Üniversite Öğrencilerinde Akademik Motivasyon Yapısının İncelenmesi: Bölüm ve Cinsiyete Göre Farklılaşma
Özet Görüntüleme: 39
/ 
PDF İndirme: 27
DOI:
https://doi.org/10.5281/zenodo.18117717Anahtar Kelimeler:
Akademik Motivasyon, Öz Belirleme Teorisi (SDT), İçsel Motivasyon, Dışsal Motivasyon, Cinsiyet Farklılaşması, Bölüm/Alan, Python Programlama DiliÖzet
Bu çalışma, Türkiye’deki üniversite öğrencilerinin akademik motivasyon düzeylerini Öz Belirleme Teorisi (Self-Determination Theory, SDT) çerçevesinde incelemeyi ve bu düzeylerin cinsiyet ile bölüm/alan değişkenlerine göre farklılaşıp farklılaşmadığını belirlemeyi amaçlamaktadır. Nicel araştırma yönteminin kullanıldığı çalışmada, çeşitli üniversitelerde öğrenim gören 284 öğrenciden Vallerand ve arkadaşları (1992) tarafından geliştirilen Akademik Motivasyon Ölçeği (AMS) ile veri toplanmıştır. Veri temizliği sonrasında tüm analizler Python programlama dili kullanılarak gerçekleştirilmiştir.
Tanımlayıcı sonuçlara göre öğrencilerin akademik motivasyon yapısında en yüksek ortalamalar İçsel Motivasyon–Bilme (Xˉ≈4.06) ve Dışsal Motivasyon–Dış Düzenleme (Kariyer güdüsü; Xˉ≈4.07) boyutlarında görülmüş; motivasyonsuzluk düzeylerinin ise düşük olduğu belirlenmiştir. Karşılaştırmalı analizlerde cinsiyetin Dışsal Motivasyon–İspat (p<0.01) ve Motivasyonsuzluk (p<0.05) boyutlarında anlamlı farklılık meydana getirdiği; kadın öğrencilerin kendini kanıtlama motivasyonunun daha yüksek, erkek öğrencilerin ise motivasyonsuzluk düzeyinin daha yüksek olduğu saptanmıştır. Bölüm/alan değişkeninin hem içsel hem dışsal motivasyon alt boyutlarının çoğunda anlamlı farklılıklara yol açtığı (ANOVA) görülmüş; Tukey HSD sonuçları, özellikle Sosyal ve Beşeri Bilimler öğrencilerinin İktisadi ve İdari Bilimler/İşletme öğrencilerine kıyasla daha yüksek motivasyon düzeylerine sahip olduğunu, dışsal motivasyonun İspat boyutunda ise Mühendislik/Teknoloji öğrencilerinin daha yüksek puan aldığını ortaya koymuştur. Bu bulgular, akademik motivasyonun disiplinler arası ve cinsiyet temelli farklılıklar gösterdiğini ve akademik başarıyı artırmaya yönelik stratejilerin bu farklılıklar dikkate alınarak tasarlanması gerektiğini göstermektedir.
İndirmeler
Referanslar
Ames, C. (1992). Classrooms: Goals, structures, and student motivation. Journal of Educational Psychology, 84(3), 261–271.
Byrne, B. M. (2013). Structural equation modeling with Mplus: Basic concepts, applications, and programming. Routledge.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
Cokley, K. O., Bernard, N., Cunningham, D., & Motoike, J. (2001). A psychometric investigation of the Academic Motivation Scale using a United States sample. Measurement and Evaluation in Counseling and Development, 34(2), 109–119.
Deci, E. L., & Ryan, R. M. (1985). Intrinsic motivation and self-determination in human behavior. Plenum.
Deci, E. L., & Ryan, R. M. (2000). The" what" and" why" of goal pursuits: Human needs and the self-determination of behavior. Psychological inquiry, 11(4), 227-268.
Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage.
Gillet, N., Vallerand, R. J., & Lafrenière, M.-A. K. (2012). Intrinsic and extrinsic school motivation as a function of age: The mediating role of autonomy support. Educational Psychology, 32(6), 671–686.
Guay, F., Ratelle, C. F., & Chanal, J. (2008). Optimal learning in college students: The role of teachers' autonomy support and students' autonomy, competence, and relatedness. Contemporary Educational Psychology, 33(4), 697–718.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth.
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural equation modeling: a multidisciplinary journal, 6(1), 1-55.
Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
LeVeque, R. J., Mitchell, I. M., & Stodden, V. (2012). Reproducible research for scientific computing: Tools and strategies for changing the culture. Computing in Science & Engineering, 14(04), 13-17.
Microsoft. (2025). Visual Studio Code documentation. https://code.visualstudio.com/docs
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3rd ed.). McGraw-Hill.
Python Software Foundation. (2025). Python documentation. https://docs.python.org
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.
Ryan, R. M., & Deci, E. L. (2017). Self-determination theory: Basic psychological needs in motivation, development, and wellness. Guilford Press.
Vallerand, R. J., Pelletier, L. G., Blais, M. R., Brière, N. M., Senécal, C., & Vallières, E. F. (1992). The Academic Motivation Scale: A measure of intrinsic, extrinsic, and amotivation in education. Educational and Psychological Measurement, 52(4), 1003–1017. https://doi.org/10.1177/ 0013164492052004025
Viau, R. (1994). La motivation en contexte scolaire. Saint-Laurent, Québec: ERPI.
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 Premium e-Journal of Social Sciences (PEJOSS)
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
