ความสัมพันธ์ระหว่างปัจจัยที่ส่งผลต่อความเครียดในการสอนออนไลน์ ของอาจารย์ในมหาวิทยาลัยเอกชน
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาความสัมพันธ์ระหว่างปัจจัยที่ส่งผลต่อความเครียดในการสอนออนไลน์ของอาจารย์ และ 2) เพื่อศึกษาความเครียดในการสอนออนไลน์ของอาจารย์มหาวิทยาลัยเอกชนแห่งหนึ่ง จำแนกตามสถานภาพส่วนบุคคล รูปแบบการวิจัยเป็นการวิจัยเชิงปริมาณ ใช้แนวคิดของ Çoklar, Efilti, & Sahin (2017) ที่เน้นศึกษาความเครียดจากการใช้เทคโนโลยีกับกลุ่มบุคลากรทางการศึกษา โดยเกี่ยวข้องกับการจัดการเรียนการสอนและการทำงานของครู เป็นกรอบการวิจัย พื้นที่วิจัย คือมหาวิทยาลัยเอกชนแห่งหนึ่ง กลุ่มตัวอย่างเป็นอาจารย์ จำนวน 136 คน มาจากการสุ่มชนิดไม่อาศัยความน่าจะเป็น แบบเจาะจง โดยใช้แบบสอบถามเป็นเครื่องมือ วิเคราะห์ข้อมูลโดยใช้สถิติพรรณนา และวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรโดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์ แบบ Pearson ผลการวิจัยพบว่า 1) เพศมีผลต่อการรับรู้ความสามารถของตนเอง และความเครียดในการสอนออนไลน์ของอาจารย์แตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ.05 2) อาจารย์อายุแตกต่างกัน มีความเหนื่อยล้าทางอารมณ์การรับรู้ความสามารถตนเอง และความเครียดจากการใช้เทคโนโลยีการสอนแตกต่างกันอย่างมีนัยสำคัญทางสถิติ 3) ความเหนื่อยล้า การรับรู้ความสามารถตนเอง ความเครียดจากการใช้เทคโนโลยีการสอน และทัศนคติที่มีต่อเทคโนโลยีการสอนออนไลน์ กับ ความเครียดในการสอนออนไลน์ของอาจารย์ มีความสัมพันธ์กันในเชิงบวก โดยที่ความเครียดจากการใช้เทคโนโลยีการสอนออนไลน์ มีความสัมพันธ์ทางบวกกับความเครียดในการสอนออนไลน์ของอาจารย์มากที่สุด (r=.663) ข้อค้นพบจากงานวิจัยนี้จะเป็นประโยชน์ในการใช้เป็นแนวทางในการลดความเครียดจากการสอนออนไลน์ เช่น การอบรมเพื่อปรับเปลี่ยนทัศนคติเกี่ยวกับจากการใช้เทคโนโลยีในการจัดการเรียนการสอนออนไลน์ของอาจารย์
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
กัลยา วานิชย์บัญชา. (2561).สถิติสำหรับงานวิจัย. (พิมพ์ครั้งที่ 12). กรุงเทพฯ: โรงพิมพ์กรุงเทพฯ : ห้างหุ้นส่วนจำกัดสามลดา.
เปรมภาว์ ด้วงทอง, วรสันต์ ถาวรประเสริฐ, วิจิตรา ธนะศิริขจร และวิษณุพงษ์ โพธิพิรุฬห์. (2564).ความเครียดจากการใช้เทคโนโลยีในการจัดการเรียนการสอนออนไลน์ของอาจารย์ มหาวิทยาลัยราชภัฏสงขลาในช่วงการระบาดของโรคโควิด-19: การตรวจสอบตัวแปรทำนายและผลลัพธ์. วารสารธรรมศาสตร์, 40 (3), 49-73.
Bandura. (1986). Social foundations of thought and action: A social cognitive theory. Englewood Cliffs, NJ: Prentice-Hall.
Çoklar, A. N., Efilti, E., & Sahin, L. (2017). Defining Teachers' Technostress Levels: A Scale Development. Online Submission, 8(21), 28-41.
Dong, Y., Xu, C., Chai C. S., & Zhai, X. (2020). Exploring the Structural Relationship among Teachers’ Technostress, Technological Pedagogical Content Knowledge (TPACK), Computer Self-efficacy and School Support. The Asia Pacific Education Research, 29(2),147–157.
Harvanek ZM, Mourao MA, Schnell S, Pletcher SD. (2018). A computationalapproach to studying ageing at the individual level, From http://dx.doi.org/10.1098/rspb.2015.2346 on 21/05/23
Kendra Cherry, MS. (2022). How Social Learning Theory Works. From https://www.verywellmind.com/social-learning-theory-2795074 on 21/04/2003
Krejcie & Morgan. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610.
Olaskoaga-Larrauri, J., Barrenetxea-Ayesta, M., Cardona-Rodríguez, A., Jose MijangosDel Campo, J., & Barandiaran‐Galdós, M. (2016). Between Efficiency and Transformation: The opinion of deans on the meaning of quality in higher education. European Journal of education, 51(2), 257-269.