Page 87 - Maša Vidmar, Vedenjske težave in učna uspešnost. Ljubljana: Pedagoški inštitut, 2017. Digitalna knjižnica, Dissertationes, 30
P. 87
r e z u ltat i
označevalca, s čimer smo prešli iz konfirmatornega v eksploratorni pristop
(ugotovitve bi bilo potrebno validirati na neodvisnem vzorcu). Prileganje v
popravljenem modelu je bilo prav tako dobro in vsi preostali označevalci so
bili pomembno pozitivno nasičeni (p < 0,001). Zaradi tega smo se odločili,
da v nadaljnjih analizah sestavljanke ne bomo upoštevali kot označevalca
konstrukta samouravnavanja. Poleg tega je iz korelacijskih tabel v prilogi
(A1, A2, A3) razvidno, da se sestavljanka povezuje z označevalci vedenjskih
težav in učne uspešnosti drugače kot ostali označevalci samouravnavanja;
npr. z označevalci vedenja ponotranjenja ter učne uspešnosti se skoraj ne
povezuje (ostali označevalci samouravnavanja pa se), medtem ko je situaci-
ja ravno obrnjena pri korelacijah z označevalci vedenja pozunanjenja.
Odnos med vedenjskimi težavami in učno uspešnostjo
V hipotezi 2 smo predpostavili, da so otroci, ki kažejo v prvem razredu
manj vedenj ponotranjenja in pozunanjenja, v drugem razredu bolj učno
uspešni; ter obratno, da kažejo otroci, ki so v prvem razredu učno uspe-
šnejši, v drugem razredu manj vedenj ponotranjenja in pozunanjenja. To
smo preverjali v dveh ločenih nizih analiz, za vsak vidik vedenjskih težav
posebej.
Pri vsaki analizi smo v prvem koraku preverjali KFA model, v katerega
smo vključili M2 in M4 označevalce učne uspešnosti ter M2 in M4 označe-
valce enega od konstruktov vedenjskih težav, vendar nismo določili odno-
sov med konstrukti, pač pa so ti lahko med seboj prosto korelirali. V KFA
modele smo vključili tudi korelacije med označevalci ter vzdolžno invari-
anco nasičenosti, kot smo jih ugotovili v predhodnem razdelku.
V drugem koraku analize smo preverjali SEM model, v katerega smo
vključili konstrukte in njihove označevalce, korelacije med označevalci ter
vzdolžno invarianco nasičenosti iz KFA modela, poleg tega pa smo določi-
li odnose med konstrukti. V modele smo vključili avtoregresijski poti med
enakima konstruktoma (med M2 in M4 komponento vedenjskih težav ter
med M2 in M4 učno uspešnostjo), ter poti navzkrižnega zamika med raz-
ličnima konstruktoma (pot od M2 komponente vedenjskih težav do M4
učne uspešnosti ter pot od M2 učne uspešnosti do M4 komponente vedenj-
skih težav). Ker rezultati KFA modelov prinašajo le malo dodatnih infor-
macij glede na SEM modele, predstavljamo le slednje (rezultati za KFA mo-
dele pa so na voljo v arhivu avtorice).
87
označevalca, s čimer smo prešli iz konfirmatornega v eksploratorni pristop
(ugotovitve bi bilo potrebno validirati na neodvisnem vzorcu). Prileganje v
popravljenem modelu je bilo prav tako dobro in vsi preostali označevalci so
bili pomembno pozitivno nasičeni (p < 0,001). Zaradi tega smo se odločili,
da v nadaljnjih analizah sestavljanke ne bomo upoštevali kot označevalca
konstrukta samouravnavanja. Poleg tega je iz korelacijskih tabel v prilogi
(A1, A2, A3) razvidno, da se sestavljanka povezuje z označevalci vedenjskih
težav in učne uspešnosti drugače kot ostali označevalci samouravnavanja;
npr. z označevalci vedenja ponotranjenja ter učne uspešnosti se skoraj ne
povezuje (ostali označevalci samouravnavanja pa se), medtem ko je situaci-
ja ravno obrnjena pri korelacijah z označevalci vedenja pozunanjenja.
Odnos med vedenjskimi težavami in učno uspešnostjo
V hipotezi 2 smo predpostavili, da so otroci, ki kažejo v prvem razredu
manj vedenj ponotranjenja in pozunanjenja, v drugem razredu bolj učno
uspešni; ter obratno, da kažejo otroci, ki so v prvem razredu učno uspe-
šnejši, v drugem razredu manj vedenj ponotranjenja in pozunanjenja. To
smo preverjali v dveh ločenih nizih analiz, za vsak vidik vedenjskih težav
posebej.
Pri vsaki analizi smo v prvem koraku preverjali KFA model, v katerega
smo vključili M2 in M4 označevalce učne uspešnosti ter M2 in M4 označe-
valce enega od konstruktov vedenjskih težav, vendar nismo določili odno-
sov med konstrukti, pač pa so ti lahko med seboj prosto korelirali. V KFA
modele smo vključili tudi korelacije med označevalci ter vzdolžno invari-
anco nasičenosti, kot smo jih ugotovili v predhodnem razdelku.
V drugem koraku analize smo preverjali SEM model, v katerega smo
vključili konstrukte in njihove označevalce, korelacije med označevalci ter
vzdolžno invarianco nasičenosti iz KFA modela, poleg tega pa smo določi-
li odnose med konstrukti. V modele smo vključili avtoregresijski poti med
enakima konstruktoma (med M2 in M4 komponento vedenjskih težav ter
med M2 in M4 učno uspešnostjo), ter poti navzkrižnega zamika med raz-
ličnima konstruktoma (pot od M2 komponente vedenjskih težav do M4
učne uspešnosti ter pot od M2 učne uspešnosti do M4 komponente vedenj-
skih težav). Ker rezultati KFA modelov prinašajo le malo dodatnih infor-
macij glede na SEM modele, predstavljamo le slednje (rezultati za KFA mo-
dele pa so na voljo v arhivu avtorice).
87
