una scala di autoeffi cacia accade-
mica nei contesti di apprendimento a distanza, una scala di compor-
tamento pro-sociale e una scheda contente i dati anagrafi ci e gli esiti
degli studenti nell’ultimo anno accademico.
Misure
Convinzione di effi cacia personale mediata dalle tecnologie: la scala è
composta da 24 item elaborati ad hoc per gli scopi del presente stu-
dio. Gli item sono stati sviluppati considerando: (1) le linee guida per
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
69
la costruzione degli item di autoeffi cacia (Bandura, 2006); le prece-
denti scala di autoeffi cacia accademica (Caprara et al, 2008) (2) focus
group con gli studenti su eventi critici che ostacolano i processi di
apprendimento a distanza, (3) gli ambienti di apprendimento presenti
disponibili nella piattaforma e-learning utilizzata dagli studenti. Ogni
affermazione viene valutata su una scala likert a 5 punti (da 1=per
nulla capace a 5= del tutto capace).
Comportamenti Prosociali: sulla base di studi precedenti (Caprara,
Steca, Zelli & Capanna, 2005) è stata costruita ad hoc una scala per
la valutazione dei comportamenti prosociali nei contesti dell’appren-
dimento a distanza; essa è composta da 6 item volti a valutare la fre-
quenza con cui gli studenti mettono in atto comportamenti di aiuto
e condivisione tra gli studenti. Esempi di item sono: “fornire aiuto
ad un collega in diffi coltà”, “condividere i materiali di studio con gli
altri studenti”. Ogni affermazione viene valutata su una scala likert a
4 punti (da 1=mai a 4= sempre). Nel presente campione l’attendibilità
della scala è buona (a = .83).
Nello stesso questionario, inoltre gli studenti sono stati invitati ad
indicare numero di esami sostenuti, superati e la loro votazione media
in trentesimi.
Analisi
Per la valutazione delle proprietà psicometriche è stata esaminata la
struttura fattoriale della scala di autoeffi cacia tramite l’Analisi delle
Componenti Principali applicando la rotazione oblim degli assi fat-
toriali. Per la scelta del numero dei fattori sono stati considerati i
seguenti elementi: analisi dello scree-test, la percentuale di varianza
spiegata dai fattori, la validità di contenuto sulla base degli item, esa-
me delle saturazioni degli item sui fattori estratti.
Considerando l’eterogeneità degli studenti dell’università a di-
stanza in termini di età e i risultati dei precedenti studi su autoeffi -
cacia, performance accademica e comportamenti prosociali (Chee,
Pino & Smith, 2005; Eagly, 2009) preliminarmente si è proceduto
all’analisi descrittiva delle variabili di controllo quali genere ed età.
Per l’esame delle differenze di genere e di età è stata utilizzata l’ana-
lisi della varianza a una via. Nello specifi co per l’età sono state crea-
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
70
te 5 fasce d’età: 1) 18-25 anni (17.4%); 2) 26-35 anni (14%); 36-45
anni (25.6%); 46-55 anni (35.5%); 56-65 anni (7.6%). La scelta delle
fasce è stata operata considerando un certo spostamento rispetto alla
suddivisione di altre ricerche demografi che (CENSIS) dove le classi
erano leggermente più ampie (es. 18-29 anni). Questa differenza è
giustifi cata dalla possibilità di fare un confronto con la fascia degli
studenti delle università tradizionali in formazione iniziale in genere
racchiusi nell’età 18-25.
Infi ne per lo studio della relazione tra convinzioni di autoeffi ca-
cia, prestazioni accademiche e comportamenti prosociali sono state
esaminate le correlazioni tra le variabili oggetto del presente studio e
sono stati realizzati tre modelli di regressione aventi le convinzioni di
autoeffi cacia come variabili indipendenti e le prestazioni accademiche
(esami superati nell’ultimo anno accademico e media dei voti) e i com-
portamenti prosociali come variabili dipendenti.
4. Risultati
Proprietà psicometriche (fattoriale)
Dall’analisi fattoriale sono emersi 2 fattori che spiegano in totale il
52,55 % della varianza. Come è possibile osservare in Tabella 1, il
primo fattore è caratterizzato da item di autoeffi cacia relativi all’ap-
prendimento collaborativo (44.1% di varianza spiegata; autovalo-
re 9.8), mentre il secondo fattore è caratterizzato da item relativi
all’utilizzo e la gestione autonoma dei materiali e le informazioni
presenti sulla piattaforma di e-learning (8.4% di varianza spiegata;
autovalore 1.9).
Pertanto, sulla base dei contenuti degli item il fattore 1 è stato
denominato “Social e-Effi cacy” (Autoeffi cacia sociale nell’e-Learn-
ing) e il fattore 2 “Task e-Effi cacy” (Autoeffi cacia nell’e-Learning
orientata al compito). L’attendibilità di entrambe le dimensioni di
autoeffi cacia è molto elevata (“Social e-Effi cacy” a = .92; “Task e-
Effi cacy” a = .86).
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
71
Tabel la 1. Struttura fattoriale della scala di autoeffi cacia nell’apprendimento
mediato dalle tecnologie
Social
e-Effi cacy
Task
e-Effi cacy
Quanto ti senti capace di:
Avere discussioni costruttive con gli altri studenti nel forum? .92 -.10
Interagire effi cacemente con il tutor e gli altri studenti durante l’aula virtuale? .91 -.08
Partecipare attivamente alle discussioni che avvengono in chat .87 -.09
Aprire nuove discussioni sul forum utili all’apprendimento dell’argomento
trattato? .86 .00
Lavorare in gruppo con altri studenti utilizzando la Chat? .80 .04
Lavorare in gruppo con altri studenti utilizzando il Forum? .80 .05
Sostenere le tue opinioni sul forum, anche quando gli altri non sono
d’accordo con te? .74 .10
Trovare informazioni utili al tuo studio in un’aula virtuale archiviata sul
sito dell’università? .64 .17
Estrapolare dalle varie discussioni sul forum le informazioni utili
all’argomento di studio? .56 .25
Utilizzare Second Life – Isola del sapere UNINETTUNO per apprendere
in gruppo? .47 .04
Utilizzare Facebook per cooperare con gli altri studenti? .40 .02
Ricercare documenti o collegamenti ipertestuali presenti sul sito utili al
tuo apprendimento? -.11 .87
Utilizzare in modo effi cace per lo studio i materiali suggeriti dal tutor per
il corso? .04 .79
Utilizzare la documentazione relativa all’insegnamento per organizzare il
tuo studio? .02 .78
Studiare un argomento dalle slide allegate alle videolezioni? -.07 .70
Ricercare in internet informazioni utili allo studio? .08 .68
Utilizzare indifferentemente più tipi di browser (Internet Explorer,
Firefox oppure Chrome)? -.08 .65
Studiare effi cacemente un argomento dalle video-lezioni? -.02 .65
Utilizzare le e-mail per la comunicazione col tutor e gli altri studenti? .15 .59
Discriminare e selezionare di un sito WEB solo le informazioni utili allo
studio? .10 .58
Leggere il testo di un sito web senza essere distratto da altri contenuti
presenti nella stessa pagina? .12 .52
Archiviare sul PC le informazioni trovate nel WEB? .16 .48
a di Cronbach .92 .86
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
72
Differenze di genere e di età
Per quanto riguarda le differenze di genere dall’ANOVA non emer-
gono signifi catività. Diversamente per l’età (cfr. Tabella 2) emerge che
gli studenti appartenenti alle fasce d’età più mature sostengono più
esami sia in generale [F(4,154)=4.63, p=.001] che nell’ultimo anno
accademico considerato [F(4,154)=2.60, p =.036], eccezion fatta, in
quest’ultimo caso per la fascia 18-25 anni.
Social
e-Effi cacy
Task
e-Effi cacy
Comp.
Prosociali
Esami
sostenuti
Esami sost.
2014
Esami
superati 2014 Voto
Media Ds Media Ds Media Ds Media Ds Media Ds Media Ds Media Ds
18-25 anni 3.68 .93 4.25 .59 2.26 .60 8.33 6.24 4.77 3.26 4.70 3.19 25.91 1.84
26-35 anni 3.70 .96 4.23 .79 1.94 .69 5.42 6.01 2.67 2.32 2.54 2.30 26.10 2.24
36-45 anni 3.75 .89 4.37 .49 2.05 .56 1.48 7.00 4.14 2.57 4.02 2.61 26.48 2.24
46-55 anni 3.75 .71 4.38 .44 2.05 .53 11.98 7.65 4.51 2.64 4.20 3.01 26.44 1.99
56-65 anni 3.53 1.09 4.20 .75 1.92 .72 13.54 7.88 4.69 2.29 4.46 2.26 26.04 1.77
Tabel la 2. Media e deviazione standard delle variabili sul totale dei soggetti e
separatamente per fasce d’età
Relazione tra autoeffi cacia, performance accademica e comportamenti
prosociali
Dalle analisi correlazionali emerge che i due fattori rappresentano due
dimensioni correlate ma distinte dell’autoeffi cacia nell’apprendimen-
to mediato dalle tecnologie. Come è possibile osservare in Tabella 3
infatti i pattern correlazionali delle due dimensioni si differenziano
rispetto al numero di esami sostenuti e superati e l’entità dell’asso-
ciazione con i comportamenti prosociali: solo la Social e-Effi cacy si
associa positivamente e signifi cativamente agli esami sostenuti. En-
trambe le dimensioni si associano sia con la media dei voti che con i
comportamenti prosociali ma in questo ultimo caso la dimensione di
autoeffi cacia sociale e interattiva presenta un r di Pearson molto più
elevato. È inoltre interessante notare che il numero degli esami soste-
nuti non correla signifi cativamente con la media dei voti.
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
73
Considerando la forte associazione tra le due dimensioni di autoeffi -
cacia, sono state realizzate tre regressioni per esaminare il contributo
unico di ciascuna rispetto alla media dei voti, il numero degli esami
superati e i comportamenti prosociali tra gli studenti (Tabella 4)
Tabel la 3. Relazione tra convinzioni di autoeffi cacia, performance accademica
e comportamenti prosociali
Social
e-Effi cacy Task
e-Effi cacy Comportamenti
prosociali Esami
sostenuti
Esami
sostenuti
a.a.2014
Esami
superati
a.a.2014
Social e-Effi cacy
Task e-Effi cacy .67**
Comportamenti pro sociali .49*** .23**
Esami sostenuti .17* .03 .38***
Esami sostenuti a.a. 2014 .25** .11 .52*** .68***
Esami superati a.a. 2014 .31*** .12 .52*** .61*** .89***
Media dei voti .26*** .31*** .06 -.07 .02 .10
*p<.05; **p<.01; ***p<.001
Tabel la 4. Infl uenza delle convinzioni di autoeffi cacia sulla performance acca-
demica e comportamenti prosociali
Media voti Esami superati Comp. prosociali
bbb
Social e-Effi cacy .10 ns .42*** .60***
Task e-Effi cacy .24* -.16 ns -.17 ns
R2.10*** 11*** .25***
*p<.05; **p<.01; ***p<.001
Dalle regressioni emerge che mentre la Task e-Effi cacy infl uenza la
media dei voti degli studenti (10% di varianza spiegata), la Social e-
Effi cacy invece infl uenza il numero di esami superati nell’ultimo anno
accademico (11% di varianza spiegata) e i comportamenti di aiuto e
condivisione degli studenti (25% di varianza spiegata).
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
74
5. Discussione
In linea con la letteratura che sottolinea il ruolo dell’autoeffi cacia ri-
spetto alla tecnologia (Miltiadou & Yu, 2010), lo studio descritto atte-
sta la validità del costrutto di autoeffi cacia accademica da un punto di
vista psicometrico anche nei contesti universitari a distanza. L’analisi
fattoriale ha identifi cato due fattori denominati “Social e-Effi cacy” e
“Task e-Effi cacy”. Mentre la Social e-Effi cacy incrementa fortemente
la performance da un punto di vista quantitativo, ad esempio rispetto
al numero degli esami sostenuti, la Task e-Effi cacy infl uenza i livelli
di prestazione in termini di qualità dei risultati raggiunti, ad esem-
pio la media dei voti. Rispetto all’area sociale solo la Social e-Effi cacy
promuove signifi cativamente l’adozione di comportamenti prosocia-
li come ad esempio condividere compiti, ricevere supporto e fornire
aiuto. Tale dato conferma anche nei contesti virtuali la relazione tra
autoeffi cacia sociale e comportamenti prosociali già rilevata in quelli
“reali” su adulti (Caprara, Gerbino & Delle Fratte, 2001).
Complessivamente i dati suggeriscono la presenza di due stili di
studio mediati dalla tecnologia, nella maggioranza dei casi coesistenti:
uno maggiormente individuale e orientato al compito ed uno sociale,
volto alla partecipazione attiva e prosociale nella comunità di appren-
dimento collaborativo.
I due fattori sembrano premiare performance diverse, ma si può
prevedere una loro coesistenza in quegli studenti che vogliono perse-
guire esiti sia quantitativi che qualitativi. A questo proposito un ulte-
riore studio di profi ling che metta in relazione i due fattori potrebbe
approfondire in modo più preciso le caratteristiche degli studenti.
Tale profi ling potrebbe aiutare maggiormente la personalizzazione di
una didattica modellata sullo studente per lo sviluppo equilibrato di
competenze cognitive e sociali.
Studi futuri, anche di tipo qualitativo, potranno meglio approfon-
dire e indagare i ruoli giocati dagli studenti e dai docenti nei contesti
di apprendimento collaborativi al fi ne di comprendere quali intera-
zioni sociali, mediate dalle tecnologie, possono promuovere i livelli
di autoeffi cacia. Essi dovranno inoltre verifi care la replicabilità di tale
studio sulla popolazione studentesca più ampia che tenga conto anche
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
75
di aspetti motivazionali correlati alle convinzioni di autoeffi cacia ed
effi cacia in ambito accademico (Richardson et al, 2012), che potreb-
bero aver favorito la partecipazione degli studenti alla ricerca.
In conclusione, si ritiene che ottenere informazioni sull’autoeffi ca-
cia accademica rispetto all’uso delle tecnologie diventa strategico per
capire gli studenti, modulare l’offerta formativa e intervenire lì dove
si manifestano criticità. Infatti, la fl essibilità formativa adattata agli sti-
li di studio e di apprendimento potrebbe rispondere ad atteggiamenti
diversi degli studenti: alcuni più inclini al compito personale e altri alla
socializzazione con i pari. Gli strumenti della didattica online in que-
sto caso si modulerebbero su profi li specifi ci degli studenti in modo da
permettere l’integrazione dello spettro di diverse competenze funzio-
nali all’apprendimenti. A questo proposito la possibilità di operare un
training di familiarizzazione alle interfacce comunicative interattive dei
corsi universitari a distanza potrebbe avere una forma modulare e sud-
divisa in compiti graduati e misurabili fi nalizzati all’aumento di skills sia
individuali che interpersonali utili all’apprendimento.
References
Attwell, G. (2007). Personal learning environments − the future of eLearn-
ing?. E-learning papers, 2(1): 1-8.
Bandura, A. (1997). Self-effi cacy: the exercise of Control. New York: Freeman.
Bandura, A. (2006). Guide for constructing self-effi cacy scales. In F. Paja-
res, T. Urdan (Eds.), Self-Effi cacy Beliefs of Adolescents (pp. 307-337).
Greenwich (CT): Information Age Publishing.
Caprara, G.V., Gerbino, M., & Delle Fratte, A. (2001). Autoeffi cacia inter-
personale. In G.V. Caprara (Ed.), La valutazione dell’autoeffi cacia. Cos-
trutti e strumenti (pp. 51-62). Trento: Erickson.
Caprara, G.V., Fida, R., Vecchione, M., Del Bove, G., Vecchio, G., Bar-
baranelli, C., & Bandura, A. (2008). Longitudinal analysis of the role
of perceived self-effi cacy for self-regulated learning in academic con-
tinuance and achievement. Journal Of Educational Psychology, 100(3):
525-534.
Caprara, G.V., Steca, P., Zelli, A., & Capanna, C. (2005). A new scale for
measuring adults’ prosocialness. European Journal of Psychological As-
sessment, 21: 77-89.
Convinzioni di effi cacia personale... / QWERTY 10, 2 (2015) 63-77
76
Chee, K., Pino, N., & Smith, W. (2005) Gender differences in the academic
ethic and academic achievement. College Student Journal [serial online],
39(3): 604-618.
Chemers, M.M., Hu, L.T., & Garcia, B.F. (2001). Academic self-effi cacy and
fi rst year college student performance and adjustment. Journal of Educa-
tional psychology, 93(1): 55-64.
Eagly, A.H. (2009). The his and hers of prosocial behavior: an examination of
the social psychology of gender. American Psychologist, 64(8): 644-658.
Jenkins, H. (2010). Culture partecipative e competenze digitali. Media educa-
tion per il XXI secolo. Milano: Guerini e Associati.
Garito M.A., Anceschi G., & Botta M. (2006). L’ambiente dell’apprendimento
– Web Design e processi cognitivi. Milano: Mc Graw-Hill.
Hung M.L., Chou C., Chen C.H., & Own Z.Y. (2010). Learner readiness for
online learning: scale development and student perceptions. Computers &
Education, 55(3): 1080-1090.
Kuo, Y.C., Walker, A.E., Belland, B.R., Schroder, K.E., & Kuo, Y.T. (2014).
A case study of integrating interwise: Interaction, internet self-effi cacy,
and satisfaction in synchronous online learning environments. The In-
ternational Review of Research in Open and Distributed Learning, 15(1):
161-181.
Miltiadou, M., & Yu, C. (2010). Validation of the Online Technologies Self-
Effi cacy Scale. International Journal of Educational Technology, ERIC
Document Reproduction Service No. ED. 445672.
Minocha, S. (2009). A case study-based investigation of students’ experi-
ences with social software tools. New Review of Hypermedia and Multi-
media, 15(3): 245-265.
Moos, D.C., & Azevedo, R. (2008). Monitoring, planning, and self-effi cacy
during learning with hypermedia: the impact of conceptual scaffolds.
Computers in Human Behavior, 24(4): 1686-1706.
Newby-Fraser, E., & Schlebusch, L. (1997). Social support, self-effi cacy and
assertiveness as mediators of student stress. Psychology: A Journal of Hu-
man Behavior, 34(3-4): 61-69.
Parkes, M., Stein, S., & Reading, C. (2015). Student preparedness for uni-
versity e-learning environments. Internet and Higher Education, 25: 1-10.
Ranieri, M. (2005). e-Learning: modelli e strategie didattiche. Trento: Erick-
son.
Richardson, M., Abraham, C., & Bond, R. (2012). Psychological correlates
of university students’ academic performance: a systematic review and
meta-analysis. Psychological bulletin, 138(2): 353-387.
L. Di Mele, F. D’Errico, L. Cerniglia, M. Cersosimo, M. Paciello / QWERTY 10, 2 (2015) 63-77
77
Robbins, S.B., Lauver, K., Le H., Davis D., Langley R., & Carlstrom A.
(2004). Do psychosocial and study skill factors predict college out-
comes? A meta-analysis. Psychological bulletin, 130(2): 261-88.
Sun, J.C.Y., & Rueda, R. (2012). Situational interest, computer self-effi cacy
and self-regulation: their impact on student engagement in distance edu-
cation. British Journal of Educational Technology, 43(2): 191-204.
Tobarra, L., Robles-Gómez, A., Ros, S., Hernández, R., & Caminero, A.C.
(2014). Analyzing the students’ behavior and relevant topics in virtual
learning communities. Computers in Human Behavior, 31: 659-669.
Tsai, C.C., Chuang, S.C., Liang, J.C., & Tsai, M.J. (2011). Self-effi cacy in In-
ternet-based learning environments: a literature review. Journal of Edu-
cational Technology & Society, 14(4): 222-240.
Zimmerman, B.J. (2000). A Social Cognitive Perspective. In M. Boekaerts,
P.R. Pintrich, M. Zeidner (Eds.), Handbook of Self-regulation (pp 13-39).
San Diego (CA): Academic Press.
