Page 96 - Maša Vidmar, Vedenjske težave in učna uspešnost. Ljubljana: Pedagoški inštitut, 2017. Digitalna knjižnica, Dissertationes, 30
P. 96
vedenjske težave in učna uspešnost

Model z vedenjem pozunanjenja in učno uspešnostjo je imel zadovo-
ljivo prileganje (CFI = 0,96, RMSEA(IZ) = 0,07(0,06–0,08), SRMR = 0,06,
χ2(82) = 205,12, p < 0,001). Vključenost v vrtec je pomembno prispevala k
večji izraznosti vedenja pozunanjenja v prvem razredu (nestandardiziran
koeficient poti je znašal -0,39, popolnoma standardizirani pa -0,21); otroci,
ki so bili v vrtec vključeni dlje, so v prvem razredu kazali več vedenja po-
zunanjenja. Podobne rezultate smo dobili tudi, če smo vključenost v vrtec
obravnavali kot dihotomno spremenljivko. Oblikovali smo jo na dva raz-
lična načina, ki smo ju opisali v zgornjem odstavku (vključen v vrtec – ni
bil vključen v vrtec; vključen pet let v vrtec – vključen nič ali malo let v vr-
tec). V obeh primerih je bila v modelih pot od vključenosti v vrtec do ve-
denja pozunanjenja pomembna. Vključenost otroka v vrtec ni pomembno
napovedovala učne uspešnosti v M2, ostali koeficienti v modelu so bili zelo
podobni kot v modelu brez vključenosti v vrtec (vse nasičenosti so bile po-
membne, prav tako avtoregresijske poti in pot navzkrižnega zamika od M2
vedenja pozunanjenja do M4 učne uspešnosti).

Drugi izbrani napovedniki
V hipotezi 5 smo predpostavili, da so pomembni napovedniki učne uspeš-
nosti otrokove temeljne kompetentnosti, nebesedna inteligentnost, zna-
čilnosti starševstva, samouravnavanje in izobrazba mame. Pomemben
napovednik vedenjskih težav sta izobrazba mame in nizko samouravna-
vanje, poleg tega pa posredno preko učinka na otrokovo samouravnava-
nje tudi značilnosti družinskega okolja in nekatere mamine psihološke
značilnosti.

Hipotezo smo preverjali v dveh nizih analiz, posebej za odnos učne
uspešnosti z vsakim vidikom vedenjskih težav. Za izhodišče smo vzeli mo-
dele, ki upoštevajo že ugotovljene odnose med učno uspešnostjo in vedenj-
skimi težavami, pa tudi korelacije med označevalci ter vzdolžno invarianco
nasičenosti (glej razdelka 3.4.1, 3.4.2 ter sliki 6 in 7). V nizu analiz smo loče-
no obravnavali vsakega od izbranih napovednikov; tj. najprej smo v model
vključili prvi napovednik, nato smo ga izločili iz modela in v model vključi-
li naslednjega itd., dokler nismo v modelih posamično upoštevali vseh na-
povednikov. Za ločeno analizo napovednikov smo se odločili, zato da smo
imeli boljši nadzor nad modeli. V zadnjem koraku smo v model vključili le
pomembne dejavnike iz »delnih« modelov.

96
   91   92   93   94   95   96   97   98   99   100   101