4.2 Разработка исследования
Строительная валидность исследования, использованного в исследовании, была подтверждена с помощью термического факторного анализа после определения основных факторов с помощью Исследовательского факторного анализа (EFA) в рамках исследования rstsurvey. Используя EFA, мы обнаружили, что элементы исследования, которые ссылаются на одни и те же виды деятельности и навыки, формируют лучшие факторы, чем группировка, связанная с интересами, конденсацией или другими объективными областями. Этот метод также проверяет общность терминов, встречающихся в таких терминах, как "компьютерная наука", "программное обеспечение" и "программирование". Как правило, если элементы нагрузки на один и тот же фактор, это говорит о том, что респонденты и общий смысл между элементами. Мы использовали программное обеспечение AMOS24 для проведения термического факторного анализа (CFA). CFA является статистическим методом, который проверяет, насколько хорошо различные теоретические модели соответствуют эмпирическим данным исследований. Индексы соответствия (статистика, оценивающая соответствие модели данным) включали Хи-квадрат (χ2), RMSEA, CFI и SRMA индексы, а также следовали лучшим практикам для стандартов соответствия модели. Для расчета коэффициентного анализа мы использовали процесс оценки максимальной вероятности. Мы проверили адекватность и предположения по формулированию данных и обнаружили (1) приемлемо высокое отношение лиц к параметру для исследования (14:1), (2) одномерную и многомерную нормальность в пределах допустимых диапазонов асимметрии и куртообразования для отдельных переменных и многомерной нормальности и (3) надежность композитов была от недостаточной до хорошей, от 0,77 (азартные игры) до 0,85 (программирование). Эти тесты показывают, что предположения для использования факторного анализа были достигнуты. Опрос соответствовал или почти соответствовал принятым стандартам модели t с χ2= 242, df = 84, CMIN/df = 2,9, CFI = 0,95, RMSEA = 0,061 иSRMR = 0,067. Отдельные пункты показали высокую факторную загрузку для всех переменных больше, чем .5 ex - за исключением чуть более низкого пути для одного из пунктов Social Support: "Мои друзья думают, что это круто, что я узнаю о технологиях" (FL = 0.47). Корреляции между факторами были относительно низкими (r = 0,3 к 0,4), что повышает расхождение валидности этой модели, а это означает, что отдельные факторы, скорее всего, стоят за диетологию и отдельные конструкции. В таблице 1 показаны компоненты каждой композитной переменной, средства и стандартные отклонения каждой шкалы, факторные нагрузки каждого элемента и внутренняя надежность композитной переменной. мы использовали ответы на два элемента из опроса 2016 г. (также присутствующие в версии 2013 г.) для создания зависимой переменной в нашем анализе, устойчивости CS и технологической устойчивости. В опросе 2016 г. три открытых вопроса задавались для получения степени бакалавра (например, бакалавра информатики) в колледже средней и младшей ступени или, в случае его окончания, степени бакалавра. Затем эта переменная была разделена на три отдельные и не совпадающие группы в зависимости от степени бакалавра/малой специальности и степени: (1) Степень магистра информатики (CS-Persister) - те, кто изучал или закончил на момент проведения второго опроса со степенью в области компьютерных наук или компьютерной инженерии, (2) Степень технического специалиста (Tech-Persister) - те, кто изучал в колледже специальность, связанную с информационными технологиями (кроме CS или компьютерной инженерии), или кто закончил со степенью в этих областях или получил диплом в одной из этих областей, и (3) Все остальные респонденты, не являющиеся студентами-респондентами. Степень "Технология" включает ряд специальностей, не связанных с компьютерной наукой, в том числе информатику, информатику, электронные средства массовой информации, кибербезопасность, науку о данных и машиностроение. Другие переменные, включенные в окончательную прогнозную регрессионную модель, были взяты из аппликационной формы для премии за достижения (более подробное описание см. ниже), а именно из пунктов, соответствующих тому, сколько школьниц сообщили об участии в разрозненных типах вычислительных экспериментов. Сто тридцать два ученика в нашей выборке не заполнили это приложение, поэтому у нас были данные для большинства из нашей выборки. Мы сравнили тех, кто не заполнил приложение (например, тех, кто не заполнил приложение, с теми, кто заполнил), с теми, кто заполнил приложение по переменным нашего магистрального опроса, и не обнаружили существенных различий между демографическими характеристиками групп.
