01 / 09 Z N A N S T V E N A M O N O G R A F I J A P E D A G O Š K E G A I N Š T I T U T A Dr. Eva Podovšovnik Axelsson S O C I A L N O - P S I H O L O Š K I F A K T O R J I I N D R U Ž B E N E D E T E R M I N A N T E R A Č U N A L N I Š K E I N I N T E R N E T N E P I S M E N O S T I M E D S L O V E N S K I M I O S N O V N O Š O L S K I M I M A T U R A N T I 01 / 09 Z N A N S T V E N A M O N O G R A F I J A P E D A G O Š K E G A I N Š T I T U T A Dr. Eva Podovšovnik Axelsson S O C I A L N O - P S I H O L O Š K I F A K T O R J I I N D R U Ž B E N E D E T E R M I N A N T E R A Č U N A L N I Š K E I N I N T E R N E T N E P I S M E N O S T I M E D S L O V E N S K I M I O S N O V N O Š O L S K I M I M A T U R A N T I Kontakt: dr. Eva Podovšovnik Axelsson, zasebna raziskovalka email: eva@martingolf.si To poročilo je del projekta “Perspektive evalvacije in razvoja sistema vzgoje in izobraževanja v Republiki Sloveniji” (2009), financiranega s strani MŠŠ in ESS; projekt koordinira dr. Janez Kolenc. Znanstvena monografija 01/09 Avtorji: dr. Eva Podovšovnik Axelsson Naslov: Socialno-psihološki faktorji in družbene determinante računalniške in inter- netne pismenosti med slovenskimi osnovnošolskimi maturanti Izdajatelj: Pedagoški inštitut, Ljubljana (zanj Mojca Štraus) Oblikovanje: Emina Djukić in Jaka Kramberger Recenzenta: dr. Boris Kragelj in dr. Anton Kramberger CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 659.2:37.091.3:003-057.874(497.4)(0.034.2) 316.6-057.874(497.4)(0.034.2) PODOVŠOVNIK, Eva Socialno-psihološki faktorji in družbene determinante računalniške in internetne pismenosti med slovenskimi osnovnošolskimi maturanti [Elektronski vir] / Eva Podovšovnik Axelsson. - El. knjiga. - Ljubljana : Pedagoški inštitut, 2009. - (Znanstvena monografija / Pedagoški inštitut ; 09, 01) Način dostopa (URL): http://www.pei.si/UserFilesUpload/file/zalozba /ZnanstvenaMonografija/01_09_socialno_psiholoski_faktorji_in_druzbene_dete rminante_racunalniske_in_internetne_pismenosti_med_slovenskimi_osnovnosols kimi_maturanti.pdf ISBN 978-961-6086-80-6 245560320 To delo je objavljeno pod licenco Creative Commons. Avtor/ji besedila dovoli/jo reproduciranje, distribuiranje, prikazovanje in izvajanje ter predelavo pod naslednjimi pogoji: priznanje avtorstva, nekomercialno ter deljenje predelanega dela pod enakimi pogoji. Polno besedilo licence je na voljo na URL naslovu: http://creativecommons.org/licenses/by-nc-sa/2.5/si/legalcode Dovoljenja za morebitno uporabljena avtorska slikovna gradiva so podana sproti v besedilu. Kazalo 8 1. Uvod 20 2. Predštudije in intuitivne hipoteze 20 2.1 Predštudija 1: razširjenost novih tehnologij med mladimi prehiteva pismenost zanjo 21 2.2 Predštudija 2: heterogena percepcija interneta in računalnikov med mladimi 22 2.3 Intuitivne hipoteze: diferenciran vpliv konteksta na prisvajanje interneta in računalnikov med mladimi 24 3. Različne tradicije širjenja novih tehnologij v družbi 28 3.1 Štiri raziskovalne tradicije 32 3.2 Pomik pozornosti k socialnopsihološkim faktorjem 34 4. Učenje kot nujna etapa pri širjenju novih tehnologij 36 4.1 Proces učenja 39 4.1.1 Behavioristične teorije učenja 43 4.1.2 Kognitivne teorije učenja 4 50 4.2 Proces sodobnega (tehnološkega) učenja: vloga zgledov in motivacije 53 4.2.1 Samoocena doseženega znanja - vpliv na motivacijo za učenje 56 4.2.2 Družbene omejitve v uporabi znanja in pričakovenem vedenju 58 4.3 Socialno-psihološki modeli prisvajanja novih tehnologij 58 4.3.1 Osnovni socialno-psihološki model prisvajanja novih tehnologij 60 4.3.2 Model prisvajanja novih tehnologij (»Technology Acceptance Model«) 62 5. Uporaba računalnikov in interneta v družbi: stanje 63 5.1 Evidenca o zaustavljeni internetni rasti: globalna s-krivulja 65 5.2 Digitalni razkorak: socialno pogojena razširjenost novih tehnologij 68 5.3 Rezultati evropskih raziskav o širjenju novih tehnologij v družbi 74 5.4 Digitalni razkorak glede znanja: računalniška pismenost 77 5.5 Primerjava indeksov širjenja računalnikov in interneta v družbi 79 5.6 Pregled obstoječe literature 83 6. Realizacija raziskovalnega načrta 85 6.1 Uporabljen metodološki instrumentarij 86 6.2 Raziskovalni model: tri dimenzije razširjenosti novih tehnologij 87 6.3 Elaboracija raziskovalnih hipotez 90 6.4 Uporabljeni vprašalnik 5 92 6.5 Terenska faza snemanja 92 6.6 Vzorčni okvir, vzorčenje, uresničeni vzorec 94 6.7 Uporabljene statistične metode za obdelavo podatkov 96 7. Dimenzioniranje ciljnih spremenljivk 97 7.1 Pomen računalniških in internetnih aplikacij za poklic 109 7.3 Pogostost uporabe računalnikov in interneta 118 7.4 Samoocena dosežene računalniške in internetne pismenosti 127 7.5 Primerjava treh dimenzij širjenja računalnikov in interneta 133 8. Operacionalizacija kontekstualnih spremenljivk 134 8.1 Intelektualne sposobnosti 135 8.1.1 Povprečje ocen po posameznih predmetih 136 8.1.2 Uspehi na tekmovanjih iz znanja 137 8.2 Vpliv družine in šole 137 8.2.1 Oprema doma in šole z računalniki in internetom 139 8.2.2 Uporaba računalnikov s strani staršev 139 8.2.3 Uporaba računalnikov s strani učiteljev 146 8.3 Lokacija računalniškega in internetnega učenja 155 8.4 Opis spremenljivk konteksta 159 9. Zaključna analiza: prisvojitev računalnikov in interneta med mladimi v sloveniji 160 9.1 Testiranje vpliva konteksta na razširjenost računalnikov in interneta 161 9.1.1 Vpliv konteksta na pomen računalniških in internetnih aplikacij za poklic 166 9.1.2 Vpliv konteksta na samooceno dosežene računalniške in internetne pismenosti 6 169 9.1.3 Vpliv konteksta na pogostost uporabe računalniških in internetnih aplikacij 174 9.2 Ključne ugotovitve o vplivu konteksta na razširjenost računalnikov in interneta 177 10. Ugotovitve, diskusija in priporočila 177 10.1 Temeljne teoretske ugotovitve 184 10.2 Temeljne ugotovitve empiričnega dela 192 10.3 Veljavnost hipotez z diskusijo 195 10.4 Priporočila za nadaljnje raziskovanje 198 10.5 Priporočila za razvoj tehnološkega izobraževanja v Sloveniji 200 Literatura 232 Imensko kazalo 239 Stvarno kazalo 246 Povzetek 249 Summary 251 Priloge 7 1. Uvod Proučevanje širjenja novih tehnologij je na preseku tehnike, naravoslovja in družboslovja izredno aktualno področje raziskovanja, na katerem se srečujejo zanimiva parcialna spoznanja mnogih ved in disciplin. To ni slučajno, saj so številne tehnološke inovacije in njihova širitev v družbene pore vedno večjega dela sveta izrazito zaznam- ovale celo 19. in 20. stoletje. Spremenile so se surovinske osnove proizvodnje, uva- jale so zmogljivejše stroje in naprave ter gospodinjske aparate, kar je vse vplivalo na družinsko življenje ljudi, na nacionalno in globalno družbeno delitev dela, na porast tržnih organizacij ter samega načina dela in prostočasnega življenja ljudi. Po 19. sto- letju, ki je prispevalo bazične industrijske inovacije, na primer parni stroj, železnico, telegraf in telefon, črpanje nafte in bencinske motorje, je novo stoletje tempo ino- vacij še stopnjevalo: poleg razmaha avtomobilske proizvodnje in uvedbe letal so ljudje v drugi polovici 20. stoletja doživljali zlasti uvajanje mnogih komunikacijskih teh- nologij: radioaparate in televizijo, po iznajdbi transistorjev in mikročipov pa še gospo- darsko avtomatizacijo (regulacijsko tehniko), (osebne) računalnike ter internet. Vsaj v razvitejšem delu sveta, kjer so se te tehnologije spočetka snovale, je kmalu prišlo do zamenjave tehnologij in načinov dela z njimi ter tudi do tega, da so v vsem 20. stoletju ta nacionalna gospodarstva doživljala obdobja visokih stopenj ekonomske rasti, ki so jih – zavoljo neprilagojenih družbenih inštitucij - spremljale socialne krize. Običajno nas sicer procesi širjenja tehnologij zanimajo bolj z gospodarskih vidikov, a pomembna so tudi širša prilagojevalna in protestna socialna gibanja, ki se sprožajo ob njih. Obe prvini širjenja tehnologij, ekonomska in socialna, nista vedno najbolj usklajeni: ker nove tehnologije izpodrivajo stare, prihaja do destrukcije starih načinov organizacij, do odvečne delovne sile in do sprememb v vsebinah in prenosu novega znanja. Lahko bi rekli, da socialni premiki na politično izostren, včasih celo militanten način spremljajo razvojne transformacije družb, ki se jih nove tehnologi- je in novi načini družbene organiziranosti dotaknejo. Tipična vprašanja ekonomske vrste so, denimo: Koliko aparatov, strojev ali opreme neke tehnološke vrste je bilo že prodanih (od vseh možnih)? Kakšne so (pretekle in predvidljive) trajektorije širjenja novih tehnologij v različnih plasteh uporabnikov? Tipična vprašanja bolj socialne vrste 8 so, na primer: Kakšna je diferenciacija širjenja novih tehnologij po geografskih regijah, glede na centralnost in perfernost razvojnih osi? Zakaj se v manj razvitih in neraz- vitih delih sveta določene tehnologije težje razširjajo, kljub ekonomskim spodbudam? Kako pravzprav spremeniti šolske sisteme, da bi uspešno privajali nove generacije na spremenjene razmere, na novo znanje, na nove priložnosti za zaposlovanje? Kako preprečiti, da se nove tehnologije ne bi zlorabljale za politične ali politekonomske namene, za krepitev obstoječe porazdelitve moči, ne pa za boljše življenje vseh? Slednjih vidikov, ki se ne ukvarjajo le z ožjimi ekonomskimi oziroma tržnimi vidiki širjenja novih tehnologij - zgolj želja in strukture proizvajalcev in kupcev (potrošnikov, uporabnikov) - se je na najsplošnejši ravni verjetno že dotaknil Rogers (Rogers, 2003), ki predlaga naslednje tipične faze širjenja vsake od novih tehnologij: 1. zaznav anja problema oziroma potrebe (»recognizing problem or need«), 2. temeljne in uporabne raziskav e (»basic & applied research«), 3. razv oj tehnologije (»development«), 4. tr ženje tehnologije (»commercialization«), 5. širjenje in prisvajanje tehnologije (»diffusion & adoption«) in 6. (dr užbene) posledice tehnologije (»consequences«). Velja omeniti, da je Rogers že leta 1958 uvedel tudi klasifikacijo idealnih tipov ljudi (inovatorji, zgodnji uporabniki, zgodnja večina, pozna večina, zamudniki), ki si postopoma prisvojijo novo tehnologijo (Rogers 2003: 279) in ki so jo sčasoma vsi sprejeli. Na osnovi Rogersove študije oziroma tipologije faz širjenja ter uporabnikov je nastala vrsta posebnih in splošnejših odmevnih raziskav, ki so se dotikale bodisi na- cionalnih, bodisi mednarodno primerjalnih vidikov širjenja novih tehnologij. Te vrste študij so pokazale, koliko so razširjene posebne tehnologije, deloma pa tudi, kateri so poglavitni družbenostrukturni, osebno vedenjski in psihološki faktorji, ki v izbranih kontekstih (državah, regijah, panogah) zavirajo bolj nemoteno širjenje teh tehnolgij. Če nekoliko poenostavim, bi lahko rekla, da se ta glavni družboslovni pristop že polagoma spreminja v nekakšno tradicijo proučevanja širjenja novih tehnologij, pri čemer se opisa samega pojava avtorji lotevajo z iskanjem odgovorov na eno izmed naslednjih treh tipičnih raziskovalnih vprašanj oziroma faz: 1. stopnja globalne penetracije tehnologije/opr eme glede na maksimalno možno (»rate or level of technological diffusion«), 2. uporabniški vz orec dosežene penetracije tehnologije/opreme (»user pattern of technological diffusion«) in/ali 9 3. faktorji pospešev anja/zaviranja polne penetracije tehnologije/opreme (»determinants of technological diffusion«). Vednost o pojavu širjenja tehnologij je nastajala vse 20. stoletje, pospešeno pa se kopiči v zadnjih desetletjih. Ko se je enkrat vednost o (strukturno in kulturno zadržani) razširjenosti določene tehnološke opreme polagoma dopolnjevala in je post- ala splošna slika širjenja tehnologij jasnejša, so postajala vse bolj pomembna druga raziskovalna vprašanja. Mednje lahko štejemo: 1. metodološke izboljšav e, ki preverjajo predpostavke predlaganih statističnih modelov za opis širjenja tehnologij1, 2. sistemske konceptualno-kritične izboljšav e, ki strukturno in z vidika medosebnih, kulturno pogojenih interkacij med ljudmi kritično ocenjujejo in dopolnjujejo pretežno enostranski kapitalski interes, zapisan v najpogostejših modelih širjenja novih tehnologij, ker skušajo akterji in promotorji širjenja tehnologij (iskanje odgovorov na vprašanje KAJ?) vzpostaviti in reproducirati tudi posebna družbena razmerja, ki se z novimi tehnologijami potencialno vsiljujejo globalnemu svetu (iskanje odgovorov na vprašanje, za KOGA je prvenstveno uvedena korist od novih tehnologij), in 3. druge vsebinske izboljšave, ki skušajo pojasniti, da je ob širjenju nove tehnološke opreme pomembno tudi bolje razumeti proces tehnološkega učenja (na osebni, skupinski, šolski, organizacijski in sistemski ravni), kajti ravno od doseženega razumevanja in tehnološkega znanja je najbolj odvisno, kako in koliko bo nova tehnologija dejansko izrabljena, glede na svoje potenciale. Slednje vprašanje je spodbudilo tudi mene, da se ga lotim, saj sem se v svojem predhodnem raziskovalnem delu ukvarjala predvsem s stopnjo penetracije novih teh- nologij v slovenski družbi in doseženim uporabniškim vzorcem (Podovšovnik, 2002; Podovšovnik in Kramberger, 2004), kar zadeva zlasti prvo in drugo vprašanje (glej zgo- raj). V tej knjigi se bom zato precizneje ukvarjala z manj raziskanim vprašanjem, ki je na področju širjenja novih tehnologij še relativno nepokrito: koliko se s samim širjenjem določene tehnološke opreme, natančneje računalnikov in interneta, širi tudi določeno posebno znanje o njej, ki je potrebno za čimboljše obvladovanje teh novih tehnologij. Takšna usmeritev je tudi aktualna. Več odmevnih avtorjev, ki kakovostno ko- mentirajo diferencirane transformacije informacijske družbe ter uvajanje «nove IKT 1 Naj omenim doktorat iz marketinga, na temo različnih predpostavk, vsebovanih v različnih statistič- nih modelih za agregatni opis širjenja novih tehnologij (Ruiz Conde, 2004). 10 ekonomije« po državah sveta (na primer van Damme in Dellaert, 2001), je v novejšem času že večkrat izrecno opozorilo na dejstvo, da se je potrebno korenito premakniti od socieokonomskega kvantitativnega proučevanja dostopa do informacijske in komu- nikacijske opreme (kar najbolj zanima prodajalce te opreme), tudi k proučevanju kvali- tativnih vidikov njenega širjenja, na primer učenja o novih tehnologijah - k absorbcijs- kim sposobnostim in faktorjem na osebni ravni, k predstavam, pomenom, spretnostim in znanju, ki novo tehnologijo z vidika potencialnega uporabnika šele zares osmišljajo v njeni prostočasovni, delovno-produktivni, potrošni, komunikacijski in splošnejši kul- turni funkciji. Ta vidik je dokaj zgodaj Jaakkola (Jaakkola, 1994) poimenoval za bolj hevristični, kvalitativni pristop k proučevanju dokaj kompleksnega širjenja tehnologij, za razliko od pretežno matematičnih pristopov, ki so sloneli na poenostavljenih pred- postavkah o pričakovanih stroških in koristih uporabnikov ter ustreznih ekonometričnih modelih, ki skušajo empirično preverjati različne vidike teh pričakovanj. Na primer, Castells (Castells, 2000b) je v svojem nedavnem obračunu z infor- macijsko družbo zapisal, da vsi že kar dobro vemo, koliko se je že razširila nova teh- nologija, malokdo pa se vpraša, ali se je obenem dovolj razširilo tudi nujno potrebno znanje, ki šele omogoča dobro rokovanje z njo. Podobno je o pomanjkanju vpogleda v procese učenja in pridobivanja znanja o novih tehnologijah zapisano v poročilu Ev- ropski uniji o doseganju ciljev Lisbonskega akta iz leta 2004 (Ministry of Economic Affairs, The Netherlands, Directorate-General Telecommunications and Post, 2004). Na normativni ravni je ta pričakovani premik od lažjega k težjemu raziskoval- nemu vprašanju, ki zahteva znatno večjo interdisciplinarnost, torej že sprejet. Ni pa še narejenih prav veliko raziskav te vrste, tudi v globalnem merilu ne. van Damme in Dellaertova (van Damme in Dellaert, 2001: 7) omenjata, da se s proučevanjem učenja in vloge šolskega sistema glede tega, kako uporabljati nove tehnologije, ukvarja le redkokdo, pri tem omenjata zlasti Borghansa in ter Weela. Cilj, ki si ga postavl- jam v knjigi, je torej znanstveno in civilno releventen. Da bi bil prvi poskus te vrste pri nas raziskovalno še obvladljiv, sem se v empiričnem delu omejila le na tisti del splošne populacije, ki končuje osemletko oziroma devetletko. Zanimalo me je najprej tradicionalno vprašanje, koliko je med njimi razširjena sama računalniška oprema, vključno z dostopom do interneta, in kako pogosto mladi to opremo uporabljajo. Nato sem se lotila še posebnega, novega vprašanja: prvič, kakšna je raven doseženega znanja o rabi te tehnologije med mladimi v Sloveniji, in drugič, ali to raven omejujejo tudi osnovni sistemsko-strukturni faktorji, ki so na delu že pri samem širjenju opreme. Z drugimi besedami, zanimalo me bo, kako doumeti razširjenost novih tehnologij (predvsem računalnikov in intereneta) med mladimi ne le z vidika dostopnosti te opreme in pogostosti njene uporabe, ampak tudi z vidika pomena, ki ga tej tehnologiji pripisujejo mladi. Ker sem lahko upravičeno pričakovala, da bo sama porazdelitev tega 11 znanja – kakor vsakega drugega znanja – prikazala diferenciran vzorec, sem primarne porazdelitvene ugotovitve želela dopolniti še s (omejeno) kontekstualno analizo, ki naj bi dodatno pojasnila, koliko izbrani osnovni družbeni faktorji (statistično) določajo tak porazdelitveni izid. Na začetku 21. stoletja opažamo izredno velik praktičen pomen novih teh- nologij, ki pri ljudeh spreminjajo tudi njihove tradicionalne predstave o potrebnih znanjih in kompetencah za preživetje, za opravljanje dela in nasploh za življenje. Med njimi še zlasti izstopajo izjemno ekspanzivne informacijske in komunikacijske teh- nologije, ki z raznovrstnimi pripomočki in storitvami že danes predstavljajo skoraj nepogrešljiv faktor številnih človekovih dejavnosti in procesov odločanja. IKT so bile še v zgodnji fazi v najširšem pomenu definirane kot vse elektronske aparature (Hawkridge, 1985): računalnik, internet, videorekorder, kalkulator, televizija, inter- aktivni kabelski sistem, sateliti, teletekst, multimedijski komunikacijski sistemi, in drugo. IKT danes predstavljajo »različne načine elektronskega komuniciranja med ljudmi ne glede na to, ali je uporaba mišljena v osebne, korporativne ali servisne namene« (Jussawalla, 2001: 26). Razmerje med novo tehnologijo in družbo, ki se jo prva dotakne, je obravna- vano različno. Pozitivni, ali vsaj socialno nevtralni, pogled na nove tehnologije, zlasti IKT, ki zavoljo ekonomske propagande prevladuje ob njihovem porajanju in začetnem širjenju, je strnjen v naslednjem splošnem razmisleku: nova tehnologija potrebuje manj energije in orodja kot starejša tehnologija (Hawkridge, 1985). Nove tehnologije vplivajo na družbeno ureditev, vendar je tudi družba tista, ki vpliva na tehnologijo (Hawkridge, 1985). Toda nove tehnologije, tudi IKT, so hkrati družbeno dokaj kontradiktoren razvojni faktor. Ta poteza pride do izraza ob rabi teh tehnologij in lahko predstavlja ekonomski ter socialni problem v procesu njihovega širjenja. Kontradiktornost ter problematičnost izvirata iz dvojne socialne vezanosti oziroma pogojenosti širjenja IKT: prvič, iz postopnega širjenja IKT od invencijskih lokacij v posamezne družbene segmente različnih držav (tako imenovano širjenje novih tehnologij, povezano zlasti z ekonomskimi premisleki, računi ter ovirami), ter, drugič, iz večrazsežnih družbenih učinkov te nove tehnologije, med katerimi so eni bolj pozitivni, drugi bolj negativni. Prvi vidik socialne pogojenosti procesa širjenja je očiten, a posreden - posto- pnost tehnološkega širjenja. V splošnem to pomeni, da nova tehnologija postane de- javna proizvodna sila šele s tem, če in ko se najprej ekonomsko, tržno, in zatem tudi socialno dovolj sprime z obstoječo družbo (ljudmi, organizacijami, trgom in državno sfero), torej šele po tem, ko pride do ustreznih strukturnih premikov v kombinacijah 12 dela in kapitala. Postopno širjenje novih tehnologij v tem smislu pomeni, da se najprej odstranjujejo ekonomske (Freeman, 1987) in nato še druge socialne ovire za njeno širšo uveljavitev. Za tehnološko nekoliko manj razvite vzhodnoevropske države, kamor lahko sodi tudi Slovenija, je značilno, da so bolj ali manj uspešen prehod iz planskega v tržno gospodarstvo (po letu 1988) izvedle najprej s pomočjo ekonomskega prestruk- turiranja (stroškovno optimiziranje), nadaljnja gospodarska rast pa bo bolj odvisna od domače investicijske in inovacijske sposobnosti ter od tega, kako pripravljen je človeški kapital na te procese (Brandsma, Thumm in Tübke, 2001: 34). Tehnološki transfer je v prvih fazah prenavljanja gospodarstva običajno uvožen (neposredne tuje investicije, licence) ali izsiljen (učenje za dvig kakovosti z izvozom na zahtevne tuje trge, imitacija tujega dizajna in organizacije), v kasnejših fazah pa odvisen od inovaci- jske kapacitete dežele (človeški kapital, organizacija, prevzem razvojnega tveganja). Ta ekonomski vidik postopnosti je podlaga drugim socialnim vidikom, kjer se izvajajo procesi prenosa in učenja novega tehnološkega znanja. Drugi vidiki pogojenosti se torej podrobneje ukvarjajo s preostalimi, ne-zgolj- ekonomskimi in socialnimi vidiki (ovirami) postopnega prevzemanja novega znanja v procesu širjenja novih tehnologij. Marsikaj o teh vidikih je že znanega in raziskanega (Gourova in drugi, 2001a, 2001b; DiMaggio in drugi, 2000). Po eni strani nove tehnologije lajšajo obdelavo ter prenos informacij in pospešujejo raznovrstne oblike (ne)posrednega komuniciranja. V tem pozitivnem smislu te tehnologije, na primer mobilna telefonija, predstavljajo pomembno sestavino sodobnega življenja in dela. Njihovemu vsaj elementarnemu poznavanju se posamezniki skorajda ne morejo več izogniti. Zato ne čudi, da je čim boljše poznavanje teh tehnologij (proces prenosa novega znanja) važen faktor že za šolajočo se mladino in ne le primerjalna prednost v poklicnem delu odraslih. Po drugi strani družbeno širjenje taistih tehnologij prinaša tudi nekaj bolečih družbenih procesov (tako imenovano ekonomsko-tehnološko prestrukturiranje sklada dela), ko se stare tehnologije in z njimi vred delovna sila, ki jih je servisirala, umi- kajo iz obče rabe. Ti procesi tehnološkega in delovnega nadomeščanja (tudi izrivanja rutinskega človeka s tehniko in avtomatizacijo) prinašajo mnoge probleme in odpirajo socialno relevantna vprašanja, med katerimi naj omenim le nekatere najbolj pereče. Prvič, nove tehnologije same po sebi še ne izboljšujejo gradnje, prenosa in ponotranjenja znanja pri posamezniku; za doseganje urejene strukture znanja (o ali z novimi tehnologijami) je še vedno potreben poseben kognitivni oziroma učni na- por posameznika, ki presega zgolj informiranost. Zaradi tega kakovost pridobljenega znanja ni odvisna le od zmogljivosti novih tehnologij, ampak tudi od sposobnosti, zbranosti in predanosti študiju ljudi ter učiteljev (informacija in znanje sta osnovani 13 na podatkih, vendar ni nujno, da se vsota informacij enači z znanjem, Hawkridge, 1985). Drugič, uvajanje novih tehnologij je z vidika makroekonomike družbe očitno dolgotrajen in boleč proces prilagajanja delovne sile, s Schumpetrom poimenovan kot »kreativna destrukcija«, ki ni povezan samo z večjo ekonomsko učinkovitostjo, ampak tudi s socialnimi problemi, zlasti z upadajočo zaposljivostjo starejših, slabše izobraženih in slabše plačanih delovnih ljudi. Tretjič, ker se nove tehnologije kot draga in privatna tehnologija po naravni poti najlažje povezuje z že obstoječo družbeno in zlasti politično močjo, obstaja velika verjetnost, da se bo ta tehnologija uporabljala tudi v smeri utrjevanja te moči oziroma hierarhije (povečan nadzor, celo mehanizmi kaznovanja), ne pa zgolj v smeri demokratičnih potencialov, ki jih nove tehnologije nedvomno vsebujejo. Socialno relevantna vprašanja nakazujejo določene probleme v procesu širjenja novih tehnologij. Prvi problem, (ne)učinkovitost izobraževalnega procesa, je sicer naslonjen na predstavo, da je širjenje novih tehnologij pozitiven pojav in da je njegovo zaustavljanje škodljivo. Lahko bi rekli, da v njem poleg demokratskega potenciala prevladuje tudi marketinška poteza proizvajalcev in distributerjev novih tehnologij. Druga dva problema, izrivanje starejše delovne sile s trga dela in povezovanje novih tehnologij z obstoječo družbeno močjo, sta družbeno mnogo bolj občutljiva in resna. Pri neučljivosti starejših generacij bi lahko rekli, da nove tehnologije povzročajo novo socialno izključevanje. Pri uporabi novih tehnologij za povečan nadzor in utrjevanje mehanizmov dominacije, celo kaznovanja, pa prihaja do možnosti, da ta tehnologija, kljub svojemu demokratičnemu potencialu, dejansko utrjuje in celo povečuje politično moč obstoječih avtoritarnih struktur v družbi (večkrat se navaja kot primer Kitajska, kjer se raba interneta politično zainteresirano nadzoruje). Kateri od teh problemov v neki stvarni družbi je najresnejši, je tudi empirično vprašanje. Zgoščen pregled pozitivnih in negativnih vidikov, do katerih prihaja v procesu širjenja novih tehnologij, pokaže, da je nadvse pomembno raziskati, na kakšen način se novo tehnično in tehnološko znanje o novih tehnologijah dejansko širi oziroma prenaša med ljudi. Če usmerim pozornost na te dejanske procese učenja, se širjenju novih tehnologij lahko približam tudi z drugega vidika - z vidika prenosa informacij o novih znanjih in z vidika prenosa tega znanja samega (učenja). Ljudje smo danes preplavljeni s številnimi informacijami, k čemur največ prispevajo ravno nove tehnologije. Zaradi tega se moramo znova naučiti selekcionirati prejete informacije. Naučiti se moramo aplicirati znanje različnih disciplin, integri- rati njihovo terminologijo, koncepte in vse strukture, ki nas privedejo do želenega cilja (Seltzer, 1999). Učenje je proces, ki mora »stimulirati dejavnosti, ki pospešujejo kreativno restrukturiranje in produktivno mišljenje« (Larsen, 2000b: 5). 14 Procese (tehnološkega) učenja je težko posplošiti, saj ima ta namreč različen potek v intimni sferi, družini, vrstniški sferi, šoli, sferi dela in še kje. Na najbolj splošni ravni se morda da sistematično opredeliti številne socialne mehanizme za prenos znanja oziroma za učenje, do katerih prihaja v teh sferah, podobno, kakor se opisuje razširjenost opreme same. Širjenje naprav in informacij v socialni prostor se na grobo velikokrat ponazarja s socialnim mehanizmom, opisanim z s-krivuljo, kjer se novi up- orabniki vključujejo nelinearno. Podobno bi lahko veljalo za širjenje znanja kot rezul- tat učenja, le da je od stika z opremo do pridobitve določene ravni znanja pričakovati nekakšen fazni zamik. Med takimi mehanizmi je zaenkrat javni izobraževalni proces sistemsko najbolj urejen način prenosa temeljnega znanja in ga lahko opredelimo kot večstopenjski proces (Larsen, 2000b). V prvi fazi pride do transformacije osebnega znanja učitelja v javno informacijo (učna gradiva). V drugi fazi nastopi posredovanje in distribucija omenjene informacije (predavanja). Tretja faza predpostavlja transfor- macijo javne informacije v osebno znanje (prisvajanje znanja, učenje). Seveda se le del znanja o novih tehnologijah prenaša s pomočjo formal- nega sistema izobraževanja, v tem procesu pa znanje o računalništvu, ki dviguje računalniško pismenost ljudi, zavzema verjetno znaten del. Dosežena računalniška pismenost se nanaša na »sposobnost uporabe računalniškega orodja« (Lee, 1999: 137). Cilj računalniške pismenosti je učenje uporabnikov računalnikov razumevanja, analiz- iranja, uporabe in vpliva računalnikov. S tem, ko posameznik osvaja računalniško pis- menost, se postopoma zaveda, da lahko s pomočjo računalnikov počne veliko stvari, katerih prej ni bilo mogoče početi (Salomon, 1990). S tem zadnjim ovinkom, kjer sem zaenkrat le skopo nakazala pomembno zvezo med širjenjem novih tehnologij na eni ter (tehnološkim) učenjem in računalniško pis- menostjo na drugi strani, se lahko vrnem k osnovnemu problemu, ki vodi k tezi te kn- jige - postopnemu širjenju novih tehnologij kot socialnemu procesu, pri čemer me zan- ima predvsem doseženo tehnološko znanje mladih ljudi, ki je osnova za produktivnejšo rabo določene tehnologije kasneje, ko ta mladina vstopi v aktivno delovno dobo. Iz uvodnega razmisleka se kaže, da so v moderni družbi razvoj tehnologije, izobraževanja in ekonomska rast tesno povezani med seboj. Tehnološka oziroma računalniška pismenost je potencialno in dejansko pomembna ne le za posameznikov razvoj in njegovo ekonomsko blagostanje, temveč tudi za ekonomski napredek pos- ameznih organizacij in celotne države. S pomočjo poznavanja in rabe novih tehnologij lahko posameznik poveča svoje možnosti in sposobnosti za razvoj lastnih spretnosti in potencialov ter se pripravi za življenje v 21. stoletju (Gray, 1999; Roberts, 2000). 15 Moj cilj je narediti kakovosten teoretski prehod od velikokrat proučevanih ekonomskih modelov širjenja (prodaje) same tehnološke opreme k redkeje opazo- vanim dinamičnim procesom prisvajanja te tehnologije; k opazovanju dinamično se spreminjajoče porazdelitve doseženega znanja o njej. Pri tem me bo predvsem zanimalo, ali imajo osnovni družbeni faktorji širjenja, ki jih nameravam uvesti v empirično analizo, enak učinek na obe razsežnosti razširjenosti - tako za pogostost stikov s to opremo kakor tudi s samo ravnijo doseženega znanja o njej. Širjenje novih tehnologij bom najprej strnjeno predstavila z bolj ekonomskega vidika, ki se ukvarja predvsem z vplivom na razvoj ter gospodarsko rast organizacij in družbe kot celote in obenem raziskuje institucionalne razlike po državah (Scarpetta in Bassanini, 2002). Strnjeno bom opisala, na kakšen način se nove tehnologije kot oprema širijo v družbi, v kolikor ni nobenih drugih socialnih ovir, razen ekonomskih, ki bi onemogočale njihovo nemoteno difuzijo. Razmislek bo šel nato približno v naslednjo, alternativno smer, ki vsebuje vrsto kritičnih razmislekov o predpostavkah ekonomskih modelov širjenja. Nove tehnologije se izjemno hitro razvijajo, predvsem v zadnjih štirih de- setletjih. Kljub temu je moč ugotoviti, da dostop do vseh (novih) znanj in infor- macij še ni možen vsem organizacijam in vsem slojem prebivalstva. Privatni interesi (na področju zaslužka od novih tehnologij) so namreč tisti, ki narekujejo vpeljavo določenih proizvodov in storitev na vsa področja človekovega življenja (Hawkridge, 1985): nove tehnologije, dokler so drage, si lahko privoščijo le bogatejši sloji pre- bivalstva. Širjenje novih tehnologij v družbeni prostor je že v ekonomskem smislu vselej socialno pogojen proces, vse dokler privatne nove tehnologije ne postanejo javne dobrine (ali javno podpirane dobrine). Nekaj podobnega, seveda s časovnim zaostankom, lahko pričakujem na ravni doseženega znanja. Tu naj dodam pomembno vsebinsko opazko, ki se dotika obeh tako imeno- vanih javnih dobrin, tako novih tehnologij kakor tudi splošnega znanja o njih. Če govorimo o javnih dobrinah, to še ne pomeni, da so v resnici javno dostopne, le želja v javni sferi je običajno tako ubesedena. V najbolj kritični verziji do takšne retorike je tudi sam pojem javne dobrine lahko socialno-interesno pogojen, saj sfera javnega običajno reproducira aktualno stanje razporeditve družbene moči, torej se da tudi javno dobrino - z vidika njene neenakomerne izrabe (gre za problem »free-rider«-stva, kjer javno dobrino v glavnem použiva najbolj zainteresiran in seznanjen potrošni sloj; Rus, 1990) - brati kot sistemsko pogojeno zasebno dobrino. V uvodnem delu bom zato omenila tudi že dognane indikacije za najpomembnejše ekonomske in sistemske ovire za širjenje novih tehnologij (opreme) v sodobni družbi (UNCTAD, 2003). Pomembno je torej, da se zavedamo, da so nove tehnologije s seboj prinesle tudi spoznanje o večrazsežnem digitalnem razkoraku, ki presega zgolj ekonomsko logiko in ki se odvija ne le na meddržavni ravni - v primerjavah raznih držav -, ampak 16 nove tehnologije igrajo stratifikacijsko pomembno vlogo tudi na intradržavni ravni. Da bi lahko omogočili enak dostop do novih tehnologij vsem ljudem (slojem), morajo države izvajati pozitivno diskriminacijo: omogočiti vsem (ali vsaj čim večjemu številu ljudi) dostop do novih tehnologij in poleg tega še računalniško oziroma informaci- jsko pismenost. To lahko posamezniki najlažje dosežejo v toku rednega šolanja ali z ustreznimi usposabljanji. Pri tem se moramo zavedati, da največkrat ne obstaja enotni program držav, ki bi predstavljal načrt informacijskega razvoja posamezne države ali regije, ampak gre za občasne in začasne kampanje v tej smeri. Tu lahko preidem od ekonomskih in sistemsko-socialnih še na bolj kontekstu- alne ter osebne ravni razlage in navedem še razne druge socialne in psihološke razloge, ki lahko diferencirajo rabo novih tehnologij pri ljudeh. Uporabniki novih tehnologij se danes vse bolj zavedajo pozitivnih učinkov uporabe tehnologije v njihovem vsak- danjem življenju in delu. Raziskava v Evropski uniji (Commission of the European Communities, 2001b) je pokazala, da se kar 93 % anketiranih strinja, da so tisti, ki nimajo dostopa do interneta, deprivilegirani v vsakdanjem življenju. Polovica tistih, ki dostopa do interneta nimajo, se strinja, da so izključeni iz življenja v moderni dobi. Kot najpomembnejšo akcijo za premostitev digitalnega razkoraka navajajo odpiranje javno dostopnih točk do interneta (kar 59,4 % anketirancev je izpostavilo omenjeno akcijo). Sledijo jim kreiranje več in bolj tematsko osredotočenih »on-line« javnih servi- sov (49,3 %), primerno računalniško izobraževanje (40,5 %), finančni vložki (33,6 %), odstranjevanje tehničnih ovir (26,5 %) in vlaganje v nove tehnologije (23,8 %). Uporabo novih tehnologij moramo poleg ekonomskega razumeti še v okviru »razrednega, spolnega, geografskega in generacijskega konteksta uporabe« (Quarantelli, 1997: 11). Nove tehnologije »potrjujejo ali povečujejo obstoječe neenakosti ali ustvarjajo nove neenakosti« (Quarantelli, 1997: 4). Ne le osebni dohodki, tudi stopnja izobrazbe in rasa ter etnična pripadnost (v kolikor so slednje razlike prisotne v opazovani družbi) predstavljajo socialne ovire pri uporabi interneta, če navedem le nekatere najbolj znane ovire te vrste. Med tistimi, ki imajo dostop do interneta, je največ visoko izobraženih2. Za manjšine in revnejše sloje prebivalstva je manj verjetno, da bodo imeli računalnik in dostop do interneta od doma kot to velja za bogatejše sloje prebival- stva (Attewell, 2001a). Sicer se ugovarja (ugotavlja), da nove tehnologije postajajo vse cenejše in s tem dostopnejše širšemu krogu ljudi, kar bi lahko privedlo do zmanjševanja digitalnega razkoraka. Vendar temu žal ni tako! Komponente se lahko pocenijo, cele naprave in licenčnine za časovno omejene uporabe programov pa ne toliko. Neenakosti 2 Leta 2000 so v raziskavi v ZDA (Bushweller, 2001) ugotovili, da visoko izobrazbraženi 2,5-krat pogosteje in univerzitetno izobrazbraženi kar 6-krat pogosteje uporabljajo internet kot srednješol- sko izobraženi. 17 dostopa so torej kompleksna posledica, ki se navzven odražajo predvsem preko neenak- ih dohodkov in/ali neenake izobrazbe, prej kot preko rasne ali etnične neenakosti. Med ljudmi z visokimi dohodki in visoko stopnjo izobrazbe namreč ni opaziti rasnih ali etničnih razlik pri dostopu do interneta ali računalnikov. Ta prva ovira se nato kopiči na agregatni ravni tudi pri pričakovanih individualnih variacijah v doseženem znanju. Glavna teza, usmerjena na mlado slovensko populacijo, se opisno glasi tako: računalniki in internet kot nova tehnologija, ki je v fazi naglega širjenja preko vse slovenske populacije in ekonomije, v znatno večji meri kot splošno populacijo zajema vsako mlajšo generacijo, ki se pod vplivom različno ka- naliziranih signalov s trgov dela (odprte informacije, družina, šola) vse bolj zgodaj in v vedno večjem obsegu usposablja za uspešno vključitev in delo na prihodnjih trgih dela. Nadaljnji tempo višjega vključevanja mlajših gener- acij v prisvajanje znanja o računalnikih in internetu je še vedno bolj odvisen od strukturnih in kontekstualnih faktorjev (nosilna kapaciteta okolja za ab- sorbcijo uporabe računalnikov in interneta v slovensko družbo, kakovost so- cialnih mehanizmov za prenos informacijsko-komunikacijskega znanja) kot od osebnih lastnosti oziroma sposobnosti mladine. Vključevanja (oziroma hitrosti in kakovosti vključevanja) ne kaže meriti le s prvimi približki stika z novimi tehnologijami, s pomočjo dostopa in pogostosti rabe do računalnikov in interneta, ampak tudi globlje, s pomenom, ki ga tej tehnologiji pripisujejo mladi, in z doseženo pismenostjo, ki jo mladi osvojijo ob zaključku obvezne- ga šolanja, na pragu svoje zgodnje odraslosti3. Teza se torej osredotoča na raziskovanje socialnih ovir oziroma na problem postopnega širjenja novih tehnologij v Sloveniji med mladimi in ima tudi indikativno empirično podlago, zakaj se splača posvečati mladi populaciji: po podatkih raziskav RIS je delež uporabnikov interneta med splošno populacijo v Sloveniji narasel iz 2 % septembra leta 1995 na 64 % v prvi polovici leta 2008 (vir: www.ris.org). Že ta osnovna razlika v desetletju, v deležu dostopnosti in uporabe novih tehnologij med posamezniki, ki pove, da je opazovana tehnologija rabila okrog 10 let za zajem več kot polovice teh uporabnikov v Sloveniji, kaže na postopnost procesa širjenja novih tehnologij in obenem nakazuje, da se prirast nanaša zlasti na mlajšo generacijo, kar dopušča podrobnejše raziskovanje raznih vidikov širjenja prav v tej podpopulaciji. 3 Starost okrog 15 let se šteje za zgodnjo odraslost zato, ker se približno v tem obdobju zaokrožita primarna (družinska) in sekundarna (šolska) socializacija, konča se trajanje obveznega šolanja, mladi nad 14 let se po uradnih dogovorih lahko že zaposlijo oziroma so lahko že delovno ne/aktivni. 18 Naj na kratko pojasnim, zakaj menim, da je proces širjenja novih tehnologij smiselno proučevati v zadnjem letniku osnovne šole. V Sloveniji je bil predmet računalništva v osnovno šolo uveden sredi 80-ih let 20. stoletja (Japelj in Čuček, 1999). Do tekočega šolskega leta je računalništvo v slovenskih osnovnih šolah zaen- krat vpeljano še kot izbirni predmet. Učenci, ki se zanj odločijo, so pri predmetu tudi ocenjeni. Ta prostovoljnost učenja in rabe novih tehnologij mi bo omogočila, da lahko zajezim proces širjenja na točki oziroma v stanju, kjer se spontanost preveša v sistematičnost. Hkrati bom lahko proučila, ali se v tem relativno spontanem procesu na kakšen sistematičen način srečujejo/povezujejo »naravna sposobnost« mladih (za komuniciranje in analitsko mišljenje) ter težnje njihovega socialnega okolja. Namreč, osnovnošolci, ki se bližajo zaključku primarnega izobraževanja, se zaradi eksternega načina preverjanja znanja na mali maturi (po osnovni šoli), in zaradi posebnih cen- traliziranih meril, po katerih se učenci avtomatsko razporejajo v željene srednje šole (ocene le iz določenih predmetov pri tem štejejo več), srečujejo z različnimi signali o delovanju aktualnih trgov dela že okrog dvanajstega leta, ko se zanje (namesto razred- nega) pričenja predmetni pouk. Ti signali so, vsaj kar se tiče poznavanja računalnikov in interneta, za mladino in njihovo okolico, vse jasnejši: v kolikor se želi danes pos- ameznik prebiti in nato uspešno integrirati na trg dela in tam tudi ekonomsko in socialno prosperirati, mora imeti čimprej osvojena vsaj osnovna znanja glede možnih uporab računalnikov in interneta. 19 2. Predštudije in intuitivne hipoteze Glavna teza v tej knjigi, podana zgoščeno, pravi, da je postopno širjenje poz- navanja in uporabe računalnikov in interneta ne le medgeneracijsko, ampak tudi znotrajgeneracijsko diferenciran proces penetracije omenjene tehnologije v družbo in da je tempo njenega nadaljnjega širjenja v Sloveniji odvisen predvsem od aktualne konfiguracije (vzorca) pospeševalnih in oviralnih strukturnih dejavnikov, značilnih za slovensko družbo (nosilna kapaciteta slovenske družbe za absorbcijo in nadaljnje širjenje računalnikov in interneta). Hipoteze, ki so izpeljane intuitivno iz te teze, se ukvarjajo z nadaljnjo razdelavo merjenja učinkov najverjetnejših dejavnikov (determi- nant) širjenja teh tehnologij in podrobnejšim preverjanjem dognanj okrog te teze na izbranih, že prej omenjenih področjih raziskovanja. 2.1 Predštudija 1: razširjenost novih tehnologij med mladimi prehiteva pismenost zanjo Širjenje uporabe in poznavanja računalnikov in interneta je medgeneracijsko diferenciran proces, kar so pokazale številne študije. Mlajše generacije posameznikov znajo nove tehnologije v svoje življenje vpeljati bolj funkcionalno (tudi skozi igro in prostočasovne aktivnosti) in jih bolje izkoristiti kot starejši sloji prebivalstva: slednjim so nove tehnologije bolj odtujene, saj so se z njimi srečali šele v kasnejšem obdobju svojega življenja in imajo v povprečju večji odpor do njih, saj se z njimi niso učili roko- vati že v toku zgodnjega šolanja, kar bi jim olajšalo njihovo uporabo. 20 V proučevanju razširjenosti računalnikov in interneta zavzema doseženo znan- je oziroma stopnja pismenosti - poleg dostopnosti/opremljenosti s to tehnologijo in pogostosti njene rabe - nadvse pomembno mesto. Toda merjenje dosežene računalniške in internetne pismenosti je zahtevno početje, ker je vidikov (osebno pridobljeno znan- je, šolsko pridobljeno znanje, na delu pridobljeno znanje), področij in tehnik tovrst- nega znanja veliko. Iz obsežnejše literature, ki se ukvarja s poskusi merjenja razširjenosti, zlasti poz- navanja uporabe interneta in računalnikov, sem izločila tri odmevnejše indekse (merske konstrukte), ki so po moji presoji najprimernejši za uporabo v preverjanju osnovne teze knjige, in sicer: (1) indeks uporabe računalnikov in interneta (Borghans in ter Weel, 2002), (2) indeks informacijske tehnologije (“information technology index”; Blanks Hindman, 2000) in (3) indeks stopnje vključenosti na internet („internet connected- ness index“; Jung, Qiu in Kim, 2001). S primerjavo teh indeksov mi bo omogočeno, da pripravim celovitejši pristop raziskovanja razširjenosti računalnikov in interneta, ki bo temeljil na vsestranskem preverjanju veljavnosti predhodno skonstruiranih indek- sov njene razširjenosti (dostopnost, raba, poznavanje - dosežena znanja o internetu in računalnikih), privedel naj bi do izoblikovanja novega indeksa znanja o internetu in računalnikih, ki bo do sedaj obravnavane indekse vsebinsko dopolnjeval in bogatil. Pri tem me seveda tudi zanima, kako hitro se vsak od teh vidikov razširja med slovensko mladino. Ekonomske teorije poudarjajo, da je posedovanje tehnologij pred- pogoj za njihovo uporabo in poznavanje. Po drugi strani sociologi in psihologi menijo, da posedovanje novih tehnologij še zdaleč ni zadosten razlog za njihovo uporabo. Zanimivo bo torej zaznati, na kakšen način si posedovanje, uporaba, motivacija za uporabo in poznavanje uporabe sledijo v razvoju širjenja računalnikov in interneta med slovenskimi osmošolci in devetošolci. 2.2 Predštudija 2: heterogena percepcija interneta in računalnikov med mladimi Naj pomen (poklicne) motivacije uporabe računalnikov in interneta za proces širjenja novih tehnologij dodatno pojasnim. Pri razlagi širšega pomena samega procesa učenja in rabe novih tehnologij se bom naslonila na premise dveh socialnopsiholoških teorij: na model tehnološkega prisvajanja (»technology acceptance moddel«), ki se opira na oziroma je razširitev znane Ajzen-Fishbeinove teorije pričakovanega delo- vanja (Ajzen in Fishbein, 1980), in na socialne kognitivne teorije, kot jih je uvedel Bandura (Bandura, 1986). Lent, Brown in Hackett (Lent, Brown in Hackett, 1994) 21 so na slednji osnovi kasneje razvili splošnejšo socialno kognitivno teorijo karier. Glav- na ideja te teorije trdi, da posameznikov akademski razvoj predstavlja le (uvodni) komplement k začetku in razvoju njegove kasnejše poklicne kariere. Interesi in spo- sobnosti, ki jih posameznik razvije v toku študija, namreč oblikujejo njegove kasnejše poklicne izbire. Posamezniki torej osnujejo izobraževalne in poklicne preference na osnovi zgodnjih interesov, zgodnejših izbir in dosežkov. Socialno kognitivno teorijo karier je brez velikih težav moč aplicirati tudi na področje raziskovanja, ki ga nam- eravam opraviti sama: na analizo uporabe računalnikov in interneta med mladimi (v Sloveniji), pri čemer naj bi bila pozornost empiričnega raziskovalnega napora us- merjena v zbiranje samoocen učinkovitosti, pričakovanja, interesov in sposobnosti med osebami proučevane populacije (Smith, 2002a). Moja dopolnitev teh teoretskih podlag je v dodajanju družbenih faktorjev. Iz zgoraj zapisanega sledi, da je primerna motivacija za prisvajanje in uporabo novih tehnologij med ljudmi nasploh, pa tudi med mladimi, že (splošno) sprejeti dejavnik. Če to prevedemo v pedagoški jezik, bi se mladi morali danes zavedati, da jim bo poznavanje uporabe novih tehnologij lahko le koristilo v njihovem poklicnem življenju. Temu žal ni vedno tako. Heterogenost pomena uporabe računalnikov in interneta se kaže predvsem kot nihajoče zanimanje za uporabo novih tehnologij - v nasprotovanju z drugimi prostočasnimi aktivnostmi (ki zadevajo druženje s sovrst- niki), katerim so mladi v tem obdobju izpostavljeni. Tako na eni strani ločimo pos- ameznike, ki po cele dneve presedijo v družbi interneta, na drugi strani pa tiste, ki se za internet ne zanimajo. 2.3 Intuitivne hipoteze: diferenciran vpliv konteksta na prisvajanje interneta in računalnikov med mladimi V tem delu bom izbrala, oblikovala in uporabila še številne spremenljivke in indekse/konstrukte, ki predstavljajo/«merijo« različne osebnostne in strukturne dejavnike, potencialno pomembne za oblikovanje internetnega in računalniškega znanja: intelektualne sposobnosti in številne druge, kontekstualno konstruirane ali zunanje kontekstualne dejavnike, ki lahko vplivajo na sposobnosti ter internetno in računalniško znanje pri posameznikih. Kot enoto bom v modeliranju učinka teh deter- minant uporabila posameznika, ki ga obdajajo variabilne osebne lastnosti in lastnosti okolja (konteksta). S pomočjo različnih multivariatnih metod (analiza povezanosti v splošnem, ter regresija kot najpogostejši način preverjanja multivariatne povezanosti spremenljivk) bom raziskovala vpliv omenjenih kontekstualnih spremenljivk in indek- sov na razširjenost internetne in računalniške tehnologije. Vodile so me tri domneve. 22 H I P O T E Z A 1 Posameznikova motivacija ter njegove splošne kompetence in sposobnosti vplivajo na njegovo poznavanje in uporabo interneta in računalnikov. V omenjenem socialnopsihološkem kontekstu velja izpostaviti, da verjetno igrajo pomembno vlogo tudi posameznikove sociodemografske značilnosti, ker so tudi družbeno konstruirane (na primer spol), njegove sposobnosti ter njegova moti- vacija za delo z internetom in računalniki. Teorije izobraževanja namreč trdijo, da posamezniki, ki so bolj motivirani za delo z internetom in računalniki, ter posamezniki, ki imajo bolj razvite določene sposob- nosti (kot na primer logično mišljenje), pogosteje uporabljajo in pod- robneje poznajo internet in računalnike kot posamezniki, ki za to niso motivirani in nimajo danih ali osvojenih omenjenih kompetenc. H I P O T E Z A 2 Posameznikova družina kot primarno so- cializacijsko okolje igra pomembno vlogo pri njegovem poznavanju in uporabi interneta in računalnikov. V obravnavo so upoštevane le določene socioekonomske značilnosti družine (predvsem izobrazba staršev), oprema doma z internetom in računalniki, računalniška pis- menost staršev ter učenčeva uporaba interneta in računalnikov doma. Posamezniki, ki izhajajo iz družinskega okolja, v katerem je bolj ozaveščena uporaba interneta in računalnikov, so - po že opravljenih raziskavah - boljši poznavalci in pogostejši uporabniki interneta in računalnikov kot posamezniki, ki izhajajo iz družin, v katerih ni ustr- eznih pogojev za uporabo interneta in računalnikov. H I P O T E Z A 3 Izobraževalne institucije so močan dejavnik sekundarne socializacije mladine in kot take lahko močno vplivajo na posameznikovo poznavanje in uporabo interneta in računalnikov. Usmeriti se kaže le na raziskovanje najosnovnejših socioekonomskih značilnosti šol (predvsem vrsto šole in lokacijo šole), opremo šole z internetom in računalniki ter posameznikovo uporabo interneta in računalnikov v šoli. Pregled raziskovalnih dognanj kaže, da so pos- amezniki, ki se šolajo v okolju, ki ima zagotovljeno dobro opremljenost z internetom in računalniki ter ima učitelje, ki med poukom upora- bljajo internet in računalnike, pogostejši uporabniki in so bolje seznan- jeni z internetom in računalniki kot posamezniki, ki se šolajo v okolju, kjer ni infrastrukturnih predispozicij za ustrezno ozaveščanje o vlogi in pomenu znanja o internetu in računalnikih. 23 3. Različne tradicije širjenja novih tehnologij v družbi Če si pogledamo najprej definicijo termina procesa širjenja, lahko spre- jmemo trditev, da je to »proces, preko katerega je inovacija skozi čas predstavljena po določenih kanalih določenim pripadnikom družbenega sistema. Širjenje kot proces predstavlja posebno vrsto komuniciranja, v kolikor so posredovana sporočila oprem- ljena z novimi idejami« (Rogers, 2003: 5). Na osnovi zgornje definicije lahko identi- ficiramo štiri elemente tega procesa: inovacija4, komuniciranje oziroma mediji5, čas6 4 Inovacija predstavlja (subjektivno gledano) novo idejo, prakso ali objekt. Novost je razumljena v smislu znanja, prepričevanja ali odločitve uporabe neke inovacije. Problem nastane, ko se pojavi več inovacij sosledno. V tem primeru je težko zaznati, kje se ena inovacija konča in začne druga. Tako se pogosto pojavi sklop inovacij, ki so neločljive med seboj, saj zahtevajo uporabo vseh inovacij sklopa hkrati. Inovacije tako niso neodvisne med seboj in bi jih na ta način mogli tudi proučevati. Tipičen primer je internetna tehnologija, saj ta zahteva posedovanje računalnika, internetnega modema ter (do sedaj v večini primerov) telefonski priključek. Vsaka inovacija je sestavljena iz strojne (orodja) in pro- gramske opreme (načina uporabe). Inovacija mora imeti številne lastnosti, da jo bo posameznik začel uporabljati: relativne prednosti v primerjavi z ostalo tehnologijo, kompatibilnost z ostalo tehnologijo (kot tudi posameznikovimi vrednotami, izkušnjami in potrebami), kompleksnost oziroma zahtevnost uporabe, preizkusno dobo ter stopnjo vidnosti rezultatov. Inovacije se v toku njihove uporabe tudi spreminjajo in prilagajajo uporabnikom. 5 S pomočjo medijev oziroma kanalov komuniciranja se nove ideje oziroma inovacije prenašajo med posamezniki ter tako narekujejo proces širjenja. Raziskovalci so ugotovili, da je za proces širjenja zelo pomembna izkušnja – predvsem s strani posameznikov, ki pripadajo istemu socioekonomskemu sta- tusu (Rogers, 2003: 18-20). 6 Čas je pomemben element procesa širjenja inovacij. Posamezniki morajo najprej inovacijo spoznati, sprejeti in šele nato jo začnejo uporabljati. Pogosto se meri delež posameznikov, ki neko inovacijo v določenem trenutku uporablja. Na ta način se izračuna stopnja razširjenosti inovacije v izbrani časovni točki. Posamezniki lahko inovacijo sprejmejo ali jo zavrnejo (že v samem začetku ali po določenem času, saj z inovacijo niso zadovoljni). 24 in družbeni sistem7. Proces širjenja je lahko planiran ali poteka spontano. Komu- niciranje v primeru procesa širjenja tehnologij predpostavlja dvosmerno (pogosteje kot le enosmerno8) izmenjavo informacij za doseganje sporazuma ali medsebojnega razumevanja. Novost ideje je povezana z določeno stopnjo negotovosti (pomanjkanje napovedljivosti, strukture in/ali informacij), ki jo rešujemo s tehnološkimi inovaci- jami, saj te vsebujejo določene informacije, na osnovi katerih se stopnja negotovosti zmanjšuje v procesu reševanja problemov. Proučevanje procesa širjenja tehnologij je zelo pomembno za različne znanst- vene vede (Rogers, 2003; de Nooy, Mrvar in Batagelj, 2005). To še posebej velja za sodobne informacijske in komunikacijske tehnologije. Administratorji javnih politik na primer velikokrat raziskujejo širjenje informacij in mnenj, povezanih z 'njihovimi' politikami, proizvajalci redno zasledujejo prodajo/uporabo novih tehnik in proiz- vodov, zlasti tistih, ki še niso dosegli vseh potencialnih kupcev, in tako naprej. V prvem približku je širjenje tehnologij v bistvu lahko zamišljeno kot epidemiološki proces (po analogiji na postopno širjenje nalezljivih bolezni zaradi stika med ljudmi), pri čemer je širjenje lahko zadrževano zaradi različnih razlogov in de- javnikov. Lahko rečemo, da je tudi širjenje tehnologij posebna in postopna oblika izmenjave stvari med ljudmi in vednosti o njih, pri čemer nastopa kot važen dejavnik širjenja tudi časovna dimenzija: nekatere tehnologije se širijo hitreje, druge počasneje. V ekonomskih pogledih širjenja novih tehnologij je tako v ozadju najbolj priljubljen- ega epidemiološkega modela širjenja informacij o novih tehnologijah predpostavka o spontanosti dvosmernega komuniciranja, ki poteka v glavnem kot slučajna točkovna komunikacija na osebni ravni, kar sčasoma privede do nakupnih odločitev in rasti prodaje/uporabe novih tehnologij na makro ravni. Hitrost širjenja novih tehnologij ni odvisna le od količine osebnih stikov med ljudmi, s katerimi se prenašajo osnovne informacije o novih tehnologijah. Neekonom- ske vede so že zelo zgodaj spoznale, da je proces komuniciranja od pojavitve netočkovnih 7 V procesu širjenja igra družbeni sistem pomembno vlogo. Raziskovalci se morajo osredotočiti na naslednja vprašanja (Rogers, 2003: 24-31): kako struktura družbenega sistema vpliva na širjenje ino- vacij (struktura je namreč tista, ki človeškemu delovanju narekuje stabilnost in zmanjšuje negotovost – predstavlja informacijo), kako norme družbenega sistema vplivajo na širjenje inovacij (pogosto v družbenih sistemih lahko zasledimo norme, ki zavirajo ali onemogočajo širjenje inovacij), vlogo obli- kovalcev mnenj v družbenem sistemu (preko njih se zelo hitro in učinkovito širijo informacije in na ta način se pospešuje ali zavira širjenje tehnologij), tipa inovacij in odločitev (določeno inovacijo lahko sprejme ali zavrne le del ali celoten družbeni sistem; odločitve so lahko opcijske, – vsakdo se lahko sam odloči – kolektivne ali avtoritativne) ter posledice inovacij (te so lahko željene ali neželjene, direktne ali indirektne oziroma napovedljive ali nenapovedljive). 8 O enosmernem komuniciranju v tem primeru govorimo, ko ena stranka komunikacijskega procesa poskuša prepričati drugo o koristnosti inovacije in njene uporabe. 25 komunikacijskih tehnologij dalje, tako imenonovanih sredstev množičnega komu- niciranja, tudi strukturiran proces množičnega komuniranja. Ta pa ni niti medoseben, dvosmeren in spontan, ampak predvsem nekaj drugega: je tehnološko posredovan, v glavnem enosmeren (od medijev k ljudem) in družbeno, interesno pogojen. Zaradi tega je rezultat splošne medijske obveščenosti, kar predstavlja v celem 20. stoletju, zlasti pa danes, ko je odprtih mnogo novih medijskih poti, že kar drugo – če ne prvo - glavno pot seznanjanja ljudi z novimi tehnologijami. V tem smislu je rezul- tat množičnega obveščanja odvisen tudi od ustaljenih družbenih razmerij, ki na širši, strukturni ravni pogojujejo količino in naravo (posredujočih) stikov med ljudmi in s tem posredno določa tudi tempo širjenja posebnih (oglaševanih) tehnologij. Odtod kritični pogledi na proces širjenja novih tehnologij, ki jih prinašajo zlasti tržno manj ortodoksne neekonomske vede. Družbeni odnosi, razumljeni bodisi kot ustaljene navade, institucije ali kot trajnejše socialne strukture (odnosi), ki so pov- ezane s centri moči, igrajo torej v tem procesu širjenja novih tehnologij ključno vlogo, saj predstavljajo in določajo kanale širjenja. Hkrati lahko predpostavimo, da njihova tipična konfiguracija bolj pospešuje ali bolj zavira hipotetično neovirano širjenje teh- nologij. Skratka, trdim lahko, da sama struktura družbenih odnosov deluje instru- mentalno na hitrost širjenja novih tehnologij v dani družbi, zato širjenje tehnologij ni le družbeno nevtralen, ampak tudi socialno in interesno pogojen proces. Rezultat takšnega pristranskega širjenja novih tehnologij se pokaže v neena- komerni razdelitvi posedovanja teh tehnologij. V sodobnosti smo priča vse večjemu razmahu različnih novih tehnologij in njihovemu naglemu širjenju na vseh področjih človeškega delovanja. Pri tem lahko empirično zasledimo, da obstajajo pomembne raz- like med različnimi socialnimi kategorijami prebivalstva, kar povzroča tako imenovani digitalni razkorak. Nove tehnologije spodbujajo tudi nastajanje novih oblik družbenih (komunicirajočih) tvorb, na primer začasnih virtualnih skupnosti, ki so vse manj os- novane na prostorski bližini (kar je bilo pred pojavom interneta težko izvedljivo). Kljub internetu kot relativno novemu pojavu (in predvsem njegovemu naglemu širjenju v sodobnosti), raziskovanje širjenja novih tehnologij na splošno ni dejavnost, ki se je razvila šele pred kratkim. Številni teoretiki so se začeli zanimati za proces širjenja novih tehnologij že sredi 19. stoletja, ko je prišlo do prvih poskusov raziskovanja in tudi konceptualnega modeliranja njihovega širjenja v družbi, od centrov razvoja k periferiji (Tarde). V tem začetnem obdobju so mnogi raziskovalci proučevali to področje neod- visno drug od drugega. Približno sto let kasneje, okrog druge svetovne vojne, so razisk- ovalci različnih ved v ZDA sicer ugotavljali, da bi bilo za samo raziskovanje najbolje, da se problema lotijo s skupnimi močmi. A pri tem, kako to početi, niso dosegli soglasja. Kmalu je prišlo do razkola med vodilnima družboslovnima strujama tedanjega časa, ki 26 jih je mikalo to področje - ekonomisti in (agrarnimi) sociologi. Prvi so namreč vse bolj poudarjali, da je dovoljšen razlog za nadaljnje širjenje novih tehnologij že samo njihovo ponudba, po uspešni prodaji pa da že posedovanje jamči koristno uporabo. Sociologi se s temi poenostavitvami niso strinjali, saj so po tradiciji svoje vede v ospredje raje postavljali neenakost udeležencev in (druge) omejevalne okoljske dejavnike, ki naj bi narekovali tako hitrost kot domet in splošno korist tega procesa. Socialni psihologi so kasneje, sredi 70-ih let 20. stoletja, tem ekonomskim in neekonomskim družbenim dejavnikom širjenja dodali še različne osebnostne determi- nante širjenja, ki je preveč ekonomsko optiko od širjenja novih tehnologij (prodajni interes) pomaknil k prevzemanju novih tehnologij (uporabniški interes). Prisvajanje novih tehnologij v tem okviru določajo ne le cena, ampak tudi osebne sposobnosti in osebno dojeti pomeni učenja, oziroma nekoliko splošneje, razpon posameznikovih kognicij, emocij in – kupne moči. Za uspešno širjenje novih tehnologij v družbi, menijo psihologi, je zato potrebno med posamezniki, potencialnimi uporabniki, storiti nekaj več kot zgolj oglaševati in prodajati. Najprej je treba zbuditi zanimanje oziroma motivacijo za nove tehnologije. Šele nato posameznik, ob ugodnih drugih okoliščinah, dejansko (lahko) postane uporabnik teh tehnologij. V tem smislu je dokaj ilustrativna Gibsova inačica ekološke navdahnjene (socialnopsihološke) teorije iz leta 1979, v kateri je ta avtor trdil, da si ljudje prisvajajo oziroma privoščijo (»afford«) nove tehnologije na tak način, da z novimi 'objekti' lažje živijo na tisti način, ki ga že prej prakticirajo. Nove tehnologije naj bi torej – razumljeno s socialnopsihološkega vidika - lajšale in poenostavljale dotedanje življenje ljudi, ne pa ga oteževale. Danes, tako bi lahko trdila, je za razumevanje širjenja novih tehnologij v družbi potrebno predvsem upoštevati številne in raznovrstne (neekonomske) dejavnike, ki lahko na to vplivajo. Tako ne morem več trditi, da bi bile pri proučevanju tega procesa ene teorije boljše od drugih. V kolikor želimo vsebinsko kvalitetno (in ne le površinsko kvantitativno) raziskati ta proces, moramo raziskati predvsem: » ekonomske, » socialno-okoljske in tudi » osebnostne kognitivne dejavnike, ki (lahko) vplivajo na širjenje novih tehnologij v določeni družbi. Drugačna ureditev teoretskih vstopov na pestro področje širjenja novih teh- nologij od pravkar podane Rogersove, ki sledi in ki naj na najbolj grobi ravni prikaže najznačilnejše teoretsko-empirične tematizacije širjenja tehnologij kot socialnega pro- 27 cesa, je plod mojega dolgotrajnega študija pomena raznih paradigmatskih vstopov na to raziskovalno področje, zlasti pregleda teh tovrstnih nastavkov v sorodnih zn- anstvenih delih (disertacije Regalado, 2004; Robalino, 2000; Ruiz-Conde, 2004) in drugih študijah, nato pa še večkratnega preurejanja zapiskov. Najtežje je bilo najti tisto rdečo nit, ki naj bi me čimbolj jasno pripeljala k ožjemu raziskovalnemu mod- elu moje glavne teze: prisvajanje novih tehnologij med mladimi (v Sloveniji). Na razpolago sem imela, poleg Rogersovega, sicer še nekaj zgledov klasificiranja: poleg historično–teoretskega prikaza uvajanja novih tehnologij, ki sicer v družboslovju še vedno prevladuje, so se ponujale zlasti tri izbire - ali podati bolj disciplinarne, bolj vse- binske ali bolj metodološke kriterije členitve. Prva izbira se nanaša na v bistvu dualno delitev raziskovalnih tradicij po glavnih vejah ved, na eni strani na bolj tehniške in na drugi bolj družboslovne vidike v obravnavah širjenja novih tehnologij (Regalado S., 2004). Druga izbira se nanaša na vsebinska merila členitev znotraj družboslovja – ali v modelih širjenja novih tehnologij izpostaviti bolj pozitivno naravnani ekonomski, marketinški interes (izhodišče Mansfeld, 1961, razteg Bass, 1969), ali pa uvesti že spočetka tudi kritično naravnane neekonomske koncepte (Splichal, 1989; DiMaggio, 2001). Tretja izbira se nanaša na posebna metodološka merila členitev, ukvarja pa se z analizo in izboljševanjem (teoretskih) predpostavk v raznih ekonometričnih modelih širjenja novih tehnologij (Robalino, 2000; Ruiz Conde, 2004). 3.1 Štiri raziskovalne tradicije V procesu klasificiranja teoretskih pristopov se očitno lahko poslužujemo različnih načinov in meril njihovega urejanja, razvrščanja. Denimo, lahko jih razvrsti- mo tudi v naslednjih osem kategorij, glede na prevladujoči objekt ali tip raziskovanja, kakor – tokrat na drugem mestu - predlaga Rogers (Rogers, 2003: 94-101), pri čemer so posamezne kategorije osredotočene na: » inovatorje in zgodnje uporabnike novih tehnologij, » stopnjo uporabe različnih tehnologij v družbenem sistemu, » število ali delež inovacij, » raziskovanje vpliva snovalcev javnega mnenja, » proučevanje omrežnih struktur, » stopnjo uporabe tehnologij v različnih družbenih sistemih, 28 » uporaba medijev v namene promoviranja nove tehnologije ter » raziskovanje posledic inovacije. Merila, uporabljena v tej klasifikaciji za tipe raziskovanja, spominjajo na razlike v znanstvenih vedah: pri nekaterih kategorijah prevladujejo tehnološki, drugje bolj ekonomski, spet drugje bolj sociološki ali celo socialnopsihološki vidiki. Določene težave pri upoštevanju teh Rogersovih kategorij klasificiranja povzroča njihova rela- tivna splošnost in nepovezanost – lahko pozabimo na kontekst, ki je od države do države, od tehnologije do tehnologije, zelo različen, kar vselej ponazarjajo tudi zanimi- vi drobci iz kronoloških prikazov razvoja raznih tehnologij in teorij. Proti pretiranim posplošitvam v zvezi z razširjanjem tehnologij med mladino, kar je primarna točka moje teze, ne nazadnje govori tudi objavljena trditev, da je nove tehnologije potrebno vedno raziskovati v kontekstualnem in družbeno-zgodovinskem okolju (World Youth Report, 2003: 324). Na kraju številnih redakcij zbranega gradiva, povezanih s ponovnimi branji, dodatnimi razmišljanji in mnogimi kolegialnimi diskusijami, sem se odločila za takšen prikaz teoretskih vstopov, ki čimbolj jasno in strnjeno izpostavlja zlasti povezanost vsebinskih in metodoloških meril, saj na ta način izpostavljam tista dva vidika tega raziskovalnega področja, h katerema skušam nekaj izvirnega prispevati. Kot primerno členitev zato predlagam tri oziroma štiri tradicije proučevanja - prve tri so bolj pozi- tivne (z videzom družbene nevtralnosti), zadnja pa je bolj družbeno-kritična, saj opo- zarja tudi na negativne posledice ob uvajanju in širjenju novih tehnologij – in sicer: » makro ekonomska konceptualizacija; modeliranje makro procesa širjenja (nakupa) tehnologij (»technology diffusion«): bolj makro-ekonomski pristop, z najdaljšo tradicijo; v ospredju je interes producentov oziroma ocenjevanje maksimalne količine prodaje novih tehnologij, seštete na makro nacionalno raven; tehnologija je zato v modele največkrat vpeljana kot eksogena spremenljivka (v družbeni sistem prihaja od zunaj); tu se običajno v metodološkem smislu zasnuje nek funkcijski model (dinamičnega) procesa širjenja tehnologije, ki ga ponazarja rast deleža uporabnikov skozi čas v celi družbi (neodvisna spremenljivka), v sam model pa so (parametrično) vključeni razni faktorji, ki (po predpostavkah tega modela) omejujejo ali pospešujejo širjenje tehnologij na makro ravni; v empirični fazi preverjanja modela gre tipično za dve vprašanji: (1) raziskovanje trenda oziroma procesa, oziroma, koliko se ti modeli prilegajo zbranim empiričnim podatkom (časovnih serij), (2) raziskovanje vzorca, največkrat gre za mednarodne primerjalne študije držav v eni časovni točki; 29 » evolucijsko-interakcijska konceptualizacija mezzo ravni dogajanja; modeliranje širjenja inovacij skozi organizacije (»innovation diffusion and technology«): bolj mezzo-organizacijski pristop, z nekoliko krajšo tradicijo (pričete nekje po letu 1960); v ospredju so ekonomski, marketinški in menedžerski pogledi, kjer prevladuje občutek, da se mora večina organizacij prilagajati na tehnološki razvoj, če naj ohranja konkurenčnost; nova tehnologija je vsaj deloma že razumljena tudi kot endogena spremenljivka (je del družbenega sistema, konkurenčnega okolja in tudi interne organizacijske sposobnosti za prilagajanje); tu se v vsebinskem smislu podrobneje raziskuje ožji, morda celo kompleksnejši proces širjenja tehnologij (oziroma inovacij) v organizacijah: na eni strani v bolj inovativnih organizacijah, ki lahko tudi same ustvarjajo tehnološko fronto ali ji vsaj za silo sledijo, na drugi pa v manj inovativnih ali tradicionalnejših organizacijah, torej takšnih, ki tega procesa prevzemanja novih tehnologij ne zmorejo, ali ga nočejo vpeljati ali pa jim tega (še) ni treba početi; v metodološkem smislu gre velikokrat za ekonometrično preverjanje, koliko je produkcijski rezultat organizacij, sicer zmerjen na različne načine, odvisen od tipa tehnologij (na primer enostavne, srednje, zapletene), organiziranja dela in znanja (človeškega kapitala), socialnega kapitala (socialnih omrežij) in drugih faktorjev, pri čemer je delež socialnih faktorjev v modelih - v primerjavi z ožje ekonomskimi modeli - že precej večji; » konceptualizacija, modeliranje prisvajanja tehnologij z vidika ljudi, končnih uporabnikov NT (»technology acceptance«): bolj mikro socialnopsihološki pristop, z najkrajšo tradicijo (zastavki v poznih 70-ih letih); optika opazovanja tehnoloških procesov se od širjenja tehnologij (penetracije v družbo ali organizacijo) obrne k procesom prevzemanja, individualnega prisvajanja tehnologij, zato postanejo pomembnejši od ekonomskih faktorjev širjenja drugi faktorji: na primer konceptualizacije in modeliranje učenja novih tehnologij, razumevanja, vedenjskih spretnosti v stiku s tehnologijami in podobno; v metodološkem smislu gre običajno za analizo povezanosti nekega (konstruiranega) indeksa stopnje razširjenosti nove tehnologije in faktorjev, ki teoretsko optimalno povzemajo vpliv na to stopnjo (deloma 5. poglavje, bistveno o tem v 6. poglavju). Poleg teh treh pozitivnih tradicij proučevanja širjenja novih tehnologij je v njihovem ozadju močno prisotna še ena splošnejša družboslovna tradicija, kritična družboslovna (sociološka) misel, ki sooča posameznika in družbeno strukturo na konflikten način, saj so v nekem smislu (v družbenem smislu oziroma v smislu ra- zumevanja stvarne družbe) vse tri navedne tradicije teoretsko in konceptualno poman- 30 jkljive ravno v tem smislu. Ne upoštevajo namreč dovolj družbene realnosti, ki ni le pozitivna (za vse), ampak tudi negativna (za nekatere). Pozitivno naravnane tradicije namreč velikokrat uvedejo zgolj pozitivne predpostavke o ugodnih ciljih širjenja, kar ne odseva dobro družbene stvarnosti. Tako na primer širjenje tehnologij ne vsebuje le 'nujnega' schumpeterjanskega prilagajanja družbe in organizacij na inovacije; številnih lokalnih, navidez zgolj mehaničnih destrukcij zaostalih organizacij - s ciljem, da se odpira prostor inovativnejšim, produktivnejšim novim organizacijam in socialnim konstrukcijam. Velikokrat se dogaja nekaj precej bolj spornega: za širjenje tehnologij se odpirajo prav tisti posebni kanali in prostori, ki so strateško tesno povezani z obstoječo družbeno močjo in nadzorovanjem. Te kanale in prostore zato poleg gospodarskih ak- terjev nadzoruje politika; navidez sicer s ciljem, da dela za dobro vseh - ni pa to nujno. Kadar je politika podvržena parcialnim interesom (in to je skoraj po definiciji), bodo tudi njena ravnanja naravnana v parcialno, ne pa splošno dobro. Če je ta manj opazni vidik širjenja tehnologij že lahko spregledala pretežno produktivnostno naravnana makroekonomska tradicija, ker je tehnologijo pač obrav- navala kot ključno eksogeno spremenljivko, ki zagotavlja pospešene gospodarske rasti držav v industrijski dobi, je manj razumljivo, da to spreglejujeta drugi dve pozitivni tradiciji, ki sta bližje post-industrijski dobi in ljudem. Lahko pa bi vseeno rekli, da se druga tradicija, ki se sicer ukvarja bolj z raziskovanjem organizacijskega prilagajanja na eksogene in endogene tehnološke spremembe (predhodniki Phelps, Abramowitz, Nelson, kasneje Romer, Amable), tem kritičnim razmislekom polagoma že približuje, na primer s tem, ko odkriva, da je zlasti socialni kapital (režim socialnega omreženja), ne pa le goli človeški kapital (izobrazba in znanje), pomemben vzvod (ne)uspešnega širjenja in prevzemanja tehnologij v organizacijah. Od tu namreč ni več daleč tudi do tehtnejšega vsebinskega vprašanja: koliko je tak dejavnik, kakor je socialni kapi- tal, ustaljen vzorec stikov in zaupanja med ljudmi, povezan tudi s širšo družbeno, ne le organizacijsko kulturo, oziroma s splošno distribucijo moči, torej s samo naravo oblasti v določeni družbi. Tretja, socialnopsihološka tradicija, je sicer še bolj kot prvi dve usmerjena na mikro procese kakor prvi dve – na procese učenja, spoznavanja, prisvajanja vednosti in znanja, je pa v smislu svoje najširše izhodiščne trditve, da je tudi okolje ljudi pomembno za te procese učenja, dokaj odprta tudi glede tega, katere okoljske dejavnike, ki bi lahko vplivali na (razumno) vedenje ljudi, bomo izbrali kot pomembne in jih sprejeli v analizo. Naj dodam, da je glavno idejo kritičnih misli v operacionalizaciji kateregakoli konceptualnega modela širjenja novih tehnologij (na osnovi katerekoli od pozitivnih tradicij) dokaj težko neposredno operacionalizirati – pristranska strukturna stanja, ki jih zaznamo z merjenjem, so večinoma družbene konstante, ki dajejo družbeni okvir variabilnim procesom znotraj samih sebe, zato jih je težje meriti na mikro ravni, lažje pa 31 interpretirati, če jih le konceptualno opazimo. Je pa pomembno, da ta vidik ohranimo prisoten vsaj v konceptualizaciji problema in v končnih razmislekih, tudi v interpretaciji tistih empiričnih raziskav, ki so sicer bolj pozitivno naravnane. Pokaže nam namreč na omejitve takih raziskav, ki slonijo na preveč pozitivno naravnanih predpostavkah. 3.2 Pomik pozornosti k socialnopsihološkim faktorjem Kljub temu, da ekonomisti trdijo, da je posedovanje novih tehnologij bistveno v procesu njihovega širjenja v družbi (ostali dejavniki pridejo mnogo kasneje po nji- hovem mnenju), so poleg drugih družboslovcev zlasti socialni psihologi drugačnega mnenja. Njihova ideja je namreč drugačna: ni važno samo širjenje tehnologij, važno je tudi njihovo prisvajanje s strani ljudi. A ta proces ni linearen, temveč cikličen, ker gre v bistvu za učenje, privajanje na novo. Ta proces nima začetka in konca, saj so skoraj vsi dejavniki, ki lahko vplivajo na učenje, načelno enako pomembni. Težko je določiti vrstni red (kar so nedvomno nameravali storiti ekonomisti, ki so iskali logično zaporedje dogodkov v tem procesu) vpliva posameznih dejavnikov na širjenje novih tehnologij v družbi. Posedovanje, uporaba, poznavanje (v obliki samoocenje- vanja) ter motivacija za uporabo novih tehnologij so specifični pojavi, ki so odvisni od socialnega okolja, v katerem se posameznik nahaja ter od tipa nove tehnologije, ki ga proučujemo. Namreč, za različna okolja in za različne tehnologije obstajajo različna zaporedja dogodkov, ki jih ni moč napovedati na osnovi izkušenj z drugimi okolji in drugimi tehnologijami. Menim, da so socialni psihologi s svojimi modeli in študijami dali znaten prispevek k temu. V začetku 21. stoletja se teoretiki posvečajo številnim področjem, ki so pov- ezana s širjenjem novih tehnologij. V ospredje stopa predvsem problem nadzora. Pos- amezniki se tega zavedajo. Nekateri celo to izkoriščajo v lastne namene. Tako je na primer, v zadnjih letih9, vse bolj popularno (širom po svetu) sodelovanje v različnih 9 Za začetnika ideje o »Panoptikonu« oziroma o »prostoru, ki vse vidi«, v katerem se je avtor ukvarjal predvsem z nadzorom v zaporih, štejemo Jeremy-ja Benthama (Bentham, 1981). V njegovih delih (med leti 1791 in 1843) se je ukvarjal z načrtovanjem zapora, v katerem je v sredinskem delu velika odprta soba, ki gleda na vse celice zapora, ki so postavljene ob stenah stavbe. Pri tem imajo nadzor- niki pogled nad jetniki, medtem ko slednji (zaradi različne kombinacije luči) ne vidijo nadzornikov. Tako imajo jetniki neprestano idejo o njihovem nadzoru. Ideja o »Velikem bratu«, ki nas opazuje, se je porodila že leta 1954, ko je George Orwell napisal knjigo »Nineteen Eighty-Four« (Orwell, 1954), čeprav si v tistem obdobju ni moral zamišljati, kako hitro (in predvsem v kakšnem obsegu) se bo ta pojav razširil v sodobni družbi. Njegova zamisel je bila, da posameznik v tem primeru ne ve, da bi ga nekdo drugi opazoval. Njegova predvidevanja so bila, da bo prihodnost za družbo neželena, vendar se je tem posledicam moč izogniti. 32 televizijskih »reality TV« oddajah10, v katerih posamezniki izpostavijo sebe v vetrino trgovine in upajo, da jih bo opazil pomemben režiser in jim ponudil pot do slave. Nekateri posamezniki so namreč pripravljeni storiti (skoraj) vse11 za »minuto slave«. V medijsko zasičeni (razviti) družbi se povečuje pomen psiholoških dejavnikov, tako v življenjskih, zaposlitvenih kot tržnih odločitvah. Ugotovila sem torej, da proces širjenja novih tehnologij v družbi ni enodi- menzionalen, temveč je sestavljen iz več dimenzij, in sicer posedovanja (in uporabe), poznavanja (oziroma samoocene sposobnosti) ter motivacije za uporabo novih teh- nologij. Najpogosteje je raziskana dimenzija širjenja ekonomska - posedovanja in up- orabe računalniške in internetne opreme; lahko pa sem tudi ugotovila, da na širjenje vplivajo zaviralno splošne socialne determinante (denimo stopnja neenakosti), ki povzročajo prisotnost digitalnega razkoraka. Pri naslednji dimenziji, poznavanju, se raziskovalci pogosto poslužujejo le šolskih testov ugotavljanja posameznikovih spo- sobnosti, ki v večini primerov ne podajo široko realnih rezultatov. Primernejša je upo- raba samoocene posameznikovih sposobnosti, česar ni pogosto zaslediti v empiričnih študijah. Tudi motivacija (oziroma korist) za uporabo računalnikov in interneta se ne pojavlja pogosto v študijah, ki raziskujejo širjenje računalnikov in interneta v družbi, predvsem med mladino. Zaradi navedenega sem se odločila, da naslednje poglavje namenim podrobnejši predstavitvi procesa učenja in motivacije, s čemer bom lahko bolje osvetlila razisk- ovalni model, ki ga bom razvila v naslednjih poglavjih. Tako pozornost raziskovanja preusmerim pretežno na mikro nivo. 10 V ZDA so take oddaje preplavile televizijski program že proti koncu 20. stoletja, medtem ko so v Evropo in Azijo začele prodirati nekoliko kasneje in so sedaj v polnem zamahu. Tudi na slovenski televiziji smo bili leta 2004 priča prvemu tako imenovanemu »reality show-u«, in sicer »Sanjskemu moškemu«. Očitno je med občinstvom dosegel uspeh, zato so to formulo uporabili in so leto pripravili še »Sanjsko žensko«. Danes si režiserji poskušajo na osnovi resničnostnih šovov zamisliti nove situacije, ki bi pritegnile občinstvo k sodelovanju in gledanju. V Italiji, na primer, je takih oddaj vse več. Tele- vizijski mogotci in režiserji vztrajno iščejo nove vzorce, s katerimi bi dosegli uspeh. Tako na primer, poleg »čisto normalnih slave željnih ljudi« pogosto pritegnejo tudi nekoliko starejše zvezde, ki iščejo ponovno pot v svet slave. 11 Kot primer lahko vzamemo oddaje »Survivor« ali »The Farm« ali celo »The Island of The Famous People«, v katerem so bili sodelujoči pripravljeni celo jesti žuželke (kar je za nekatere kulturo popolno- ma normalno, vsekakor ne za Zahodne Evropejce). 33 4. Učenje kot nujna etapa pri širjenju novih tehnologij V sodobni družbi postaja izobraževanje vse pomembnejše, saj posamezniku omogoča konkuriranje in prosperiranje na trgu dela in v ekonomski sferi, kar (lahko) privede do spremembe v kvaliteti življenja. Izobraževanje lahko tako definiramo z na- cionalnimi cilji - kot »doprinos k nacionalnemu ekonomskemu razvoju« (Gray, 1999: 419). Izobraževanje na osebni ravni odraža družbo v miniaturi. Izobraževanje postane del procesa socializacije, saj predpostavlja sodelovanje v skupinskih aktivnostih. Bistvo izobraževalnega procesa je »pomagati študentu, da realizira svoj potencial in postane socializirano bitje« (Hughes, 1997: 2). Glavnina spoznanj o uspešnem učenju prinaša vrsto normativnih zahtev pred sodobne izobraževalce. Izobraževanje mora biti osnovano na izkušnjah. Pos- ameznika mora pripraviti na življenje v skupnosti, saj se mu na ta način posredujejo tradicije in koncepti, ki so nujno potrebni za preživetje v skupnosti. Iz tega sledi, da je izobraževanje več kot individualno samoučenje; je interpersonalni pojav, ki pos- ameznika spremlja vse življenje, od rojstva dalje. Izobraževanje torej ne poteka v vaku- mu, temveč v določenem socialnem okolju, ki je sestavljeno iz številnih bolj ali manj različnih posameznikov, ki delujejo kot predstavniki določene kulture. Izobraževanje lahko razumemo tudi bolj objektivno, kot sestavljeno iz notranjih struktur. Do spre- memb v znanju in razumevanju oziroma do novih idej pride, ko te notranje strukture dobijo individualne pomene. Ko je posameznik izpostavljen novim idejam ali dobi nove informacije o starih (že obstoječih) idejah, mora med njimi in že obstoječim (prevladujočim) konceptom vzpostaviti ravnotežje. Oba procesa (tako interpersonalni kot intrapersonalni) potekata istočasno. 34 Ključni element izobraževanja je učenje, ki ni le povezovanje izoliranih ele- mentov in dogodkov, temveč je aktivni proces. Učenje mora »stimulirati dejavnosti, ki pospešujejo kreativno restrukturiranje in produktivno mišljenje« (Larsen, 2000b: 5). Učenje je proces, ki predpostavlja vključenost učitelja in dijaka, zahteva aktivno kreacijo pomena in temelji na razumevanju dijaka in učnega procesa, se odvija v za- nimivem in spodbudnem okolju, gradi na učnem partnerstvu v različnih situacijah in ga oblikujeta socialni in kulturni kontekst. Hkrati s socialnim in kulturnim razvojem sodobnih družb se mora razvijati tudi izobraževanje. V današnjem svetu so si nove tehnologije izborile centralno mesto v posameznikovem življenju. Tako se mora tudi sodobno izobraževanje prilagoditi vsem tem (hitrim) spremembam, da lahko posameznika pripravi na življenje v sodob- nem svetu. Mladi se morajo namreč naučiti izkoristiti potencial, ki jim ga omenjena tehnologija nudi. Le na ta način se namreč lahko pripravijo na zahtevnost in specifike, ki jih pred njih postavlja vse bolj konkurenčni trg delovne sile. Kot sem že predhodno zapisala, se večina teoretikov strinja, da širjenje novih tehnologij v družbi poteka na osnovi s-krivulje. Ta proces širjenja opreme je zelo podoben procesu učenja, nelinearnemu dvigovanju doseženega znanja, v katerem pos- amezniki opravijo številne napake, predvsem v začetnem obdobju oziroma, ko obrav- navajo nove tematike, o katerih se prej še niso učili. Sčasoma se število napak zmanjša in limitira proti 0. V tem primeru se število napak porazdeljuje v obliki zrcalne s- krivulje. Namreč, število napak je obratno sorazmerno s pridobljenim znanjem. Večje število napak vodi v manjše znanje. Število opravljenih napak se v procesu učenja sčasoma zmanjšuje, medtem ko se znanje povečuje. Učenje rabi bazo: s-krivulja učenja se lahko ponovi na višjem nivoju, ko je prejšnji osvojen. V procesu širjenja tehnologij, ki se porazdeljuje na podoben način, je taka s-kriv- ulja posledica izboljšanja novih tehnologij in naraščajočega števila njenih uporabnikov. V kolikor sprejmem omenjeno predpostavko, lahko sklepam, da je porazdelitev števila napak v procesu učenja v obliki s-krivulje posledica pridobivanja novih informacij oziro- ma novega znanja, kar zmanjša število napak v procesu učenja. Prav tako lahko skle- nem, da s pridobivanjem novega znanja (o novih tehnologijah) posamezniki pospešujejo tudi proces širjenja novih tehnologij. To nakazuje, da je učenje ena od ključnih dimenzij za širjenje računalnikov in interneta v družbi. Učenje za mladino, ki predstavlja ciljno populacijo v moji študiji, poteka večinoma v formalnem okolju – v šoli. Izobraževanje in učenje sta dva izmed najpomembnejših dejavnikov v pro- cesu širjenja novih tehnologij v družbi (kar poudarjajo skoraj vse sodobne teorije proučevanja tega procesa). S pojavom novih tehnologij, predvsem računalnikov in 35 interneta, se je tudi izobraževalni proces spremenil in prilagodil spremembam, ki so jih te prinesle s seboj. Sodobno izobraževalno industrijo vodi »želja po čim večjem ekonomskem deležu in po dostopu do informacij preko interneta« (Gray, 1999: 420). Računalniška in internetna pismenost omogočata posamezniku vključevanje v družbo. Zaradi tega je potrebno današnjim učencem karseda približati proces prisva- janja računalniške in internetne pismenosti v toku rednega izobraževanja, že v toku primarnega izobraževalnega procesa. Najprej predstavljam proces učenja, ki je eden od ključnih dejavnikov razširjenosti novih tehnologij (predvsem računalnikov in interneta) v družbi. Pri tem predstavljam kratko zgodovino proučevanja tega procesa. Nato se osredotočam na opis učenja tako iz behavioristične kot tudi iz kognitivne perspektive. V nadaljevanju prikazujem še proces tehnološkega učenja, ki je največkrat osnovan na Ajzen-Fish- beinovi teoriji usmerjenega delovanja. 4.1 Proces učenja Učenje je eno ključnih dejavnosti za človeka, saj se ljudje večino življenja učimo. Za preživetje vsake vrste (bodisi človeške bodisi živalske) je učenje nujnega pomena. Namreč, preživetje določene vrste je odvisno od tega, v kolikšni meri se njeni pripad- niki lahko prilagodijo na okolje, v katerem se nahajajo. Posamezniki lahko delovanje prilagodijo na okolje na dva načina: z evolucijo oziroma razvojem (ohranijo se le tisti posamezniki in njihove lastnosti, ki so primerni oziroma optimalni za določeno okolje) ali z učenjem (posameznik svoje delovanje prilagodi v skladu z naučenimi lastnostmi okolja). Okolje, v katerem se posamezniki nahajajo, ni stabilno, temveč je fleksibilno (dinamično) in se spreminja. Bolj kot je okolje variabilno, bolj mora biti posameznik (in predvsem njegovo delovanje) fleksibilno, da se mu bo lahko uspešno prilagodil in da bo preživel. Učenje lahko tako definiramo kot »mehanizem, s katerim se posamezniki prilagodijo na spreminjajoče in nenapovedljivo okolje« (Anderson, 1995: 3). Teoretiki, ki se ukvarjajo s procesom učenja, si niso enotni glede njegovega razvoja. Med ekonomisti, na primer, lahko zasledimo od sredine 20. stoletja dalje tri oblike učenja (Mukoyama, 2003): » učenje na izkušnjah12 (»learning by doing«), ki je definirano kot »produkcijski 12 Učenje na izkušnjah se je med teoretiki ekonomske rasti razvilo na začetku 60-ih let 20. stoletja. 36 dobiček, ki se doseže zaradi producentovih preteklih produkcijskih izkušenj13« (Mukoyama, 2003: 2); » učenje z uporabo14 (»learning by using«), ki poudarja pomen strank oziroma uporabnikov izdelkov in storitev15 ter » učenje z izvažanjem (»learning by exporting«), kjer se poudarja pomen izvoza izdelkov16. » Psihologi in socialni psihologi proces učenja razumejo drugače kot ekonomisti. Po njihovem mnenju v procesu učenja sprejemniki ne reagirajo takoj, ko dobijo sporočilo, ampak se vmes zgodi še vrsta kognitivno- motivacijskih procesov: zaznavanje, spoznanje, ohranjanje sporočila, simpatija, preferenca, prepričanje, odločanje in delovanje. Pri učenju igrajo centralno vlogo posameznikove izkušnje. Dejavniki uspešnega učenja so naslednji: transfer (prenos prej naučene dejavnosti na novo dejavnost), metoda učenja, motivacija za učenje, stopnje aktivnosti med učenjem, disturbiranost učenja in podobno. Učenje naj bi učence vodilo k doseganju določenih intelektualnih sposobnosti. Definiranje slednjih je razmeroma zapleteno. Gardner (Gardner, 1983) je na primer definiral intelektualne sposobnosti kot skupino sposobnosti, ki je relativno neodvisna od ostalih človeških sposobnosti, vsebuje sebi lasten sistem operacij za obdelovanje informacij ter se dosega po določenih korakih. Pri tem je identificiral sedem vrst in- telektualnih sposobnosti: » verbalna oziroma lingvistična (sposobnost uporabe besednega zaklada in govora oziroma jezika), » logično-matematična (sposobnost induktivnega in deduktivnega razmišljanja, sposobnost uporabe številk in prepoznavanje abstraktnih miselnih vzorcev), 13 V omenjenem primeru je rezultat (kvaliteta proizvoda) odvisen od spretnosti delavcev. 14 Kot nasprotje teoriji učenja na izkušnjah se je v 80-ih letih 20. stoletja razvila teorija učenja z uporabo. 15 Uporabniki lahko svetujejo proizvajalcem, na kakšen način izboljšati kvaliteto izdelka. Prav tako lahko proizvajalca opozorijo na napake in probleme, na katere so naleteli pri uporabi izdelka. Proi- zvajalec lahko prepozna uporabnost izdelka šele po tem, ko je bil dlje časa v uporabi (Rosenberg v Mukoyama, 2003). V informacijski družbi je učenje z uporabo zelo pomemben način pridobivanja informacij o kvaliteti in učinkovitosti tehnologije. Uporabniki so tisti, ki pomagajo pri razvoju novih tehnologij s tem, ko te dejansko uporabljajo, spremljajo njihovo delovanje in proizvajalca obveščajo o morebitnih napakah. 16 S tem, ko države v razvoju izvažajo v bolj razvite države, jim slednje lahko nudijo koristne infor- macije o tem, kako izboljšati proizvod. 37 » vizualno-prostorska (sposobnost opazovanja prostora in objektov), » kinestetična (sposobnost nadziranja lastnega telesa), » glasbena oziroma ritmična (sposobnost prepoznavanja tonov in glasbe, senzitivnost za ritem), » interpersonalna oziroma medosebna (sposobnost medosebnega komuniciranja in snovanja medosebnih odnosov) ter » intrapersonalna oziroma duhovna (sposobnost nadzorovanja duhovne plati posameznika). » Sistematično proučevanje izobraževanja kot znanstvene discipline se je pričelo proti koncu 19. stoletja. Pred tem sta izobraževanje proučevali predvsem filozofija in teologija, katerih zagovorniki so bili osredotočeni predvsem na metodo introspekcije, katerih ideje so kritizirali socialni psihologi že skoraj od vsega začetka. Pri tem se učenci niso učili po današnjem sistemu, kjer je učenje osredotočeno na posredovanje dejstev. V učnih tekstih se je pojavljalo predvsem učenje morale17 (Regalado S., 2004: 26). V začetku 20. stoletja je izobraževanje temeljilo na prenosu pismenosti. V šolah so učitelji poučevali osnove branja, pisanja in računanja. Učenci so bili v tem obdobju dokaj omejeni. Od njih se je pričakovalo zgolj osvajanje osnovnih principov. Učitelji jih niso spodbujali k razmišljanju, kritični presoji in reševanju zahtevnih problemov. V tem obdobju se je razvila behavioristična šola proučevanja izobraževanja. Filozofom in teologom so očitali, da je metoda introspekcije preveč subjektivna18 in da je potrebno pri proučevanju procesa izobraževanja pozornost usmeriti na opazovanje posameznik- ovega vedenja oziroma delovanja. Sredi 20. stoletja so znanstveniki ugotovili, da smo ljudje kompleksna bitja, ki živimo v zelo zapletenih okoljih oziroma sistemih. Razvila se je nova smer – kognitivna znanost, ki na izobraževanje gleda kot na multidisciplinaren koncept19. Znanstveniki so se začeli osredotočati na miselne procese, ki se odvijajo v posamezniku. Pri tem niso zanemarili pomena socialnega in kulturnega okolja posameznika. 17 Primer naloge v tedanjih učbenikih aritmetike: »Trije zelo ljubosumni možje se, vsak s svojo ženo, srečajo pred reko. Kako naj se organizirajo, da lahko prečkajo reko tako, da ni nobena žena na drugi strani reke v družbi enega ali dveh drugih moških, razen v primeru, da je tudi njen mož prisoten?«. 18 Behavioristi tega obdobja so bili celo prepričani, da je bil predmet dotedanje psihologije osnovan na religiozni filozofiji, saj so svojo znanost razvili okoli pojma zavedanja, ki ga je nemogoče definirati in predstavlja le alternativo pojmovanju duše, ki ima religiozne korenine (Watson, 1913: 158). 19 Izobraževanje vključuje številne discipline: antropologijo, lingvistiko, filozofijo, razvojno psiholo- gijo, računalništvo, nevrologijo in številne veje psihologije. 38 Izobraževanje v 21. stoletju dobiva drugačne vidike. Učenci niso več pasivni, temveč igrajo vse bolj aktivno vlogo v tem procesu. Za sodobno družbo še zdaleč ni dovolj le poznavanje in pomnjenje informacij20. V ospredje stopajo sposobnosti iskanja in uporabe pridobljenih informacij. Sodobne teorije izobraževanja se tako strinjajo, da mora izobraževanje temeljiti na komuniciranju, posredovanju podatkov in personalizaci- ji (Larsen, 2000a: 3). Posameznika na ta način naučijo uporabe logičnega razmišljanja, priprave strategij za uspešno reševanje zahtevnih problemov ter razvoj znanja, ki omogoča kritično presojo na številnih področjih: razumevanja zgodovine, družbenih pojavov, znanosti, tehnologije, naravoslovnih in tehničnih ved ter umetnosti. Psihologi so identificirali dve teoriji učenja: behavioristično in kognitivno. Kognitivni teoretiki vidijo funkcijo učenja kot čisto miselni proces, medtem ko be- havioristi vidijo funkcijo učenja kot posledico opazovanega obnašanja, ki nastopi po izpostavitvi stimulusu. Psihološke in socialno-psihološke teorije učenja predstavljajo pomemben del raziskovalnega modela, saj mi bodo pomagale razumeti še drugi dve dimenziji procesa širjenja računalnikov in interneta med mladimi – samooceno pos- ameznikovih (tehnoloških) sposobnosti ter motivacijo za uporabo računalnikov in in- terneta. Zaradi tega jih bom v nadaljevanju podrobneje predstavila. 4.1.1 Behavioristične teorije učenja Behavioristične teorije so se razvile predvsem kot kritika na tedanje poglede filozofov in teologov na proces učenja na prelomu iz 19. v 20. stoletje v ZDA. Be- haviorizem je bila poglavitna veja (ameriške) psihologije v prvi polovici 20. stoletja. Behavioristi vidijo učenje le nič drugega kot »prisvajanje novih oblik vedenja« (Re- galado S., 2004: 43). Behavioristične teorije poudarjajo vlogo zunanjih vzorov in modelov. Izobra- ževanje vidijo kot proces ustvarjanja povezav med stimulusi in odgovori nanje. Pri tem popolnoma zanemarijo miselne (kognitivne) procese, ki se ob tem lahko dogajajo. Mo- tivacijo za učenje si posameznik pridobi predvsem iz potreb in iz prisotnosti zunanjih sil (predvsem dejstva, ali obstaja določena nagrada oziroma kazen v tem procesu). Ključni pojem za behavioriste predstavlja učenje. Njihova predpostavka je, da je moč večino človeškega in živalskega delovanja razložiti preko mehanizmov učenja, ki nastane v toku izkušenj z okoljem. Učenje je »proces, na osnovi katerega pride do 20 Poznavanje osnovnih pojmov je predpostavka za razvijanje sposobnosti razmišljanja, saj brez osnov- nih konceptov tega posameznik ne mora razviti. 39 relativno stabilnih sprememb v delovanju posameznikov, pri čemer igrajo pomembno vlogo posameznikove izkušnje« (Anderson, 1995: 4). Behavioristi so izvajali številne eksperimente (večinoma na živalih), da bi potrdili svoje teze. Njeni glavni zagovorniki so Wundt, Watson, Pavlov, Thorndike, Skinner, Hull in Spence. V nadaljevanju predstavljam poglavitne ideje omenjenih teoretikov. Pavlov (Pavlov, 1927) je svoje eksperimente izvajal na psih. Osnoval je teori- jo klasičnega pogojevanja, ko je pri psih ugotavljal način slinjenja. Proces klasičnega pogojevanja je naslednji. Najprej imamo pogojen stimulus (ta stimulus je nevtralen, kot na primer zvonjenje zvonca), kateremu se pridruži nepogojen stimulus (ta stimu- lus je biološko pomemben, kot na primer hrana), ki privede do nepogojenega odziva (na primer slinjenje pri psih). Nato pogojen stimulus pridobi sposobnost priklica pogojenega odziva (na primer slinjenja). Sčasoma lahko pogojen stimulus nadaljuje s priklicom pogojenega odziva tudi po tem, ko je bil nepogojen stimulus odstranjen. Dokazal je, da se s ponavljanjem možnost pogojenega odziva povečuje. Rezultate je zabeležil v pogojevalno krivuljo. Na začetku je prirast na krivulji minimalen. Nato sledi hitri prirast vse dokler krivulja ne doseže asimptote. Pogojovalna krivulja ima tako obliko s-krivulje. Thorndike je s kolegi (Thorndike in Woodworth, 1901) na začetku 20. stoletja razvil teste za ugotavljanje učinkovitosti učenja. Ugotovil je, da se ljudje raje učijo specifičnih vsebin kot vsebin, ki omogočajo razvoj splošnih sposobnosti. Predvidel je, da je stopnja prenosa med začetnim in končnim rezultatom učenja odvisna od podob- nosti elementov, ki se pojavijo med obema dogodkoma. Pri tem je zanemaril vse last- nosti učenca. Za razliko od Pavlova je Thorndike (Thorndike, 1898) v eksperimentih uporabil mačke. Podobno kot Pavlov je želel zaznati, kako se odzovejo na določene biološke stimuluse, predvsem na hrano in odtujevanje svobode. Za razliko od Pavlova je Thorndike postavil temelje instrumentalnega pogojevanja. Lačno mačko je postavil v škatlo. V škatli je bil poseben mehanizem, s katerim je ta lahko odprla vrata škatle in odšla na prostost po hrano, ki je bila izven škatle. Ugotavljal je, koliko poskusov je bilo potrebnih, da se je mačka rešila na prostost in prišla do hrane. Ugotovil je, da so bili prvi poskusi dokaj neuspešni in da so mačke čisto po naključju odprle vrata škatle s pritiskom na mehanizem. Z vsakim naslednjim poskusom je bila stopnja naključnosti nižja. Mačke so se naučile, kje v škatli se nahaja mehanizem in kako deluje. Sklenil je, da proces učenja poteka avtomatično in da ne vključuje nobenih kognitivnih meha- nizmov. V kasnejših delih je dognal, da le v primeru nagrajevanja pride do učenja. V primerjavi s Pavlovim klasičnim pogojevanjem, kjer nepogojeni stimulus privede do pogojenega odziva, je Thorndikeovo instrumentalno pogojevanje osnovano drugače. V tem primeru nepogojeni stimulus ne nastopi pred pogojenim odzivom, temveč je odvisen od odgovora oziroma naučenega. 40 Hullova teorija učenja (Hull, 1952) je bila uveljavljena še celih dvajset let po njegovi smrti (leta 1952). Bistvo njegove teorije (ki so jo po njegovi smrti razvijali Amsel, Logan, Miller, Mowrer, in Wagner) je bilo razviti sistematično teorijo, ki bi vključevala izsledke, do katerih sta prišla tako Pavlov kot Thorndike. Želel je pripraviti teorijo, ki bi razložila celotno delovanje, tako živalsko kot tudi človeško (slednjega Pavlov in Thorndike nista upoštevala oziroma raziskovala). Njegova končna teorija je povzeta v naslednji enačbi: E = (H * D * K) – I E se nanaša na reakcijski potencial, kar je bistvo njegove teorije. Reakcijski potencial določa verjetnost, hitrost in moč določenega delovanja oziroma odgovora na nek stimulus. Vsak organizem ima vnaprej oblikovane nize potencialnih odgovorov na stimuluse. Vsak od teh nizov ima določeno moč oziroma reakcijski potencial. Ta po- tencial poskuša postati trenutno delovanje organizma v določeni situaciji. Da bi lahko določili, katera reakcija se bo dejansko udejanjila, potrebujemo poznavanje kontrolnih dejavnikov: moči navade, nagona, motivacije in inhibicije. H se nanaša na moč navade. Med stimulusom in reakcijo oziroma odgovorom nanj se sčasoma (na osnovi številnih bolj ali manj uspešnih poskusov) razvije določena asociacija oziroma vez. Podobno kot Thorndike tudi Hull meni, da se z naraščanjem števila poskusov povečuje možnost izbire določene reakcije na začetni stimulus. D se nanaša na nagon. Za razliko od Thorndike-a Hull meni, da posameznik- ovo vedenje ni le funkcija navade oziroma ponavljanja, temveč mora biti pogojeno tudi z nagonom. Ko namreč organizem poteši svoj nagon, mu tudi zelo močan začetni stimulus ne bo več zadoščal za sprožitev določenega odziva oziroma reakcije. K se nanaša na motivacijo. Navade in nagon nista edina pogoja za določen odziv oziroma delovanje. Pomembno vlogo igra tudi motivacija. Če namreč umaknemo na- grado, organizem ne bo več stremil k določenemu odzivu, saj ne bo imel motivacije za tako delovanje. I se nanaša na inhibicijo, predvsem v smislu utrujenosti in učinka zmanjševanja števila poskusov, v katerih ni več nagrade. Novost, ki jo je Hull uvedel v proces proučevanja učenja, se nahaja v prisotnos- ti motivacijskih mehanizmov. Kot predstavnik behavioristov se Hull prav tako strinja, da kognitivni procesi v procesu učenja ne igrajo pomembne vloge. 41 Tolman je v svojih delih kritiziral behavioriste. Osnova njegove teorije leži v de- jstvu, da se posameznikovo delovanje najbolje razume kot odgovor (reakcijo) za dosego cilja. Dognal je, da se organizmi ne naučijo obnašanja oziorma reagiranja, temveč se naučijo potez oziroma znanja, ki vodi njihovo obnašanje. Svoje eksperimente je izvajal na miših. Pomembna sta predvsem dva, ki ju opisujem v nadaljevanju. Prvi eksperiment je poimenoval latentno učenje. Opazoval je tri skupine miši, kako poiščejo pot od enega konca polja do drugega. Pri tem so imele na razpolago 14 ciljnih točk. Vsaka miš je enkrat dnevno opravila to pot. Eksperiment je trajal 17 dni. Eno skupini miši je vsak dan nagradil s hrano. Drugi skupini nikoli ni dal hrane po opravljenem eksperimentu (dobile so jo kasneje). Tretjo skupino miši je nagradil s hrano šele po 11-ih dneh. Opazoval je, kako miši v različnih skupinah reagirajo. Prišel je do naslednjih zaključkov. Tretji skupini (ki je hrano dobila po 11-ih dneh) so se spo- sobnosti učenja (prišle so na cilj) drastično izboljšale po 11-ih dneh, ko so dobile hra- no. Njihovo učenje je bilo latentno. Po njegovem mnenju nagrada ni bila pomembna za učenje, temveč za njihovo delovanje, ki jih je privedlo do učenja oziroma do izbire želene poti, ki jih je privedla do hrane. V drugem eksperimentu je želel dokazati, da učenje ni le posledica reakcije na določen stimulus, temveč je posledica izbire okolja (in skladno s tem reakcije), v katerem organizem (posameznik) deluje. Tak model je poimenoval pojmovni zemlje- vidi. Pojmovni zemljevidi vključujejo, poleg informacij o izbranih poteh za dosego cilja, tudi informacije o prostorskem okviru, v katerem se določena situacija odvija. V svojem eksperimentu je ugotovil, da so nekatere miši vedno našle izhod na desni stra- ni, medtem ko je ena skupina miši vedno našla izhod, vendar pri tem niso uporabile iste strategije (vedno obrniti se na desno), temveč so vsakič našle pot drugače (včasih na levo in včasih na desno). Pomembna ugotovitev, do katere je prišel na osnovi tega eksperimenta, je bila, da so se miši iz druge skupine dosti hitreje učile kot miši iz prve skupine. Zaključil je, da se specifičnih reakcij oziroma odgovorov organizmi ne naučijo, temveč se naučijo zaznavati (prostorske) lokacije v pojmovnih zemljevidih. Proti koncu prve polovice 20. stoletja je svoje teorije razvijal Skinner (Skin- ner, 1971), ki je razširil radikalni behaviorizem. Za razliko od ostalih behavioristov je namreč zanemaril vse tiste dejavnike, ki jih v procesu učenja ne moramo opazovati. Razvil je tako imenovano Skinnerjevo škatlo, v kateri je proučeval miši. V škatlo je na- mestil mehanizem, s sprožitvijo katerega je miš dobila hrano. Opazoval je, kolikokrat miš pritisne na ta mehanizem. Ugotovil je, da zunanji stimulusi determinirajo situ- acijo, v kateri se bo kasneje razvil odziv oziroma reakcija na ta stimulus. Osnoval je kumulativni zapis odzivov, s katerim je ponazoril seštevek odzivov na določen stimilus skozi čas. Pri svojem opazovanju je popolnoma zanemaril notranje mehanizme, ki na- 42 dzorujejo delovanje organizmov. Zanimalo ga je le razumeti, kako organizmi nadzirajo svoje delovanje in na kakšen način ga je moč spremeniti. Ugotovil je, da je vsako delo- vanje podlaga za naslednji korak v delovanju. Postopoma se organizmi lahko naučijo tudi zapletenih oblik delovanja. Behavioristom lahko očitamo sledeče (Regalado S., 2004: 44): » behavioristi ne upoštevajo vseh oblik učenja, saj zanemarjajo kognitivne (miselne) procese, ki se odvijajo v posamezniku, » behavioristi ne razlagajo vseh oblik učenja, predvsem tistih, pri katerih se majhni otroci učijo osnov jezikoslovja in » behavioristi svoje izkušnje, pridobljenje z učenjem živali (in eksperimentih na njih) preveč posplošujejo na človeka. Psihologi so v drugi polovici 20. stoletja dognali, da so behavioristi v procesu učenja preveč izpostavili pomen človekovega delovanja in zanemarili kognitivno stran tega procesa. Zaradi tega so se razvili ideje o kognitivnih teorijah učenja, ki jih pred- stavljam v nadaljevanju. 4.1.2 Kognitivne teorije učenja Kognitivne teorije učenja so se razvile v 50-ih letih 20. stoletja, čeprav za njen- ega predhodnika velja nemški psiholog Ebbinghaus, ki je raziskoval že na začetku 20. stoletja proces učenja. Razvile so se predvsem kot kritika na behavioristične teorije, ki so po njihovem mnenju preveč enostavno prikazale pomen človeškega mišljenja. Njihova ideja je, da se v posamezniku odvijajo številni zapleteni kognitivni mehanizmi, ki na- rekujejo njegovo delovanje. Za razliko od večine behavioristov so svoje eksperimente iz- vajali na ljudeh (in ne na živalih). Behavioriste zanima predvsem razložiti proces učenja, medtem ko so kognitivni teoretiki osredotočeni predvsem na proizvod tega procesa. Ključni pojem za kognitivne teoretike učenja je spomin, ki ga definirajo kot »relativno stabilen zapis izkušnje, na osnovi katere se razvije učenje« (Anderson, 1995: 5). Najpomembnejši zagovorniki kognitivnih teorij učenja so Ebbinghaus, Piaget, Vygotsky, Ausubel in Bruner. Piaget je svoje ideje razvijal že v 30-ih letih 20. stoletja, medtem ko sta Ausubel in Bruner svoje poglede na učenje snovala predvsem v 50-ih in 60-ih letih 20. stoletja. Njihove ideje še danes predstavljajo glavno vejo teorij učenja. V nadaljevanju si poglejmo osnovne ideje zagovornikov kognitivnih teorij učenja. 43 Kognitivne teorije poudarjajo notranje kognitivne procese (posameznikov spomin), tudi v procesu učenja, ki po njihovem mnenju predstavlja razvoj spominske mreže v dolgoročnem spominu. Zagovorniki kognitivnih teorij učenja trdijo, da je učenje funkcija mišljenja in reševanja problemov. Pri tem igrata ključno vlogo dva dejavnika, in sicer način, na katerega posamezniki pridobivamo informacije iz okolja ter način, na katerega posamezniki miselno manipuliramo21 s pridobljenimi informacijami. Proces učenja v okviru kognitivnih teorij poteka organizirano. Posameznik iz okolja (bodisi od staršev, v šoli ali v drugih situacijah) dobi stimuluse. Vsakega stimu- lusa ne zazna kot osamljenega, ampak več stimulusov organizira v kategorije in smiselne celote. V zadnji fazi se pridobljene informacije nadgradijo v nove spominske strukture (sheme in skripte). V procesu učenja tako pride do kognitivnega razvoja posameznika. Posamezniki so obravnani kot aktivni – neprestano iščejo (nove) informacije. Cilj izobraževanja je, da posameznik integrira nove ideje v obstoječo mrežo idej na ta način, da te nove ideje ne bodo rušile logične strukture organizacije dotedanjih idej. Skladanje novih idej s predhodnimi je odvisno predvsem od osebnih dejavnikov (energije, interesa, želje po učenju, aktivne participacije in intelektualnih sposobnosti) in od zunanjih dejavnikov (socialno okolje, v katerem se posameznik nahaja). V pro- cesu prilagajanja (in osvajanja) novih vrednot igrajo pomembno vlogo posamezniki, ki se nahajajo v učenčevem okolju in s katerimi se čustveno identificira. Kognitivne teorije učenja se ukvarjajo prvenstveno s tremi področji: » kaj je tisto, kar se razvija v procesu zaznavanja (kognicije), » kaj je tisto, kar privede do sprememb v razvoju ter » kateri mehanizmi so vključeni v razvojne procese. Ebbinghaus (Ebbinghaus, 1913) velja za utemeljitelja kognitivnih teorij učenja, čeprav je deloval v času, ko so imele glavno besedo na področju učenja behavioristične teorije. V namene potrjevanja svojih hipotez je proučeval samega sebe. Zanimalo ga je ugotoviti, kako poteka proces učenja pri človeku. V prvem eksperimentu si je poskusil zapomniti karseda dolgo zloženko nepomenskih znakov. Zaznal je, da si lahko zapomni do 13 zlogov in jih dvakrat ponovi brez napak. Izmeril je količino časa, ki ga je potreboval, da si je po določenih intervalih zapomnil naučene zloge. 21 Miselna manipulacija informacij predpostavlja določeno stopnjo organiziranja podob, simbolov in podobno v reprezentacijske sisteme oziroma sheme, ki določa dostopne tipe predstav, načine or- ganiziranja povezav med temi predstavami ter tudi specifične vsebine sistema (Lawton, Saunders in Muhs, 2001). 44 Izračunal je delež časa, ki ga je privarčeval s tem, ko je ponavljal naučene zloge, in ga poimenoval čas priklica, ki se porazdeljuje po retencijski krivulji. Ugotovil je, da je delež pozabljenega na začetku zelo visok. Sčasoma se ta delež precej zmanjša – pride do negativnega pospeševanja krivulje. V drugem eksperimentu si je Ebbinghaus ponovno poskusil zapomniti naučen seznam zlogov. Eksperiment je ponavljal vsak dan v obdobju šestih dni. Število poskusov pomnjenja naučenih nepomenskih zlogov se je sčasoma zmanjšal, kar potrjuje hipot- ezo o uspešnosti učenja s ponavljanjem v nekem časovnem intervalu. Na ta način je izoblikoval krivuljo učenja, ki sledi porazdelitvi v retencijski krivulji. Z razvojem računalniške tehnologije so se eksperimenti začeli izvajati s pomočjo računalnikov (in ne več na živalih). Pobudnika takega načina raziskovanja sta bila Newell in Simon (Newell in Simon, 1972), ki sta se posvečala umetni inteligenci. Osnovna ideja te teorije je ugotoviti, kako lahko računalniki delujejo inteligentno. Dokazala sta, da lahko s pomočjo računalnikov napovemo zapletene znanstvene teorije, predvsem tiste, ki temeljijo na matematičnih operacijah. Tudi človeško delovanje sta poskušala razložiti v okviru računalniškega delovanja22. Ker sta človeško delovanje enačila z mehanskim oziroma računalniškim, sta doživela številne kritike s strani psihologov, ki so prepričani, da je človeško delovanje preveč kompleksno, da bi ga lahko enačili z računalniškim. Njuna ideja ni bila v raziskovanju procesa učenja, temveč v proučevanju reševanja prob- lemov. S tem, ko sta dokazala, da sta delovanje in znanje dva različna koncepta23, sta osnovala pogoje za nastanek kognitivnih teorij (ne le učenja). Teorijam Ausubela, Brunerja in Piageta je skupno, da menijo, da igra pril- agajanje na okolje ključno vlogo v procesu posameznikovega razvoja. To vpliva na oblikovanje omrežnih struktur informacij (kaj in kako se bo posameznik naučil). V toku odraščanja (in tudi kasneje, torej v celotnem življenjskem ciklusu) se te omrežne strukture spreminjajo skladno s posameznikovim kognitivnim razvojem. Do razlik med temi poglavitnimi avtorji kognitivnih teorij učenja prihaja na številnih področjih. Prvo med takimi je samo definiranje osnovnega pojma – kognitivne strukture. Piageta zanima predvsem, kaj se zgodi z vsebino, ko je enkrat posamezniku dostopna. Kognitivne strukture ne predstavljajo zgolj seštevka pridobljenih informacij, temveč so osnovane na relacijah med njimi. Definira jih kot »procese osnovanja relacij med biti informacij, ki jih ima posameznik na razpolago« (Piaget v Lawton, Saunders in Muhs, 2001: 124). Sposobnosti pridobivanja informacij odražajo kognitivne struk- 22 Zamislila sta si, da je človek računalnik. 23 Za razliko od behavioristov, ki so bili prepričani, da sta delovanje in znanje eno in isto. Pri tem so behavioristi popolnoma zanemarili kognitivne vidike procesa učenja. 45 ture, niso pa del teh struktur. Bruner obravnava kognitivne strukture podobno kot Piaget. Pri tem poudarja pomen vsebine in strategije oziroma sposobnosti pridobivanja informacij ter se osredotoča na posamezne enote, kar predstavlja razliko od Piagetovega razmišljanja. Ausubel kognitivne strukture definira drugače, in sicer kot »hierarhično organizirane sisteme dejstev, pojmov in generalizacij« (Ausubel, 1949: 143). Tako so po njegovem mnenju kognitivne strukture le seštevek pridobljenega znanja na nekem področju, kar je v nasprotju s Piagetovimi in Brunerjevimi idejami. Avtorji se ne strinjajo niti glede definiranja pojma znanja, ki je ključnega pom- ena za proces učenja, saj predstavlja njegov direktni proizvod. Piaget tako poudarja, da je znanje odvisno od posameznikovega razvoja in odraža sposobnosti razumevanja okolja. Pri tem igrajo ključni pomen posameznikovi stiki z okoljem, ki morajo voditi do internega oblikovanja kognitivnih struktur. Bruner in Ausubel se nekoliko od- klanjata od njegovega načina razmišljanja. Menita namreč, da znanje najprej obstaja izven posameznika. Ta ga internalizira na osnovi določenih psiholoških mehanizmov. Ausubel meni, da so ti mehanizmi splošne sposobnosti reševanja problemov, medtem ko Bruner trdi, da so to pojmi, sposobnosti reševanja problemov in osnovni principi. Omenjeni trije avtorji se prav tako ne strinjajo glede sprememb v kognitivnem razvoju posameznika. Piaget trdi, da spremembe v kognitivnem razvoju predpostav- ljajo tudi spremembe v sistemu mišljenja. Stopnjo razvoja določajo nizi pravil, ki delujejo kot koordinator sistema. Vsaka nova informacija mora najprej preko koor- dinatorja. Ker je učenje sestavljeno iz niza pravil, hkrati določa tudi posameznikov razvoj. Če izhajamo iz njegove definicije kognitivne strukture, lahko tudi v tem prim- eru privzamemo, da posameznikov kognitivni razvoj ni le seštevek novih informacij oziroma novih nizov pravil (ki med drugim sestavljajo učenje), temveč se v tem pro- cesu posamezniki trudijo kvalitativno spremeniti oziroma prilagoditi stare informacije oziroma nize pravil. Pri tem morajo uskladiti nove in stare informacije oziroma nize pravil in jih organizirati v smiselno celoto. Iz Ausubelove definicije kognitivne struk- ture izhaja tudi dejstvo, da je kognitivni razvoj le neprestano kopičenje organiziranih vsebin (znanja) na posameznih področjih. Podobno kot Piaget se tudi Ausubel strinja, da mora biti novo znanje v skladu s predhodno oblikovanimi kognitivnimi struktura- mi. Kognitivni razvoj obravnava kot povečano hitrost in dostopnost v komuniciranju med posameznimi hierarhično organiziranimi vsebinami v kognitivnih strukturah. V nasprotju z njima se Bruner ne osredotoča na razlikovanje med kontinuiteto in diskontinuiteto, ampak svoje razmišljanje o kognitivnem razvoju usmeri na področje izbire strategij. Meni namreč, da se vsi osnovni načini razmišljanja oblikujejo v prvih štirih letih posameznikovega življenja. Kognitivni razvoj oziroma napredek vidi kot možnost večjega izkoristka teh izbir – z leti oziroma izkušnjami si posameznik pri- dobi večjo sposobnost presoje idealne strategije izmed vseh obstoječih. Po njegovem 46 tako kognitivni razvoj ne prinese le kvantitete (kot pri Ausubelu) ali kvalitete (kot pri Piagetu), temveč obe, saj se posameznik razvija s tem, ko zna izbrati iz množice izbir najprimernejšo (ima sposobnost selekcioniranja znanja in informacij). Vse tri teorije so si enotne v tem, da izpostavljajo prilagajanje kot temeljni mehanizem kognitivnega razvoja. Pri tem je potrebno poudariti, da se teoretiki ne strinjajo, kateri so tisti okoljski dejavniki, ki so v ta proces vključeni. Piaget poudarja, da se v vsaki stopnji kognitivnega razvoja najprej ustvari koherenten sistem pravil in delovanja. To je možno predvsem na osnovi sposobnosti reševanja konfliktov med starimi in novimi idejami oziroma znanjem. V kolikor nov sistem ni skladen z realnos- tjo, se vzpostavi težnja po reševanju konflikta med obstoječim miselnim sistemom in realnostjo. V tem primeru se oblikuje nov miselni sistem, ki je v ravnotežju s predhod- nim miselnim sistemom in hkrati v večji harmoniji z realnostjo. Podobno meni tudi Bruner. Od Piageta se razlikuje v tem, da postavi jezik kot primarno sredstvo za oblik- ovanje posameznikovih izkušenj (poleg jezika izpostavi tudi pomen kulturnih norm, tehnološkega napredka in podobno). Ausubel se od njiju razlikuje, saj predpostavlja, da obstaja naravna težnja po reševanju nekonsistentnosti v miselnih sistemih s tem, ko se ti oblikujejo v hierarhične strukture. Posameznik konflikt reši tako, da reorganizira informacije v skladu z okoljem. Po Ausubelovi teoriji učenja (Ausubel, 1949) se pos- ameznik v začetnem obodobju uči najprej od staršev. V tem obdobju se posameznik le redko upira novim idejam. Vodi ga želja po spoznavanju in po izogibanju občutkom krivde, da staršev niso ubogali. V kasnejšem obdobju starše nadomestijo učitelji v šolah oziroma institucijah. Učenci se pričnejo upirati novim idejam. Učiteljeva vloga je le razlaganje novih idej, ki naj bi se jih učenec naučil. Starši in učitelji jim ne predstavl- jajo več vzornikov, saj želijo osvojiti samostojnost. Vse pomembnejši postajajo njihovi vrstniki, s katerimi si delijo ideje in zavračajo avtoriteto in odvisnost od drugih. Kritiki kognitivne teorije učenja izpostavljajo, da je predvsem Piagetova teorija premalo uporabna v praksi – procesu izobraževanja. Njegova razmišljanja so se premalo usmerila na področje raziskovanja vpliva okolja (predvsem vrstnikov in fizičnega okol- ja) na učenje. Izobraževalci se morajo osredotočiti na tako poučevanje, ki bo učencem omogočilo razvoj lastnega znanja in organiziranje tega v miselne sisteme, kar bo narek- ovalo njegov miselni razvoj. Bruner in Ausubel sta osnovala nekoliko bolj »uporabni« teoriji. Bruner poudarja, da je najpomembnejši način učenja raziskovanje oziroma upo- raba različnih metod reševanja problemov za doseganje znanja. Bruner se pri tem ustavi le pri poučevanju osnovnih konceptov. Nadgradnja tega znanja je nato prepuščena pos- amezniku samemu oziroma njegovi želji po doseganju višjega nivoja znanja. Ausubel je nazorno podal potek procesa učenja, kar je od vseh treh teorij naj- bolj uporabno v praksi izobraževanja. Posameznik se mora najprej seznaniti z naj- 47 bolj splošnimi idejami oziroma vsebinami. Šele nato se mu lahko predstavijo bolj detaljne vsebine, ki omogočijo, da posameznik nove informacije učinkovito vključi v svoj miselni sistem. Učitelji morajo učence naučiti poiskati razlike in podobnosti med predstavljenimi idejami. V zadnji fazi morajo učitelji znati izkoristiti naravno sosledje predstavljenih idej in vsebin, kar omogoča učenje na osnovi izkušenj. Ausubel je prav tako nazorno podal različne tipe učenja. Tako razlikuje med pomenskim in rutinskim učenjem. Pomensko učenje predstavlja višji nivo učenja. Po- mensko učenje je definirano kot sposobnost oblikovanja relacij med idejami, pomeni in informacijami. Za razliko od rutinskega učenja, kjer si učenci le zapomnijo pred- stavljene ideje in informacije, se pri pomenskem učenju učenci naučijo povezovati ideje in informacije v miselne strukture oziroma sisteme. Pri tem posameznik najprej osvoji osnovne pojme. Nove informacije oziroma pojme razume v skladu s predhodni- mi informacijami o neki vsebini. Nove informacije dobivajo večji pomen, ko je posa- meznik sposoben ustvariti nove relacije med novimi in že obstoječimi informacijami v miselni strukturi. Pojmi v tako oblikovani miselni strukturi niso izolirani, temveč so povezani med seboj. Na ta način je posamezniku omogočeno lažje učenje in pomjenje novih informacij. Vygotsky (Vygotsky, 1978) pravi, da je kultura tista, ki narekuje posameznikov razvoj, saj je kultura tista, ki nas loči od živali. Le ljudje smo bili sposobni ustvariti kul- turo, v okviru katere deluje in se razvija čisto vsak posameznik. Kultura posameznika spodbuja k intelektualnemu razvoju na dva načina. Prvič, preko kulture že majhni otroci prejmejo veliko informacij o svetu, ki jih obdaja. Tako si lahko otroci oblikujejo svoje lastne miselne vzorce, kar jih vodi v osvajanje znanja. Drugič, kultura je tista, ki že majhnega otroka opremi s procesi razmišljanja (»sredstva intelektualnega prilaga- janja«). Tako kultura otrokom (in tudi starejšim) nudi ogrodje za razmišljanje – o čem in kako razmišljati. Otroci se učijo v procesu interakcije (v večini primerov s starši, učitelji ali ostalimi pomembnimi drugimi) predvsem preko reševanja problemov. V začetnih fazah učenja je vloga učiteljev velika, saj morajo učenca voditi do spoznanj in informacij. Ko enkrat učenec pridobi dovoljšnjo količino informacij in znanja, je v procesu učenja dosti bolj samostojen in učinkovit. Vloga učitelja je tako vse manjša in velikokrat je učenje v tej fazi prepuščeno učencu samemu. Poglavitno vlogo v procesu učenja predstavlja jezik oziroma komuniciranje med učencem in učiteljem. V ko- likor to ni učinkovito, tudi učenje nima pravega koncepta in učinka. Učenci osvojeno znanje internalizirajo oziroma ponotranijo in tako postane del njih (pred procesom učenja je bilo to znanje eksternalizirano). V procesu učenja igra pomembno vlogo razlikovanje med tem, kaj se učenec lahko nauči samostojno in kdaj potrebuje pomoč (»področje proksimalnega razvoja«). Potrebno je poudariti, da se otrok uči znotraj nekega določenega kulturnega konteksta, ki ga do neke mere tudi omejuje. Vsekakor 48 proces učenja ne poteka v posameznikovi izolaciji. S tem, ko učenec komunicira s svojim okoljem, se intelektualno razvija. Socialna kognitivna teorija, ki jo je razvil Bandura v začetku 80-ih let 20. sto- letja, obravnava tri vrste dejavnikov, ki vplivajo na posameznikovo vedenje (Bandura, 2001; Kuo in Hsu, 2001). Prva vrsta dejavnikov se nanaša na osebne dejavnike, kot so na primer razmišljanja in čustva. Druga vrsta dejavnikov vključuje okoljske deter- minante, kot so na primer družbene norme in spodbuda s strani vrstnikov. Tretja vrsta dejavnikov se nanaša na osebno vedenje. Vsi ti dejavniki so medsebojno povezani in vplivajo drug na drugega. Socialna kognitivna teorija je razdeljena na dve glavni smeri. Prva smer razlaga osnovne mehanizme, ki nadzorujejo človekovo funkcioniranje. Pri tem je pozornost teoretikov usmerjena na procesiranje, predstavljanje, iskanje in uporabo informacij za izvedbo različnih dejanj. Druga smer raziskuje družbene dejavnike v posameznikovem razvoju, prilagajanju in spreminjanju. Posameznikovo delovanje avtorji analizirajo kot odvisno od družbe. Posameznikove namere24 (in njihova namerna dejanja) privedejo do različnih rezultatov. Človeško delovanje je osnovano na učinkovitosti. Posamezniki se odločajo za take poteke dogodkov, ki privedejo do pozitivnih rezultatov. Lahko se zgodi, da se potek dogodkov ne razplete po posameznikovih pričakovanjih. V tem primeru so rezultati lahko neželeni ali nepredvideni. V kolikor posameznik v času poteka do- godkov pridobi nove informacije, ki lahko privedejo do novih (boljših) rezultatov, lahko spremeni svoja pričakovanja v skladu z novo pridobljenimi informacijami. Po- samezniki ravnajo tako, da ocenjujejo pravilnost lastnih odločitev glede na naslednje dejavnike (Bandura, 2001): » pričakovane rezultate; » rezultate, ki jih dosegajo drugi posamezniki; » prepričanja drugih; » sklepanja na osnovi pridobljenega znanja in » neizbežne posledice delovanja. Ključni pojem socialne kognitivne teorije je delovanje (»agentry«). Posamezniki niso le produkt dogodkov, ki se odvijajo v njihovem okolju, temveč so agenti izkušenj. Biti agent pomeni »z lastnim ravnanjem namerno povzročiti določena dejanja, da se 24 Namere so osredotočene na planiranju dejanj. 49 pripetijo« (Bandura, 2001: 2). Delovanje vsebuje spretnosti, sisteme prepričanj, samo- regulativne sposobnosti ter porazdeljene strukture in funkcije. Glavne značilnosti de- lovanja posameznikom omogočajo prilagajanje na okolje in samorazvoj. Za doseganje ciljev, ki posameznika zadovoljujejo, je potrebno uporabiti senzorne, motorične in cerebralne sisteme (Bandura, 2001). Posameznikovo vedenje motivirajo in usmerjajo cilji ter pričakovani rezultati. Sistemi prepričanj omogočajo posameznikom doseganje želenih ciljev. Po tem, ko pos- amezniki uporabijo osebne standarde, se sprožijo regulativni mehanizmi, ki privedejo do samoevalvacije rezultatov. Pri tem posamezniki ocenijo moralnost (skladnost oziro- ma neskladnost) v primerjavi z lastnimi standardi in situacijskimi potrebami. V kolikor se rezultat ne sklada z osebnimi standardi, se posameznik samo-sankcionira (Bandura, 2001). Sposobnost samo-sankcioniranja osmislja moralno delovanje25. Samoevalvacija omogoča motivacijsko in kognitivno regulacijo moralnosti ravnanja. 4.2 Proces sodobnega (tehnološkega) učenja: vloga zgledov in motivacije Tehnološko učenje oziroma izobraževanje se je razvilo šele v sodobnosti s tem, ko so izobraževalci v šole vpeljali računalniško tehnologijo. Taka oblika izobraževanja se sicer rahlo razlikuje od klasičnega načina poučevanja, vendar ima precej prvin tudi slednjega. Tehnološko učenje posameznikom omogoča pridobivanje specifičnih znanj – predvsem uporabe novih tehnologij v vsakdanjem življenju in v poklicni sferi. Glavne ideje sodobnih teoretikov izobraževalnega procesa se usmerjajo predvsem v obliko- vanje optimalnega učnega okolja (Bransford in drugi, 2000). Šole in razredi morajo biti osnovani okoli učenca. Učitelji se morajo osredotočiti na predhodno znanje, ki ga učenci s seboj prinesejo v razred. Ugotoviti morajo, ali je učenec bolj nagnjen k individualnemu ali skupinskemu učenju (kar pogojujejo predvsem kulturne razlike). Zaznati morajo napredek, ki ga je naredil vsak posamezni učenec. Pozornost mora biti na posredovanju znanja. Pri tem se morajo učitelji osredotočiti na vsebino, vzroke in posledice26 posredovanih informacij. Znanje, ki ga 25 Moralno delovanje je sestavljeno iz inhibitivnih (onemogočajo nečloveško vedenje) in proaktivnih (omogočajo človeško vedenje) dejavnikov (Bandura, 2001). 26 Posledice posredovanih informacij so v tem primeru mišljene kot pridobljene sposobnosti in zna- nja, ki jih učitelji ponudijo posamezniku. 50 učitelji posredujejo, mora biti dobro organizirano in učencu lahko razumljivo. Učenca ne sme spodbujati le k pomnjenju podatkov, temveč ga mora privleči k razumevanju. To pogosto od učitelja zahteva veliko spretnosti in energije ter časa. Učitelj ne sme le nizati podatkov, temveč se mora v vsebine poglobiti. Učencu jih mora posredovati v or- ganizirani obliki, tako da bo tudi sam uspel poiskati povezave med razloženimi pojavi. Pri pripravi testov oziroma izpitov morajo učitelji učence spraševati po logičnem znanju in razumevanju, ne le po definicijah in veliki količini zapomnjenih podatkov, kar je, žal, še vedno zelo pogosta praksa v izobraževalnem procesu. Učitelji morajo v učencu spodbuditi željo po spoznavanju. V izobraževalni proces ga morajo aktivno vključiti. Izobraževalni sistem mora podpirati take vrste znanja, katerih rezultati bodo vidni (in razumljivi) tako učitelju kot tudi samemu učencu. Učitelj na ta način lahko zazna učenčeve sposobnosti in napredek ter oblikuje učni proces tako, da ima učenec od tega čimvečjo korist. Šolske ocene ne smejo spodbujati negativnih posledic pri učencu. Učitelj mora oblikovati okolje, v katerem učenec spozna, da ocena ne predstavlja rangi- ranja učencev. Slabša ocena pomeni samo to, da se mora učenec bolj aplicirati v obrav- navano učno tematiko in da mora razviti svoje razmišljanje in razumevanje tematike na višjem nivoju. Učenec mora prepoznati svoj napredek v določenem časovnem obdobju. Prav tako mora učitelj zaznati, katere so tiste problematične vsebine, ki jih mora pon- ovno razložiti, saj učencem niso bili posredovani dovolj razumljivo. Na izobraževanje močno vpliva kontekst, v katerem se to odvija. Nekateri pos- amezniki se bolje učijo v določenih kontekstih, medtem ko je v drugih njihovo učenje popolnoma neuspešno. Prav tako je pomembno, v kolikšnem številu kontekstov se posameznik uči. V kolikor je posameznik navajen učenja le v enem okolju, obstaja zanj večja verjetnost, da se v drugih okoljih ne bo znašel, kot za posameznike, ki so navajeni znanje prejeti v različnih okoljih. Sodobno izobraževanje predpostavlja raz- voj norm in povezav z zunanjim svetom (predvsem v okviru kulture), ki omogočajo razvoj temeljnih učnih vrednot. Norme, ki se vzpostavijo v razredu, močno vplivajo na rezultate učencev. V kolikor učenci razvijejo skupne norme, se med njimi ustvari nekakšna skupnost, v kateri si pomagajo pri reševanju problemov, kar omogoča njihov intelektualni razvoj. Tudi učitelji se morajo vključiti v tako skupnost. Vsakega po- sameznika morajo upoštevati in ga spodbujati k razvijanju mišljenja. Šolski svetovalci in izobraževalci morajo omogočiti povezovanje šolskih aktivnosti (predvsem v razredu) z izvenšolskimi aktivnostmi učencev. Prav tako morajo sodelovati s starši. Posamezniki morajo znanje in spretnosti, ki so jih osvojili v toku izobraževanja, znati prenesti tudi v domačo (osebno) in poklicno sfero ter v skupnost, v kateri živijo. Ta okolja se neprestano spreminjajo. Učence je tako potrebno opremiti s sposobnos- tmi, ki mu bodo omogočale prenos znanja iz učne situacije v življenjsko. Nekatera 51 znanja in spretnosti, ki so si jih pridobili v toku izobraževanja, lahko nimajo jasnih in za posameznika razumljivih učinkov, predvsem v delovni sferi. Prav tako je moč neka- tera znanja in spretnosti razviti le v kombinaciji učnega in delovnega okolja oziroma, ko si posameznik pridobi dovolj življenjskih izkušenj. Izoblikujejo se lahko tri vrste spretnosti, ki jih posameznik lahko osvoji bodisi v toku šolanja bodisi na delovnem mestu bodisi preko lastnih izkušenj (Heijke, Meng in Ramaekers, 2002): » specifične oziroma poklicne spretnosti: znanja in spretnosti, ki jih posameznik učinkovito osvoji v toku formalnega izobražvanja27, » managerske spretnosti: spretnosti, ki jih posameznik pridobi na delovnem mestu28 in » akademske spretnosti: spretnosti, ki nadgrajujejo znanja in spretnosti, pridobljene v formalnem toku izobraževanja in kasnejšega šolanja ter treniranja29. » Vsak posameznik si izoblikuje svoj stil učenja. Vsakdo namreč informacije sprejema in obdeluje na svoj specifičen način. Posameznike lahko tako razdelimo v dve skupini glede na učni stil, ki prevladuje pri njih (Kolb, 1984): » konkretni in abstraktni prejemniki informacij (konkretni prejemniki informacije dobivajo na osnovi lastnih izkušenj, medtem ko abstraktni prejemniki prejemajo informacije preko analiziranja, opazovanja in razmišljanja o dogajanju okoli njih) in » aktivni in reflektivni procesorji informacij (aktivni procesorji informacije uporabijo čimprej, najbolje takoj, ko so jih prejeli in absorbirali; reflektivni procesorji informacije najprej sprejmejo, jih analizirajo in iščejo v njih pomen, dokler ne najdejo ustreznega načina uporabe določene informacije). 27 Med specifične spretnosti spadajo: poklicno teoretično znanje in poznavanje specifičnih metod. 28 Med managerske sposobnosti sodijo: planiranje, koordiniranje in organiziranje, sposobnost vode- nja, ekonomsko razmišljanje, kreativnost, oralno komuniciranje, toleranca do različnih mišljenj, ini- ciativa ter sprejemanje odgovornosti in odločitev (Heijke, Meng in Ramaekers, 2002). V ovkiru ma- nagerskih sposobnosti lahko ločimo sledeče: sposobnosti vodenja (vodenje in iniciativa), sposobnosti koordiniranja (planiranje in organiziranje), sposobnosti inovacij (kreativnost in sprejemanje odločitev) in sposobnosti interakcije (oralno komuniciranje in toleranca). 29 Med akademske sposobnosti sodijo: splošno znanje, interdisciplinarno znanje, reševanje proble- mov, analitične sposobnosti, refleksivno razmišljanje, izobraževalne sposobnosti, sposobnost koncen- tracije, kritično razmišljanje in pisno komuniciranje. 52 4.2.1 Samoocena doseženega znanja - vpliv na motivacijo za učenje Najprej nekaj o tem, kako se mladina motivira oziroma, kaj vse vpliva na njene interese. Posamezniki razvijejo do aktivnosti, ki jih izvajajo, določen odnos (bo- disi pozitiven bodisi negativen). V kolikor opazijo, da so pri izvajanju določene ak- tivnosti uspešni in dosegajo dobre rezultate, razvijejo na tem področju visoke cilje in pričakovanja ter se še bolj potrudijo v tej aktivnosti. Rezultati teh aktivnosti omogočajo posamezniku, da ponovno oceni svoje znanje in pričakovanja na tem področju (Lent in Brown, 1996). Ta proces se odvija ciklično skozi vse življenje, predvsem v otroštvu in adolescenci, ko si posamezniki začnejo izoblikovati interese, ki se kasneje tudi sta- bilizirajo in mu napovedujejo določene izbire. Posamezniki lahko učinkovito ocenijo svoje pridobljeno (tehnično) znanje. To znanje vpliva na njihovo življenje in percepcijo sveta ter nenazadnje tudi na uporabo novih tehnologij. Compeau, Higgins in Huff so pripravili model vplivov samoocene računalniškega znanja (slika 4.1), v katerem podrobno analizirajo samooceno prido- bljenega računalniškega znanja na posameznikova čustva, anksioznost, dosežke, ose- bna pričakovanja ter uporabo novih tehnologij (računalnikov). Slika 4.1: Raziskovalni model vplivov samoocene računalniškega znanja na pos- ameznika (Compeau, Higgins in Huff, 1999) Samoocena računalniškega znanja Čustva Pričakovanja (dosežki) Anksioznost Pričakovanja (osebna) Uporaba Slika 4.1 prikazuje raziskovalni model vplivov samoocene računalniškega znanja na posameznika (Compeau, Higgins in Huff, 1999). Avtorji modela pred- lagajo merjenje spremenljivk na naslednji način: posameznik oceni svoje strinjanje s 53 trditvami na osnovi 5-stopenjske ordinalne lestvice30. Samoocena posameznikovega računalniškega znanja se meri kot posameznikovo prepričanje o lastnih sposobnostih uporabe računalnikov. Spremenljivka pričakovanja je dvodimenzionalna31 in vsebuje posameznikovo oceno posledic uporabe računalnikov. Čustva predstavljajo pozitivne reakcije pri uporabi računalnikov. Anksioznost32 predstavlja negativne posledice (občutek anksioznosti, ki ga posameznik ima pri uporabi računalnikov). Uporaba meri stopnjo uporabe računalnikov doma in v službi. Pri tem avtorji testirajo različne hipoteze (Compeau, Higgins in Huff, 1999): » Bolje kot posameznik ocenjuje svoje računalniško znanje, boljše dosežke pričakuje. » Bolje kot posameznik ocenjuje svoje računalniško znanje, višja osebna pričakovanja ima. » Bolje kot posameznik ocenjuje svoje računalniško znanje, bolj pozitiven odnos ima do računalnikov. » Bolje kot posameznik ocenjuje svoje računalniško znanje, manj je anksiozen pri uporabi računalnikov. » Bolje kot posameznik ocenjuje svoje računalniško znanje, pogosteje uporablja računalnike. » Boljše dosežke kot pričakuje posameznik od uporabe računalnikov, bolj pozitiven odnos ima do računalnikov. » Višje osebne cilje povezane z uporabo računalnikov kot ima posameznik, bolj pozitivno ocenjuje pomen računalnikov. » Boljše dosežke kot pričakuje posameznik od uporabe računalnikov, pogosteje uporablja računalnik. » Višje osebne cilje povezane z uporabo računalnikov kot ima posameznik, pogosteje uporablja računalnik. » Bolj pozitiven odnos do računalnikov pogojuje pogostejšo uporabo teh. » Bolj kot posameznik občuti anksioznost pri uporabi računalnikov, manj pogosto jih uporablja. 30 Podrobnejša operacionalizacija spremenljivk je podana v Compeau, Higgins in Huff (1999). 31 Pričakovanja povezana z dosežki se nanašajo na dosežke na delu (učinkovitost), ki jih narekuje- jo računalniki. Osebna pričakovanja se nanašajo na spremembe v posameznikovi podobi ali statusu oziroma pričakovanjih glede nagrad, napredovanj, povišanja plače in podobno, ki jih s seboj prinaša uporaba računalnikov. 32 Anksioznost razumemo kot emocionalno stanje, kjer se porajajo čustva napetosti, negotovosti, nervoze, zaskrbljenosti in povečana fizična napetost (Spielberg v Loebach in drugi, 2002). 54 Motivacija predstavlja eno od ključnih dimenzij pri raziskovanju procesa širjenja računalnikov in interneta v družbi, predvsem med mladimi, saj je tesno pove- zana z učenjem in izobraževanjem, ki sta za mladino ključnega pomena. Veliko naše dejavnosti je motivirano s potrebo po izogibanju ali odpravljanju negativnih posledic oziroma s potrebo po vzpostavljanju pozitivnega emocionalnega stanja. Hkrati na nas deluje več motivov, kar imenujemo motivacijski pluralizem. Mo- tivi so lahko med seboj tudi v konfliktu. Motivi so sestavljeni iz dveh komponent: intenzivnosti in smeri. Ločimo odkrite, prikrite, nezavedne in predzavestne motive. Med motivi obstajajo hierarhični odnosi: človek najprej zadovolji bazične motive, šele nato višje motive. Motivacija igra pri učenju ključno vlogo, predvsem pri odmerjanju časa, ki so ga posamezniki pripravljeni vložiti v učni proces. Posamezniki se ne učijo le zaradi zunanjih dejavnikov (sistema nagrajevanja oziroma kaznovanja), ampak tudi zaradi notranjih dejavnikov (želji po intelektualnem razvoju). Pri tem se posameznik srečuje z različno zahtevnimi vsebinami. Učenci, ki želijo osvojiti določeno znanje, se bodo spopadli tudi z zelo zahtevnimi vsebinami. Na motivacijo za učenje vplivajo tudi družbene priložnosti. Posamezniki, ki so prepričani, da bodo lahko prispevali k raz- voju družbe s svojim znanjem, imajo zelo visoko stopnjo motivacije za dosego tega znanja. Učenci v posredovanih informacijah iščejo koristnost in uporabnost. Razvile so se tri teorije o povezavi med motivacijo in znanjem (Kwak, 1999). Vzročno-asociativni model predpostavlja, da posameznikove socioekonomske značilnosti vplivajo na motivacijo. Pri tem kot socioekonomske dejavnike vpeljejo sto- pnjo izobrazbe, kot motivacijo pa zanimanje in vpetost v problematiko. Tekmovalni razlagalni model vidi izobraževanje in motivacijo kot tekmovalna dejavnika v procesu doseganja znanja. Motivacijsko-kontingentni model predpostavlja, da socioekonoms- ki dejavniki vplivajo na razkorak v znanju. Izobraževanje in motivacija sta medsebojno povezana dejavnika33. Bolj motivirani učenci dobijo več informacij in pogosteje uporabljajo računalnike in internet v izobraževalne namene kot manj motivirani učenci (Kwak, 1999; Selwyn, 2003). Pri tem je potrebno upoštevati stopnjo zanimanja za tematiko, željo po spreje- manju informacij, stopnjo zavedanja koristnosti računalnikov in interneta, s temo pove- zane demografsko/etnične lastnosti in osebnostne faktorje. Dijakovi interesi in stališča do računalnikov in interneta vplivajo na dijakovo uporabo računalnikov in interneta (Becker, 2000; Crosier, Cobb in Wilson, 2002). Naraščajoča uporaba interneta s strani dijakov ni posledica učiteljevih navodil, ampak izbire dijakov samih. 33 Med visoko motiviranimi posamezniki obstaja manjši razkorak v znanju kot med nizko motivira- nimi posamezniki. 55 4.2.2 Družbene omejitve v uporabi znanja in pričakovenem vedenju Pogosto predstavljajo psihološke ovire glavni razlog za odklanjanje računalnikov in interneta ter izvedbo prvega koraka tudi za tiste, ki bi si lahko privoščili dostop do interneta. Izobraževalci se morajo zavedati omenjenih ovir in jih pri svojem delu tudi upoštevati in prilagoditi programe omenjenim skupinam posameznikov. Od po- sameznika samega je odvisno, ali bo sprejel tehnologijo in jo skladno s tem tudi upo- rabljal. Na posameznikovo odločitev o sprejetju tehnologije vplivajo vedenjski, kog- nitivni in normativni dejavniki, ki se nanašajo na tehnologijo, družbeni sistem, cilje in njihovo implementacijo (Hu, Clark in Ma, 2003). Motivacija v pomembni meri vpliva na doseganje znanja (Kwak, 1999). Pri tem je potrebno raziskati stopnjo zave- danja problematike, potrebo po informacijah, stopnjo zanimanja ter sociodemograf- ske faktorje, ki vplivajo na doseganje specifičnega znanja. Med sociodemografske osebne lastnosti, ki vplivajo na razširjenost računalnikov in interneta, spadata posameznikov spol in starost. Spol in starost imata v različnih družbah/kulturah različne vloge in pričakovanja, zato lahko upravičeno pričakujemo, da vplivata na oblikovanje motivov in interesov o družbenozaželjenih aktivnostih. Spol je eden od ključnih dejavnikov sprejemanja informacij (Hawkridge, 1985; Sexton in drugi, 1999; Natriello, 2001; Wright, 2001; Bonfadelli, 2002; Crosier, Cobb in Wilson, 2002; Dolničar in drugi, 2002). Feministične študije so dokazale, da tehnologije v procesu širjenja vsebujejo in podpirajo obstoječe razlike med spoloma (Hildenbrand, 1999). Moškim so pogosteje pripisane sposobnosti primernega ravnan- ja z računalniki in internetom kot ženskam. Moški so definirani kot aktivni upora- bniki, medtem ko so ženske zaznane kot pasivne uporabnice računalnikov in interneta (Hildenbrand, 1999; Singh, 2001). Učenci imajo manj problemov pri soočanju z računalniki kot učenke (Wright, 2001) in jih tudi pogosteje uporabljajo, saj imajo večjo željo in interes za uporabo interneta (Lavrič, 2000).Ženske manj pogosto dostopajo do interneta kot moški (DiMaggio in drugi, 2001). Pri tem je pomembno izpostaviti, da je predvsem zaposlitveni status tisti dejavnik, ki narekuje pogostejšo uporabo inter- neta pri moških, ne pa tudi pri ženskah. Redno zaposleni moški pogosteje dostopajo do interneta kot začasno zaposleni moški. S tem, ko postaja tehnologija lažje dostopna in postaja vse bolj uporabnikom prijazna, se razlike med moškimi in ženskami vse bolj zmanjšujejo (DiMaggio in drugi, 2001). Moški imajo do računalnikov manj odpora in bolj pozitivna stališča kot ženske. Za ženske je bolj verjetno, da bodo uspešneje aplicirale in osvojile pridobljeno znanje na računalniških tečajih (Lowe in McAuley, 2000). Moški so tudi tisti, ki svoje znanje na področju naravoslovja in tehnike (kamor spada tudi znanje o računalnikih in internetu) bolj pozitivno ocenjujejo kot ženske, ne 56 glede na to, ali so dejansko na omenjenem področju bolj spretni ali ne (Correll, 2001). Vpliv šolskih ocen na določenem področju (kot na primer pri predmetu računalništvo in informatika) na samoevalvacijo sposobnosti na tem področju je večji pri moških kot pri ženskah (Correll, 2001). V kolikor imajo posamezniki višjo stopnjo zaupanja v svoje sposobnosti na naravoslovnem področju, obstaja zanje večja verjetnost, da bodo izobraževanje nadaljevali na naravoslovno usmerjenih šolah (Correll, 2001). Tudi starost je pomemben dejavnik pri uporabi računalnikov in interneta (Sex- ton in drugi, 1999; Becker, 2000; Lowe in McAuley, 2000; Bonfadelli, 2002; Dolničar in drugi, 2002; Mavers, Somekh in Restorick, 2002). Starejši učenci pogosteje upora- bljajo računalnike kot mlajši, vendar v času narašča uporaba računalnikov in interneta s strani mlajših, ki v večini primerov sledijo starejšim vrstnikom in bratom. Generacijski prelom v znanju, informiranju in uporabi sodobnejših tehnologij je danes na nekaterih področjih večji, na nekaterih pa manjši kot v preteklosti (Werner, 1989). Mlajši so v splošnem bolje informirani kot starejši ljudje. Wechtersbach (Wechtersbach, 1993) in Healy (Healy v Chen in drugi, 2000) sta mnenja, da moramo ugotoviti, kdaj je učenec dovolj star, da lahko začne uporabljati računalnik oziroma specifičen program. Zgodi se namreč lahko, da uporabljamo pri poučevanju (izobraževanju) računalniški program, ki (še) ni primeren starostni dobi učencev. Hawkridge (Hawkridge, 1985) je izpostavil, da se starejši učenci hitreje pričnejo dolgočasiti kot mlajši. Starost po- sameznika igra pomemben vlogo pri ugotavljanju uporabe računalnikov in interneta pri delu (Borghans in ter Weel, 2002). Starejši delavci imajo večje probleme z uporabo novih tehnologij kot mlajši delavci (Borghans in ter Weel, 2002), saj starejši delavci pogosto nimajo dovolj znanja za rokovanje z računalniki in internetom. Omenjeno dejstvo pa, presenetljivo, ne nakazuje trenda, ki bi narekoval bolj intenzivno uporabo s strani mlajših delavcev (Friedberg v Borghans in ter Weel, 2002; Weinberg v Borghans in ter Weel, 2002)34. Kljub omenjenim starostnim razlikam je moč v zadnjih letih opa- ziti trend, ki nakazuje na zmanjševanje razlik med mlajšimi in starejšimi. Hitro širjenje novih tehnologij in njihova vse enostavnejša uporaba namreč omogočata starejšim, da lažje sledijo mlajšim generacijam pri uporabljanju novih tehnologij in se poslužujejo teh (DiMaggio in drugi, 2001). Hkrati je zaradi daljše dobe širjenja računalnikov in interneta tudi nasploh vse manj ljudi, ki se še nikoli ne bi srečali s to tehnologijo. 34 Najpogostejši uporabniki računalnikov naj bi bili delavci stari med 30 in 49 let (Borghans in ter Weel, 2002). 57 4.3 Socialno-psihološki modeli prisvajanja novih tehnologij V začetku 21. stoletja se teoretiki posvečajo številnim področjem, ki so pove- zana s širjenjem novih tehnologij. V ospredje stopa predvsem problem nadzora. Po- samezniki se tega zavedajo. Nekateri celo to izkoriščajo v lastne namene. Tako je na primer, v zadnjih letih35, vse bolj popularno (širom po svetu) sodelovanje v različnih televizijskih »reality TV« oddajah36, v katerih posamezniki izpostavijo sebe v vetrino trgovine in upajo, da jih bo opazil pomemben režiser in jim ponudil pot do slave. Nekateri posamezniki so namreč pripravljeni storiti (skoraj) vse37 za »minuto slave«. V medijsko zasičeni (razviti) družbi se povečuje pomen psiholoških dejavnikov, tako v življenjskih, zaposlitvenih kot tržnih odločitvah. 4.3.1 Osnovni socialno-psihološki model prisvajanja novih tehnologij Proti koncu 90-ih let 20. stoletja so sociologi in socialni psihologi začeli raz- vijati model prisvajanja tehnologij (»technology acceptance model«; Davis, Bagozzi, Warshaw, 1989; Bagozzi, Davis in Warshaw, 1992). Ta model se je razvil predvsem kot kritika tradicionalnih (makro)ekonomskih modelov širjenja novih tehnologij, ki so ig- 35 Za začetnika ideje o »Panoptikonu« oziroma o »prostoru, ki vse vidi«, v katerem se je avtor ukvarjal predvsem z nadzorom v zaporih, štejemo Jeremy-ja Benthama (Bentham, 1981). V njegovih delih (med leti 1791 in 1843) se je ukvarjal z načrtovanjem zapora, v katerem je v sredinskem delu velika odprta soba, ki gleda na vse celice zapora, ki so postavljene ob stenah stavbe. Pri tem imajo nadzor- niki pogled nad jetniki, medtem ko slednji (zaradi različne kombinacije luči) ne vidijo nadzornikov. Tako imajo jetniki neprestano idejo o njihovem nadzoru. Ideja o »Velikem bratu«, ki nas opazuje, se je porodila že leta 1954, ko je George Orwell napisal knjigo »Nineteen Eighty-Four« (Orwell, 1954), čeprav si v tistem obdobju ni moral zamišljati, kako hitro (in predvsem v kakšnem obsegu) se bo ta pojav razširil v sodobni družbi. Njegova zamisel je bila, da posameznik v tem primeru ne ve, da bi ga nekdo drugi opazoval. Njegova predvidevanja so bila, da bo prihodnost za družbo neželena, vendar se je tem posledicam moč izogniti. 36 V ZDA so take oddaje preplavile televizijski program že proti koncu 20. stoletja, medtem ko so v Evropo in Azijo začele prodirati nekoliko kasneje in so sedaj v polnem zamahu. Tudi na slovenski televiziji smo bili leta 2004 priča prvemu tako imenovanemu »reality show-u«, in sicer »Sanjskemu moškemu«. Očitno je med občinstvom dosegel uspeh, zato so to formulo uporabili in so leto pripravili še »Sanjsko žensko«. V Italiji, na primer, je takih oddaj vse več. Televizijski mogotci in režiserji vztrajno iščejo nove vzorce, s katerimi bi dosegli uspeh. Tako na primer, poleg »čisto normalnih slave željnih ljudi« pogosto pritegnejo tudi nekoliko starejše zvezde, ki iščejo ponovno pot v svet slave. 37 Kot primer lahko vzamemo oddaje »Survivor« ali »The Farm« ali celo »The Island of The Famous People«, v katerem so bili sodelujoči pripravljeni celo jesti žuželke (kar je za nekatere kulturo popolno- ma normalno, vsekakor ne za Zahodne Evropejce). 58 rale (in še vedno igrajo) vodilno vlogo v teoretskih krogih. Narejeni so s predpostavko, da je širjenje tehnologij odvisno le od ponudbe oziroma malce tudi od povpraševanja po produktih in največkrat merijo le delež posameznikov, ki so določeno tehnologijo prevzeli, razdelava faktorjev pa je minimalna. Raziskave socialnih psihologov so poka- zale, da je prevzem tehnologij močno individualno pogojen proces, zato mora sloneti tudi na ustreznem psihološko-kognitivnem modelu. Tako so razvili različne modele prisvajanja novih tehnologij. Poglavitna ideja modelov privzemanja oziroma prisvajanja novih tehnologij sloni na spoznanju, da proces širjenja novih tehnologij narekujejo individualni de- javniki, kot so način, na katerega si posamezniki prisvajajo nove tehnologije in kako jih dejansko potem tudi uporabljajo. Tako v ospredje niso postavljeni ekonomski de- javniki posedovanja tehnologij, kar prevladuje v makroekonomskih in tudi mezzo- organizacijskih modelih širjenja novih tehnologij. Ideja modela prisvajanja tehnologije je sledeča. Ko se posameznik sooči z novo tehnologijo, nanj vplivajo številni dejavniki, ki narekujejo, kdaj in kako bo to teh- nologijo uporabil. Med njimi izstopata dva. Prvi se nanaša na percepirano uporabnost tehnologije38, drugi pa na percepirano enostavnost uporabe tehnologije39. Baze modela lahko zasledim že v teoriji pričakovanega delovanja (»theory of reasoned action«), ki sta jo osnovala Ajzen in Fishbein (Ajzen in Fishbein, 1980). Posameznik se o svojem delovanju odloči glede na dve determinanti: vedenje in sub- jektivne norme. Vedenje je socialno definirano kot »posameznikovo splošno občutenje primernosti oziroma neprimernosti tega vedenja« (Ajzen in Fishbein, 1980). Subjek- tivne norme so definirane kot »percpecija, da večina pomembnih drugih misli, da se mora, oziroma ne sme posameznik obnašati v skladu s pričakovanim vedenjem« (Ajzen in Fishbein, 1980). Proces lahko ponazorim tudi grafično na sliki 4.2: 38 Uporabnost tehnologije se nanaša na stopnjo uporabnosti, za katero posameznik meni, da mu določena tehnologija prinaša prednosti pred ostalimi tehnologijami. Kot merilo namere uporabe se v študijah uporabljajo različni indikatorji (Venkatesh in drugi, 2003): namen uporabe oziroma dejanska uporaba, stopnja implementacije v organizacijah, primernost tehnologije za izvajanje različnih opera- cij in podobno. 39 Enostavnost uporabe tehnologije predstavlja posameznikovo prepričanje, da je tehnologija eno- stavna za uporabo oziroma od njega za delo ne zahteva posabnih naporov. 59 Slika 4.2: Teorija načrtovanega vedenja (Ajzen v Kuo in Hsu, 2001) Demografija Vedenjska stališča Osebnost Mnenja o objektih Subjektivne Namere Dejansko Stališča do objektov norme vedenja vedenje Značilnosti naloge Situacijsko specifične Perc. nadzora spremenljivke vedenja V kolikor posameznik ne spoštuje pravil obnašanja in splošnih vzorcev ve- denja, ga doletijo sankcije s strani družbe kot tudi internalizirane samosankcije. Po- samezniki se vnaprej zavedajo, da bo njihovo obnašanje, ki ni v skladu z družbenimi normami, kaznovano oziroma cenzurirano in da jih bodo doletele določene sankcije. Iz omenjenega razloga se posamezniki trudijo, da ne bi odstopali od družbenih vzorcev obnašanja. Samosankcije posameznikom prinašajo dodatno stopnjo nezadovoljstva in dodatne ovire, ki izvirajo iz njihovih lastnih prepričanj in dilem, da ne delujejo v skladu z družbenimi pravili. 4.3.2 Model prisvajanja novih tehnologij (»Technology Acceptance Model«) Venkatesh in Davis (Venkatesh in Davis, 2000) sta originalni socialno- psihološki model prisvajanja novih tehnologij (Davis, 1989), ki je izviral iz Ajzen- Fishbeinove teorije pričakovanega delovanja, še dodatno priredila oziroma razširila tako, da sta izpostavila dve ključni spremenljivki za uspešnost prevzema, percepirano uporabnost (U: »perceived usefulness«) in percipirano enostavnost uporabe (EOU: »perceived ease-of-use«) novih tehnologij. Čeprav se obe ti zaznavi porajata pri po- samezniku v okviru njegovih socialnih kognitivnih procesov, pa naj bi imeli ključni vedenjski učinek. 60 Slika 4.3: Model prisvajanja novih tehnologij (Venkatesh in drugi, 2003) Reakcije na uporabo novih Namere za uporabo novih Dejanska uporaba novih tehnologij tehnologij tehnologij Vsak posameznik v odnosu do novih tehnologij oblikuje določene miselne za- znave, reakcije oziroma si pridobi določeno motivacijo za njihovo uporabo. To vpliva na tvorjenje njegovih namer za dejansko uporabo novih tehnologij, do katere pride v končni fazi. Seveda se njegovim nameram lahko postavljajo po robu številne omejitve (omejene sposobnosti, časovne omejitve, organizacijske in druge okolje ovire); toda v nedavnem poskusu integracije različnih pristopov k uporabi tega modela se je poka- zalo, da lahko pojasni skoraj 70% variabilnosti (Venketash in drugi, 2003). V tem modelu je pomembna prvina tudi povratna informacija med dejansko uporabo in reakcijami oziroma motivacijo za uporabo novih tehnologij, ki poudarja pomen iz- kustvenega učenja (pred nakupom). Tako na primer posamezniki, ki imajo do neke tehnologije že oblikovano pozitivno mnenje, po njeni dejanski uporabi pa ugotovijo, da jim ta tehnologija ne prinaša željenih učinkov, se zaradi tega lahko odločijo, da je ne bodo več uporabljali (kupili). Seveda se lahko zgodi tudi obratno. V kolikor pride do stabilnega vedenja, tudi dejanska izjalovljena uporaba novih tehnologij (za kak posebni namen) ne spremeni pričakovanj glede njene splošne uporabe. 61 5. Uporaba računalnikov in interneta v družbi: stanje računalniki in internet se v sodobni družbi širijo vse hitreje, kar je odvisno predvsem od človeških virov, organizacijskih in managerskih praks ter družbenega, ekonomskega in institucionalnega okolja, v katerem se posameznik nahaja (Freeman in Soete, 1997). Širjenje računalnikov in interneta torej ni enodimenzionalen proces. Pogojen je z obstoječo ekonomsko in širšo kontekstualno situacijo - s podedovano socialno strukturo družbe in s socialnopsihološko pripravljenostjo ljudi na učenje, ki jo lahko na kratko imenujem kognitivno dimenzijo širjenja. V tem poglavju bom podala nekaj informacij iz raziskovalnih evidenc o razširjenosti te tehnologije. Najpogostejši model za razumevanje nelinearnega širjenja računalnikov in interneta v času je predstavljen v obliki kumulativne s-krivulje, ki kaže prirast uporabnikov neke tehnologije skozi čas. Pokaže tudi (začasno) zgornjo mejo aktualne rasti. To tudi pove, da na širjenje računalnikov in interneta, poleg možnosti dostopa do teh, vpliva predvsem njihovo poznavanje uporabe in motivacija za nji- hovo uporabo. Predvidevam lahko, da bo postopoma postala uporaba računalnikov in interneta univerzalna, predvsem iz dveh razlogov. Prvič, sčasoma bo skoraj vsem posameznikom omogočen dostop do računalnikov in interneta, v kolikor upoštevamo njihovo širjenje na osnovi s-krivulje. Drugič, zaradi naraščajočega poznavanja in spret- nosti uporabe računalnikov in interneta bo njuno celovito širjenje vse hitrejše, saj je to osnovni pogoj za uspešno širjenje teh tehnologij. Seveda je pri slednjem razlogu dvom večji – kaj če je raven poznavanja teh tehnologij tako zahtevna, da je prezahtevna za večino ljudi! 62 V procesu uporabe računalnikov in interneta igra pomembno vlogo predvsem prilagajanje teh posameznikovim potrebam. Posameznik si namreč poskuša računalnike in internet prilastiti in objektivizirati40 v svojem gospodinjstvu, kar lahko privede do konfliktov, trgovanja in kompromisov glede lokacije, lastninjenja in kontrole nad teh- nologijo (Selwyn, 2003). Kljub temu ima za posameznika uporaba računalnikov in interneta velik pomen. Namreč, s tem ko posamezniki začnejo zavestno uporabljati računalnike in internet, se kvaliteta njihovega življenja spremeni (Selwyn, 2003)41. Sodobne raziskave (DiMaggio in drugi, 2001) obravnavajo posledice širjenja računalnikov in interneta predvsem na naslednjih področjih: širjenje oziroma pogla- bljanje obstoječe statusne neenakosti (tako imenovani digitalni razkorak), posledice za skupnosti in socialni kapital, posledice za politično participacijo, posledice za or- ganizacije in druge ekonomske institucije ter za kulturno participacijo in oblikovanje kulturne neenakosti. Nekaj tega bom predstavila v nadaljevanju. 5.1 Evidenca o zaustavljeni internetni rasti: globalna s-krivulja Najprej lahko ugotovim, da se je zaenkrat tudi rast interneta, zmerjena preko števila uporabnikov, upočasnila oziroma se je skoraj ustavila. Očitno se je ta tehnologi- ja približala trenutni nosilni kapaciteti - svojim mejam ob danih družbenih pogojih – verjetno mejam tehničnega ogrodja svetovnega omrežja, pa seveda mejam števila potencialnih odjemalcev/uporabnikov. Za primerjavo te omejitve v rasti podajam s- krivulje za svet, Evropo (EU-25), Slovenijo in preostali svet. 40 Objektivizacija tehnologije se nanaša na fizično, simbolno in socialno mesto, ki ga bodo nove teh- nologije imele v posameznikovem življenju. 41 Spremenijo se socio-ekonomska varnost posameznika, njegova vključenost v družbo, socialna ko- hezija in moč. 63 Slika 5.1: Število internetnih uporabnikov v svetu, prileganje podatkov logistični krivulji (vir: Modis, 2006:, Figure 2) 1200 1000 800 600 Million 400 200 0 1994 1996 1998 2000 2002 2004 2006 2008 2010 Slika 5.2: Število internetnih uporabnikov v EU, prileganje podatkov logistični krivulji (vir: Modis, 2006:, Figure 4) 300 250 200 150 Million 100 50 0 1990 1995 2000 2005 2010 Da bi se rast interneta in internetnih storitev lahko nadaljevala, bo potrebno počakati kar nekaj časa, da se uresničijo številni robni pogoji, ki bodo morda dopustili premik dosežene zgornje meje razširjenosti na višjo raven. Velik del omejevalnih fak- torjev nadaljnjega širjenja se nahaja v socialni strukturi družb, denimo v različni kupni moči prebivalstva držav, kar pri manj razvitih državah zmanjšuje verjetnost nakupov te tehnologije. 64 Slika 5.3: Število internetnih uporabnikov v svetu (brez ZDA in EU), ocena (vir: Modis, 2006:, Figure 5) Internet us ers per population 12% 10% 8% 6% 4% 2% 0% 1994 1996 1998 2000 2002 2004 2006 2008 2010 Zaustavitev rasti internetnih uporabnikov je en zanimiv podatek. Tudi empirično potrjene razlike v možnosti dostopa do interneta, globalne, evropske in nacionalne, so zelo zanimive. Raziskave, ki ugotavljajo družbene faktorje razlik po regijah in državah, so zajete pod imenom pojava – digitalni razkorak. Ta pojav pod- robneje predstavljam v nadaljevanju. 5.2 Digitalni razkorak: socialno pogojena razširjenost novih tehnologij Kot sem zapisala že prej, na posedovanje, uporabo in širjenje novih tehnologij vplivajo številni dejavniki. V nadaljevanju me zanima ugotoviti, na kakšen način statusno-strukturni dejavniki vplivajo na širjenje novih tehnologij. V sodobnosti je namreč vse bolj prisotno razlikovanje med tistimi, ki imajo dostop do digitalnih infor- macij, in tistimi, ki dostopa do teh informacij nimajo (Devi, 2001: 1), kar imenujemo digitalni razkorak. Digitalni razkorak lahko razumemo tudi kot »razlike v dostopu do interneta, možnostih njegove uporabe, poznavanja strategij iskanja, kvalitete tehničnih povezav in socialne podpore, sposobnosti 65 evalvacije kvalitete pridobljenih informacij ter razlikovanja v načinu upo- rabe« (DiMaggio in drugi, 2001: 310). Običajno se digitalni razkorak nanaša na »razlike med posamezniki, gospodinjstvi, podjetji in geografskimi območji glede možnosti dostopa do informacijskih in komunikacijskih tehnologij ter njihove uporabe« (Dolničar in drugi, 2002: 2). Iz zapisanih definicij lahko sklepam, da se digitalni razkorak nanaša na neenake možnosti dostopa do novih tehnologij in informacij, ki jih te ponujajo, kar pogo- juje neenake možnosti za uporabo novih tehnologij. Vsa ta razlikovanja se dogajajo na več nivojih družbene realnosti – od mikro nivoja (razlikovanja med posamezniki oziroma gospodinjstvi oziroma podjetji) do makro nivoja (razlikovanja na nivoju regij in držav). Iz tega lahko ugotovim, da je digitalni razkorak obširen družbeni pojav, ki zajema različne dimenzije širjenja novih tehnologij. Sodobnost vzbuja optimizem, saj nove tehnologije postajajo vse cenejše in s tem dostopnejše širšemu krogu ljudi, kar bi lahko privedlo do zmanjševanja digi- talnega razkoraka. Vendar temu žal ni tako. Neenakosti dostopa so namreč posledica predvsem neenakih dohodkov in/ali neenake izobrazbe, prej kot rasne neenakosti. Raziskave (Attewell, 2001a) so pokazale, da med ljudmi z visokimi dohodki in vi- soko stopnjo izobrazbe namreč ni opaziti rasnih ali etničnih razlik pri dostopu do interneta ali računalnikov. Kljub temu je moč zaznati, da sta dohodek in izobrazba posameznikov še vedno ključna dejavnika, ki zaznamujeta dostop in uporabo novih tehnologij. To pomeni, da ekonomski status posameznika ni edini dejavnik širjenja novih tehnologij v družbi, saj, kljub temu da se te pocenjujejo, v segmentih družbe še vedno obstajajo velike razlike v razširjenosti novih tehnologij. Tako lahko ugoto- vim, da je posameznikova izobrazba tista, ki v sodobnosti igra pomembnejšo (če ne celo najpomembnejšo) vlogo pri širjenju novih tehnologij, saj bi se digitalni razkorak moral zmanjševati, v kolikor bi bil ekonomski status posameznika ključni dejavnik za širjenje tehnologij. Osebni dohodki, stopnja izobrazbe, rasa ter etnična pripadnost predstavljajo le nekatere izmed ovir pri uporabi novih tehnologij. Uporabo teh mora- mo namreč razumeti v okviru »razrednega, spolnega, geografskega in generacijskega konteksta uporabe« (Quarantelli, 1997: 11). Pri obravnavi digitalnega razkoraka se moramo osredotočiti na proučevanje dostopa in uporabe novih tehnologij, kar ima posledice na njihovo širjenje. Tako lahko razpoznamo digitalni razkorak na nivoju neenakega dostopa do računalnikov in inter- 66 neta ter na nivoju neenake uporabe računalnikov in interneta (Attewell, 2001a). Prvi nivo se nanaša na neenake možnosti dostopa do računalnikov in interneta. Za manjšine in revnejše sloje prebivalstva je manj verjetno, da bodo imeli računalnik in dostop do interneta od doma kot za bogatejše sloje prebivalstva. Drugi nivo se nanaša na neenako možnost uporabe računalnikov v šoli in doma, na kar vplivajo družbene razlike. Med prvimi teoretiki, ki so se ukvarjali z razkrivanjem neenakosti v dostopu do interneta, so bili sredi 90-ih let 20. stoletja Anderson in drugi (DiMaggio in drugi, 2001). Neenakost v dostopu do interneta se odraža v obliki omejevanja možnosti za- poslovanja in iskanja zaposlitve, doseganja izobrazbe, dostopa do vladnih informacij, participacije v političnem dialogu in gradnje omrežja socialne podpore. Neenakost dostopa do interneta pogojujejo številni dejavniki: možnost javnega dostopa, cena privatnega dostopa, dostopnost servisov, učinkovitost tehnologije ter širjenje pozna- vanja in razvoja neformalnih omrežij za tehnično podporo. Pri raziskovanju širjenja interneta se je potrebno posvetiti ugotavljanju neena- kosti pri dostopu do interneta, kot tudi neenakostim, ki nastajajo v dostopu do pozor- nosti uporabnikov interneta. Pri tem je potrebno raziskati neenakosti v lokacijah, ki omogočajo dostop do interneta, kvaliteto programske in strojne opreme ter dostopa do interneta, sposobnosti uporabe interneta ter dostop do omrežij socialne podpore. Iz do sedaj povedanega lahko ugotovim, da se razlike med razvitimi državami in državami v razvoju ne zmanjšujejo s širjenjem in boljšo dostopnostjo do novih tehnologij, saj na širjenje novih tehnologij vplivajo še številni drugi dejavniki. Napori znanstvenikov so usmerjeni v prepoznavanje možnih rešitev omenjenega problema, kar bi privedlo v zmanjševanje digitalnega razkoraka. Tako je Chen s sodelavci (Chen in drugi, 2000) prepoznal 6 korakov, ki lahko pripomorejo k zmanjšanju digitalnega razkoraka. Prvi korak se nanaša na podporo nacionalnega, državnega in lokalnega vodstva (predvsem kot prepoznavanje prostovoljcev, ki bi bili pripravljeni nuditi ustre-zno izobraževanje o novih tehnologijah, in odobritev davčnih olajšav za podjetja, ki podarjajo nove teh- nologije). Drugi korak predpostavlja odobritev sredstev za strojno in programsko opre- mo ter dostop do interneta (predvsem za deprivilegirane skupnosti). Tretji korak pred- videva nadgrajevanje tehnologij. Četrti korak zahteva razvijanje in promoviranje novih vsebin (vsebina spletnih strani bi se morala približati dejanskim potrebam in željam vseh slojev prebivalstva). Peti korak se nanaša na omogočanje izobraževanja in usposabljanja za učitelje, starše in zainteresirane (na ta način lahko vzpodbudimo zanimanje študentov za uporabo novih tehnologij). Šesti korak predvideva oglaševanje uspešnih modelov (z zmanjševanjem stereotipov in vzpodbujanjem ustreznih dejanj. 67 5.3 Rezultati evropskih raziskav o širjenju novih tehnologij v družbi V nadaljevanju predstavljam rezultate raziskave Eurobarometra o deležu upo- rabnikov interneta v državah Evropske Unije (EU)42. Na ta način bom prikazala naraščajoče zanimanje za nove tehnologije, predvsem za računalnike in internet. Re- zultati tako nakazujejo poleg velikega zanimanja za internet tudi vse večji pomen, ki ga ta v življenje današnjega človeka prinaša. Pri prikazovanju rezultatov sem upoštevala poročila iz številnih raziskav, ki so bile opravljene med leti 1995 in 2002. Poleg teh prikazujem tudi rezultate najnovejših raziskav v EU, ki so bile objavljeni leta 2008. Pri pregledu empiričnih študij o širjenju računalnikov in interneta v družbi sem ugotovila, da se te osredotočajo predvsem na raziskovanje ekonomskih dejavnikov, ki vplivajo na ta proces (Podovšovnik, 2002). Tako sem zaznala, da je v skoraj vseh raziska- vah omenjene problematike prisotno ocenjevanje deleža lastnikov računalnikov in in- terneta. Prav tako se pogosto tudi navaja pogostost uporabe. Raziskovalci le malokdaj ocenjujejo poznavanje računalniških in internetnih aplikacij. Tudi v primeru razisko- vanja tega dejavnika so zelo skopi, saj se osredotočajo na klasične šolske teste, s kate- rimi ne dobijo natančne predstave o dejanskem znanju in sposobnostih. Primerneje je uporabljati samooceno posameznikovih sposobnosti, česar nisem zasledila v nobeni raziskavi, razen pri socialni kognitivni teoriji karier. Poleg tega sem tudi ugotovila, da se raziskovalci ne osredotočajo dovolj na proučevanje motivacije za uporabo računalnikov in interneta. Vsekakor moram poudariti, da nisem v nobeni empirični raziskavi zasle- dila celovitega raziskovalnega modela, ki bi upošteval vse dimenzije tega pojava. Pri predstavitvi rezultatov raziskav se bom najprej osredotočila na uporabo in širjenje računalnikov, nato pa še na uporabo in širjenje interneta. V nadaljevanju bom prikazala, v kolikšni meri je v EU prisoten digitalni razkorak in katere so tiste kategori- je prebivalstva, ki so v procesu širjenja računalnikov in interneta najbolj prikrajšane. Ugotovim lahko, da se je število osebnih računalnikov na 100 prebivalcev v EU (European Commission, 2003a) v omenjenem obdobju zelo povečalo (v večini primerov podvojilo). V Evropski uniji je bilo leta 1995 v povprečju 15 računalnikov na 100 prebivalcev, leta 2001 pa je število naraslo na 31. V Sloveniji ne zaostajamo dosti za povprečjem držav članic EU, saj smo leta 1995 imeli 10,1 računalnikov na 100 prebivalcev, leta 2001 pa je število naraslo na 28. Leta 2001 je bila tako Slovenija z 28-imi računalniki na 100 prebivalcev le rahlo pod povprečjem držav članic EU. 42 Pri navajanju rezultatov za EU do leta 2004 se bom poslužila prikaza EU kot skupnosti, kot je bila oblikovana do leta 2004 – 15 držav – pred pristopom novih članic maja 2004. V raziskavah po letu 2004 je upoštevanih 27 držav članic EU. 68 Tako je imela v tem letu Slovenija večji delež računalnikov kot na primer Belgija (23), Italija, Španija, Portugalska in Grčija (8). Največji delež osebnih računalnikov lahko zasledim v Skandinaviji (Švedska je leta 2001 imela 56 računalnikov na 100 prebival- cev, Danska pa 54) ter v Luksemburgu (52 računalnikov na 100 prebivalcev). Povprečje deleža posameznikov, ki uporabljajo računalnik v 15-ih držav EU (European Commission, 2003a) je znašalo 50 % - polovica prebivalcev EU je v tem času uporabljalo računalnik. Slovenija je v tem okviru zelo visoko na lestvici in je presegla povprečje 15-ih držav članic EU, saj je bilo takrat v Sloveniji kar 54 % upora- bnikov računalnikov med celotnim prebivalstvom. Slovenija je med državami pristo- pnimi članicami EU tista, ki ima v tem okviru tudi najvišje povprečje. Med državami z največjim deležem prebivalcev, ki uporabljajo računalnike, ponovno prednjačijo skan- dinavske države (na Danskem in Švedskem uporablja 76 % prebivalcev računalnike) ter Nizozemska (računalnike uporablja 74 % prebivalcev). Med državami v Evropi, ki so imele najnižji delež uporabnikov računalnikov, sodijo Romunija (14 %) ter Turčija in Bolgarija (vsaka po 15 %). Pri ugotavljanju povprečnega deleža gospodinjstev z vsaj enim računalnikom je konec leta 2007 (European Commission, 2008b) ta za države EU znašal 57 %. Pri tem prednjačijo Nizozemska (90 % gospodinjstev ima vsaj en računalnik), Danska (85 % gospodinjstev ima vsaj en računalnik) in Švedska (82 % gospodinjstev ima vsaj en računalnik). Slovenija je bila nad povprečjem držav članic EU, saj je bilo konec leta 2007 kar 66 % gospodinjstev opremljenih vsaj z enim računalnikom. Pred Slo- venijo se poleg omenjenih treh držav nahajata še Luksemburg (75 %) in Finska (71 %). Najnižji delež gospodinjstev z vsaj enim računalnikom imajo na Portugalskem (39 %), v Romuniji (35 %) in Bolgariji (le 27 % gospodinjstev poseduje vsaj en računalnik). Pri pregledu deleža gospodinjstev z vsaj enim računalnikom se je najbolj povečalo (za 10 %) v Luksemburgu, Cipru in Sloveniji. Delež gospodinjstev z vsaj enim računalnikom se je zmanjšal v Španiji, Italiji in na Portugalskem (za 1 %), v Belgiji za 2 % in na Malti za 3 %. V vseh državah EU se je v obdobju dveh let (2002-2004) povečalo število (in delež) uporabnikov43 interneta (European Commission, 2003a). Povprečje uporab- nikov vseh držav EU je v omenjenem obdobju naraslo iz četrtine (25 % celotnega prebivalstva) na več kot tretjino (36 % celotnega prebivalstva). Septembra 2008 je bilo 43 Pri uporabi ni pomembna njena pogostost. V omenjeni okvir so bili upoštevani vsi, ki internet uporabljajo, ne glede na to, ali je uporaba redna ali pa le občasna. Rezultati sovpadajo z deležem upo- rabnikov interneta, ki storitve koristijo mesečno. 69 v EU v povprečju 68 % uporabnikov interneta44 (European Commission, 2008c). Slo- venija je bila leta 2000 v zaostanku za tem povprečjem (15 % celotnega prebivalstva), vendar je že naslednje leto povprečje presegla in je leta 2002 imela kar 40 % upora- bnikov interneta. Leta 2008 je bilo v Sloveniji 68 % uporabnikov interneta. Največ uporabnikov interneta glede na celotno prebivalstvo je v skandinavskih državah (na Danskem 91 %, na Švedskem 85) ter na Nizozemskem (leta 2008 je bil ta delež 82 % prebivalcev). Najmanj je uporaba interneta razširjena med prebivalci Bolgarije (49 %) in Romunije (41 %). Povprečni delež gospodinjstev z dostopom do interneta v državah članicah Evropske unije je oktobra 2000 znašal 28 % in je novembra 2002 dosegel 43 %, kar nakazuje, da je imela v tistem času skoraj polovica vseh gospodinjstev v državah EU dostop do interneta (European Commission, 2003a). Leta 2008 je med 27-imi članicami EU imelo 49 % gospodinjstev dostop do interneta (European Commission, 2008a). Največji delež gospodinjstev z dostopom do interneta so novembra 2007 im- eli na Nizozemskem (86 %), Danskem (80 %) in Švedskem (78 %). Najmanjši delež gospodinjstev z dostopom do interneta je moč zaslediti v Bolgariji in Grčiji, kjer ta delež komajda presega 20 % vseh gospodinjstev, ter v Romuniji, kjer ta delež znaša 24 %. Pod povprečjem EU se nahajata tudi Francija (36 %) in Italija (35 %). V Slo- veniji je bilo v prvem četrtletju 2004 47 % gospodinjstev z dostopom do interneta. V starosti med 16 in 74 let je bilo 43 % uporabnikov interneta. Med temi jih več kot polovica internet uporablja redno. 86 % je takih, ki so internet uporabili v zadnjih treh mesecih (Statistični urad Republike Slovenije, 2004). V primerjavi s povprečjem EU (ta znaša 49 %) konec leta 2007 lahko ugotovim, da se Slovenija ponovno nahaja nad povprečjem, ki za Slovenijo znaša 59 %45 (European Commission, 2008b). Povprečje uporabnikov interneta je bilo v 15-ih držav EU novembra 2002 53 %, kar pomeni, da več kot polovica vseh prebivalcev EU uporablja internet (European Com- mission, 2003a). Slovenija se v omenjenem okviru nahaja pod tem povprečjem (le 39 % prebivalstva uporablja internet), vendar je med državami pristopnicami v EU v samem vrhu (le Malta je pred njo s 40 %). Ponovno pri ugotavljanju deleža posameznikov, ki uporabljajo internet, prednjačijo skandinavske države (Danska 77 %, Švedska 70 % in Finska 69 %) ter Nizozemska (73 %). Med državami, ki se nahajajo nad povprečjem EU, so še Avstrija, Irska, Nemčija, Velika Britanija in Luksemburg. Najnižji delež upora- bnikov interneta imajo v Romuniji (9 %), Turčiji (10 %) in Bolgariji (12 %). 44 Pri tem so bili kot uporabniki interneta definirani posamezniki, ki internet uporabljajo vsaj enkrat mesečno in pogosteje. 45 V Sloveniji se je delež gospodinjstev z dostopom do interneta dvignil iz 45 % konca leta 2005 in konca leta 2006 na 59 % konec leta 2007. 70 Nadaljevanje je namenjeno ugotavljanju stanja o uporabi računalnikov in in- terneta po posameznih kategorijah prebivalstva. Na ta način želim zaznati, katere so tiste kategorije prebivalstva, med katerimi se računalniki in internet najhitere širijo in katere so tiste kategorije prebivalstva, ki so iz omenjenega procesa izključene oziroma so deprivilegirane pri uporabi računalnikov in interneta. V EU se raziskovalci zavedajo, da obstaja med prebivalci digitalni razkorak, ki dobiva vse večje razsežnosti in ga je treba čimprej omejiti. Raziskava Komisije Ev- ropske unije (European Communities, 2008c) iz leta 2008 je pokazala razlike med naslednjimi kategorijami: 1. med vsemi pr ebivalci EU, ki živijo v metropolah, je bilo kar 74,6 % uporabnikov interneta, med tistimi, ki živijo v urbanih predelih 66,7 % in med vaškimi prebivalci le 59,8 %, 2. septembra 2008 je internet uporabljalo 73 % vseh moških pr ebivalcev EU, medtem ko le 60,6 % vseh žensk, 3. v po vprečju v državah članicah EU uporablja internet 79,9 % samozaposlenih, 86,2 % uslužbencev, 61,9 % kvalificiranih delavcev ter 51,1 % nezaposlenih, 4. najbolj pogosti uporabniki interneta so študenti (septembra 2008 jih je uporabljalo internet 95,7 %); sledijo jim tisti, ki so študij zapustili starejši od 20 let46 (81,8 %), tisti, ki so študij pustili med 16. in 20. letom47 (64,6 %), najmanj pa internet uporabljajo tisti, ki so študij zaključili pred 15. letom48 (septembra 2008 jih je bilo le 22,8 %), 5. najv eč uporabnikov interneta je moč zaslediti med mladimi (starimi med 15 in 24 let; septembra 2008 jih je v omenjeni starostni kategoriji uporabljalo internet 94,3 %), sledijo jim prebivalci stari med 25 in 39 let (85,9 %), stari med 40 in 54 let (68,5 %) in starejši od 55 let (septembra 2008 jih je bilo le 36,9 %). Uporaba interneta narašča v vseh socioekonomskih kategorijah, vendar se moramo zavedati, da se je v prvi polovici leta 2001 vrzel pri dostopu posameznih kat- egorij le še povečala v absolutnem merilu (Commission of the European Communi- ties, 2001a). Ugotovim lahko, da je digitalni razkorak kumulativna kategorija, ki med seboj združuje številne družbene hendikape. 46 Kar pomeni, da imajo višješolsko, visokošolsko ali univerzitetno izobrazbo. 47 Kar pomeni, da imajo poklicno ali srednjo izobrazbo. 48 Kar pomeni, da imajo osnovnošolsko izobrazbo ali manj. 71 Povprečje v državah članicah EU je v tistem obdobju znašalo 34,3 %, kar pomeni, da je imel vsak tretji prebivalec omenjenih držav dostop do interneta. Če pa si situacijo ogledam pod drobnogledom, lahko ugotovim, da so študenti tisti, ki so daleč najbolj opremljeni z dostopom do interneta (kar 73,1 % študentov ima dostop do interneta). Ostale izbrane kategorije imajo delež dostopa do interneta nižji kot je povprečje EU: le 28,5 % žensk ima dostop do interneta, 24,3 % nezaposlenih, 19 % prebivalcev z nizkim dohodkom, 13,8 % žensk z nizkim dohodkom, 10,8 % prebival- cev z nizko izobrazbo in le 8,4 % upokojenih prebivalcev EU. Prebivalci EU (Commission of the European Communities, 2001a) se strinjajo, da bi bilo potrebno izvesti določene akcije, ki bi premostile digitalni razkorak (junija 2001 je kar 67 % anketirancev izjavilo, da bi morali uvajati razne programe, medtem ko jih je le 13,5 % izjavilo, da ni potrebno ničesar storiti). Kot najpomembnejšo akcijo navajajo odpiranje javno dostopnih točk do interneta (kar 59,4 % anketirancev je iz- postavilo omenjeno akcijo). Sledijo jim kreiranje več in bolj tematsko osredotočenih »on-line« javnih servisov (49,3 %), primerno računalniško izobraževanje (40,5 %), finančni vložki (33,6 %), odstranjevanje tehničnih ovir (26,5 %) in vlaganje v nove tehnologije49 (23,8 %). Med tistimi, ki imajo dostop do interneta, je največ visoko izobraženih, kar potrjujejo tudi raziskave, ki so bile opravljene v drugih okoljih. Tako so na primer leta 2000 v raziskavi v ZDA ugotovili, da ljudje z visoko izobrazbo 2,5-krat pogosteje in ljudje z univerzitetno izobrazbo kar 6-krat pogosteje uporabljajo internet kot ljudje s srednješolsko izobrazbo (Bushweller, 2001). Dostop do interneta je bolj naklon- jen visoko izobraženim posameznikom, posameznikom z visokimi dohodki, belcem, mlajšim od 55 let (predvsem zelo mladim), moškim in živečim v urbanih okoljih (po podatkih številnih raziskav v ZDA; NTIA v DiMaggio in drugi, 2001). Ista raziskava je tudi razkrila, da posamezniki z nižjimi dohodki in slabše izobraženi pogosteje ne želijo več dostopati do interneta, ko ga enkrat uporabijo. Na osnovi podatkov iz raziskave opravljene v septembru 2008 v EU so raz- vidna sledeča razhajanja pri deležu oseb (po posameznih kategorijah) z dostopom do interneta, kar nakazuje na digitalni razkorak v državah članicah EU: » več moških kot žensk dostopa do interneta, » večji delež mlajših (predvsem tisti v starostni skupini med 15 in 24 let) v primerjavi s starejšimi dostopa do interneta, 49 V omenjenem primeru so kot nove tehnologije mišljeni predvsem mobilna tehnologija in digitalna televizija. 72 » med bolj izobraženimi je moč zaznati večji delež uporabnikov interneta kot med manj izobraženimi, » internet pogosteje uporabljajo prebivalci metropol, » večji delež uslužbencev v primerjavi z ostalimi kategorijami zaposlenih uporablja internet in » večji delež posameznikov, ki živijo v številčnejših gospodinjstvih, uporablja internet v primerjavi s posamezniki, ki živijo sami. V Sloveniji je situacija zelo podobna evropskim razmeram (Statistični urad Republike Slovenije, 2004). Med uporabniki interneta ni razlik po spolu (44,4 % moških in 42 % žensk). Kljub temu pa lahko zasledim razlike v dostopu do interneta po starosti (kar 83,4 % v starostni skupini med 16 in 24 let, 66,1 % starih med 25 in 34 let, 44,1 % starih med 35 in 44 let, 34,2 % starih med 45 in 54 let, 11,8 % starih med 55 in 64 let ter le 1,8 % starih med 65 in 74 let) in po izobrazbi (le 20,2 % nizkoizobraženih, 44% srednjeizobraženih ter kar 89,7 % visokoizobraženih). Med tistimi, ki dostopa do interneta nimajo (European Commission, 2008a), je polovica takih, ki so odgovorili, da se nihče v njihovem gospodinjstvu ne zanima za internet (najvišje povprečje ima Švedska – 68 %; v Sloveniji ta delež znaša 61 %). 15 % anketiranih brez dostopa do interneta meni, da je strojna oprema predraga (najvišji delež zasledim na Madžarskem – 28 %; v Sloveniji ta delež znaša 10 %), medtem ko jih 14 % meni, da je mesečna naročnina na internet previsoka (najvišji delež teh odgo- vorov zasledim na Madžarskem – 33 %; v Sloveniji ta delež znaša 6 %). 9 % anketi- ranih do interneta dostopa drugje kot od doma (najvišji delež zasledim na Slovaškem – 25 %; v Sloveniji ta delež znaša 8 %) in prav toliko jih sploh ne ve, kaj to internet je (najvišji delež zasledim na Portugalskem – 16 %; v Sloveniji znaša ta delež 8 %). 8 % anketiranih si bo v naslednjih šestih mesecih uredilo dostop do interneta (najvišji delež zasledim v Franciji – 15 %; v Sloveniji ta delež znaša 10 %). 3 % anketiranih je zaskrbljenih zaradi spornih vsebin spletnih strani (najvišji delež zasledim na Nizozem- skem in v Luksemburgu – 8 %, v Sloveniji ta delež znaša 2 %). 73 5.4 Digitalni razkorak glede znanja: računalniška pismenost Za proces širjenja računalnikov in interneta v družbi je zelo pomembno razliko- vanje med pojmoma znanje in informacija50. Znanje je namreč sestavljeno iz »množice človekovih stabilnih in med seboj konsistentnih koncepcij« (Mohorič, 1999: 445), ne le iz posameznih informacij. Številni teoretiki so opozorili na nujnost razlikovanja obeh pojmov. Informacija in znanje sta sicer osnovana na informacijah, vendar ni nuj- no, da vsaka informacija predstavlja tudi znanje (Hawkridge, 1985). Očitno je znanje osebna dobrina. Za proces širjenja računalnikov in interneta v družbi, in predvsem med mladimi, je znanje uporabe teh ključnega pomena, saj se le na ta način lahko te tehnologije širijo v družbi. V kolikor posameznike že v toku izobraževanja naučimo razlikovati med informacijami in znanjem, bodo to lažje počeli tudi v celotnem toku življenja. V kolikor se posamezniki zavejo, da je znanje uporabe računalnikov in interneta eden od ključnih dejavnikov, ki olajšuje njihovo uporabo, bodo tudi pogostejši uporabniki teh. V nadaljevanju predstavljam računalniško pis- menost kot eno od specifičnih oblik znanja. Ljudje smo v sodobnosti preplavljeni s številnimi informacijami, ki jih preje- mamo preko različnih medijev. Zaradi tega se moramo naučiti selekcionirati prejete informacije. Naučiti se moramo aplicirati znanje različnih disciplin, prevajati in inte- grirati njihovo terminologijo, koncepte in vse strukture, ki nas privedejo do želenega cilja – konstistentnega znanja (Seltzer, 1999). Informacije ne predstavljajo zadostnega sredstva za doseganje znanja. Pri tem je znanje razčlenjeno v več oblik. Posebna oblika znanja je tudi računalniško znanje oziroma računalniška pismenost. Pismenost (»lit- eracy«) predpostavlja sposobnosti rokovanja s prevladujočim načinom komuniciranja (Lee, 1999). Na računalniško oziroma tehnološko pismenost ne smemo več gledati kot na sposobnost, ki jo posamezniki razvijejo le v prvih letih šolanja, ampak tudi kasneje, ker je tehnoloških sprememb preveč. V sodobni družbi je pismenost definirana kot »niz spretnosti, znanja in strategij, ki jih posamezniki osvojijo v toku življenja v različnih kontekstih in v interakciji z vrstniki in skupnostmi, v katerih se nahajajo« (Kirsch, 2001: 4). Pismeni ljudje se poslužujejo tiskanih in zapisanih informacij, kar jim zagotav- lja nemoteno delovanje v družbi, doseganje lastnih ciljev ter razvijanje lastnega znanja in potencialov. To jim omogoča tudi kritičen odnos do družbe. 50 V omenjenem primeru se beseda znanje nanaša na kvaliteto, medtem ko je beseda informacija sino- nim za kvantiteto. Ni namreč vsaka informacija tudi znanje. Še posebno v sodobni družbi je informacij zelo veliko. Mnoge med njimi niso kvalitetne in ne vodijo nujno v znanje. 74 V sodobni družbi so razvoj tehnologije, izobraževanja in ekonomska rast tesno povezani med seboj. Tehnološka oziroma računalniška pismenost je pomembna ne le za posameznikov razvoj in njegovo ekonomsko blagostanje, ampak tudi za ekonom- ski napredek celotne države. S pomočjo računalnikov in interneta lahko namreč po- sameznik poveča svoje možnosti in sposobnosti za razvoj lastnih spretnosti in po- tencialov ter se pripravi za življenje v 21. stoletju (Roberts, 2000). Informacijska in tehnološka pismenost sta v sodobni družbi postali bistveni zahtevi za delo (Gray, 1999). Kljub temu se moramo zavedati, da neprestano izpopolnjevanje in usposa- bljanje za delo z računalniki in internetom predstavlja pomemben, a ne edini dejavnik rešitve problema privlačevanja in ohranjanja kvalificiranega osebja (Massis, 2001). Računalniške pismenosti se v sodobni družbi posamezniki naučijo dokaj zgodaj, že v primarnem toku izobraževanja. Želja izobraževalcev je namreč, da bi učenci za- pustili šolo računalniško pismeni, kar pomeni, da bi morali »uporabniško obvladati možnosti, ki jih ponuja računalnik, in si znati organizirati delo z njim« (Krapež in Batagelj, 1999: 434). Žal računalniške pismenosti ne osvojijo vsi posamezniki, saj ta predpostavlja veliko spretnosti in praktičnega dela z računalnikom, česar velik del posameznikov nima (Hawkridge, 1985). Pri tem je potrebno tudi poudariti, da vse teme niso primerne za učenje s pomočjo računalnikov in interneta. De Moura Castro pravi, da moramo »specifične tehnologije premišljeno dodeliti potrebam in okolju« (De Moura Castro, 2000: 1). Za učenje s pomočjo računalnikov in interneta so bolj primerne teme, ki so po naravi logične (kot so to naravoslovne vede), kot tiste, ki te- meljijo na družbenih pojavih (Jereb, Šmitek in Jereb, 1999). V nadaljevanju si poglejmo definicijo računalniške pismenosti ter njej sorod- nih oblik pismenosti. Računalniška pismenost (»computer literacy«) se nanaša na »sposobnost uporabe računalniškega orodja« (Lee, 1999: 137). Informacijska in ko- munikacijska tehnološka pismenost (»information and communication technology literacy«) je definirana kot »sposobnost uporabiti obstoječe, nove in nastajajoče teh- nologije v profesionalnem in zasebnem življenju« (Dolničar in drugi, 2002: 6) oziro- ma kot »sposobnost in spretnost uporabe računalnikov in informacijske tehnologije za zadovoljevanje osebnih, izobraževalnih in zaposlitvenih ciljev« (Kirsch, 2001: 6). Informacijsko-medijska pismenost (»infomedia literacy«) se nanaša na »sposobnost kritičnega procesiranja (analize in izbire) pisne informacije, zvoka, podob, grafike in vrednot, ki so posredovane z različnimi načini novih računalniško podprtih multi- medijksih tehnologij« (Lee, 1999: 135). V sodobnosti smo priča številnim spremembam, ki so jih s seboj prinesle nove tehnologije, predvsem računalniki in internet. Kljub temu so se že v začetku 70-ih let 20. stoletja raziskovalci začeli zavedati, da prihaja do razkoraka v znanju med 75 različnimi sloji prebivalstva (Kwak, 1999). Populacija z boljšim socioekonomskim statusom hitreje osvaja te informacije kot del populacije z nižjim socioekonomskim statusom. Na ta način se tudi širjenje računalnikov in interneta razlikuje med posa- meznimi kategorijami prebivalstva, saj deprivilegirane kategorije prebivalstva nimajo osvojenega osnovnega znanja uporabe računalnikov in interneta. Velik izziv za raziskovalce tega pojava predstavlja predvsem osnovno izobraževanje o računalnikih in internetu ter doseganje osnovne računalniške in digi- talne pismenosti. Ljudje, ki so iz kakršnegakoli razloga socialno deprivilegirani pri up- orabi teh, se slednjih pogosto bojijo. Pomembno je, da se zavedamo, da so računalniki in internet s seboj prinesli digitalni razkorak, ki se odvija ne le na meddržavni ravni, temveč igra pomembno vlogo tudi na intradržavni ravni. Da bi lahko omogočili enak dostop do računalnikov in interneta vsem ljudem, morajo države omogočiti vsem in- formacijsko pismenost51, ki jo lahko posamezniki dosežejo v toku rednega šolanja ali z ustreznimi usposabljanji. Pri tem se moramo zavedati, da ne obstaja enotni program, ki bi predstavljal načrt informacijskega razvoja posamezne države ali regije. S širjenjem računalnikov in interneta se spreminja tudi znanje. Vpetost v ko- munikacijske procese informacijske družbe zahteva od posameznika sposobnosti za uporabo računalnikov in interneta ter sposobnosti razumevanja struktur in storitev omrež, ki se uporabljajo za komuniciranje (Dolničar in drugi, 2002). Na začetku 90- ih let 20. stoletja je bila na primer računalniška pismenost pojmovana kot sposobnost računalniškega programiranja. V omenjenem primeru je moral računalniško pismeni posameznik znati brati in pisati vsaj v enem računalniškem jeziku. Za posameznike, ki niso bili računalniško pismeni po omenjeni definiciji, je veljalo, da so računalniško pismenost povezovali s sposobnostjo uporabe računalnikov v praktične namene. Cilj računalniške pismenosti je učenje uporabnikov računalnikov razumevanja, anali- ziranja, uporabe in vpliva novih tehnologij. Novejše definicije vidijo računalniško pis- menost kot »sposobnost uporabe računalniškega orodja« (Lee, 1999: 137). Tudi narava učenja se je spremenila v skladu z razvojem računalnikov in in- terneta. V sodobnih družbah poteka učenje v kompleksnih omrežnih institucijah in organizacijah. To učenje je tako socialne kot tudi tehnične narave. V tem procesu ig- rata pomembno vlogo zaupanje in reciprociteta, ki vodita k oblikovanju korporativnih vzorcev obnašanja, ki povečujejo produktivnost in znanje (Rycroft, 2003). Pojem nove tehnologije pri računalnikih in internetu očitno obsega tehnične in socialne prvine. 51 Pogosto sem zasledila naslednje pojme, ki jih avtorji obravnavajo kot del ali sinonime informacijske pismenosti: računalniška pismenost in digitalna pismenost. 76 5.5 Primerjava indeksov širjenja računalnikov in interneta v družbi V nadaljevanju bom primerjala med seboj tri indekse, ki so jih oblikovali različni raziskovalci za odraslo populacijo in za opis pojava razširjenosti računalnikov in interneta: indeksi uporabe računalnikov in interneta (Borghans in ter Weel), in- deks informacijske tehnologije (Blanks Hindman) in indeks stopnje priključenosti na internet (Jung, Qiu in Kim). Pri tem sem ugotovila, da imajo indeksi razširjenosti računalnikov in interneta tudi določene pomanjkljivosti oziroma omejitve. Predstavila bom prednosti in slabosti vseh opisanih indeksov. Indeksi uporabe računalnikov in interneta (avtorja sta Borghans in ter Weel) so osnovani tako, da merijo tri razsežnosti razširjenosti računalnikov in in- terneta: pomen uporabe računalnikov in interneta, stopnjo sofisticiranosti uporabe računalnikov in interneta ter učinkovitost uporabe računalnikov in interneta. Na ta način oblikovani indeksi ne vsebujejo le ene dimenzije pojava, ampak nakazujejo na več (tri) dimenzije. Avtorja indeksov sta zelo dobro razčlenila stopnjo sofisticiranosti uporabe računalnikov in interneta, ki sta jo razdelila v štiri stopnje zahtevnosti: pre- prosta, zmerna, zahtevna in napredna stopnja sofisticiranosti. V vsako od stopenj sta vključila različne računalniške in internetne aplikacije. To apriorno kategoriziranje bom uporabila tudi v nadaljnji statistični analizi in jo primerjala s tisto, ki jo bom dobila analitsko s pomočjo faktorske analize, ki omogoča linearno kombinacijo vseh omenjenih podindikatorjev, ne le izračun povprečja po posameznih poddimenzijah. Avtorja sta tako oblikovala tri različne spremenljivke, pri čemer nista izračunala skup- nega indeksa, ker je zaradi kompleksnosti pojava to nesmiselno. Avtorja sta tako pri- dobila tri ordinalne spremenljivke, ki pa so bile sestavljene kot seštevek ali aritmetična sredina dihotomnih spremenljivk. Iz zgoraj zapisanega lahko razberem, da so prednosti njunega pristopa v razčlenitvi na tri indekse, saj pojava razširjenosti računalnikov in interneta ne moramo obravnavati kot enodimenzionalnega indeksa. Poleg tega je prednost tega indeksa tudi v dobri razčlenitvi računalniških in internetnih aplikacij na bolj in manj zahtevne, kar omogoča ugotavljanje stopnje sofisticiranosti uporabe teh medijev. Ta indeks ima tudi določene slabosti. Prvi očitek avtorjem indeksa gre na račun oblikovanja ostalih dveh indeksov, pomena in stopnje učinkovitosti uporabe. Namreč, podobno kot pri uporabi, je tudi za ta dva indeksa smiselno posameznike razdeliti v več skupin, glede na sofisticiranost aplikacij. Drugi očitek avtorjem gre na izključitev še ene od ključnih dimenzij razširjenosti računalnikov in interneta: posedo- 77 vanje računalnikov in interneta. Pri tem sta avtorja zanemarila dejstvo, da je uporaba pogojena s posedovanjem opreme. Tretji očitek se nanaša na merske lestvice indeksov, ki slonijo na seštevku dihotomnih indikatorjev. Na ta način dobljeni indeksi so or- dinalne spremenljivke in morda zato diskriminatorna moč teh ordinalk podcenjuje resnične variacije. Variabilnost med ljudmi bi izboljšali tako, da bi uporabili ordinalne lestvice za merjenje indikatorjev. Indeks informacijske tehnologije (avtor je Blanks Hindman) meri lastništvo in uporabo računalnikov in interneta v različne namene. Indeks tako opisuje le posedovanje in uporabo računalnikov in interneta, ne pa tudi njunega pomena za anketirance. Ta indeks je od obravnavanih treh najslabše oblikovan, saj vsebuje le površinsko merjenje razširjenosti računalnikov in interneta. Indeks je tvorjen le kot seštevek dihotomnih spremenljivk, ki obsegajo zelo različne dimenzije razširjenosti računalnikov in interneta. Indeks stopnje priključenosti na internet (avtorji so Jung, Qiu in Kim) je izob- likovan zelo kompleksno in meri različne dimenzije pojava, ki se nanašajo na posedo- vanje računalnika, namen in cilje uporabe, način dostopa, aktivnost in pogostost upo- rabe, pomen interneta za posameznikovo osebno življenje in odvisnost od računalnika in interneta. Tako oblikovan indeks vsebuje dobo posedovanja računalnikov, pomen uporabe računalnikov in interneta (cilji uporabe interneta, samoevalvacijo vpliva in- terneta na osebno življenje ter odvisnost od računalnika in interneta) ter uporabniški vidik (namen upoarbe interneta, raznovrstnost načina dostopa do interneta, pestrost aktivnosti uporabe interneta in količno časa za »online« aktivnosti). Avtorji so na koncu indeks izračunali tako, da so poiskali skupni imenova- lec glede na število vrednosti posameznih indikatorjev, ki so sestavljeni kot ordinalne spremenljivke ali kot seštevek dihotomnih spremenljivk. Korektnost raztega po- sameznih lestvic na tako imenovani »skupni imenovalec« po običaju predpostavlja, da so vsi indikatorji merjeni z isto mersko lestvico (v resnici se v večini primerov izkaže, da so ti indikatorji merjeni z zelo različnimi oziroma heterogenimi ordinalnimi les- tvicami). V kolikor bi bile vrednosti lestvice numerične, bi taka ekstrapolacija vzdržala kritično presojo. Vrednost tega postopka se ustrezno zmanjša toliko bolj, kolikor manj je razvidna ordinalnost lestvice. Uporabiti moramo vsa običajna opravičila, znana v družboslovnem merjenju, da »nam je vsaj za silo oproščeno«. V nadaljevanju v tabeli 5.1 prikazujem primerjavo dimenzij, ki so jih avtorji uporabili pri snovanju vseh treh obravnavanih indeksov. 78 Tabela 5.1: Primerjava dimenzij treh indeksov Indeks uporabe Indeks informacijske Indeks stopnje računalnikov in tehnologije (Blanks priključenosti na interneta (Borghans Hindman) internet (Jung, Qiu in ter Weel) in Kim) Pomen uporabe – socialno-psihološki α α vidik Uporabljenost – uporabniški vidik α α α Računalniška in internetna pismenost α – kognitivni vidik Drugo Starost računalnika Iz tabele 5.1 je razvidno, da le indeks uporabe računalnikov in interneta vse- buje vse tri dimenzije, ki merijo razširjenost računalnikov in interneta. Indeks stopnje priključenosti na internet ne vsebuje kognitivne dimenzije (računalniške in internetne pismenosti), meri pa še starost računalnika, ki ga prvi ne meri. Indeks informacijske tehnologije vsebuje le uporabniški vidik pojava. 5.6 Pregled obstoječe literature Po 90. letu 20. stoletja se skoraj vsi pripadniki različnih teoretskih usmeritev že strinjajo, da je proces širjenja novih tehnologij večdimenzionalen proces, v katerem igra učenje najvidnejšo vlogo. Le posedovanje novih tehnologij (in posledično tudi njihova uporaba) ni dovolj za potek tega procesa. Tako sem s pomočjo različnih razis- kovalnih pristopov opisala proces (tehnološkega) učenja. Teorije učenja so se razvile na prelomu iz 19. v 20. stoletje. V tem obdobju so jih prvenstveno razvijali filozofi in teologi, ki so se osredotočali predvsem na metodo introspekcije, kar sociologom in socialnim psihologom ni ustrezalo. Tako so se že na prelomu stoletja začele razvijate teorije behavioristov, ki so imele poglavitno vlogo na področju učenja vse do sredine 50-ih let 20. stoletja. Te teorije so poudarjale, da je učenje odvisno le od posameznikovih izkušenj. Ko se namreč posameznik znajde v določeni novi situaciji, si najprej v spomin prikliče situacije, ki so od njega v preteklos- ti zahtevale podobne odločitve. Na ta način se lahko na podlagi predhodnih izkušenj odloči, kako bo v novonastali situaciji deloval. 79 Pri svojem razlaganju učnega procesa so behavioristi popolnoma zanemarili posameznikove kognitivne procese na njegovo delovanje. Tako so se sredi 20. stoletja razvile kognitivne teorije učenja, ki v ospredje postavljajo sistematično oblikovanje miselnih shem, ki naj bi posamezniku omogočale odločanje v novonastalih situaci- jah. Tako posameznik vsako novo vsebino najprej poskuša umestiti v svoj že obstoječ miselni sistem. V procesu učenja je posameznika najprimerneje najprej seznaniti s splošnimi vsebinami, katerim se v nadaljevanju dodajo še specifični, bolj poglobljeni, vidiki teh vsebin. Te teorije so v večini primerov v veljavi še danes. Je pa okrog njihove veljave nekaj dvomov (da se morda pretirava s kognitivnimi predstavami, ali pa so te prekompleksne, da bi njihov učinek lahko predstavili na zelo enostaven način). Izobraževanje o novih tehnologijah oziroma tehnološko učenje je zelo podob- no klasičnemu učnemu procesu. Posameznik naj bi se tako najprej naučil splošnih vsebin o novih tehnologijah (na primer o računalnikih in internetu) in nato na- daljeval izobraževanje na omenjenem področju z dopolnjevanjem specifičnih vsebin. Torej, v kolikor posameznika ne opremimo (bodisi v formalnem bodisi v neformal- nem toku izobraževanja) s tehnološkim znanjem (tako splošnim kot specifičnim), se širjenje računalnikov in interneta ne more nadaljevati. Le posamezniki z osvojenim računalniškim in internetnim znanjem oziroma pismenostjo lahko v družbi – in pred- vsem med vrstniki – širijo ti dve tehnologiji s tem, da tudi svoje znanje in predvsem izkušnje prenašajo na druge posameznike. V današnji družbi je poznavanje uporabe računalnikov in interneta za po- sameznike skoraj življenjskega pomena. Namreč, sodobnega posameznika računalniki in internet spremljajo skoraj na vsakem koraku. Danes si ne moremo zamisliti sko- raj nobenega zahtevnega opravila, ki ga računalnik ne bi bil sposoben opraviti v krajšem času kot človek sam. Informacije, ki jih posameznik prejme preko interneta, mu razširjajo obzorja in ga pripravljajo na boljše razumevanje življenja in dogajanja okoli sebe. Bolj kot kdajkoli prej računalniki in internet omogočajo posamezniku, da spoznava svet in pridobiva informacije, ki mu omogočajo rušenje številnih predsod- kov in stereotipov, za katerimi je svet trpel preden je lahko javnost postala tako hitro osveščena o dogajanjih po svetu. Omenjeno velja še posebno izrazito predvsem za mladino, ki se šele pripravlja za vstop v neodvisno življenje. Današnja mladina se še predobro zaveda, da bo v pri- hodnosti znanje igralo ključno vlogo v njihovem razvoju. Le posamezniki, ki imajo osvojena specifična znanja, lahko upajo na uspeh na trgu delovne sile. Danes deloda- jalci skoraj pri vsakem poklicu navajajo, da so zaželena znanja uporabe računalnikov in interneta. To mladina ve. Zaradi tega sami (in tudi njihovi starši) vlagajo precej denarja in energije v tehnološko učenje, če ne tudi specifično, pa vsaj osnovno oziroma splošno znanje uporabe računalnikov in interneta. 80 Naslednji – zadnji - ključni dejavnik za širjenje računalnikov in interneta v družbi je motivacija za njuno uporabo. Namreč, v kolikor posamezniki ne posedujejo motivacije za učenje, jim tudi posedovanje teh tehnologij in pridobljeno znanje (bo- disi na formalen bodisi na neformalen način) o uporabi teh tehologij ne bo zadosten pogoj za širjenje računalnikov in interneta v družbi. Posameznik mora v računalnikih in internetu zaznati nek pomen oziroma praktični vidik. Zaradi obširnosti obravnavane tematike sem se odločila, da prikaz evidenc o razširjenosti tehnologij, s katerim se bom podrobneje ukvarjala v nadaljevanju, zožim na treh ravneh. Prva raven se nanaša na proučevanje le nekaterih izmed številnih novih teh- nologij. Glede na to, da je področje novih tehnologij zelo široko in obsega široko paleto aparatur, sem se odločila, da bom svoje nadaljnje raziskovanje omejila le na proučevanje posledic širjenja računalnikov in interneta. Za raziskovanje le računalnikov in interneta sem se odločila zato, ker sta to dve izmed novih tehnologij, ki v sodob- nosti doživljata največje spremembe in ki se tudi najhitreje širita. Druga raven zožitve se nanaša na določitev ciljne populacije, ki jo bom v na- daljevanju proučevala. Glede na to, da proces izobraževanja (v večini primerov) naj- bolj intenzivno poteka v dobi odraščanja oziroma v mladostništvu, sem se odločila, da ciljno populacijo proučevanja zožim le na posameznike, ki se jih omenjeni proces najbolj dotika – mladostnike oziroma mlade. Tretja raven zožitve raziskovalnega problema se nanaša na obravnavo širjenja računalnikov in interneta le z vidika omejenega števila teoretskih pristopov. Nove teh- nologije med teoretiki zbujajo relativno visoko stopnjo zanimanja. Zaradi tega smo v sodobnosti priča številnim teoretskim pristopom, ki poskušajo problem prikazati iz različnih zornih kotov. Glede na to, da so si ti pristopi razmeroma različni med seboj, sem se odločila, da bom kasnejše empirično raziskovanje omejila le na nekaj pristopov. Tako širjenja ne bom obravnavala s pomočjo zamisli ekonomskih teorij (niti makroekonomskih niti managerskih niti mikroekonomskih teorij), saj je njihova pozornost usmerjena pretežno na produkcijsko sfero, probleme ekonomskega razvoja ter rasti organizacij (produkcije), kar ni osrednja tema pričujoče knjige. Osredotočila se bom na socialno-psihološke teorije, za katere smatram, da najbolje zaokrožujejo raziskovalni problem – kako si mladi prisvajajo nove tehnologije. Okrog tega bom nanizala izbrane kontekstualne faktorje. Navedene zožitve raziskovalnega procesa me, v nadaljevanju, privedejo do takšnega raziskovanja procesa širjenja uporabe in znanja uporabe računalnikov in 81 interneta med mladimi, v katerem bom proučevala le izbrane statusno-strukturne, socialno-psihološke in institucionalne vidike omenjenega pojava. Najprej nameravam prikazati raziskovalni načrt in v naslednjih poglavjih še njegovo operacionalizacijo ter preverjanje raziskovalnih hipotez. 82 6. Realizacija raziskovalnega načrta Do sedaj sem na kratko predstavila različne teorije, ki se ukvarjajo s proučevanjem procesa širjenja novih tehnologij v družbi, pri čemer sem lahko sintetizirala spoznanje, da večinoma pripadajo duhu ene od naslednjih treh pozitivnih tradicij: » ekonomska konceptualizacija, modeliranje makro procesa širjenja tehnologij (»technology diffusion«), » evolucijska konceptualizacija, modeliranje širjenja inovacij skozi mezzo organizacijsko raven družbe (»innovation diffusion and technology«) in » socialno-psihološka konceptualizacija, modeliranje prisvajanja tehnologij z mikro vidika ljudi, uporabnikov novih tehnologij (»technology acceptance«). Poleg teh treh pozitivnih tradicij proučevanja širjenja novih tehnologij sem navedla, da je v njihovem ozadju močno prisotna še ena splošnejša družboslovna tradicija, kritična družboslovna (sociološka) misel, kajti vse tri navedne tradicije so teoretsko in konceptualno pomanjkljive, ker ne pojasnijo, da se za širjenje tehnologij posebej intenzivno odpirajo prav tisti posebni kanali in prostori, ki so strateško pove- zani z obstoječo družbeno močjo in nadzorovanjem. Del tega procesa je moč razbrati iz raziskav digitalnega razkoraka. Prvi poblem v operacionalizaciji raziskovalnega problema te raziskovalne na- loge, kako kontekst deluje na mlade v Sloveniji pri prevzemanju računalniških in internetnih tehnologij, je torej vprašanje, kako se izogniti poenostavitvi, zgolj pozi- tivni naravnanosti raziskovalnega modela. Naslednji problem v operacionalizaciji ka- teregakoli modela širjenja tehnologij je posledica prvega: gre praviloma za slab stik med spoznanji treh oziroma štirih omenjenih tradicij. Tudi povezava vseh treh ravni 83 možnega opazovanja procesa širjenja tehnologij, družbe kot celote, organizacij in ljudi, očitno v vsaki od teh posamičnih tradicij še vedno povzroča velike težave: vsaka od njih je bila namreč prvotno usmerjena le na eno od teh ravni, zato nobena od njih nima prav dobrih predpostavk, kako prepričljivo prehajati od vedenja ljudi preko dinamike organizacij na splošno družbeno raven. Zaenkrat je to zelo zahtevni, najverjetneje še prezahtevni problem, da bi ga lahko operacionalizirali z enim samim modelom. Več podobnosti med opisanimi tremi (štirimi) tradicijami nastaja zavoljo so- rodne specifikacije pomembnih dejavnikov širjenja, kajti ti dejavniki imajo očitno v vseh omenjenih tradicijah vedno večji skupni presek: ekonomskim konceptom (de- javnikom) se vse bolj dodajajo tudi drugi pomembni dejavniki, psihološki, socialni in regulacijsko-politični. Tako sem lahko iz pregleda literature ugotovila, da so od začetnega obdobja, ko so se napori raziskovalcev različnih tradicij, teorij in zlasti ved gibali dokaj neodvisno (če ne celo sovražno) drug od drugega, v zadnjem obdobju začele pojavljati težnje po izoblikovanju enotnejšega pristopa, ki bi ta zapleteni po- jav – širjenje tehnologij – le poskušal celoviteje pojasniti. Vsekakor ne gre pri tem zanemariti tudi boljšega razumevanja izhodiščnih predpostavk, ki so jih že zgodaj uve- dli raziskovalci v začetnem obdobju; sčasoma jih zamenjujejo spoznanja, dobljena na osnovi empiričnih evidenc, na primer to, da so nekateri dejavniki sicer (po učinkih) lahko pomembnejši od drugih, a tudi to, da so za uspešno širjenje tehnologij zelo pomembni tudi neekonomski dejavniki. Tako lahko ugotovim (na osnovi analize večine obravnavanih teoretskih pristopov), da se danes raziskovalci različnih tradicij v glavnem kar strinjajo z izhodiščem, da na širjenje novih tehnologij v družbi vplivajo tako ekonomski kot tudi institucionalni, socialni in socialno-psihološki dejavniki, pri čemer penetracija tehnologij tudi v dobro omrežni družbi ne poteka zlahka - je ob enem socialno destruktivna in konstruktivna. V nadaljevanju sem tudi zaznala, da je sodobna družba (predvsem razvite države) dobro opremljena z dostopom do novih tehnologij, predvsem računalnikov in interneta. Boljše stanje glede slednjih velja zlasti za šole v razvitih državah, saj imajo skoraj vse ta dostop zagotovljen. Ključna populacija raziskovalne naloge je mladina. Tako sem lahko ugotovila, da imajo mladi (v Sloveniji) zagotovljene zelo dobre pogoje za širjenje znanja o računalnikih in internetu, saj imajo v večini primerov dostop do teh tehnologij bodisi doma bodisi v šoli. Iz teoretičnih vsebin sem tudi spoznala, da je proces širjenja računalnikov in interneta v družbi pogojen s številnimi mikro dejavniki. Poleg posedovanja tehnološke opreme in širših okoliščin igrata pomembno vlogo v tem procesu še osebna dejavnika, učenje in motivacija za uporabo. To pomembno spoznanje predstavlja ključni okvir raziskovalnega modela, ki ga bom postavila v tem poglavju. Poleg socioekonomskih dejavnikov bom v raziskovalni model vstavila nekatere osebne dejavnike, ki jih po- 84 udarjajo psihologi (učenje), da bi lahko raziskala njihov relativni učinek na stopnjo razširjenosti tehnologije (v Sloveniji). Psihologi se namreč upravičeno osredotočajo na kognitivne in afektivne de- javnike, ki determinirajo posameznikovo uporabo novih tehnologij. Pri tem igrajo pomembno vlogo percepirana enostavna uporaba novih tehnologij, samoučinkovitost, percepiran nadzor vzorcev obnašanja in percepirana sposobnost posameznika za uporabo novih tehnologij (Selwyn, 2003). Uporabo novih tehnologij, po njihovem prepričanju, določajo posedovanje tehnologij (ekonomski dejavniki); individualni dejavniki, predvsem kognitivne in intelektualne sposobnosti njihove uporabe, pos- ameznikove izkušnje z novimi tehnologijami ter posameznikova stališča do njihove up- orabe; posameznikova kognitivna sposobnost, posameznikovo znanje; posameznikova materialna sredstva, družbena situacija (strukturni dejavniki), v kateri se posameznik nahaja ter posameznikova ideologija (Selwyn, 2003). Namreč, glede na pregledano teorijo o glavnih tradicijah v konceptualizaciji procesov širjenja tehnologij je očitno najprimerneje, da bo raziskovalni načrt oprt predvsem na predpostavke tretje pozitivne tradicije, socialnopsiholoških modelov prisvajanja novih tehnologij (3. opisana tradicija posebne konceptualizacije in mode- lov širjenja tehnologij). Razlog je v tem, da mladi, ki so ciljna opazovana skupina, nove tehnologije ne zasnujejo kot inovatorji, s ciljem, da bi jo zatem širili v okolje, ampak si osnovno predstavo o njeni uporabnosti predvsem prisvajajo v stiku z njo, nato pa tisto znanje, ki ga absorbirajo, razširjajo dalje. Pri prevzemanju tehnološkega znanja - pomena, znanja o novih tehnologijah - jih seveda determinirajo različni socialni dejavniki, podani v različnih pregledanih tradicijah: individualne, osebno- družinske, skupinske, diskurzivne in splošne družbene okoliščine. 6.1 Uporabljen metodološki instrumentarij V tem poglavju želim predstaviti potek raziskave in uporabljen metodološki instrumentarij: raziskovalni model z domnevami, zasnovani vprašalnik, izvedbo te- renskega snemanja podatkov, analitske etape, vse do sklepnih faz urejanja spoznanj, ki so pripeljale do zaokrožitve delnih ugotovitev, kar vključuje zlasti naporno iskanje njihovega čimbolj konsistentnega interpretiranja. Ves ta metodološki instrumentarij je uporabljen v naslednjih poglavjih, na način dopolnjujočega pogovora empirije z vmesnimi teoretskimi razmisleki. V pri- pravljalnem delu bo metodološki napor usmerjen v vsestransko validacijo merskega 85 instrumentarija, ki sloni na raziskovalnem modelu - v oceno kakovosti ciljnih spre- menljivk (8. in 9. poglavje) in v oceno kakovosti pojasnjevalnih spremenljivk (10. poglavje); ta pripravljalni del se vedno izteče v opisno (oziroma po potrebi tudi v inferenčno) statistiko obravnavnih spremenljivk. V zaključnem delu empirične ana- lize (11. poglavje) z regresijsko metodo ocenim učinke pojasnjevalnih spremenljivk na ciljne spremenljvke, s čimer preverjam domneve okrog raziskovalnega modela. Vsi delni rezultati bodo najprej sproti interpretirani v smislu doprinosa ali zanikanja ve- ljavnosti vsebinskih tez (hipotez), povzeto pa še v sklepnem delu. 6.2 Raziskovalni model: tri dimenzije razširjenosti novih tehnologij Po strnjenem pregledu teoretskih nastavk, prikazanem v uvodnem delu tega poglavja, lahko oblikujem naslednji raziskovalni model na sliki 6.1. Slika 6.1: Raziskovalni model Samoocena dosežene Pogostost uporabe r&i r&i pismenosti Pomen r&i za poklic aplikacij Kontekst Intelektualne sposobnosti Družina, šola Spol Izobrazba Izobrazba Tip kraja Uporaba rač. Uporaba rač. Lokacija r&i matere očeta šolanja (starši) (učitelji) znanja 86 Na dnu slike so indikatorji kontekstualnih spremenljivk, više ožje kontekstu- alne spremenljivke (družina, šola, kulturna percepcija oziroma družbena konstrukcija spola in socialno izkazovanje intelektualnih sposobnosti), na sredini so tri dimenzije razširjenosti računalniške in internetne tehnologije, prav na vrhu pa zgodnja poklicna motiviranost oziroma usmerjenost52. Operacionalizacija spremenljivk in njihovo tvor- jenje (metodično transformiranje izvornih spremenljivk iz vprašalnika) sta podrobneje predstavljena v naslednjih poglavjih. 6.3 Elaboracija raziskovalnih hipotez Glavna teza raziskovalne naloge se nanaša na proučevanje znotrajgeneracijskih razlik pri razširjenosti računalnikov in interneta med slovensko mladino. Iz te teze, ki je uvodoma peljala do treh intuitivnih hipotez, in na osnovi pregleda teorije ter prečiščene elaboracije raziskovalnega modela lahko izoblikujem šest glavnih hipotez, ki jih bom v empiričnem delu knjige tudi preverjala. H I P O T E Z A 1 Posameznikove intelektualne sposobnosti vplivajo na njegovo doseženo računalniško in internetno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogostost uporabe računalniških in internetnih aplikacij. Posamezniki, ki imajo bolje ra- zvite intelektualne sposobnosti, bolje ocenjujejo svojo računalniško in inter- netno pismenost, menijo, da bodo računalniki in internet igrali pomembno vlogo za njihov bodoči poklic ter pogosteje uporabljajo računalnike in in- ternet, kot pa posamezniki, ki imajo slabše razvite kogintivne sposobnosti. H I P O T E Z A 2 Vpliv socialnega konteksta (družine in šole) prav tako pomembno vpliva na posameznikovo doseženo računalniško in internetno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogostost uporabe računalnikov in interneta. So- cioekonomski status posameznika se meri s pomočjo uteževanja na osnovi faktorskih uteži sledečih indikatorjev: očetova in materina izo- 52 Pri tem moram obrazložiti nekaj sprememb, do katerih je prišlo pri snovanju raziskovalnega mode- la. Teza raziskovalne naloge med drugim omenja, da je razširjenost novih tehnologij medgeneracijsko pogojena. Ta vidik sem zaradi obsežnosti problematike izpustila že pri snovanju intuitivnih hipotez, saj sem se osredotočila le na eno generacijo mladine – osmošolcev in devetošolcev. Prav tako moram opozoriti, da sem »vrh« modela izpustila zaradi prevelikega obsega pojasnjevanja izobraževalnih izbir (druga tema). 87 brazba53, posameznikova ocena socioekonomskega statusa družine54, posameznikova ocena podpore staršev za nadaljevanje študija in poklic očeta55 (Kramberger, 2000b; Sewell, Haller in Portes, 2001; Aypay, 2003). Posamezniki, ki imajo bolje opremljen dom in šolo z računalniško in internetno tehnologijo, katerih starši so bolj izobraženi in katerih starši in učitelji uporabljajo računalnike, bolje ocenjujejo svojo računalniško in internetno pismenost, pripisujejo uporabi računalnikov in interneta večji pomen ter ju tudi pogosteje uporabljajo. Družinsko ozadje predstav- lja »multidimenzionalni indeks posameznikovih resurzov ali statusov v začetnem življenjskem obdobju, ki izhajajo iz merjenja lastnosti staršev« (Mare, 2001). Družinske vezi se merijo na nivoju posameznika, ne kot celote. Številni dejavniki v okviru družinskega ozadja vplivajo na doseženo računalniško in internetno pismenost: dohodek družine, izobrazba staršev ter posedovanje računalnikov in dostopa do interneta doma. Dohodek družine vpliva na dijakovo uporabo računalnikov in interneta (Becker, 2000; Attewell, 2001b; Gordon, Gordon in Moore, 2001; Natriello, 2001; Bonfadelli, 2002; Dolničar in drugi, 2002; Bucy v Selwyn, 2003). Največje so razlike med učenci, ki izvirajo iz revnih družin in dijaki, ki izhajajo iz bogatih družin. Učenci iz revnih družin pogosto nimajo dostopa do računalnikov in jih tudi manj uporabljajo. Učenci iz revnejših manjšin so bolj izpostavljeni neprimerni izobrazbi, saj njihove šole pogos- to nimajo dovolj velikega števila računalnikov in dostopa do interneta. Neprimerna izobrazba jim nato ne omogoča, da bi pridobili zaposlitev, kjer zahtevajo poznavanje tehnologij in sposobnosti manipuliranja z infor- macijami (Attewell, 2001b). Številne raziskave (Lavrič, 2000; Attewell, 2001a; Gordon, Gordon in Moore, 2001; Singh, 2001) so pokazale, da revnejši učenci in učenci urbanih predelov pogosteje uporabljajo računalnik v šoli kot bogatejši učenci in učenci iz ruralnih predelov. Izobrazba staršev (Kwak, 1999; Becker, 2000; Attewell, 2001a, 2001b; Gordon, Gordon in Moore, 2001; Singh, 2001; Bonfadelli, 2002; Dolničar in drugi, 2002) in zanimanje staršev za uporabo računalnikov (Singh, 2001; Wright, 2001) vplivajo na učenčevi uporabo računalnikov in interneta. Največje 53 Izobrazbo staršev se priredi glede na število let šolanja: posamezniki brez izobrazbe imajo 0 let šolanja, osnovnošolsko izobraženi posamezniki imajo 8 let šolanja, dokončana poklicna šola da 11 let šolanja, dokončana srednja šola da 12 let šolanja, dokončana višja šola da 14 let šolanja, dokončana univerzitetna izobrazba da 16 let šolanja (Kramberger, 2000b). 54 Socioekonomski status družine se meri kot povprečje očetovega in materinega statusa. Širše katego- rije statusa so sledeče: storitveni delavci, samozaposleni delavci, rutinski pisarniški delavci, kvalificirani delavci, polkvalificirani in nekvalificirani delavci ter kmetje in kmečki delavci (Kramberger, 2000b). 55 Poklic očeta se meri na treh ravneh: položaj na delovnem mestu (ali ima vodstvena oseba tudi po- drejene), členitev v temeljne družbene razrede (po Goldthorpovi klasifikaciji družbenih razredov) ter številska vrednost mednarodnega socioekonomskega indeksa ISEI (Kramberger, 2000b). 88 razlike so se pojavile med učenci, ki imajo starše z nizko stopnjo izobrazbe in med tistimi, ki imajo univerzitetno izobražene starše. Učenci staršev, ki so računalniško pismeni, pogosteje uporabljajo računalnike in internet kot učenci, katerih starši nimajo osvojene računalniške pismenosti (Lee, 1999). Dostop staršev do računalnika v službi igra pomembno vlogo pri pogostosti učenčeve uporabe računalnikov in interneta (Becker, 2000). Učenci, ka- terih starši so uporabljali računalnike na delovnem mestu, imajo pogosteje dostop do računalnikov in interneta doma kot učenci, katerih starši ne uporabljajo računalnikov in interneta v službi. »Šole igrajo kritično vlogo pri zagotavljanju enakih možnosti za deprivilegirane učence na ta način, da jim nudijo dostop do širokega spektra izkušenj, med katere sodi tudi soočanje z računalniško tehnologijo« (Becker, 2000: 45). Lokacija šole igra vidno vlogo pri zagotavljanju dostopa do računalnikov in interneta ter njihovo uporabo v izobraževalne namene (Commission of the European Communities, 2001b). Več šol urbanih predelov kot pa ruralnih območij ima dostop do novih tehnologij. H I P O T E Z A 3 Posameznikove osebne lastnosti (predvsem spol) vplivajo na njegovo doseženo računalniško in internetno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogos- tost uporabe računalniških in internetnih aplikacij. Moški pogosteje kot ženske uporabljajo računalnike in internet, bolje ocenjujejo svojo doseženo računalniško in internetno pismenost ter računalnikom in internetu pri- pisujejo večji pomen. Spol je eden od ključnih dejavnikov sprejemanja informacij (Hawkridge, 1985; Sexton in drugi, 1999; Natriello, 2001; Wright, 2001; Bonfadelli, 2002; Crosier, Cobb in Wilson, 2002; Dolničar in drugi, 2002). Učenci imajo manj problemov pri soočanju z računalniki kot učenke (Wright, 2001) in jih tudi pogosteje uporabljajo, saj imajo večjo željo in interes za uporabo računalnikov in interneta (Lavrič, 2000). Ženske manj pogosto dostopajo do interneta kot moški (DiMaggio in drugi, 2001). Moški imajo do računalnikov manj odpora in bolj pozitivna stališča kot ženske. Moški so tudi tisti, ki svoje znanje na področju naravoslovja in tehnike (kamor spada tudi znanje o računalnikih in internetu) bolj pozi- tivno ocenjujejo kot ženske, ne glede na to, ali so dejansko na omenjenem področju bolj spretni ali ne (Correll, 2001). H I P O T E Z A 4 Na doseženo stopnjo računalniške in internetne pismenosti vplivata tudi pomen računalnikov in interneta za bodoči poklic ter pogostost uporabe računalnikov in interneta. Posamezni- ki, ki ocenjujejo vpliv računalnikov in interneta za bodoči poklic kot pomembnejši in pogosteje uporabljajo računalnike in internet, bolje ocen- 89 jujejo svojo računalniško in internetno pismenost, kot posamezniki, ki pripisujejo računalnikom in internetu manjši pomen in ju manj pogosto uporabljajo. H I P O T E Z A 5 Na pomen računalnikov in interneta za bodoči poklic vplivata dosežena računalniška in internetna pismenost in upo- raba računalnikov in interneta. Posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost in pogosteje uporabljajo računalnike in internet, pripisujejo večji pomen uporabi računalnikov in interneta za bodoči poklic, kot posamezniki, ki slabše ocenjujejo svojo računalniško in internetno pismenost in manj pogosto uporabljajo računalnike in internet. H I P O T E Z A 6 Na pogostost uporabe računalnikov in interneta vpliva posameznikova samoocena dosežene računalniške in internetne pismenosti ter pomen računalnikov in interneta za bodoči poklic. Po- samezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost in pripisujejo večji pomen uporabi računalnikov in interneta za bodoči poklic, pogosteje uporabljajo računalnike in internet, kot posamezniki, ki so slabše računalniško in internetno pismeni in pripisujejo manjši pomen upo- rabi računalnikov in interneta v bodočem poklicu. Bolj motivirani učenci dobijo več informacij in pogosteje uporabljajo računalnike in internet v izobraževalne namene kot manj motivirani učenci (Kwak, 1999; Selwyn, 2003). Učenčevi interesi in stališča do računalnikov in interneta vplivajo na učenčevo uporabo računalnikov in interneta (Becker, 2000; Crosier, Cobb in Wilson, 2002). Naraščajoča uporaba računalnikov in interneta s strani učencev tako ni posledica učiteljevih navodil, ampak izbire učencev samih. 6.4 Uporabljeni vprašalnik Glavni cilj raziskave je (empirično) ugotoviti stopnjo razširjenosti računalnikov in interneta med slovenskimi osnovnošolci (oziroma učenci zadnjega razreda osnovne šole). V ta namen sem se odločila, da bom izvedla terensko anketo med učenci zad- njega razreda slovenskih osnovnih šol. V kvantitativnem delu raziskovalnega procesa sem uporabila anketni vprašalnik, v katerem so anketirani učenci odgovarjali na osnovi metode samoocenjevanja. Vprašalnik (Priloga A) ima več delov: v osrednjem delu je zasnovan na konceptih, ki 90 naj bi igrali pomembno vlogo v procesu samoregulacije učnega vedenja; na ta način lahko dobro umestimo pomen motivacije za učno vedenje, s čimer dobro povzamemo priporočila avtorjev kognitivne teorije, da je motivacija pomembna za kognitivni raz- voj in učenje. Temu delu vprašalnika so dodana še tradicionalna vprašanja o širšem socialnem okolju. Slika 6.2 prikazuje tak proces samoregulacije posameznikovega delovanja kot sta ga izoblikovala Jensen in Wygant (Jensen in Wygant, 1990). Ta proces je sestavljen iz treh faz: procesa samoopazovanja, procesa samoocenjevanja in proce- sa samoreakcije. Vsi trije procesi vodijo v dve smeri: pozitivno smer - povečevanje evalviranega vedenja, oziroma njegovo negativno smer – zmanjševanje zanimanja in aktivnosti za evalvirano vedenje. Slika 6.2: Proces samoregulacije posameznikovega delovanja (Jensen in Wygant, 1990) Samoopazovanje Samoocenjevanje Samoreakcija Dovoli in vodi do Dovoli in vodi do V procesu samoregulacije posameznikovega vedenja pride najprej do samoo- pazovanja. V tej fazi posameznik pridobi ustrezne informacije za postavitev realnih oziroma smiselnih ciljev. Poleg tega posameznik v fazi samoopazovanja opazuje svoje vedenje in izvede njegovo samodiagnozo ter evalvira svoje trenutno obnašanje. Vse navedeno posameznika v prvi fazi vodi do motivacije oziroma do izoblikovanja ciljev. Samoopazovanje omogoča in vodi do samoocenjevanja. V tej fazi posameznik oceni svoje delovanje v primerjavi z lastnimi internimi standardi delovanja. Interne standarde si posameznik lahko pridobi na več načinov: v procesu učenja in posne- manja delovanja staršev, vrstnikov in drugih in v procesu družbenih evalvacij ter preko različnih kulturnih vplivov. Samoopazovanje omogoča in vodi v samoreakcijo. V tej fazi posameznik lahko reagira pozitivno ali negativno glede na smiselne samoiniciative, razvoj sposobnosti, primerjavo med ponosom in samocenzuro, predvidevanjem prihodnih samoreakcij ter glede na samomotivacijo. Samoevalvacija igra torej ključno vlogo za delovanje posameznika. To velja tudi na področju učenja, kot prikazujem v nadaljevanju. Posameznikove samoocene spo- sobnosti igrajo pomembno vlogo pri definiranju ciljev, mnenjskih vzorcev, emotivnih 91 stanj in strategij ter delovanja. Poglejmo si, kako samoocene sposobnosti vplivajo na širjenje novih tehnologij. Samoocena sposobnosti posameznikom omogoča nadzor nad njihovim delovanjem in dogodki v okolju (Bandura, 2001). Posameznik se za- veda, da ima določene sposobnosti, ki ga bodo privedle do rešitve problema v okviru izbranega konteksta. Samoocena posameznikovih sposobnosti ni povsem odvisna od posameznikovih sposobnosti, ampak bolj od ocene, kaj posameznik zmore z različnimi sposobnostmi, ki jih poseduje (Bandura, 2001). Na ta način je potrebno ločiti med komponentami sposobnosti (kot na primer zaviranje, menjava prestav, pospeševanje v prometu) in vedenjem, ki ga posameznik lahko doseže (na primer vožnja avtomobila). Posameznikova samoocena sposobnosti vpliva na uspešnost učenja in na spremembe vedenja (Bandura, 2001). Na podoben način se definira tudi posameznikovo samo- oceno sposobnosti uporabe tehnologij. Ta samoocena igra odločujočo vlogo pri po- sameznikovi odločitvi, ali bo tehnologijo uporabljal ali ne, kar vpliva na širjenje novih tehnologij v družbi. 6.5 Terenska faza snemanja Pred pričetkom terenskega anketiranja sem ravnateljem izbranih osnovnih šol poslala spremno pismo, v katerem sem jih obvestila o namenu raziskave in jih prosila za pomoč pri izvedbi raziskave. Nekaj dni po poslanem spremnem pismu sem telefon- sko kontaktirala z ravnatelji izbranih osnovnih šol in se z njimi dogovorila za datum izvedbe raziskave v izbranem razredu. V kolikor pisma ravnatelji niso prejeli, sem jim ga ponovno poslala. Po opravljeni anketi sem se ravnateljem zahvalila s pismom. Raziskava je potekala v mesecu maju in juniju leta 2003. Vprašalnik je bil popolnoma anonimen, saj učenci niso nikamor zabeležili svojih osebnih podatkov. 6.6 Vzorčni okvir, vzorčenje, uresničeni vzorec Vzorčni okvir raziskave tvorijo vse osnovne šole v Sloveniji. Podatke o številu oddelkov zadnjih razredov slovenskih osnovnih šol sem pridobila na Ministrstvu za šolstvo, znanost in šport Republike Slovenije. Na osnovi omenjene baze podatkov sem pripravila vzorec 50 razredov. Enota za vzorec je posamezni razred. Na osnovi 92 vzorčnega okvira sem ugotovila, da je v povprečju v enem takem razredu 21 učencev. Na ta način sem izračunala, da lahko pridobim približno 1092 veljavnih odgovorov. Enote so bile urejene v bazi podatkov po dvostopenjskem kriteriju razvrščanja enot. V prvem koraku so bile enote razdeljene glede na poštno številko šole. Na ta način sem lahko zagotovila enotno regijsko razporejenost po celotni Sloveniji. V dru- gem koraku so bile enote razporejene glede na abecedni vrstni red šol. Na ta način sem zagotovila naključnost izbora posameznega razreda v vzorec. V raziskavi je sodelovalo 46 razredov učencev. Na ta način sem pridobila 885 veljavnih odgovorov. V tabeli 6.1 je predstavljeno poročilo o stopnji anketiranja: Tabela 6.1: Poročilo o realizaciji vzorca Stopnja odgovora 81,21% Stopnja neodgovora 18,79% Stopnja ustreznosti 100% Stopnja sodelovanja 81,21% Stopnja kontaktiranja 100% Stopnja nekontaktiranja 0% Stopnja zavrnitve 13,88% V raziskavi je sodelovalo nekoliko več učenk (417 oziroma 51,9 %) kot pa učencev (387 oziroma 48,1 %) zadnjih razredov naključno izbranih slovenskih os- novnih šol. Velika večina učencev zadnjih razredov slovenskih osnovnih šol je stara 14 (396 oziroma 50,1 %) oziroma 15 let (384 oziroma 48,6 %). Manjši je delež starejših učencev (16 let je imelo 10 oziroma 1,3 % učencev). Največji delež mater anketiranih ima dokončano strokovno ali splošno srednjo šolo – 4 leta (264 oziroma 34,4 %). Sledijo jim matere, ki imajo dokončano višjo, visoko šolo, fakulteto ali akademijo (146 oziroma 19 %), matere z dokončano 3-letno poklicno šolo (142 oziroma 18,5 %) ter matere z dokončano osnovno šolo (106 oziro- ma 13,8 %). Nizek je delež učencev, ki so povedali, da imajo njihove matere opravljen magisterij ali doktorat (36 oziroma 4,7 %) oziroma na drugi skrajnosti je tudi nizek delež učencev, katerih matere nimajo dokončane osnovne šole (14 oziroma 1,8 %). Med učenci, ki so na vprašanje odgovorili, jih kar 59 (7,7 %) ne pozna izobrazbe ma- tere. Te sem iz nadaljnje statistične analize izločila. 93 Največ očetov anketiranih učencev je zaključilo 4-letno strokovno ali splošno srednjo šolo (237 oziroma 31,9 %) oziroma 3-letno poklicno šolo (202 oziroma 27,2 %). Sledijo jim višje, visoko ali univerzitetno izobraženi očetje (106 oziroma 14,3 %). Delež očetov z dokončano osnovno šolo je nekoliko nižji (60 oziroma 8,1 %) kot tudi delež podiplomsko izobraženih očetov (43 oziroma 5,8 %) in delež očetov z nedokončano osnovno šolo (18 oziroma 2,4 %). Visok je tudi delež anketiranih učencev (76 oziroma 10,2 %), ki ne poznajo očetove izobrazbe. Slednje sem iz na- daljnje statistične analize izločila. Pri analiziranju strukture anketirancev glede na povprečni mesečni dohodek gospodinjstva naletim na podobne rezultate (probleme), kot sem lahko predhodno pričakovala, namreč večina učencev zaključnih razredov slovenskih osnovnih šol ne ve (288 oziroma 42,4 % vseh anketirancev, ki je na vprašanje odgovorilo), koliko znaša povprečni mesečni dohodek njihovega gospodinjstva. Poleg tega lahko tudi zaznam, da precej anketirancev (181 oziroma 21 % vseh anketiranih) ni odgovorilo na zastav- ljeno vprašanje. Med učenci, ki so na vprašanje odgovorili, prevladuje nepoznavanje zneska povprečnega mesečnega dohodka gospodinjstva (kot že omenjeno predhodno). Sledi- jo anketiranci, ki so izjavili, da njihovo gospodinjstvo mesečno prejme nad 300.000 SIT (118 oziroma 17,4 %), med 150.001 in 200.000 SIT prejme 71 oziroma 10,5 % gospodinjstev, med 200.001 in 250.000 SIT prejme 66 oziroma 9,7 % gospodinjstev, med 100.000 in 150.000 SIT prejme 65 oziroma 9,6 % gospodinjstev, med 250.001 in 300.000 SIT prejme mesečno 47 oziroma 6,9 % gospodinjstev. Najmanj učencev izhaja iz zelo revnih razmer, kjer v povprečju v gospodinjstvu prejmejo mesečno pod 100.000 SIT (24 oziroma 3,5 %). 518 oziroma 58,5 % zajetih učencev se šola v urbanem okolju, medtem ko se 367 oziroma 41,5 % učencev šola v ruralnem okolju. 6.7 Uporabljene statistične metode za obdelavo podatkov V nadaljevanju so prikazane uporabljene statistične metode za analizo podatkov raziskave. Pri analizi podatkov sem uporabila statistični paket SPSS. Skoraj vse spremen- ljivke (oziroma njihovi indikatorji) so ordinalnega tipa, saj so lestvice odgovorov obliko- vane na osnovi 5-stopenjske lestvice (pogostost uporabe, merjenje zadovoljstva, merjenje ocen in podobno). V družboslovju je namreč zelo težko pojave meriti s številskimi spre- 94 menljivkami, za katere lahko uporabimo multivariatne statistične metode. Pri tem sem uporabila terminologijo iz Statističnega terminološkega slovarja (2001). Analiza glavnih komponent: je multivariatna metoda, katere osnovna zamisel je opisati razpršenost n enot v m razsežnem prostoru - ki je določen z m merjenimi spremenljivkami - z množico nekoreliranih spremenljivk (komponent), ki so linearne kombinacije originalnih merjenih spremenljivk. Nove spremenljivke - komponente so urejene od najpomembnejše - to je tiste, ki pojasnjuje kar največ razpršenosti osnovnih podatkov - do najmanj pomembne - tiste, ki pojasnjuje najmanjši del razpršenosti opazovanih spremenljivk. Cilj te metode je poiskati nekaj prvih komponent, ki poja- snjujejo čim večji del razpršenosti analiziranih podatkov. Faktorska analiza: gre za študijo povezav med spremenljivkami tako, da poizkušamo najti novo množico spremenljivk (manj kot je merjenih spremenljivk), ki predstavljajo to, kar je skupnega opazovanim spremenljivkam. Faktorska analiza poizkuša poenostaviti kompleksnost povezav med množico opazovanih spremenljivk z razkritjem skupnih razsežnosti ali faktorjev, ki omogočajo vpogled v osnovno struk- turo podatkov. Je formalni model za pojasnjevanje medsebojne odvisnosti manifestnih oziroma opazovanih in merljivih spremenljivk. Izhaja iz empiričnih dejstev o medse- bojni povezanosti spremenljivk, ki jih opazujemo. Cilj faktorske analize je pojasniti medsebojno povezanost večjega števila spremenljivk z manjšim številom direktno ne- merljivih oziroma latentnih spremenljivk. Tem latentnim spremenljivkam pravimo tudi faktorji (Ferligoj, 1999). Regresijska analiza: regresijska analiza je statistična metoda, ki nam pomaga analizi rati odnos med odvisno spremenljivko in eno ali več neodvisnimi spremenljivka- mi. Raziskovalec mora najprej postaviti regresijski model (teoretične predpostavke o odnosih med spremenljivkami), ki ga testira na določenem vzorcu. Regresijska analiza ima dve vlogi: opisno (z njeno pomočjo ocenimo parametre regresijskega modela) in napovedovalno (iz vrednosti neodvisnih spremenljivk lahko napovemo vrednost odvisne spremenljivke). Pri postavljanju modela moramo biti pozorni na izbiro odvisne spremenljivke in poiskati moramo neodvisne spremenljivke, ki nanjo pomembno vplivajo. Izbrati moramo tudi vrsto odvisnosti med spremenljivkami. Re- gresijski model lahko ocenjujemo z različnimi metodami za ocenjevanje parametrov: OLS, WLS, ML. V raziskovalni nalogi sem se odločila za uporabo OLS metode. Prav tako lahko za ocenjevanje regresijskega modela uporabimo različne metode: ENTER, FORWARD, BACKWARD, STEPWISE in REMOVE. Sama sem uporabila prim- erjavo ENTER in STEPWISE metode. 95 7. Dimenzioniranje ciljnih spremenljivk namen tega poglavja je predstaviti operacionalizacijo spremenljivk pomena računalnikov in interneta za prihodnost, dosežene računalniške in internetne pis- menosti ter pogostosti uporabe računalnikov in interneta. Računalniško pismenost sem definirala kot »sposobnost uporabe računalniškega orodja« (Lee, 1999: 137). Na podoben način lahko definiram tudi internetno pismenost kot sposobnost uporabe internetnih orodij oziroma aplikacij. Koncept razširjenosti računalnikov in interneta bom v raziskovalni nalogi izme- rila nekoliko drugače, kakor so jih pripravili različni odmevni raziskovalci. Pri tem se bom oprla predvsem na indekse uporabe računalnikov in interneta, ki sta jih izobli- kovala Borghans in ter Weel, in predstavlja najboljše izmed obravnavanih indeksov. Koncept, ki ga bom uvedla za svoje potrebe, bo tako sestavljen iz več dimenzij oziroma spremenljivk: pomen računalnikov in interneta, dosežena računalniška in internetna pismenost ter pogostost uporabe računalnikov in interneta. Računalniške in internetne aplikacije lahko razdelim v več skupin, glede na njihovo zahtevnost. V okviru tvorjenja indeksa uporabe računalnikov in interneta ti- pologijo računalniških in internetnih aplikacij, ki sta jo oblikovala Borghans in ter Weel, avtorja razdelita računalniške in internetne aplikacije v 4 kategorije: prepro- ste, zmerne, zahtevne in napredne aplikacije. Njun koncept se nanaša na uporabo računalnikov in interneta, vendar ga lahko apliciram tudi na pomen posameznih apli- kacij za prihodnost, doseženo računalniško in internetno pismenost ter na uporabo računalniških in internetnih aplikacij. V nadaljevanju prikazujem operacionalizacijo indikatorjev razširjenosti računalnikov in interneta. Predstavljeno analizo sem izvedla na osnovi anketnega 96 vprašalnika, ki so ga izpolnjevali učenci. Anketni vprašalnik je vseboval številna vprašanja, s pomočjo katerih sem lahko izoblikovala sledeče spremenljvke, ki merijo razširjenost računalnikov in interneta: splošni pomen računalniške pismenosti za prihodnost, pomen računalniških in internetnih aplikacij za zaposlitev, doseženo računalniško in internetno pismenost ter pogostost uporabe računalnikov in interneta. Najprej bom operacionalizirala izbrane spremenljivke: pomen računalnikov in interneta za prihodnost, dosežena računalniška in internetna pismenost ter pogos- tost uporabe računalnikov in interneta. Nato bom pregledala opisne statistike za vsako spremenljivko posebej. Pregledala bom tudi korelacije med njimi. Nato bom podala formiranje spremenljivke z izbranimi statističnimi metodami, ki omogočajo linearno transformacijo večjega števila indikatorjev v manjše število dimenzij. Tako dobljene spremenljivke bom shranila za nadaljnjo statistično analizo za preverjanje raziskovalnega modela. 7.1 Pomen računalniških in internetnih aplikacij za poklic Pomen računalniških in internetnih aplikacij za poklic sem izmerila s pomočjo sledečega vprašanja: »Kako pomembno meniš, da bo za tvoje bodoče delo poznavanje omenjenih računalniških programov?«. Pri tem so bili možni odgovori na 5-stopenjski lestvici, kjer 1 pomeni zelo pomembno, 5 pa popolnoma nepomembno. Ostali odgovori so bili iz nadaljnje ana- lize izločeni. Za lažjo interpretacijo dobljenih rezultatov sem se odločila lestvico odgo- vorov obrniti, tako da 1 pomeni popolnoma nepomembno, 5 pa zelo pomembno. Naštete so bile sledeče računalniške in internetne aplikacije: tiskanje dokumenta, ure- janje besedil, delo s preglednicami, programi za obdelavo podatkov, delo z bazami podatkov, igranje računalniških iger, elektronska pošta, programiranje, spletni brska- lniki, igranje računalniških iger po internetu, pobiranje datotek z interneta, uporaba klepetalnic, iskanje informacij, videokonference, branje elektronskih časopisov, pro- grami za grafične dejavnosti in interaktivno delo. Najprej predstavljam 95% interval zaupanja za aritmetično sredino (slika 7.1) za izbranih 17 indikatorjev, ki merijo pomen računalniške in internetne pismenosti za bodoči poklic. V nadaljevanju nato prikazujem njihove opisne statistike. 97 Slika 7.1: 95% interval zaupanja za aritmetično sredino 17 indikatorjev pomena računalniških in internetnih aplikacij za bodočo zaposlitev 5 4 3 2 1 i enta ene iranje i podatkov program urejanje besedila spletni brskalniki interaktivno delo tiskanje dokum acij v šolske nam i za obdelavo podatkov delo z bazam i za grafične dejavnosti pobiranje datotek z interneta elektronska pošta delo s preglednicam program branje elektronskih časopisov udeleževanje videokonferenc uporaba klepetalnic igranje računalniskih iger program iskanje inform igranje računalniskih iger po internetu Indikatorji se porazdeljujejo različno. Asimetrično v levo se porazdeljujejo delo s preglednicami, prebiranje elektronske pošte, pobiranje datotek z interneta, tiskanje dokumenta in urejanje besedil (koeficienti asimetrije segajo med -0,6 in -1,05). Asimetrično v desno se porazdeljujeta igranje računalniških iger in igranje računalniških iger po internetu (koeficienta asimetrije znašata 0,63 in 0,69). Skoraj vsi indikatorji, z izjemo tistih, ki se porazdeljujejo asimetrično v levo, se porazdeljujejo sploščeno (koeficienti sploščenosti segajo od -0,61 do -1,05). Najvišje povprečje lahko zasledim za urejanja besedila (4,01) in tiskanje doku- menta (3,95). Anketiranci ocenjujejo kot relativno pomembno za svoj bodoči poklic poznavanje uporabe omenjenih dveh računalniških aplikacij. Sledijo pobiranje da- totek z interneta, uporaba elektronske pošte, delo s preglednicami, uporaba spletnih brskalnikov, ineteraktivno delo, uporaba programov za obdelavo podatkov, iskanje in- formacij v izobraževalne namene, delo z bazami podatkov, programiranje in uporaba programov za grafične dejavnosti. V omenjenih primerih aritmetična sredina sega med 3,16 in 3,74, kar nakazuje na povprečno stopnjo pomena omenjenih računalniških in internetnih aplikacij za bodočo zaposlitev. Branju časopisov, udeleževanju videokonfer- enc, uporabi klepetalnic, igranju računalniških iger in igranju računalniških iger učenci pripisujejo najmanjši pomen za bodočo zaposlitev (povprečje sega med 2,33 in 2,97). 98 Standardni odkloni so v vseh primerih višji od 1 in segajo med 1,09 (za ure- janje besedila in tiskanje dokumenta) do 1,37 (za iskanje informacij v izobraževalne namene in igranje računalniških iger). V nadaljevanju želim preveriti, ali so korelacije med izbranimi indikatorji, ki merijo pomen računalniških in internetnih aplikacij za bodočo zaposlitev, statistično značilne s stopnjo značilnosti nižjo od 5 %. Rezultati so podani v tabeli 7.1. Pri tem so zelo močne korelacije (Pearsonov korelacijski koeficient znaša nad |0,6|) poudar- jene s krepkim tiskom. Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. 99 Tabela 7.1: Korelacije med indikatorji spremenljivke pomena računalniških in internetnih aplikacij za bodočo zaposlitev Pearsonov korelacijski koeficient o odatkov ger ger p ejavnosti i nterneta olske asopisov enta am odatkov eokonferenc bdelavo p acij v š id i p oša rafične d elo nje atotek z i okum esedil a o lepetalnic a g reglednic i z azam ačunalniških i ira rskalniki ačunalniških i nform i z m lektronskih č ene ernetu tiskanje d urejanje b delo s p program delo z b igranje r elektronska p progra spletni b igranje r int pobiranje d uporaba k iskanje i nam udeleževanje v branje e program interaktivno d tiskanje dokumenta 1 ,770(**) ,633(**) ,500(**) ,427(**) ,030 ,499(**) ,413(**) ,492(**) ,069(*) ,495(**) ,148(**) ,308(**) ,252(**) ,329(**) ,384(**) ,458(**) urejanje besedil 1 ,678(**) ,551(**) ,464(**) ,028 ,521(**) ,435(**) ,498(**) ,043 ,505(**) ,132(**) ,359(**) ,267(**) ,332(**) ,391(**) ,461(**) delo s preglednicami 1 ,769(**) ,667(**) ,046 ,491(**) ,560(**) ,525(**) ,056 ,477(**) ,172(**) ,333(**) ,364(**) ,358(**) ,478(**) ,473(**) programi za obdelavo podatkov 1 ,776(**) ,115(**) ,443(**) ,637(**) ,494(**) ,123(**) ,438(**) ,248(**) ,307(**) ,465(**) ,398(**) ,493(**) ,503(**) delo z bazami podatkov 1 ,160(**) ,432(**) ,642(**) ,475(**) ,131(**) ,428(**) ,275(**) ,308(**) ,451(**) ,402(**) ,536(**) ,471(**) igranje računalniških iger 1 ,203(**) ,226(**) ,140(**) ,780(**) ,184(**) ,573(**) ,212(**) ,297(**) ,295(**) ,239(**) ,191(**) elektronska pošta 1 ,451(**) ,597(**) ,185(**) ,581(**) ,311(**) ,316(**) ,286(**) ,404(**) ,389(**) ,384(**) programiranje 1 ,502(**) ,253(**) ,429(**) ,323(**) ,282(**) ,461(**) ,421(**) ,588(**) ,525(**) spletni brskalniki 1 ,145(**) ,589(**) ,301(**) ,383(**) ,336(**) ,443(**) ,422(**) ,452(**) igranje računalniških iger po internetu 1 ,193(**) ,602(**) ,219(**) ,356(**) ,344(**) ,237(**) ,219(**) pobiranje datotek z interneta 1 ,333(**) ,458(**) ,332(**) ,415(**) ,426(**) ,473(**) uporaba klepetalnic 1 ,364(**) ,429(**) ,430(**) ,315(**) ,281(**) iskanje informacij v šolske namene 1 ,345(**) ,428(**) ,340(**) ,288(**) udeleževanje videokonferenc 1 ,600(**) ,475(**) ,413(**) branje elektronskih časopisov 1 ,507(**) ,472(**) programi za grafične dejavnosti 1 ,654(**) interaktivno delo 1 100 Tabela 7.1: Korelacije med indikatorji spremenljivke pomena računalniških in internetnih aplikacij za bodočo zaposlitev Pearsonov korelacijski koeficient o odatkov ger ger p ejavnosti i nterneta olske asopisov enta am odatkov eokonferenc bdelavo p acij v š id i p oša rafične d elo nje atotek z i okum esedil a o lepetalnic a g reglednic i z azam ačunalniških i ira rskalniki ačunalniških i nform i z m lektronskih č ene ernetu tiskanje d urejanje b delo s p program delo z b igranje r elektronska p progra spletni b igranje r int pobiranje d uporaba k iskanje i nam udeleževanje v branje e program interaktivno d tiskanje dokumenta 1 ,770(**) ,633(**) ,500(**) ,427(**) ,030 ,499(**) ,413(**) ,492(**) ,069(*) ,495(**) ,148(**) ,308(**) ,252(**) ,329(**) ,384(**) ,458(**) urejanje besedil 1 ,678(**) ,551(**) ,464(**) ,028 ,521(**) ,435(**) ,498(**) ,043 ,505(**) ,132(**) ,359(**) ,267(**) ,332(**) ,391(**) ,461(**) delo s preglednicami 1 ,769(**) ,667(**) ,046 ,491(**) ,560(**) ,525(**) ,056 ,477(**) ,172(**) ,333(**) ,364(**) ,358(**) ,478(**) ,473(**) programi za obdelavo podatkov 1 ,776(**) ,115(**) ,443(**) ,637(**) ,494(**) ,123(**) ,438(**) ,248(**) ,307(**) ,465(**) ,398(**) ,493(**) ,503(**) delo z bazami podatkov 1 ,160(**) ,432(**) ,642(**) ,475(**) ,131(**) ,428(**) ,275(**) ,308(**) ,451(**) ,402(**) ,536(**) ,471(**) igranje računalniških iger 1 ,203(**) ,226(**) ,140(**) ,780(**) ,184(**) ,573(**) ,212(**) ,297(**) ,295(**) ,239(**) ,191(**) elektronska pošta 1 ,451(**) ,597(**) ,185(**) ,581(**) ,311(**) ,316(**) ,286(**) ,404(**) ,389(**) ,384(**) programiranje 1 ,502(**) ,253(**) ,429(**) ,323(**) ,282(**) ,461(**) ,421(**) ,588(**) ,525(**) spletni brskalniki 1 ,145(**) ,589(**) ,301(**) ,383(**) ,336(**) ,443(**) ,422(**) ,452(**) igranje računalniških iger po internetu 1 ,193(**) ,602(**) ,219(**) ,356(**) ,344(**) ,237(**) ,219(**) pobiranje datotek z interneta 1 ,333(**) ,458(**) ,332(**) ,415(**) ,426(**) ,473(**) uporaba klepetalnic 1 ,364(**) ,429(**) ,430(**) ,315(**) ,281(**) iskanje informacij v šolske namene 1 ,345(**) ,428(**) ,340(**) ,288(**) udeleževanje videokonferenc 1 ,600(**) ,475(**) ,413(**) branje elektronskih časopisov 1 ,507(**) ,472(**) programi za grafične dejavnosti 1 ,654(**) interaktivno delo 1 101 Na osnovi tabele 7.1 lahko ugotovim, da so skoraj vse korelacije statistično značilne s stopnjo značilnosti nižjo od 1 %. Izjemi sta le dva indikatorja, ki z neka- terimi drugimi indikatorji ne korelirata statistično značilno. Ta dva indikatorja sta pomen igranja računalniških in internetnih iger za bodočo zaposlitev. Pomen igranja računalniških iger za bodočo zaposlitev ne korelira statistično značilno s pomenom tiskanja dokumenta, urejanja besedila in dela s preglednicami za bodočo zaposlitev, pomen igranja internetnih iger ne korelira statistično značilno s pomenom urejanja besedila in dela s preglednicami za bodočo zaposlitev. To pomeni, da omenjena dva indikatorja lahko izpustim iz nadaljnje statistične analize, vendar pa lahko ugotovim, da ta dva indikatorja zelo močno korelirata med seboj (Pearsonov korelacijski koefi- cient znaša 0,78). Velika večina ostalih korelacij ima Pearsonov korelacijski koeficient višji od |0,3| z večino indikatorjev, kar nakazuje na dejstvo, da so povezave med njimi relativno močne, kar mi omogoča, da jih upoštevam v nadaljnji statistični analizi. Prav tako lahko zaznam, da so vse korelacije pozitivne, kar pomeni, da z naraščanjem pom- ena prvega indikatorja narašča tudi pomen drugega indikatorja za bodoči poklic. Odločila sem se, da bom spremenljivko o pomenu računalniških in internet- nih aplikacij za zaposlitev oblikovala s faktorsko analizo. Najprej sem pregledala prvo komponento (tabela 7.2), dobljeno na osnovi metode glavnih komponent. Pri tem sem z odebeljenim tiskom poudarila uteži, ki so višje od |0,4| in nakazujejo na močno utež na posamezni komponenti. 102 Tabela 7.2: Analiza glavnih komponent za pomen računalniških in internetnih aplikacij za bodoči poklic Kako pomembno meniš, da bo za tvoje Komponenta bodoce delo poznavanje omenjenih racunalniških programov: 1 2 3 tiskanje dokumenta ,682 -,389 ,260 urejanje besedila ,710 -,417 ,244 delo s preglednicami ,781 -,365 -,111 programe za obdelavo podatkov ,786 -,235 -,307 delo z bazami podatkov ,762 -,173 -,359 igranje racunalniskih igric ,373 ,761 ,080 elektronsko posto ,699 -,090 ,358 programiranje ,753 -,013 -,301 spletne brskalnike ,729 -,116 ,294 igranje racunalniskih igric po internetu ,400 ,781 ,052 pobiranje datotek z interneta ,726 -,097 ,373 uporaba klepetalnic ,517 ,628 ,133 iskanje informacij v solske namene ,540 ,151 ,354 udelezevanje videokonferenc ,631 ,282 -,308 branje elektronskih casopisov ,680 ,256 -,025 programi za graficne dejavnosti ,717 ,075 -,311 interaktivno delo ,703 -,026 -,191 Analiza glavnih komponent za spremenljivko pomena računalniških in inter- netnih aplikacij za bodočo zaposlitev nakazuje, da je prva komponenta zelo močna, saj imajo skoraj vsi indikatorji na tej komponenti zelo visoke uteži. Izjemi sta le igra- nje račualniških igric (0,37) in igranje računalniških igric po internetu (0,4). Na drugi komponenti imajo štirje indikatorji močne uteži: urejanje besedila, igranje računalniških igric, igranje računalniških igric po internetu ter uporaba klepetalnic. Te indikatorje bi lahko iz nadaljnje analize izločila (v kolikor bi se odločila za tvorjenje enodimenzionalne spremenljivke), saj imajo močne uteži na drugi komponenti. Vsebinska analiza izločenih indikatorjev ponuja zelo logično sliko pojava. Anketirani učenci se namreč zavedajo, da prostočasne aktivnosti (kot so igranje igric in uporaba klepetalnic) niso sestavni del skoraj nobenega poklica in jih kot take tudi ocenjujejo (pripisujejo jim zelo majhen pomen). Edina izjema je urejanje besedila, ki ima (poleg močne uteži na drugi kompo- nenti) zelo močno (precej višjo kot na prvi komponenti) utež tudi na prvi komponenti. Tretja komponenta ne izpostavlja nobenega indikatorja, ki bi imel močno utež. 103 Na osnovi zapisanega lahko sklenem, da je moja spremenljivka enodimenzion- alna, vendar bom v nadaljevanju z metodo glavnih osi preverjala tvorjenje spremen- ljivke. V ta namen sem v začetnem naboru upoštevala v analizi vse indikatorje (tudi če je analiza glavnih komponent pokazala smiselnost izločitve nekaterih). Najprej sem pregledala »scree« diagram (slika 7.2) ter lastne vrednosti (tabela 7.3), na osnovi kate- rih sem kasneje določila število faktorjev. Slika 7.2: »scree« diagram za pomen računalniških in internetnih aplikacij za prihodnost S cree P lot 8 6 4 Eigenvalue 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 F actor Number 104 Tabela 7.3: Lastne vrednosti in delež pojasnjene variance za pomen računalniških in internetnih aplikacij za prihodnost Komponenta Lastne vrednosti Skupna % pojasnjene kumulativni variance % pojasnjene variance 1 7,621 44,829 44,829 2 2,333 13,722 58,551 3 1,187 6,981 65,532 4 ,888 5,224 70,756 5 ,727 4,276 75,031 6 ,683 4,020 79,052 7 ,587 3,455 82,507 8 ,413 2,431 84,937 9 ,400 2,352 87,289 10 ,389 2,287 89,576 11 ,367 2,158 91,734 12 ,322 1,895 93,628 13 ,299 1,760 95,389 14 ,241 1,418 96,807 15 ,198 1,164 97,971 16 ,182 1,069 99,040 17 ,163 ,960 100,000 »scree« diagram nakazuje, da spremenljivko pomena računalniških in inter- netnih aplikacij za bodoči poklic tvorita dve komponenti, ki imata precej višje lastne vrednosti od ostalih komponent. Analiza tabele 7.3 nakazuje, da imajo tri komponente lastne vrednosti višje od 1, kar pomeni, da se indikatorji združujejo v tri komponente. Prva komponenta ima najvišjo lastno vrednost (7,62) in pojasni največji delež variance (44,83%). Drugi dve komponenti imata nižje lastne vrednosti (2,33 oziroma 1,19) in pojasnita manjši delež variance (13,72 oziroma 6,98). Vse tri dobljene komponente tako pojasnijo 65,53% variance. Dobljeno faktorsko rešitev sem rotirala s pomočjo OBLIMIN in VARIMAX rotacije. Pri tem sem ugotovila, da ima indikator branje elektronskih časopisov nizke faktorske uteži na vseh treh faktorjih, kar pomeni, da ga moram iz nadaljnje analize 105 izločiti. V primeru njegove izločitve iz statistične analize se lastne vrednosti na vseh komponentah nekoliko znižajo, medtem ko se delež pojasnjene variance poveča (vse tri komponente tako pojasnijo 66,5%variance). Tabela 7.4: Korelacije med faktorji pomena računalniških in internetnih aplikacij za bodočo zaposlitev (poševna rotacija, 3 faktorji) Faktor 1 2 3 1 1,000 ,211 -,710 2 1,000 -,279 3 1,000 V tabeli 7.4 so podane korelacije med faktorji poševne rotacije spremenljivke pomena računalniških in internetnih aplikacij za bodočo zaposlitev. Ugotovim lahko, da je korelacija med prvim in tretjim faktorjem zelo visoka (in negativna), kar pomeni, da merita zelo podobno dimenzijo pojava. Iz omenjenega razloga sem se odločila, da preverim še rešitev z dvema faktorjema z začetnim naborom indikatorjev. Z metodo glavnih osi na osnovi dveh faktorjev ugotovim, da pojasnim 58,55 % skupne variance. Po opravljeni OBLIMIN in VARIMAX rotaciji dobljene faktor- ske rešitve lahko ugotovim, da ima indikator iskanje informacij v šolske namene nizke uteži na obeh indikatorjih. V nadaljevanju ta indikator izločim in ponovim postopek. V tem primeru pojasnim 60,45 % skupne variance. Tabela 7.5: Korelacije med faktorji pomena računalniških in internetnih aplikacij za bodočo zaposlitev (poševna rotacija, 2 faktorja) Faktor 1 2 1 1,000 ,321 2 1,000 Na osnovi tabele 7.5, ki prikazuje korelacije med faktorjema poševne rotacije, lahko ugotovim, da je korelacija zmerno visoka, vendar ne tako visoka, da bi lahko govorila, da sta faktorja premočno povezana. Ob tem lahko tudi sklenem, da lahko upoštevam rešitev dobljeno s poševno rotacijo. V tem primeru se lahko odločim za ohranitev tako dobljene rešitve (faktorjev) za nadaljnjo statistično analizo. V nadalje- vanju prikazujem faktorske uteži dobljene na ta način (tabela 7.6). Pri tem so močne faktorske uteži (nad |0,4|) poudarjene z odebeljenim tiskom. 106 Tabela 7.6: Faktorske uteži pomena računalniških in internetnih aplikacij za bodoči poklic (rešitev z dvema faktorjema) Kako pomembno meniš, da bo za tvoje Poševna rotacija Pravokotna rotacija bodoce delo poznavanje omenjenih OBLIMIN (»pattern« VARIMAX racunalniških programov: uteži) 1 2 1 2 tiskanje dokumenta ,781 -,194 ,783 -,049 urejanje besedila ,831 -,228 ,819 -,065 delo s preglednicami ,892 -,177 ,862 ,020 programe za obdelavo podatkov ,817 -,037 ,809 ,147 delo z bazami podatkov ,758 ,021 ,762 ,195 igranje racunalniskih igric -,057 ,818 ,000 ,853 elektronsko posto ,643 ,080 ,669 ,227 programiranje ,666 ,169 ,683 ,337 spletne brskalnike ,685 ,058 ,705 ,212 igranje racunalniskih igric po internetu -,059 ,883 ,014 ,883 pobiranje datotek z interneta ,670 ,069 ,693 ,220 uporaba klepetalnic ,149 ,681 ,187 ,787 udelezevanje videokonferenc ,419 ,370 ,443 ,534 branje elektronskih casopisov ,469 ,358 ,495 ,522 programi za graficne dejavnosti ,589 ,225 ,612 ,391 interaktivno delo ,621 ,138 ,644 ,296 Na osnovi »pattern« uteži poševne rotacije OBLIMIN lahko ugotovim, da je prvi faktor določen z zelo visokimi utežmi na sledečih indikatorjih pomena računalniških in internetnih aplikacij za bodočo zaposlitev: delo s preglednicami, urejanje besedila, programi za obdelavo podatkov, tiskanje dokumenta, delo z bazami podatkov, uporaba spletnih brskalnikov, pobiranje datotek z interneta, programiranje, prebiranje elektron- ske pošte, interaktivno delo, programi za grafične dejavnosti ter branje elektronskih časopisov in udeleževanje videokonferenc, ki imata nekoliko nižji uteži (0,47 oziroma 0,42). Drugi faktor je določen s pomenom igranja računalniških igric po internetu, igranja računalniških igric ter uporabe klepetalnic. Tej indikatorji nakazujejo na za- bavne oziroma igralne aplikacije, ki pa se v poklicnem okolju redko uporabljajo (niso zaželjene). Dobljena dva faktorja sicer ločita dva tipa pomena (za delo in za igro), ven- dar lahko to razliko ohranim tudi z uporabo le enega faktorja, saj bodo faktorske vred- nosti pri osebah, ki računalnike in internet vidijo kot igro, pričakovano nižje. Ker me zanima le variacija delovnega pomena, ne pa dve različni razsežnosti (od katerih ena 107 meri delo, druga pa igro), lahko upoštevam le en faktor (kar nakazujejo tudi analiza »scree« diagrama ter lastnih vrednosti in deleža pojasnjene variance). V naslednjem koraku sem želela pregledati še enodimenzionalno rešitev, pri čemer sem upoštevala le en faktor. V tem primeru pojasnim 44,83 % variance. Po pregledu tako dobljene rešitve lahko ugotovim, da moram iz nadaljnje analize izločiti naslednje indikatorje: igranje računalniških igric, igranje računalniških igric preko in- terneta (imata nizko utež na faktorju) in uporabo klepetalnic (ima razmeroma nizko faktorsko utež: 0,48). Na ta način pojasnim 51,71 % variance. Tabela 7.7: Faktorska utež pomena računalniških in internetnih aplikacij za bodoči poklic Kako pomembno meniš, da bo za tvoje Faktorska bodoce delo poznavanje omenjenih utež racunalniških programov: tiskanje dokumenta ,694 urejanje besedila ,732 delo s preglednicami ,803 programe za obdelavo podatkov ,799 delo z bazami podatkov ,759 elektronsko posto ,668 programiranje ,730 spletne brskalnike ,709 pobiranje datotek z interneta ,707 iskanje informacij v solske namene ,492 udelezevanje videokonferenc ,566 branje elektronskih casopisov ,618 programi za graficne dejavnosti ,688 interaktivno delo ,683 V tabeli 7.7 so podane faktorske uteži, dobljene z metodo glavnih osi. Močne faktorske uteži (nad |0,4|) so v tabeli poudarjene z odebeljenim tiskom. V primeru enofaktorske rešitve (z izločitvijo treh indikaotrjev z nizkimi faktorskimi utežmi) ima- jo vsi indikatorji zelo močne uteži na faktorju. Tako dobljen faktor sem shranila za nadaljnjo statistično analizo za preverjanje raziskovalnega modela. 108 7.3 Pogostost uporabe računalnikov in interneta Za merjenje spremenljivke pogostosti uporabe računalniških in internetnih aplikacij sem analizirala naslednje vprašanje iz anketnega vprašalnika: »Kako pogosto uporabljaš naslednje računalniške programe?«. Pri tem je bilo naštetih istih 17 računalniških in internetnih aplikacij, ki sem jih uporabila tudi za tvorjenje spremenljivke pomena računalniških in internetnih aplikacij za prihodnost ter dosežene računalniške in internetne pismenosti. Lestvica možnih odgovorov je bila naslednja: 1 - dnevno, 2 - tedensko, 3 - mesečno, 4 - redkeje, 5 - nikoli, 6 - ne poznam, 7 - nimamo. V namene nadaljnje analize sem odgovora 6 in 7 pridružila vrednosti 5 (nikoli)56. Ostali odgovori so bili iz nadaljnje analize izločeni. Tako nastalo lestvico sem preobrnila tako, da 1 pomeni nikoli, 5 pa dnevno. Tako višja vrednost pomeni pogostejšo uporabo. Najprej sem pregledala 95% interval zaupanja za aritmetično sredino (slika 7.3) in opisne statistike indikatorjev. Slika 7.3: 95% interval zaupanja za aritmetično sredino za 17 indikatorjev pogostosti uporabe računalniških in internetnih aplikacij 5 4 3 2 1 i enta ene iranje i podatkov elektronska pošta interaktivno delo uporaba klepetalnic acij v šolske namdelo s preglednicam i za grafične dejavnosti e za obdelavo podatkov Program delo z bazam igranje računalniskih iger urejanje besedil spletne brskalnike tiskanje dokum pobiranje datotek z interneta branje elektronskih časopisov udeleževanje videokonferenc program iskanje inform igranje računalniskih iger po internetu program 56 Za združitev vrednosti nimamo in ne poznam v vrednost nikoli sem se odločila, saj posamezniki, ki nimajo dostopa do računalnikov in interneta (oziroma računalniških in internetnih programov) ter posamezniki, ki ne poznajo naštetih aplikacij, so tudi njihovi neuporabniki. Pri tem moram poudariti, da se ti dve kategoriji lahko prištevajo med potencialne uporabnike računalniških in internetnih apli- kacij. Cilj raziskovalne naloge ni razkriti potencialnih uporabnikov računalnikov in interneta, ampak prepoznavanje trenutnih neuporabnikov računalnikov in interneta. 109 Na osnovi slike 7.3 in opisnih statistik lahko ugotovim, da se nobeden od iz- branih indikatorjev ne porazdeljuje normalno. Asimetrično v desno se porazdeljujejo uporaba dela s preglednicami, igranje računalniških iger po internetu, programov za grafične dejavnosti, programov za obdelavo podatkov, programiranja, dela z bazami podatkov, branja elektronskih časopisov in udeleževanja videokonferenc (koeficien- ti asimetrije znašajo med 0,68 in 2,79). Asimetrično v levo se porazdeljuje igranje računalniških iger (koeficient asimetrije znaša -0,76). Bolj sploščeno od normalne porazdelitve se porazdeljujejo igranje računalniških igric, iskanje informacij v šolske namene, urejanje besedila, interaktivno delo, tiskanje dokumenta, pobiranje datotek z interneta, uporaba klepetalnic, spletnih brskalnikov in elektronske pošte (koeficienti sploščenosti segajo med -0,69 in -1,6). Bolj koničasto od normalne porazdelitve se po- razdeljujejo uporaba programov za obdelavo podatkov, programiranja, dela z bazami podatkov, branja elektronskih časopisov (koeficienti sploščenosti segajo med 0,88 in 2) ter udeleževanja videokonferenc (koeficient sploščenosti znaša 8,04). Najvišje povprečje lahko zasledim za igranje računalniških igric (3,77, kar nakazuje na skoraj tedensko uporabo te računalniške aplikacije) in urejanje besedil (3,07, kar nakazuje na vsaj mesečno uporabo te aplikacije). Najnižje povprečje (in s tem najmanj pogosto uporabo računalniških in internetnih aplikacij) lahko zasledim za udeleževanje videokonferenc (1,35), branje elektronskih časopisov (1,63) ter delo z bazami podatkov (1,72). Teh računalniških in internetnih aplikacij anketirani učenci skoraj nikoli ne uporabljajo. Standardni odkloni so skoraj v vseh primerih višji od 1 (razen za udeleževanje videokonferenc, kjer znaša 0,82) in segajo med 1,02 (za uporabo programov za ob- delavo podatkov in programov za delo z bazami podatkov) in 1,59 (za uporabo elek- tronske pošte). V naslednjem koraku želim preveriti korelacije med izbranimi indikatorji, ki merijo pogostost uporabe računalniških in internetnih aplikacij. Rezultati so podani v tabeli 7.8. S krepkim tiskom so prikazane zelo močne korelacije med paroma indika- torjev (Pearsonov korelacijski koeficient znaša nad |0,6|). Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %.%. 110 Tabela 7.8: Korelacije med indikatorji spremenljivke pogostosti uporabe računalniških in internetnih aplikacij i enta bdelavo acij v i oša rafične elo atotek z nc okum esedil a o anje lepetalnic ene re a g reglednicam i z azam ačunalniških ir rskalniki ačunalniških nternetu nform am lektronskih v i z o i atkov atkov nosti erneta piso oraba k tiskanje d urejanje b delo s p program pod delo z b pod igranje r iger elektronska p program spletni b igranje r iger p pobiranje d int up iskanje i šolske n udeleževanje videokonfe branje e časo program dejav interaktivno d tiskanje dokumenta 1 ,700(**) ,477(**) ,464(**) ,343(**) ,280(**) ,407(**) ,344(**) ,432(**) ,159(**) ,409(**) ,258(**) ,387(**) ,240(**) ,253(**) ,337(**) ,387(**) urejanje besedil 1 ,572(**) ,456(**) ,314(**) ,349(**) ,352(**) ,309(**) ,392(**) ,165(**) ,379(**) ,284(**) ,380(**) ,199(**) ,224(**) ,360(**) ,359(**) delo s preglednicami 1 ,678(**) ,448(**) ,253(**) ,290(**) ,379(**) ,286(**) ,190(**) ,340(**) ,251(**) ,278(**) ,306(**) ,302(**) ,379(**) ,336(**) programe za obdelavo podat- 1 ,613(**) ,233(**) ,366(**) ,515(**) ,387(**) ,277(**) ,391(**) ,272(**) ,299(**) ,353(**) ,375(**) ,486(**) ,390(**) kov delo z bazami podatkov 1 ,168(**) ,329(**) ,533(**) ,348(**) ,248(**) ,336(**) ,246(**) ,188(**) ,333(**) ,378(**) ,431(**) ,385(**) igranje računalniskih iger 1 ,260(**) ,249(**) ,268(**) ,314(**) ,309(**) ,169(**) ,137(**) ,100(**) ,133(**) ,251(**) ,339(**) elektronska pošta 1 ,396(**) ,672(**) ,429(**) ,616(**) ,583(**) ,384(**) ,312(**) ,434(**) ,307(**) ,334(**) programiranje 1 ,401(**) ,368(**) ,427(**) ,282(**) ,240(**) ,383(**) ,352(**) ,455(**) ,405(**) spletni brskalniki 1 ,436(**) ,676(**) ,557(**) ,415(**) ,260(**) ,386(**) ,347(**) ,397(**) igranje računalniških iger 1 ,505(**) ,451(**) ,246(**) ,404(**) ,417(**) ,271(**) ,305(**) po internetu pobiranje datotek z interneta 1 ,559(**) ,344(**) ,352(**) ,449(**) ,363(**) ,466(**) uporaba klepetalnic 1 ,422(**) ,314(**) ,370(**) ,230(**) ,288(**) iskanje informacij v šolske 1 ,317(**) ,330(**) ,260(**) ,258(**) namene udeleževanje videokonferenc 1 ,575(**) ,332(**) ,322(**) branje elektronskih časopisov 1 ,425(**) ,363(**) programi za grafične de- 1 ,580(**) javnosti interaktivno delo 1 111 Tabela 7.8: Korelacije med indikatorji spremenljivke pogostosti uporabe računalniških in internetnih aplikacij i enta bdelavo acij v i oša rafične elo atotek z nc okum esedil a o anje lepetalnic ene re a g reglednicam i z azam ačunalniških ir rskalniki ačunalniških nternetu nform am lektronskih v i z o i atkov atkov nosti erneta piso oraba k tiskanje d urejanje b delo s p program pod delo z b pod igranje r iger elektronska p program spletni b igranje r iger p pobiranje d int up iskanje i šolske n udeleževanje videokonfe branje e časo program dejav interaktivno d tiskanje dokumenta 1 ,700(**) ,477(**) ,464(**) ,343(**) ,280(**) ,407(**) ,344(**) ,432(**) ,159(**) ,409(**) ,258(**) ,387(**) ,240(**) ,253(**) ,337(**) ,387(**) urejanje besedil 1 ,572(**) ,456(**) ,314(**) ,349(**) ,352(**) ,309(**) ,392(**) ,165(**) ,379(**) ,284(**) ,380(**) ,199(**) ,224(**) ,360(**) ,359(**) delo s preglednicami 1 ,678(**) ,448(**) ,253(**) ,290(**) ,379(**) ,286(**) ,190(**) ,340(**) ,251(**) ,278(**) ,306(**) ,302(**) ,379(**) ,336(**) programe za obdelavo podat- 1 ,613(**) ,233(**) ,366(**) ,515(**) ,387(**) ,277(**) ,391(**) ,272(**) ,299(**) ,353(**) ,375(**) ,486(**) ,390(**) kov delo z bazami podatkov 1 ,168(**) ,329(**) ,533(**) ,348(**) ,248(**) ,336(**) ,246(**) ,188(**) ,333(**) ,378(**) ,431(**) ,385(**) igranje računalniskih iger 1 ,260(**) ,249(**) ,268(**) ,314(**) ,309(**) ,169(**) ,137(**) ,100(**) ,133(**) ,251(**) ,339(**) elektronska pošta 1 ,396(**) ,672(**) ,429(**) ,616(**) ,583(**) ,384(**) ,312(**) ,434(**) ,307(**) ,334(**) programiranje 1 ,401(**) ,368(**) ,427(**) ,282(**) ,240(**) ,383(**) ,352(**) ,455(**) ,405(**) spletni brskalniki 1 ,436(**) ,676(**) ,557(**) ,415(**) ,260(**) ,386(**) ,347(**) ,397(**) igranje računalniških iger 1 ,505(**) ,451(**) ,246(**) ,404(**) ,417(**) ,271(**) ,305(**) po internetu pobiranje datotek z interneta 1 ,559(**) ,344(**) ,352(**) ,449(**) ,363(**) ,466(**) uporaba klepetalnic 1 ,422(**) ,314(**) ,370(**) ,230(**) ,288(**) iskanje informacij v šolske 1 ,317(**) ,330(**) ,260(**) ,258(**) namene udeleževanje videokonferenc 1 ,575(**) ,332(**) ,322(**) branje elektronskih časopisov 1 ,425(**) ,363(**) programi za grafične de- 1 ,580(**) javnosti interaktivno delo 1 112 Iz tabele 7.8 lahko razberem, da so vse korelacije med pari indikatorjev spre- menljivke pogostosti uporabe računalniških in internetnih aplikacij pozitivne (z naraščanjem pogostosti uporabe prvega indikatorja narašča tudi pogostost uporabe drugega indikatorja) in statistično značilne s stopnjo značilnosti nižjo od 1 %. Vsak indikator je z večino drugih indikatorjev močno povezan (Pearsonov korelacijski koe- ficient je višji od |0,3|), kar pomeni, da lahko vse indikatorje obdržim za nadaljnjo statistično analizo. V nadaljevanju sem se odločila spremenljivko tvoriti kot linearno kombinacijo izbranih indikatorjev. V ta namen sem uporabila faktorsko analizo. Najprej sem pre- gledala rešitev na osnovi metode glavnih komponent (tabela 7.9). Pri prikazu rezulta- tov sem z odebeljenim tiskom podala močne uteži (višje od |0,4|). Tabela 7.9: Analiza glavnih komponent uporabe računalniških in internetnih aplikacij Kako pogosto uporabljaš naslednje racunalniške Komponenta programe: 1 2 3 4 tiskanje dokumenta ,654 ,322 -,420 -,151 urejanje besedil (Word,...) ,636 ,385 -,460 -,100 delo s preglednicami (Excel,...) ,640 ,472 -,072 -,150 programe za obdelavo podatkov (Excel, SPSS,...) ,712 ,411 ,138 -,086 delo z bazami podatkov (Access,...) ,629 ,284 ,334 ,042 igranje racunalniskih igric ,431 ,124 -,242 ,671 elektronsko posto ,718 -,370 -,177 -,006 programiranje (Pascal, C+,...) ,663 ,154 ,303 ,145 spletne brskalnike ,746 -,313 -,241 ,036 igranje racunalniskih igric po internetu ,578 -,436 ,161 ,257 pobiranje datotek z interneta ,752 -,335 -,118 ,118 uporaba klepetalnic (chat rooms) ,630 -,468 -,185 -,060 iskanje informacij v solske namene ,576 -,142 -,249 -,413 udelezevanje videokonferenc ,571 -,137 ,434 -,298 branje elektronskih casopisov ,641 -,240 ,359 -,222 programi za graficne dejavnosti (CorelDraw) ,637 ,235 ,307 ,096 interaktivno delo (preko CD ROM-ov) ,642 ,121 ,154 ,271 113 Analiza glavnih komponent je izluščila 4 komponente za spremenljivko upo- rabe računalniških in internetnih aplikacij. Pri tem lahko zaznam, da imajo vsi in- dikatorji visoke uteži na prvi komponenti. Na drugi komponenti imajo močne uteži (vendar nižje kot na prvi komponenti) delo s preglednicami, programi za obdelavo podatkov, igranje računalniških igric po internetu in uporaba klepetalnic. Na tretji komponenti imajo visoke uteži (vendar še vedno nižje kot na prvi komponenti) tis- kanje dokumenta, urejanje besedila in udeleževanje videokonferenc. Na četrti kom- ponenti ima le en indikator zelo močno utež, in sicer igranje računalniških igric. V tem primeru je utež na četrti komponenti dosti višja kot pa utež na prvi. Iz zapisanega lahko sklepam, da izbrani indikatorji merijo eno dimenzijo pojava, z izjemo igranja računalniških igric. V naslednjem koraku sem želela zmanjšati število dimenzij spremenljivke upo- rabe računalniških in internetnih aplikacij. Pri tem sem uporabila metodo glavnih osi. Najprej sem se odločila pregledati »scree« diagram (slika 7.4) in lastne vrednosti (tabela 7.10) za določitev števila faktorjev oziroma latentnih dimenzij. Slika 7.4: »scree« diagram za uporabo računalniških in internetnih aplikacij S cree P lot 8 6 4 Eigenvalue 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 F actor Number 114 Tabela 7.10: Lastne vrednosti in delež pojasnjene variance za uporabo računalniških in internetnih aplikacij Komponenta Lastne vrednosti Skupna % pojasnjene kumulativni variance % pojasnjene variance 1 7,023 41,315 41,315 2 1,685 9,910 51,225 3 1,334 7,848 59,073 4 1,011 5,949 65,022 5 ,856 5,038 70,061 6 ,775 4,556 74,617 7 ,581 3,416 78,032 8 ,568 3,344 81,376 9 ,479 2,820 84,196 10 ,455 2,676 86,872 11 ,417 2,456 89,328 12 ,398 2,340 91,668 13 ,329 1,937 93,605 14 ,318 1,868 95,473 15 ,287 1,686 97,159 16 ,268 1,574 98,733 17 ,215 1,267 100,000 Na osnovi »scree« diagrama lahko ugotovim, da izbranih 17 indikatorjev upo- rabe računalniških in internetnih aplikacij lahko združim v eno oziroma dve dimenziji (komponenti). Lastne vrednosti nakazujejo, da obstajajo štiri komponente, ki imajo lastno vrednost višjo od 1. Pri tem lahko zaznam, da je prva komponenta najmočnejša (njena lastna vrednost znaša 7,02 in pojasni 41,32 % skupne variance). Ostale tri kom- ponente imajo lastne vrednosti, ki se gibljejo med 1,01 in 1,69 ter doprinesejo k sk- upni varianci med 5,95 % in 9,91 %. V primeru štirih komponent pojasnim 65,02 % skupne variance. V nadaljevanju prikazujem korelacije med dobljenimi faktorji (tabela 7.11). Faktorsko rešitev sem rotirala s pomočjo OBLIMIN in VARIMAX rotacije. 115 Tabela 7.11: Korelacije med faktorji pogostosti uporabe računalniških in internetnih aplikacij (poševna rotacija; 4 faktorji) Faktor 1 2 3 4 1 1,000 -,487 -,494 ,423 2 1,000 ,418 -,477 3 1,000 -,188 4 1,000 Korelacije med dobljenimi tremi faktorji so zmerno visoke. Na osnovi rezulta- tov glavnih komponent, »scree« diagrama ter lastnih vrednosti (vsi nakazujejo na ob- stoj manjšega števila faktorje), sem se odločila, da pregledam rešitev s tremi faktorji. V primeru treh faktorjev z vsemi začetnimi (17-imi) indikatorji pojasnim 59,07 % skupne variance. V nadaljevanju me je zanimalo ugotoviti, kako močne so korelacije med tako dobljenimi faktorji. Rezultat je podan v tabeli 7.12. Tabela 7.12: Korelacije med faktorji pogostosti uporabe računalniških in internetnih aplikacij (poševna rotacija; 3 faktorji) Faktor 1 2 3 1 1,000 -,602 -,339 2 1,000 ,219 3 1,000 Analiza korelacij med tremi dobljenimi faktorji izpostavlja problem previsoke korelacije med prvim in drugim faktorjem. To nakazuje na dejstvo, da omenjena fak- torja merita približno isto dimenzijo pojava. Ta rešitev ni najboljša. Zaradi tega sem se odločila, da preverim rešitev z dvema faktorjema. V primeru dveh faktorjev, dobljenih iz začetnega nabora indikatorjev upo- rabe računalniških in internetnih aplikacij, pojasnim 51,23 % variance. Pri pregledu dobljene rešitve lahko ugotovim, da moram izločiti indikatorje igranje računalniških igric, udeleževanje videokonferenc in iskanje informacij v šolske namene. Postopek ponovim. V tem primeru (na osnovi 14-ih indikatorjev) pojasnim 56,4 % skupne variance. Nato preverim še korelacije med tako dobljenima faktorjema (tabela 7.13). 116 Tabela 7.13: Korelacije med faktorji pogostosti uporabe računalniških in internetnih aplikacij (poševna rotacija; 2 faktorja) Faktor 1 2 1 1,000 -,609 2 1,000 Ugotovim lahko, da med prvim in drugim faktorjem obstaja zelo visoka korela- cija, kar pomeni, da dobljena faktorja merita skoraj isto dimenzijo pojava. Rešitev ni pri- merna za nadaljnjo analizo. Odločila sem se, da pregledam še rešitev z enim faktorjem. V primeru začetnega nabora indikatorjev (17-ih) z enim faktorjem pojasnim 41,32 % skupne variance. Pri pregledu faktorskih uteži lahko ugotovim, da ima in- dikator igranje računalniških igric nizko utež. Odločim se, da ta indikator izločim in postopek ponovim. V tem primeru (na osnovi 16-ih indikatorjev) pojasnim 42,89 % skupne variance. Predhodno sem zaznala, da se indikator udeleževanje videokonferenc porazdeljuje precej asimetrično. Zaradi tega sem se odločila, da ga iz analize izločim in postopek ponovim. Na ta način pojasnim 43,75 % skupne variance. V tabeli 7.14 so predstavljene faktorske uteži te faktorske analize. Z odebeljenim tiskom so poudarjene uteži z vrednostmi nad |0,4|. Tabela 7.14: Faktorske uteži uporabe računalniških in internetnih aplikacij Kako pogosto uporabljaš naslednje racunalniške Faktorska programe: utež tiskanje dokumenta ,666 urejanje besedil (Word,...) ,645 delo s preglednicami (Excel,...) ,645 programe za obdelavo podatkov (Excel, SPSS,...) ,721 delo z bazami podatkov (Access,...) ,638 elektronsko posto ,730 programiranje (Pascal, C+,...) ,660 spletne brskalnike ,760 igranje racunalniskih igric po internetu ,561 pobiranje datotek z interneta ,755 uporaba klepetalnic (chat rooms) ,632 iskanje informacij v solske namene ,564 branje elektronskih casopisov ,622 programi za graficne dejavnosti (CorelDraw) ,643 interaktivno delo (preko CD ROM-ov) ,641 117 Pri pregledu faktorskih uteži za 15 indikatorjev spremenljivke uporabe računalniških in internetnih aplikacij na osnovi enofaktorske rešitev lahko ugotovim, da so vse uteži zelo visoke. To rešitev sem shranila za nadaljnjo statistično analizo za preverjanje raziskovalnega modela. 7.4 Samoocena dosežene računalniške in internetne pismenosti Spremenljivko samoocena dosežene računalniške in internetne pismenosti sem izmerila z vprašanjem »Kako bi ocenil svoje znanje posameznih programov?«. Pri tem so anketiranci odgovarjali na osnovi 5-stopenjske lestvice, kjer 1 pomeni odlično, 5 pa nezadostno. Za lažjo interpretacijo podatkov sem se odločila, da bom lestvico odgovorov obrnila, tako da vrednost 1 pomeni nezadostno oceno, 5 pa odlično oceno. Naštete so bile vse (17) računalniške in internetne aplikacije, ki so bile predstavljene že pri tvorjenju spremenljivke pomena poznavanja računalniških in internetnih aplikacij za bodoči poklic. Najprej prikazujem 95% interval zaupanja za aritmetično sredino (slika 7.5) za izbranih 17 indikatorjev dosežene računalniške in internetne pismenosti. Nato pred- stavljam opisne statistike teh indikatorjev. 118 Slika 7.5: 95% interval zaupanja za aritmetično sredino za 17 indikatorjev dosežene računalniške in internetne pismenosti 5 4 3 2 1 i enta ene iranje i podatkov urejanje besedila acij v šolske nam uporaba klepetalnic elektronska pošta i za grafične dejavnosti e za obdelavo podatkov delo z bazam igranje računalniških iger tiskanje dokum pobiranje datotek z interneta spletne brskalnike branje elektronskih časopisov program udeleževanje videokonferenc programprogram iskanje inform igranje računalniskih iger po in... interaktivno delo delo s preglednicam Indikatorji dosežene računalniške in internetne pismenosti se porazdeljujejo različno. Nobeden med njimi se ne porazdeljuje približno normalno. Asimetrično v levo se porazdeljujejo poznavanje urejanje besedila, tiskanja dokumenta in igranja računalniških iger (koeficienti asimetrije segajo med -0,97 in -1,65). Asimetrično v desno se porazdeljujeta poznavanje dela z bazami podatkov in udeleževanje videokon- ferenc (koeficienta asimetrije znašata 0,6 in 1,03). Skoraj vsi indikatorji (z izjemo poznavanja tiskanja dokumenta, urejanja besedila in udeleževanja videokonferenc, ki niso sploščeni ali koničasti ter poznavanja igranja računalniških iger, ki se porazdeljuje koničasto, saj je koeficient sploščenosti enak 2,04) se porazdeljujejo bolj sploščeno od normalne porazdelitve (koeficienti sploščenosti znašajo med -0,62 za poznavanje dela z bazami podatkov do -1,4 za poznavanje uporabe interaktivnega dela). Na osnovi slike 7.5 in opisnih statistik lahko zaznam povprečne samoocene posameznih računalniških in internetnih aplikacij. Tako lahko ugotovim, da slovenski osmošolci in devetošolci najbolje ocenjujejo svoje poznavanje igranja računalniških ig- ric (aritmetična sredina znaša 4,35 in je za 0,4 ocene višje od vseh ostalih aritmetičnih sredin in nakazuje na prav dobro poznavanje te aplikacije). Sledita poznavanje uporabe tiskanja dokumenta in urejanja besedila (aritmetični sredini presegata oceno 3,9 in prav tako nakazujeta prav dobro poznavanje te aplikacije). Tako lahko sklepam, da anketirani učenci znajo najbolje uporabljati enostavne računalniške aplikacije. Najnižje ocene so anketiranci pripisali udeležavanju videokonferenc (aritmetična sredina znaša 2), delu z bazami podatkov (aritmetična sredina znaša 2,34) in programiranju (aritmetična sredina znaša 2,36), kar nakazuje na zadostno poznavanje omenjenih aplikacij. V primeru osta- 119 lih računalniških in internetnih aplikacij se aritmetične sredine gibljejo med 2,5 in 3,5, kar nakazuje na dobro do prav dobro poznavanje teh aplikacij. Standardni odkloni so v vseh primerih višji od 1 in segajo od 1,03 za pozna- vanje igranja računalniških iger do 2,25 za poznavanje uporabe interaktivnega dela na računalniku. V nadaljevanju želim pregledati korelacije med pari indikatorjev spremenljivke dosežene računalniške in internetne pismenosti. Rezultati so podani v tabeli 7.15. Z debelejšim tiskom so predstavljene zelo močne korelacije med indikatorji (Pearsonov korelacijski koeficient znaša nad |0,6|). Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. 120 Tabela 7.15: Korelacije med indikatorji spremenljivke dosežene računalniške in internetne pismenosti ger ger acij i oša elo atotek ene nc esedil a odatkov anje re a ejavnosti nta cami i z am azam ir rskalniki nform v i z talnic ume atkov nternetu aba piso nterneta olske n tiskanje dok urejanje b delo s pregledni program obdelavo p delo z b pod igranje računalniških i elektronska p program spletni b igranje računalniških i po i pobiranje d z i upor klepe iskanje i v š udeleževanje videokonfe branje elektronskih časo program grafične d interaktivno d tiskanje dokumenta 1 ,731(**) ,540(**) ,417(**) ,341(**) ,429(**) ,438(**) ,333(**) ,442(**) ,297(**) ,442(**) ,333(**) ,425(**) ,211(**) ,272(**) ,385(**) ,441(**) urejanje besedil 1 ,617(**) ,458(**) ,364(**) ,468(**) ,439(**) ,342(**) ,420(**) ,352(**) ,448(**) ,388(**) ,465(**) ,225(**) ,283(**) ,399(**) ,442(**) delo s preglednicami 1 ,725(**) ,573(**) ,327(**) ,419(**) ,492(**) ,392(**) ,395(**) ,454(**) ,340(**) ,365(**) ,427(**) ,427(**) ,463(**) ,433(**) programe za obdelavo podatkov 1 ,740(**) ,246(**) ,411(**) ,661(**) ,383(**) ,398(**) ,440(**) ,316(**) ,298(**) ,546(**) ,504(**) ,537(**) ,479(**) delo z bazami podatkov 1 ,180(**) ,362(**) ,636(**) ,364(**) ,383(**) ,431(**) ,285(**) ,259(**) ,529(**) ,481(**) ,519(**) ,452(**) igranje računalniskih iger 1 ,335(**) ,218(**) ,291(**) ,436(**) ,386(**) ,318(**) ,335(**) ,131(**) ,184(**) ,237(**) ,291(**) elektronska pošta 1 ,427(**) ,652(**) ,441(**) ,566(**) ,562(**) ,421(**) ,334(**) ,458(**) ,343(**) ,361(**) programiranje 1 ,403(**) ,441(**) ,431(**) ,310(**) ,229(**) ,567(**) ,472(**) ,560(**) ,452(**) spletni brskalniki 1 ,448(**) ,601(**) ,569(**) ,444(**) ,303(**) ,384(**) ,371(**) ,410(**) igranje računalniških iger po internetu 1 ,556(**) ,435(**) ,301(**) ,425(**) ,425(**) ,356(**) ,372(**) pobiranje datotek z interneta 1 ,482(**) ,403(**) ,347(**) ,402(**) ,403(**) ,503(**) uporaba klepetalnic 1 ,477(**) ,302(**) ,348(**) ,287(**) ,295(**) iskanje informacij v šolske namene 1 ,282(**) ,328(**) ,296(**) ,313(**) udeleževanje videokonferenc 1 ,634(**) ,494(**) ,377(**) branje elektronskih časopisov 1 ,512(**) ,414(**) programi za grafične dejavnosti 1 ,586(**) interaktivno delo 1 121 Tabela 7.15: Korelacije med indikatorji spremenljivke dosežene računalniške in internetne pismenosti ger ger acij i oša elo atotek ene nc esedil a odatkov anje re a ejavnosti nta cami i z am azam ir rskalniki nform v i z talnic ume atkov nternetu aba piso nterneta olske n tiskanje dok urejanje b delo s pregledni program obdelavo p delo z b pod igranje računalniških i elektronska p program spletni b igranje računalniških i po i pobiranje d z i upor klepe iskanje i v š udeleževanje videokonfe branje elektronskih časo program grafične d interaktivno d tiskanje dokumenta 1 ,731(**) ,540(**) ,417(**) ,341(**) ,429(**) ,438(**) ,333(**) ,442(**) ,297(**) ,442(**) ,333(**) ,425(**) ,211(**) ,272(**) ,385(**) ,441(**) urejanje besedil 1 ,617(**) ,458(**) ,364(**) ,468(**) ,439(**) ,342(**) ,420(**) ,352(**) ,448(**) ,388(**) ,465(**) ,225(**) ,283(**) ,399(**) ,442(**) delo s preglednicami 1 ,725(**) ,573(**) ,327(**) ,419(**) ,492(**) ,392(**) ,395(**) ,454(**) ,340(**) ,365(**) ,427(**) ,427(**) ,463(**) ,433(**) programe za obdelavo podatkov 1 ,740(**) ,246(**) ,411(**) ,661(**) ,383(**) ,398(**) ,440(**) ,316(**) ,298(**) ,546(**) ,504(**) ,537(**) ,479(**) delo z bazami podatkov 1 ,180(**) ,362(**) ,636(**) ,364(**) ,383(**) ,431(**) ,285(**) ,259(**) ,529(**) ,481(**) ,519(**) ,452(**) igranje računalniskih iger 1 ,335(**) ,218(**) ,291(**) ,436(**) ,386(**) ,318(**) ,335(**) ,131(**) ,184(**) ,237(**) ,291(**) elektronska pošta 1 ,427(**) ,652(**) ,441(**) ,566(**) ,562(**) ,421(**) ,334(**) ,458(**) ,343(**) ,361(**) programiranje 1 ,403(**) ,441(**) ,431(**) ,310(**) ,229(**) ,567(**) ,472(**) ,560(**) ,452(**) spletni brskalniki 1 ,448(**) ,601(**) ,569(**) ,444(**) ,303(**) ,384(**) ,371(**) ,410(**) igranje računalniških iger po internetu 1 ,556(**) ,435(**) ,301(**) ,425(**) ,425(**) ,356(**) ,372(**) pobiranje datotek z interneta 1 ,482(**) ,403(**) ,347(**) ,402(**) ,403(**) ,503(**) uporaba klepetalnic 1 ,477(**) ,302(**) ,348(**) ,287(**) ,295(**) iskanje informacij v šolske namene 1 ,282(**) ,328(**) ,296(**) ,313(**) udeleževanje videokonferenc 1 ,634(**) ,494(**) ,377(**) branje elektronskih časopisov 1 ,512(**) ,414(**) programi za grafične dejavnosti 1 ,586(**) interaktivno delo 1 122 Na osnovi tabele 7.15 lahko ugotovim, da so vse povezave med pari indika- torjev spremenljivke dosežene računalniške in internetne pismenosti pozitivne (z naraščanjem pismenosti na prvem indikatorju narašča tudi stopnja pismenosti na dru- gem indikatorju) in statistično značilne s stopnjo značilnosti nižjo od 1 %. Prav tako lahko ugotovim, da so vse povezave močne (Pearsonov korelacijski koeficient znaša nad |0,3|) z vsaj enim drugim indikatorjem. To pomeni, da lahko vse izbrane indika- torje obdržim za nadaljnjo statistično analizo. Odločila sem se, da bom skupne dimenzije spremenljivke poiskala s pomočjo faktorske analize. Najprej sem pregledala dobljeno rešitev na osnovi metode glavnih komponent (tabela 7.16). Pri tem sem z odebeljenim tiskom poudarila močne uteži (nad |0,4|). Tabela 7.16: Analiza glavnih komponent dosežene računalniške in internetne pismenosti Kako bi ocenil svoje znanje posameznih Komponenta programov: 1 2 3 tiskanje dokumenta ,662 ,320 -,448 urejanje besedila (Word,...) ,687 ,321 -,467 delo s preglednicami (Excel,...) ,747 -,100 -,332 programe za obdelavo podatkov ,777 -,356 -,182 delo z bazami podatkov ,727 -,416 -,113 igranje racunalniskih igric ,487 ,426 -,181 elektronsko posto ,703 ,274 ,304 programiranje ,717 -,376 ,035 spletne brskalnike ,699 ,311 ,275 igranje racunalniskih igric po internetu ,640 ,082 ,296 pobiranje datotek z interneta ,733 ,233 ,154 uporaba klepetalnic ,616 ,347 ,368 iskanje informacij v solske namene ,591 ,360 ,088 udelezevanje videokonferenc ,643 -,460 ,255 branje elektronskih casopisov ,673 -,297 ,289 programi za graficne dejavnosti ,699 -,305 -,121 interaktivno delo ,673 -,102 -,160 123 Na osnovi analize glavnih komponent lahko ugotovim, da imajo vsi indikatorji dosežene računalniške in internetne pismenosti zelo visoke uteži na prvi komponenti. To nakazuje na dejstvo, da vsi indikatorji merijo eno dimenzijo pojava. Na drugi komponenti imajo močne uteži delo z bazami podatkov, igranje računalniških igric in udeleževanje videokonferenc (ti imajo višje uteži na prvi komponenti), na tretji pa tiskanje dokumenta in urejanje besedil (ta dva indikatorja imata višje uteži na prvi komponenti). V nadaljevanju sem se odločila, da na podlagi začetnega nabora indika- torjev opravim faktorsko analizo z metodo glavnih osi. Najprej sem pregledala »scree« diagram (slika 7.6) in lastne vrednosti (tabela 7.17), na osnovi katerih sem zaznala število faktorjev dobljene rešitve. Slika 7.6: »scree« diagram za doseženo računalniško in internetno pismenost S cree P lot 8 6 4 Eigenvalue 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 F actor Number 124 Tabela 7.17: Lastne vrednosti in delež pojasnjene variance za doseženo računalniško in internetno pismenost Komponenta Lastne vrednosti Skupna % kumulativni pojasnjene % variance pojasnjene variance 1 7,817 45,982 45,982 2 1,724 10,141 56,123 3 1,221 7,183 63,307 4 ,850 5,001 68,308 5 ,743 4,372 72,680 6 ,714 4,201 76,881 7 ,526 3,097 79,978 8 ,492 2,895 82,873 9 ,453 2,665 85,538 10 ,427 2,511 88,050 11 ,366 2,154 90,203 12 ,331 1,946 92,149 13 ,324 1,904 94,054 14 ,297 1,749 95,802 15 ,280 1,648 97,450 16 ,244 1,433 98,883 17 ,190 1,117 100,000 »scree« diagram nakazuje na rešitev z eno komponento. Analiza lastnih vred- nosti pokaže, da imajo tri komponente lastne vrednosti višje od 1. Pri tem izstopa prva komponenta, pri kateri je lastna vrednost enaka 7,82, pojasni pa kar 45,98 % skupne variance. Drugi dve komponenti imata precej nižje lastne vrednosti (1,72 oziroma 0,22) in pojasnita dosti manj skupne variance (10,14 % oziroma 7,18 %). Vse tri komponente tako pojasnijo 63,31 % skupne variance. Odločila sem se, da najprej preverim rešitev s tremi faktorji. Pri tem sem do- bljeno rešitev rotirala s pomočjo OBLIMIN ter VARIMAX rotacije dobljene faktorske rešitve. Ugotovila sem, da ima indikator igranje računalniških igric zelo nizke faktorske uteži na vseh treh faktorjih. V nadaljevanju sem ta faktor iz analize izločila. Pri tako dobljeni rešitvi (na osnovi 16-ih indikatorjev) pojasnim 65,14 % skupne variance. 125 Tabela 7.18: Korelacije med faktorji spremenljivke dosežene računalniške in internetne pismenosti (poševna rotacija; 3 faktorji) Faktor 1 2 3 1 1,000 ,606 -,305 2 1,000 -,359 3 1,000 Korelacije med faktorji spremenljivke dosežene računalniške in internetne pismenosti dobljene s poševno rotacijo so relativno visoke, predvsem med prvim in drugim faktorjem, kar pomeni, da oba faktorja merita skoraj isto dimenzijo pojava. V nadaljevanju sem se odločila, da pregledam rešitev dobljeno z dvema fak- torjema, s katero pojasnim 56,12 % skupne variance. Pri tem sem uporabila začetni nabor (17-ih) indikatorjev dosežene računalniške in internetne pismenosti. Tabela 7.19: Korelacije med faktorji spremenljivke dosežene računalniške in internetne pismenosti (poševna rotacija; 2 faktorja) Faktor 1 2 1 1,000 -,642 2 1,000 Tudi v primeru rešitve z dvema faktorjema (in njuno poševno rotacijo) lahko ugotovim, da je korelacija med faktorjema zelo visoka, kar nakazuje, da rešitev ni primerna za nadaljnjo analizo. V ta namen sem se odločila, da pregledam še enofak- torsko rešitev z vsemi indikatorji. Na ta način pojasnim 45,98 % skupne variance. Predhodno sem ugotovila, da ima indikator igranje računalniških igric asimetrično porazdelitev in dokaj nizko utež na prvi komponenti. Zaradi tega sem se odločila, da indikator izločim in ponovim postopek. V tem primeru pojasnim 47,42 % skupne variance. Faktorske uteži so podane v tabeli 7.20, kjer so močne faktorske uteži (nad |0,4|) poudarjene z odebeljenim tiskom. 126 Tabela 7.20: Faktorske uteži doseženega računalniške in internetne pismenosti Kako bi ocenil svoje znanje posameznih Faktorske programov: uteži tiskanje dokumenta ,652 urejanje besedila (Word,...) ,676 delo s preglednicami (Excel,...) ,748 programe za obdelavo podatkov ,784 delo z bazami podatkov ,737 elektronsko posto ,702 programiranje ,725 spletne brskalnike ,696 igranje racunalniskih igric po internetu ,631 pobiranje datotek z interneta ,728 uporaba klepetalnic ,609 iskanje informacij v solske namene ,581 udelezevanje videokonferenc ,655 branje elektronskih casopisov ,683 programi za graficne dejavnosti ,706 interaktivno delo ,675 Vse faktorske uteži, ki sem jih dobila z enofaktorsko rešitvijo, so zelo močne. Tako dobljeni faktor sem shranila za nadaljnjo statistično analizo za preverjanje razisk- ovalnega modela. 7.5 Primerjava treh dimenzij širjenja računalnikov in interneta V prejšnjem poglavju sem ugotovila, da razširjenost računalnikov in intern- eta razpade na tri konstrukte oziroma spremenljivke: pomen uporabe računalnikov in interneta, dosežena računalniška in internetna pismenost ter pogostost uporabe računalnikov in interneta. V tem poglavju sem omenjene tri spremenljivke operacio- nalizirala s faktorsko analizo. 127 V nadaljevanju prikazujem število dobljenih indikatorjev po posameznih spre- menljivkah razširjenosti računalnikov in interneta (rezultati so v tabeli 7.21). Na osno- vi faktorske analize sem ugotovila, da je v vseh primerih najboljša enofaktorska rešitev. Pri tem sem indikatorje z nizkimi utežmi izločila. Tako dobljene faktorje sem shranila za nadaljnjo statistično analizo in preverjanje raziskovalnega modela. Tabela 7.21: Število indikatorjev razširjenosti računalnikov in interneta Spremenljivka Uporabljeno število indikatorjev Konstrukti Pomen računalnikov in 14 (brez igranja računalniških iger, igranja Pomen računalniških in interneta računalniških iger preko interneta in internetnih aplikacij za uporabe klepetalnic) zaposlitev Dosežena računalniška 16 (brez igranja računalniških iger) Samoocena dosežene in internetna pismenost računalniške in internetne pismenosti Pogostost uporabe 15 (brez igranja računalniških iger in Pogostost uporabe računalnikov in udeleževanja videokonferenc) računalniških in interneta internetnih aplikacij V nadaljevanju prikazujem frekvenčno porazdelitev izbranih treh faktorjev, ki merijo razširjenost računalnikov in interneta med slovensko mladino. Slika 7.7: Porazdelitev faktorja pomena računalniških in internetnih aplikacij za poklic pomen rač. in int. aplikacij za poklic 100 80 60 Frequency 40 20 Mean = -2,7061686E -16 0 S td. Dev. = 0,96604281 N = 767 -3,00000 -2,00000 -1,00000 0,00000 1,00000 2,00000 pomen rač. in int. aplikacij za poklic 128 Slika 7.8: Porazdelitev faktorja samoocene dosežene računalniške in internetne pismenosti 50 40 30 Frequency 20 10 Mean = -7,4376269E -17 S td. Dev. = 0,96379069 0 N = 760 -2,00000 0,00000 2,00000 s amoocena dos ežene rač. in int. pis menos ti - brez rač. igric Slika 7.9: Porazdelitev faktorja pogostosti uporabe računalniških in internetnih aplikacij pogos tos t uporabe rač. in int. aplikacij - brez videokonferenc 60 50 40 30 Frequency 20 10 0 Mean = -4,0245585E -16 -2,00000 -1,00000 0,00000 1,00000 2,00000 3,00000S td. Dev. = 0,95607734 N = 735 pogos tos t uporabe rač. in int. aplikacij - brez videokonferenc Najprej želim primerjati porazdelitev tako oblikovanih faktorjev. Faktor po- mena računalniških in internetnih aplikacij je najbolj asimetričen v levo (stopnja asi- metrije znaša -0,74, minimum znaša -2,74, maksimum 0,66, mediana 0,14 in modus 129 -0,54). Manj asimetričen v levo je faktor samoocene dosežene računalniške in inter- netne pismenosti (faktor se porazdeljuje približno normalno, minimum znaša -2,15, maksimum 2,07, mediana -0,02, modus -2,15, vendar jih je več). Najbolj asimetrično v desno se porazdeljuje faktor pogostosti uporabe računalniških in internetnih apli- kacij (faktor se porazdeljuje približno normalno, minimum znaša -1,54, maksimum 2,97, mediana -0,08, modus -1,54). Iz zgoraj zapisanega lahko sklenem, da je med slovenskimi osmošolci in devetošolci najbolj razširjen pomen računalniških in internetnih aplikacij za poklic. Nekoliko manj razširjena je stopnja dosežene računalniške in internetne pismenosti. Najmanj razširjena je pogostost uporabe računalniških in internetnih aplikacij. Tako lahko ugotovim, da morajo slovenski osmošolci in devetošolci najprej dobiti moti- vacijo za uporabo računalnikov in interneta (motivacija je tista, ki jim v nadaljevanju omogoča izoblikovanje percepcije in pomena uporabe računalnikov in interneta), nato se morajo naučiti osnov rokovanja z računalniškimi in internetnimi aplikacijami (ter si pridobiti določeno stopnjo računalniške in internetne pismenosti), šele nato začnejo pogosteje uporabljati računalnike in internet. Ta ugotovitev je presenetljiva, saj predstavljene teorije (predvsem ekonomske) obravnavajo širjenje računalnikov in interneta kot pogojeno z nakupom in njihovo uporabo. Šele nato sledi aktivna upo- raba teh tehnologij. Očitno obstajajo razlike med tremi različnimi procesi širjenja tehnologij: posto- pnim širjenjem naprav samih (posedovanje naprav), postopnim širjenjem učenja za delo z napravami (pogostost uporabljanja naprav in aplikacij) in postopnim širjenjem samega znanja (stopnja sofisticiranosti pismenosti kot indikator doseženega znanja). V istem trenutku se ti inherentni, a različni procesi širjenja računalniških in internetnih tehnologij lahko dotaknejo različno velikih segmentov (iste) populacije, kar je razvidno tudi iz analize rabe računalnikov in interneta pri osmošolcih in devetošolcih v Sloveniji: posedovanje se širi celo hitreje kot število kontaktov s tehnologijo, kar kaže na zelo ugodno dostopnost teh tehnologij pri mlajših generacijah, bodisi doma ali v šoli (doma - neuporabnikov računalnikov je tu 11,6 %, neuporabnikov interneta pa 29,3 %; v šoli - neuporabnikov računalnikov je tu 20,7 %, neuporabnikov interneta pa 20,1 %), mnogo počasneje pa samo znanje - od preprostega k naprednemu (tabela 7.22). 130 Tabela 7.22: Razmerje med sofisticiranostjo uporabe (pogostostjo) ter doseženim znanjem Skupina uporabnikov Posedovanje stik za učenje doseženo znanje doseženo znanje oz. dostopnost (optimist. (konservat. do rač. in int. ocena) ocena) naprav neuporaba 1,6 % 3,7 % 16,5 % 43,3 % uporaba 98,4 % 96,3 % 83,5 % 56,7 % preprosta uporaba 3,7 % 9,1 % 14,8 % zmerna uporaba 11,7 % 31,6 % 23,0 % zahtevna uporaba 38,7 % 31,7 % 14,4 % napredna uporaba 42,2 % 11,2 % 4,5 % SKUPAJ 100,0 % 100,0 % 100,0 % 100,0 % Vsak od teh procesov ima tudi svojo lastno zgornjo mejo širjenja, ki jo določajo različni faktorji. Pri posedovanju sta to na primer skupna ekonomska moč/kapaci- teta potencialnih uporabnikov/kupcev in specifična porazdelitev ekonomskih virov v populaciji, ki najbolj določata hitrost nakupovanja naprav. Pri širjenju učenja je to na primer maksimalno število potencialnih učnih situacij, v katerih lahko prihaja do stikov med učenci in učitelji (doma in v šoli); ta vidik širjenja je seveda pogojen s prvim procesom. Pri širjenju znanja pa zgornjo mejo, poleg tega, kako daleč sta napre- dovala prej omenjena procesa, določa tudi naravna sposobnost ljudi, kako tehnologijo izrabljati na kreativen in ne pasiven način; narava tu ni zelo spremenljiva. V nadaljevanju preverjam korelacije med vsemi indikatorji (tabela 7.23). Pri tem so visoke korelacije (Pearsonov korelacijski koeficient znaša nad |0,6|) poudarjene z odebeljenim tiskom. Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. Tabela 7.23: Korelacije med indikatorji razširjenosti računalnikov in interneta Pogosost uporabe Samoocena Pomen rač. in int. rač. in int. aplikacij dosežene rač. in aplikacij za poklic int. pismenosti Pogosost uporabe rač. in int. 1 ,697(**) ,401(**) aplikacij Samoocena dosežene rač. in 1 ,457(**) int. pismenosti Pomen rač. in int. aplikacij za 1 poklic 131 V tabeli 7.23 me zanima predvsem ugotoviti, kako so indikatorji ene spre- menljivke povezani z indikatorji drugih dveh spremenljivk. Ugotovim lahko, da so vsi trije faktorji med seboj statistično značilno povezani s stopnjo značilnosti nižjo od 1 %. Vse korelacije so pozitivne, kar pomeni, da posamezniki, ki pogosteje uporabljajo računalniške in internetne aplikacije, imajo višjo stopnjo dosežene računalniške in internetne pismenosti ter računalniškim in internetnim aplikacijam pripisujejo večji pomen za bodoči poklic. Pri tem izstopa le ena povezava, ki je zelo močna, saj Pearsonov korelacijski koeficient znaša 0,7, in sicer med doseženo računalniško in internetno pismenostjo ter uporabo računalniških in internetnih aplikacij. Anketiranci, ki pogosteje uporabljajo računalnike in internet, tudi bolje ocenjujo svojo doseženo računalniško pismenost. V tem poglavju sem se osredotočila na kvantitativne kazalce koncepta razširjenosti računalnikov in interneta med mladimi. V naslednjem poglavju me za- nima opredeliti kontekstualne spremenljivke, ki določajo razširjenost opazovane teh- nologije v zastavljenem raziskovalnem modelu. 132 8. Operacionalizacija kontekstualnih spremenljivk v raziskovalnem modelu kot neodvisne spremenljivke nastopajo različne kon- tekstualne spremenljivke, ki merijo vpliv okolja (konteksta) na razširjenost računalnikov in interneta. Pri tem igrajo pomembno vlogo predvsem posameznikove sposobnosti ter okolje, v katerem posameznik odrašča (družina, šola in vrstniki). Instituciji, ki na- jbolj vplivata na razširjenost računalnikov in interneta, sta družina in šola. V nadalje- vanju prikazujem vlogo obeh institucij. Cilj tega poglavja je operacionalizirati kontekstualne spremenljivke, ki nastopajo v raziskovalnem modelu in vplivajo na razširjenost računalnikov in interneta med mla- dino. V ta namen bom operacionalizirala posameznikove sposobnosti, opremo doma ter šole z računalniki in internetom, uporabo računalnikov s strani staršev in uporabo računalnikov s strani učitljev ter lokacijo računalniškega in internetnega učenja. Pri vsaki od omenjenih kontekstualnih spremenljivk bom najprej podala iz- vorno vprašanje (vprašanja), s katerim sem spremenljivko izmerila. Pri vseh spremen- ljivkah bom podala tudi opisne statistike, na osnovi katerih bom lahko zaznala njihovo porazdelitev. V nadaljevanju bom podala postopek operacionalizacije oziroma tvor- jenja spremenljivke. 133 8.1 Intelektualne sposobnosti Posameznikove intelektualne sposobnosti predstavljajo enega od ključnih dejavnikov, ki vplivajo na posameznikovo doseženo znanje oziroma računalniško in internetno pismenost. V nadaljevanju bom prikazala operacionalizacijo spremen- ljivke intelektualnih sposobnosti. Pri tem se ne bom omejila le na posameznikove sposobnosti uporabe računalnikov in interneta, temveč na njegove splošne intelek- tualne sposobnosti. Izobrazba in splošne intelektualne sposobnosti posameznika v veliki meri vpli- vata na njegovo uporabo računalnikov in interneta. Številne raziskave (Borghans in ter Weel, 2001; Borghans in ter Weel, 2002; Selwyn, 2003) so pokazale, da imajo bolj izobraženi posamezniki manj problemov z integracijo računalnikov in interneta v njihovo življenje in delo. Manj izobraženi posamezniki v večji meri čutijo negativne posledice vključevanja računalnikov in interneta v lasten poklic in delovno okolje, saj so tudi v manjši meri seznanjeni z njihovo uporabo in delovanjem (Borghans in ter Weel, 2002). Poleg opisanih dejavnikov na uporabo računalnikov in interneta vplivajo tudi pridobljene sposobnosti na področju matematike ali družboslovja (Borghans in ter Weel, 2001; DiMaggio in drugi, 2001; Selwyn, 2003). Posameznikova učinkovitost oziroma sposobnost igra pomembno vlogo ne le za posameznikovo doseženo računalniško in internetno pismenost, temveč tudi za izobraževalne dosežke in prvo izobraževalno izbiro. Intelektualni napredek je delno definiran kot »posameznikovo prepričanje v lastne sposobnosti rokovanja z različnimi subjekti in delno kot regulacija samoučenja« (Schunk v Smith, 2002b: 1). Prepričanja o sposobnostih vplivajo na akademsko motivacijo in izbire, stopnjo zanimanja za intelek- tualne dosežke, šolske dosežke in izobraževalne izbire (Bandura, 2001). Posamezniki, ki imajo pozitivna prepričanja o lastnih sposobnostih hkrati s formalno izobrazbo prido- bijo tudi spretnosti, ki jim zagotavljajo družbeno in ekonomsko stabilnost. Za merjenje posameznikovih sposobnosti se uporabljajo različne mere. Naj- pogosteje se uporablja njegova samoocena sposobnosti. Za merjenje samoocene po- sameznikovih sposobnosti se uporabljajo različne lestvice. Najbolj preprosta mera ugotavljanja posameznikovih intelektualnih sposobnosti je izračun povprečja šolskih ocen v zadnjih dveh letih izobraževanja. Izračun povprečij pri tem prilagodimo obrav- navani tematiki. Tako lahko izračunamo povprečje splošnega šolskega uspeha (kot kaza- lec splošne razgledanosti), matematike in računalništva (kot kazalec naravoslovnih spo- sobnosti) oziroma slovenskega in tujega jezika (kot kazalec jezikovnih sposobnosti). 134 Čeprav vse te mere intelektualnih sposobnosti vplivajo na razširjenost računalnikov in interneta, bom v nadaljnjo analizo kot približek vzela tisti (tiste) indikator(je), ki bo(do) najbolj diskriminiral(i), saj predstavljajo najboljši indikator za posameznikove intelektualne sposobnosti. 8.1.1 Povprečje ocen po posameznih predmetih Odločila sem se, da bom posameznikove sposobnosti izmerila z ugotavljanjem povprečja ocen po posameznih predmetih. Raziskala bom, kateri so tisti predmeti, ki najbolje razlikujejo anketirane učence med seboj. Anketirance sem povprašala o njihovih šolskih ocenah od prvega do zadnjega razreda osnovne šole: splošni učni uspeh, ocena pri matematiki, ocena pri računalništvu oziroma informatiki, ocena pri biologiji, ocena pri slovenskem jeziku ter ocena pri tujem jeziku. Odločila sem se, da bom raziskala le ocene od petega do osmega razreda osnovne šole. Izjema je le biologija, ki nastopi šele v šestem razredu osnovne šole (tako sem pri tem predmetu izračunala aritmetično sredino le od šestega do osmega razreda). Najprej bom predstavi- la zanesljivost omenjenih indikatorjev po posameznih predmetih. Pri prikazu rezulta- tov o zanesljivosti merjenja bom podala le Cronbach-ov alfa koeficient za posamezni sklop indikatorjev (ocene po predmetih od petega do osmega razreda osnovne šole). 95% interval zaupanja za aritmetično sredino je podan na sliki 8.1. Ugotovila sem, da je zelo majhno število anketirancev podalo šolske ocene za predmet računalništvo in informatika. Zaradi tega sem se odločila, da omenjenega indikatorja ne upoštevam v nadaljnji analizi. Slika 8.1: 95% interval zaupanja za aritmetično sredino ocen po predmetih 5 4, 5 4 3, 5 3 2, 5 2 1 , 5 1 splošni učni matematika biologij a slovenski j ezik tuj j ezik uspeh 135 Na osnovi opisnih statistik lahko ugotovim, da se skoraj vsi indikatorji (izjema je le ocena pri matematiki, kjer koeficient asimetrije znaša -0,48 in se približuje nor- malni porazdelitvi), ki se nanašajo na aritmetično sredino šolskih ocen, porazdeljujejo asimetrično v levo (koeficienti asimetrije se nahajajo med -0,65 za tuji jezik in -0,7 za biologijo in slovenski jezik). Aritmetični sredini za matematiko in za tuji jezik se pora- zdeljujeta bolj sploščeno od normalne porazdelitve (koeficient sploščenosti znaša med -0,72 za matematiko ter -0,78 za tuji jezik). Aritmetična sredina je v vseh primerih dokaj visoka (med 3,64 za matematiko in 4,08 za biologijo). To nakazuje na dejstvo, da imajo slovenski osmošolci zelo visoke ocene pri vseh izbranih predmetih. Mediana znaša od 3,67 (za matematiko) do 4,33 (za biologijo). To nakazuje na dejstvo, da ima polovica anketiranih osmošolcev zelo visoke ocene pri predmetih (vsaj 3 oziroma celo 4 pri biologiji), medtem ko jih ima druga polovica nekoliko nižje, čeprav še vedno razmeroma visoke ocene (pod 3 oziroma 4 pri biologiji). Modus znaša v vseh primerih 5. To pomeni, da je največ anketiranih slovenskih osmošolcev pri vseh predmetih ocenjenih z oceno odlično. Standardni odkloni se gibljejo med 0,9 (za biologijo in slovenski jezik) in 1 (za tuji jezik), varianca pa med 0,814 in 1,006. Takšne lastnosti tega konstrukta ne podpirajo njegove uvedbe v raziskovalni model kot mere za intelektualne sposobnosti, saj je premalo diskriminitiven. 8.1.2 Uspehi na tekmovanjih iz znanja Ker se indikatorji aritmetičnih sredin ocen po posameznih predmetih pora- zdeljujejo preveč asimetrično in nakazujejo zelo uniformno sliko o posameznikovih sposobnostih (izkaže se namreč, da je velika večina anketiranih zelo dobro ocenjena pri vseh izbranih predmetih), sem se odločila, da omenjenih indikatorjev ne upoštevam v nadaljnji statistični analizi kot mere intelektualnih sposobnosti. Namesto nje sem se odločila za uporabo spremenljivke uspehi na tekmovanjih iz znanja, ki strožje opredeljujejo intelektualne sposobnosti. To spremenljivko sem izmerila z naslednjim vprašanjem: »Ali si se kdaj udeležil/a tekmovanj iz matematike, slovenskega jezika, fizike in podobno?«. Pri tem so bili možni naslednji odgovori: 1 – ne, 2 – da, a brez vidnega uspeha, 3 – da, z uspehom na šolskem nivoju, 4 – da, z uspehom na lokalnem nivoju, 5 – da, z uspehom na državnem nivoju, 6 – da, z uspehom na mednarodnem nivoju. V na- daljevanju prikazujem njene opisne statistike. Spremenljivka uspehi na tekmovanjih znanja se porazdeljuje rahlo asimetrično v desno (koeficient asimetrije znaša 0,60) in je rahlo sploščena (koeficient sploščenosti 136 znaša -0,64). Aritmetična sredina znaša 2,44, 95% interval zaupanja za povprečje pa sega med 2,34 in 2,53. To nakazuje, da so se v povprečju anketirani v preteklosti udeležili raznih tekmovanj v znanju, vendar pri tem niso dosegli vidnega uspeha ali pa so dosegli uspeh na šolskem nivoju. Mediana znaša 2. Polovica anketiranih sloven- skih osmošolcev se je že udeležila tekmovanj iz znanja in so pri tem bili brez vidnega uspeha ali pa so dosegli uspeh na šolskem, lokalnem, državnem ali mednarodnem nivoju. Druga polovica učencev se tekmovanj iz znanja ni nikoli udeležila ali pa so se jih udeležili, vendar pri tem niso imeli vidnega uspeha. Modus znaša 1. Največ učencev se v preteklosti ni udeležilo raznih tekmovanj v znanju. Standardni odklon znaša 1,38, varianca pa 1,91. 8.2 Vpliv družine in šole Pri vplivu družine in šole sem upoštevala številne indikatorje: izobrazba matere, izobrazba očeta, kraj šolanja, oprema doma in šole z računalniki in internetom, upo- raba računalnikov s strani staršev, uporaba računalnikov pri pouku s strani učiteljev ter lokacija računalniškega in internetnega učenja. Operacionalizacijo in tvorjenje teh indikatorjev predstavljam v nadaljevanju. 8.2.1 Oprema doma in šole z računalniki in internetom Na uporabo računalnikov in interneta vplivata opremljenost šole z računalniki in internetom kot tudi opremljenost dijakovega doma s to tehnologijo (Becker, 2000; Sandham, 2001). Dijaki pogosteje uporabljajo računalnike doma kot v šoli. Dijaki, ki uporabljajo računalnike in internet doma, so bolj navdušeni nad tehnologijo in so tudi bolj samozavestni pri njeni uporabi v šoli (Sternad, 2001). Dijakov dostop do računalnika doma vpliva na dijakovo uporabo računalnikov in interneta (Becker, 2000; Wright, 2001; Mavers, Somekh in Restorick, 2002). Dijaki, ki imajo doma računalnik, ga tudi pogosteje uporabljajo kot dijaki, ki doma nimajo dostopa do računalnika. Di- jaki, ki razpolagajo z računalniki v domačem okolju, imajo izoblikovana pozitivno mnenje o računalnikih in internetu, so bolj motivirani za uporabo te tehnologije in jo dejansko pogosteje uporabljajo kot pa dijaki brez zadovoljive računalniške in inter- netne opreme doma (Sexton in drugi, 1999). Zastarela tehnologija zelo vpliva na uporabo računalnikov in interneta v izobraževanju. Računalniška in internetna tehnologija se neprestano spreminjata, kar 137 šole omejuje in jim narekuje njeno zamenjavo. Večine šol ne moramo obravnavati kot dobro opremljenih z računalniki in internetom, saj ne dovoljujejo vključevanja računalniške tehnologije v izobraževanje vseh razredov in predmetov (Becker, 2000; Espinosa, 2001). Pojavijo se tudi problemi pomanjkljive, nezadostne in neprimerne računalniške opreme na šolah. Velikokrat so taki računalniki neprijazni do uporab- nikov - učiteljev in dijakov (Sternad, 2001). Uporaba računalnikov in interneta v šoli je vse pogostejša. Pogostost in kreativnost uporabe računalniške in internetne tehnologije nista odvisni le od kuriku- la, temveč od številnih drugih dejavnikov (Becker, 2000). Da bi lahko zagotovili funk- cionalno vključevanje računalnikov v izobraževalni sistem, je nujno potrebno zagoto- viti kvantiteto in kvaliteto računalnikov v učilnicah. Z lahkim dostopom učiteljev do računalnikov in interneta se vzpodbudi in izboljša uporaba teh v okviru učnega načrta (Sternad, 2001). Oprema doma in šole z računalniki in internetom je indikator, ki sem ga izmerila s sledečima vprašanjema: »Kaj od sledečega in kako pogosto uporabljaš doma?« ter »Kaj od sledečega in kako pogosto uporabljaš v šoli?«. Našteti sta bili uporabi osebnega računalnika in interneta. Pri tem so bili možni odgovori 1 – dnevno, 2 – tedensko, 3 – mesečno, 4 – redkeje, 5 – nikoli, 6 – ne poznam in 7 – nimamo. Vrednosti od 1 do 5 sem združila v vrednost 1 – učenec poseduje računalnik oziroma internet doma oziroma v šoli, vrednost 7 pa sem re- kodirala v vrednost 0 – učenec nima računalnika oziroma dostopa do interneta doma oziroma v šoli. Indeks sem nato tvorila tako, da sem seštela vrednosti omenjenih štirih podindikatorjev. Indikator opreme doma in šole z računalniki in internetom se porazdeljuje asimetrično v levo in koničasto (koeficient asimetrije znaša -1,58, koeficient sploščenosti pa 2,15). Aritmetična sredina znaša 3,5, 95% interval za aritmetično sredino pa sega med 3,44 in 3,56. Iz tega lahko trdim s 5% tveganjem, da imajo slovenski osmošolci v povprečju zelo dobro opremljen dom in šolo z računalniki in internetom. Medi- ana znaša 4. To nakazuje na dejstvo, da ima polovica anketiranih učencev dostop do računalnikov in interneta tako doma kot tudi v šoli. Modus znaša 4, kar pomeni, da ima največ anketiranih slovenskih osmošolcev dostop do računalnikov in interneta tako doma kot v šoli. Standardni odklon znaša 0,8, varianca pa 0,634. 138 8.2.2 Uporaba računalnikov s strani staršev Uporabo računalnika s strani staršev sem izmerila z vprašanjem: »Ali tvoji starši znajo uporabljati računalnik?«. Možni so bili naslednji odgovori: 1 – da, oba (oče in mama) znata upora- bljati računalnik; 2 – le oče zna uporabljati računalnik; 3 – le mama zna uporabljati računalnik; 4 – nobeden izmed njiju ne zna uporabljati računalnika; 5 – ne vem. Odgovori ne vem so bili iz nadaljnje analize izločeni. Vrednost 1 sem rekodirala v vrednost 3, vrednosti 2 in 3 sem združila v vrednost 2 (vsaj eden od staršev zna upo- rabljati računalnik), vrednost 4 pa sem rekodirala v vrednost 1 (nobeden izmed njiju ne zna uporabljati računalnika). Indikator uporabe računalnikov s strani staršev se porazdeljuje asimetrično v levo (koeficient asimetrije znaša -0,68) in je koničasto porazdeljen (koeficient sploščenosti znaša -0,95). Aritmetična sredina znaša 2,35, 95% interval zaupanja sega med 2,3 in 2,4. To pomeni, da s 5% tveganjem lahko trdim, da se populacijska aritmetična sredina nahaja v tem intervalu. Iz tega lahko sklepam, da v povprečju vsaj eden od staršev zna uporabljati računalnik. Mediana znaša 3. To nakazuje na dejstvo, da ima polovica anketiranih učencev starša, ki znata oba uporabljati računalnik, medtem ko v drugi polovici primerov zna uporabljati računalnik le eden od staršev ali nobeden izmed njiju. Modus znaša 3, kar pomeni, da ima največ slovenskih osmošolcev starše, ki znajo uporaljati računalnik (oba). Standardni odklon znaša 0,76, varianca pa 0,57. 8.2.3 Uporaba računalnikov s strani učiteljev Učitelji prenašajo svoje znanje in izkušnje na učence. V primeru ugotavljanja razširjenosti računalnikov in interneta med mladimi je potrebno vsekakor raziskati, kako pogosto učitelji uporabljajo računalnike pri pouku in na ta način motivirajo učence, da tudi sami uporabljajo to tehnologijo. Pri vsem tem je potrebno poudariti, da učitelji v izobraževalni proces vključijo le vsebine, ki so po njihovem mnenju trenutno uporabne in praktične narave. Ostale vsebine izločijo (Attewell, 2001a). Vse teme namreč niso primerne za učenje s pomočjo računalnikov in interneta. »Specifične tehnologije moramo premišljeno dodeliti potre- bam in okolju« (De Moura Castro, 2000: 1). Za učenje s pomočjo računalnikov in interneta so bolj primerne teme, ki so po naravi logične (kot so to naravoslovne vede), kot pa tiste, ki temeljijo na družbenih pojavih (Jereb, Jereb in Šmitek, 1999; Commis- sion of the European Communities, 2001b). 139 Pogostost uporabe računalnikov pri pouku s strani učiteljev sem izmerila s sledečim vprašanjem: »Kako pogosto učitelji, ki te učijo, uporabljajo računalnik pri pouku?«. Možni odgovori so bili: 1 – dnevno, 2 – tedensko, 3 – mesečno, 4 – redkeje, 5 – nikoli, 6 – ne poznam. Vrednosti 5 in 6 sem združila v vrednost 5 (nikoli). Zaradi lažje interpretacije podatkov sem se odločila, da lestvico odgovorov obrnem, tako da 1 pomeni nikoli, 5 pa dnevno. Pri tem so bili našteti naslednji učitelji: učitelj matema- tike, učitelj slovenskega jezika, učitelj tujega jezika, učitelj fizike, učitelj kemije, učitelj biologije, učitelj računalništva, učitelj geografije, učitelj zgodovine, učitelj likovnega pouka in učitelj tehničnega pouka. V nadaljevanju najprej prikazujem opisne statistike teh indikatorjev ter 95% interval zaupanja za aritmetično sredino (slika 8.2). Sledi operacionalizacija spremen- ljivke z metodo faktorske analize. Slika 8.2: 95% interval zaupanja za arimtetično sredino za pogostost uporabe računalnikov s strani učiteljev 5 4 3 2 1 ije atike atem ucitelj kem ucitelj racunalnistvaucitelj fizike ucitelj tehnicnega pouka ucitelj goegrafije ucitelj m ucitelj slovenskega jezika ucitelj biologije ucitelj tujega jezika ucitelj zgodovine ucitelj likovnega pouka Na osnovi opisnih statistik lahko ugotovim, da se skoraj vsi indikatorji (z izjemo učitelja računalništva) porazdeljujejo asimetrično v desno (koeficienti asime- trije znašajo med 0,65 za učitelja fizike in 2,29 za učitelja likovnega pouka). Neka- teri indikatorji se porazdeljujejo bolj sploščeno od normalne porazdelitve (koeficienti asimetrije znašajo -0,86 za učitelja tehničnega pouka, -1,01 za učitelja fizike in -1,57 za učitelja računalništva), medtem ko se indikatorji pogostosti uporabe računalnikov pri pouku s strani učitelja kemije, slovenskega jezika, biologije, tujega jezika, zgodovine in likovnega pouka porazdeljujejo bolj koničasto od normalne porazdelitve (koeficienti sploščenosti znašajo med 0,83 za učitelja kemije do 1,42 za učitelja biologije in 4,51 140 za učitelja likovnega pouka). Slika 8.2 prikazuje aritmetične sredine in 95% interval za aritmetično sredino za izbrane indikatorje pogostosti uporabe računalnikov pri pouku s strani učiteljev. Tako lahko prepoznam, da se računalniki najpogosteje uporabljajo pri pouku računalništva (aritmetična sredina znaša 3,41 in nakazuje na tedensko upo- rabo računalnikov s strani teh učiteljev). Sledita učitelj fizike (aritmetična sredina znaša 2,37) in tehničnega pouka (aritmetična sredina znaša 2,25), ki računalnike pri pouku uporabljata mesečno. Aritmetične sredine pri ostalih indikatorjih so precej nižje (med 1,45 za učitelja likovnega pouka in 1,93 za učitelja geografije) in nakazujejo na redkejšo uporabo računalnikov pri pouku s strani teh učiteljev. Standardni odkloni so skoraj v vseh primerih višji od 1 (z izjemo učitelja likovnega pouka, kjer standardni odklon znaša 0,95) in segajo med 1,06 za učitelja biologije in 1,73 za učitelja računalništva. V nadaljevanju želim pregledati korelacije med pari indikatorjev spremenljivke pogostosti uporabe računalnikov pri pouku s strani učiteljev. Rezultati so podani v tabeli 8.1. Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. 141 Tabela 8.1: Korelacije med indikatorji spremenljivke pogostosti uporabe računalnikov pri pouku s strani učiteljev atike ga ije atem štva lovenskega uje zike em iologije oegrafije godovine ikovnega ehničnega nalni ka ka zika zika učitelj m učitelj s je učitelj t je učitelj fi učitelj k učitelj b učitelj raču učitelj g učitelj z učitelj l pou učitelj t pou učitelj matematike 1 ,678(**) ,596(**) ,537(**) ,422(**) ,554(**) ,285(**) ,455(**) ,532(**) ,454(**) ,347(**) učitelj slovenskega 1 ,798(**) ,521(**) ,571(**) ,689(**) ,276(**) ,526(**) ,665(**) ,584(**) ,396(**) jezika učitelj tujega jezika 1 ,542(**) ,623(**) ,689(**) ,319(**) ,564(**) ,703(**) ,582(**) ,442(**) učitelj fizike 1 ,560(**) ,465(**) ,479(**) ,450(**) ,546(**) ,327(**) ,379(**) učitelj kemije 1 ,648(**) ,337(**) ,596(**) ,642(**) ,478(**) ,400(**) učitelj biologije 1 ,250(**) ,507(**) ,643(**) ,559(**) ,346(**) učitelj računalništva 1 ,372(**) ,344(**) ,234(**) ,324(**) učitelj goegrafije 1 ,626(**) ,475(**) ,333(**) učitelj zgodovine 1 ,564(**) ,481(**) učitelj likovnega 1 ,478(**) pouka učitelj tehničnega 1 pouka Korelacije med pari indikatorjev, ki nakazujejo pogostost uporabe računalnikov pri pouku s strani učiteljev, so vse pozitivne (pogosteje kot jih uporablja prvi učitelj, pogosteje jih pri pouku uporablja tudi drugi učitelj) in statistično značilne s stopnjo značilnosti nižjo od 1 %. Tako lahko ugotovim, da so vsi indikatorji z veliko večino drugih indikatorjev relativno močno povezani (Pearsonov korelacijski koeficient znaša nad |0,3|). To pomeni, da lahko vse izbrane indikatorje ohranim za nadaljnjo statistično analizo. 142 Odločila sem se, da bom skupne dimenzije indikatorjev poiskala s pomočjo faktorske analize. Najprej sem pregledala rešitev z metodo glavnih komponent. Močne uteži (nad |0,4|) so v tabeli 8.2 poudarjene z odebeljenim tiskom. Tabela 8.2: Analiza glavnih komponent pogostosti uporabe računalnikov pri pouku s strani učiteljev Kako pogosto ucitelji, Komponenta ki te ucijo, uporabljajo racunalnik: 1 2 ucitelj matematike ,729 -,095 ucitelj slovenskega jezika ,844 -,231 ucitelj tujega jezika ,862 -,160 ucitelj fizike ,709 ,391 ucitelj kemije ,777 ,028 ucitelj biologije ,797 -,260 ucitelj racunalnistva ,481 ,765 ucitelj goegrafije ,734 ,083 ucitelj zgodovine ,847 -,059 ucitelj likovnega pouka ,703 -,256 ucitelj tehnicnega pouka ,579 ,191 S pomočjo analize glavnih komponent sem ugotovila, da se indikatorji pogo- stosti uporabe računalnikov pri pouku s strani učiteljev porazdeljujejo v dve kom- ponenti. Pri tem lahko zaznam, da imajo na prvi komponenti vsi indikatorji zelo visoke uteži. Na drugi komponenti ima močno utež le učitelj računalništva oziro- ma informatike. Ta utež je zelo močna in je dosti višja od tiste na prvi komponenti. Tako lahko ugotovim, da se indikatorji združujejo le v eno skupino, z izjemo učitelja računalništva. V nadaljevanju sem se odločila uporabiti faktorsko analizo. Pri tem sem upo- rabila metodo glavnih osi. Za določitev števila faktorjev sem si najprej ogledala »scree« diagram (slika 8.3) in lastne vrednosti ter delež pojasnjene skupne variance (tabela 8.3). 143 Slika 8.3: »scree« diagram pogostosti uporabe računalnikov s strani učiteljev S cree P lot 7 6 5 4 3 Eigenvalue 2 1 0 1 2 3 4 5 6 7 8 9 10 11 F actor Number Tabela 8.3: Lastne vrednosti in delež pojasnjene variance za pogostost uporabe računalnikov s strani učiteljev Komponenta Lastne vrednosti Skupna % kumulativni pojasnjene % pojasnjene variance variance 1 6,045 54,951 54,951 2 1,007 9,150 64,101 3 ,804 7,309 71,410 4 ,674 6,124 77,534 5 ,537 4,885 82,419 6 ,461 4,192 86,611 7 ,394 3,578 90,189 8 ,349 3,175 93,365 9 ,295 2,679 96,044 10 ,251 2,279 98,322 11 ,185 1,678 100,000 »scree« diagram nakazuje, da obstaja ena komponenta za izbrane indikatorje. Analiza lastnih vrednosti izlušči 2 komponenti, ki pojasnita 64,1 % skupne variance. Opazim lahko, da je prva komponenta tista, ki najmočneje določa pogostost uporabe računalnikov s strani učiteljev (lastna vrednost znaša 6,045 in pojasni kar 54,95 % skup- 144 ne variance). Druga komponenta ima dosti nižjo lastno vrednost (le 1,01) in pojasni le 9,15 % skupne variance. Po pregledu dobljene rešitve z OBLIMIN in VARIMAX rota- cijama lahko zaznam, da ima učitelj tehničnega pouka nizko utež na obeh komponen- tah. V naslednjem koraku sem se odločila, da ta indikator izločim in ponovim postopek. V tem primeru z dvema komponentama pojasnim 57,47 % skupne variance. V tem primeru ugotovim, da nimam več rešitve z dvema komponentama, pač pa le z eno. V nadaljevanju me je zanimalo pregledati faktorsko rešitev z enim faktorjem. Pri tem sem v analizo vključila celoten izvorni nabor indikatorjev (11). Z enim fak- torjem tako pojasnim 54,95 % celotne variance. V nadaljevanju prikazujem faktorske uteži vseh indikatorjev. Pri tem so v tabeli 8.4 s krepkim tiskom poudarjene močne faktorske uteži (nad |0,4|). Tabela 8.4: Faktorske uteži pogostosti uporabe računalnikov pri pouku s strani učiteljev Kako pogosto ucitelji, ki te Faktorska utež ucijo, uporabljajo racunalnik: ucitelj matematike ,693 ucitelj slovenskega jezika ,833 ucitelj tujega jezika ,857 ucitelj fizike ,667 ucitelj kemije ,748 ucitelj biologije ,774 ucitelj racunalnistva ,431 ucitelj goegrafije ,697 ucitelj zgodovine ,835 ucitelj likovnega pouka ,663 ucitelj tehnicnega pouka ,529 Na osnovi enofaktorske rešitve sem ugotovila, da imajo vsi indikatorji pogo- stosti uporabe računalnikov pri pouku s strani učiteljev zelo močne uteži. Le učitelj računalništva nekoliko izstopa, vendar je faktorska utež vseeno visoka (0,43). To rešitev (faktor) sem shranila za nadaljnjo statistično analizo za preverjanje razisk- ovalnega modela. 145 8.3 Lokacija računalniškega in internetnega učenja Poleg družine na otrokove izobraževalne dosežke v veliki meri vplivajo odnosi s pomembnimi drugimi, predvsem z vrstniki (Demetriou, Goalen in Rudduck, 2000). Študenti (v primarnem in sekundarnem izobraževanju) so bolj odvisni od odnosov z vrstniki. Tisti študenti, ki so med vrstniki priljubljeni, so tudi bolj uspešni v šoli. Razlaga omenjenih avtorjev je v tem, da v obdobju odraščanja posamezniki veliko energije posvetijo iskanju podpore s strani vrstnikov. V kolikor jih ti sprejmejo, se njihova stopnja samozaupanja poveča, kar jim omogoča bolj sproščeno delovanje (in tudi učenje) in prilagajanje na šolski sistem, kar s seboj prinaša boljše rezultate. Zanje je izobraževalni prehod lažji kot za posameznike, ki nimajo podpore s strani vrstnikov. Pri tem je potrebno poudariti, da so pomembne vezi z vrstniki, ki so tudi sami uspešni v šoli. V kolikor posameznik zapade v odnose s skupino, ki teži k negativnemu odnosu do šolskega sistema in k poudarjanju zanemarjanja učenja, so skladno s tem tudi nje- govi šolski rezultati slabši. Družbeni in psihološki dejavniki57 določajo vpliv, ki ga imajo v času mladostništva na posameznika pomembni drugi in na mladostnikovo samoopredeli- tev lastnih sposobnosti. Pomembni drugi vplivajo na mladostnikovi stopnji izobraz- bene in poklicne aspiracije. Ta vpliva na stopnjo izobrazbenih dosežkov. Izobrazba v nadaljevanju vpliva na poklicne izbire in dosežke posameznika (Sewell in drugi, 2001). Vsi omenjeni vplivi so linearnega značaja. Pomembni drugi vplivajo na posameznikove izobraževalne in poklicne dosežke preko posameznikovih izbir (Sewell in drugi, 2001). Posameznikove izobraževalne in poklicne izbire so med seboj močno povezane, saj je višja izobrazba predpogoj za višje poklicne dosežke (Haller in Miller v Sewell in drugi, 2001). Posameznik- ove izobraževalne izbire vplivajo na njegove izobraževalne dosežke. Poklicne izbire ne vplivajo na posameznikove izobraževalne dosežke, temveč vplivajo na njegove poklicne dosežke (Sewell in drugi, 2001). »Strokovnjaki, starši, člani skupnosti, vrstniki in učitelji bodo v prihodnosti igrali pomembno vlogo pri zagotavljanju dijakovih sposobnosti in znanja« (Seltzer, 1999: R21). Lokacijo računalniškega in internetnega učenja sem izmerila z vprašanjem »Kje si se naučil uporabljati omenjene računalniške aplikacije?«. 57 V omenjenem kontekstu sta še posebnega pomena začetna stratifikacijska pozicija in intelektualne sposobnosti posameznika. 146 Pri tem so bile naštete iste računalniške in internetne aplikacije (17), ki sem jih uporabila že pri tvorjenju številnih spremenljivk do sedaj (dosežena računalniška in internetna pismenost in podobno). Anketiranci so pomen pomembnih drugih ocen- jevali na 5-stopenjski lestvici, kjer 1 pomeni samo v šoli, 5 pa samo doma. Ostale vrednosti so bile iz analize izločene. V nadaljevanju prikazujem najprej opisne statistike in 95% interval zaupanja za aritmetično sredino (slika 8.4) za indikatorje spremenljivke lokacije računalniškega in internetnega učenja. Slika 8.4: 95% interval zaupanja za aritmetično sredino za lokacijo računalniškega in internetnega učenja 5 4 3 2 1 i ene iranje enta i podatkov elektronska pošta urejanje besedila delo s preglednicam acij v šolske nam e za grafične dejavnosti program e za obdelavo podatkov spletni brskalniki udeleževanje videokonferenc interaktivno delo branje elektronskih časopisov igranje računalniških iger delo z bazam program program iskanje inform igranje računalniških iger po internetu uporaba klepetalnic pobiranje datotek z interneta tiskanje dokum Na osnovi opisnih statistik lahko prepoznam porazdelitev indikatorjev spre- menljivke lokacije računalniškega in internetnega učenja. Indikatorji se porazdelju- jejo različno. Vsi indikatorji se porazdeljujejo asimetrično v levo (koeficient asimetrije znaša med -0,86 za urejanje besedila in -1,84 za udeleževanje videokonferenc). Bolj koničasto od normalne porazdelitve se porazdeljujejo udeleževanje videokonferenc, igranje računalniških iger, interaktivno delo, branje elektronskih časopisov, programi za grafične dejavnosti, delo z bazami podatkov, programiranje in prebiranje elektron- ske pošte (koeficienti sploščenosti v teh primerih znašajo med 2,33 in 0,72). Glede na vrednosti aritmetičnih sredin (segajo med 3,85 in 4,4) lahko ugotovim, da so se anketirani učenci vse računalniške in internetne aplikacije naučili uporabljati doma, saj višja aritmetična sredina nakazuje na izvor pismenosti v domačem okolju, nižje aritmetične sredine pa izvor pismenosti v šolskem okolju. Najvišjo aritmetično sredino 147 lahko zasledim pri udeleževanju videokonferenc (4,4), kar nakazuje, da se omenjene aplikacije učenci v večini primerov naučijo doma. Najnižji vrednosti aritmetične sre- dine lahko zasledim za iskanje informacij v šolske namene (3,85) in urejanje besedila (3,89). Ti dve aplikaciji se večina učencev nauči deloma v šolskem, deloma v domačem okolju (čeprav se vrednost nagiba bolj k domačem okolju). Standardni odkloni so v vseh primerih večji od 1 in segajo med 1,08 za igranje računalniških iger in 1,36 za iskanje informacij v šolske namene. V nadaljevanju preverjam korelacije med pari indikatorjev, ki merijo lokacijo računalniškega in internetnega učenja. Rezultati so podani v tabeli 8.5. Močnejše ko- relacije (Pearsonov korelacijski koeficient je višji od |0,6|) so v tabeli poudarjene z odebeljenim tiskom. Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. 148 Tabela 8.5: Korelacije med indikatorji spremenljivke vpliva lokacije računalniškega in internetnega učenja Pearsonov korelacijski koeficient ger ger acij i oša elo atotek z ene nc esedil a odatkov anje re a ejavnosti nta cami i z am azam ir rskalniki nform v i z talnic ume atkov nternetu aba erneta piso olske n tiskanje dok urejanje b delo s pregledni program obdelavo p delo z b pod igranje računalniških i elektronska p program spletni b igranje računalniških i po i pobiranje d int upor klepe iskanje i v š udeleževanje videokonfe branje elektronskih časo program grafične d interaktivno d tiskanje dokumenta 1 ,739(**) ,643(**) ,465(**) ,415(**) ,487(**) ,439(**) ,385(**) ,432(**) ,383(**) ,425(**) ,373(**) ,492(**) ,416(**) ,405(**) ,431(**) ,432(**) urejanje besedil 1 ,693(**) ,508(**) ,432(**) ,542(**) ,501(**) ,405(**) ,515(**) ,453(**) ,504(**) ,400(**) ,561(**) ,399(**) ,409(**) ,474(**) ,460(**) delo s preglednicami 1 ,691(**) ,581(**) ,439(**) ,492(**) ,511(**) ,494(**) ,403(**) ,474(**) ,391(**) ,469(**) ,429(**) ,404(**) ,420(**) ,476(**) programe za obdelavo podatkov 1 ,761(**) ,353(**) ,456(**) ,659(**) ,462(**) ,332(**) ,408(**) ,344(**) ,388(**) ,494(**) ,468(**) ,531(**) ,524(**) delo z bazami podatkov 1 ,377(**) ,500(**) ,713(**) ,490(**) ,345(**) ,408(**) ,372(**) ,362(**) ,547(**) ,508(**) ,516(**) ,535(**) igranje računalniskih iger 1 ,485(**) ,359(**) ,456(**) ,481(**) ,436(**) ,459(**) ,454(**) ,304(**) ,326(**) ,369(**) ,390(**) elektronska pošta 1 ,526(**) ,668(**) ,592(**) ,639(**) ,578(**) ,540(**) ,425(**) ,526(**) ,506(**) ,487(**) programiranje 1 ,531(**) ,365(**) ,440(**) ,346(**) ,354(**) ,543(**) ,516(**) ,532(**) ,572(**) spletni brskalniki 1 ,616(**) ,668(**) ,541(**) ,565(**) ,416(**) ,515(**) ,540(**) ,509(**) igranje računalniških iger po 1 ,740(**) ,652(**) ,592(**) ,396(**) ,515(**) ,467(**) ,432(**) internetu pobiranje datotek z interneta 1 ,655(**) ,659(**) ,445(**) ,551(**) ,527(**) ,491(**) uporaba klepetalnic 1 ,556(**) ,469(**) ,534(**) ,467(**) ,448(**) iskanje informacij v šolske 1 ,397(**) ,496(**) ,485(**) ,408(**) namene udeleževanje videokonferenc 1 ,672(**) ,538(**) ,586(**) branje elektronskih časopisov 1 ,582(**) ,561(**) programi za grafične dejavnosti 1 ,672(**) interaktivno delo 1 149 Tabela 8.5: Korelacije med indikatorji spremenljivke vpliva lokacije računalniškega in internetnega učenja Pearsonov korelacijski koeficient ger ger acij i oša elo atotek z ene nc esedil a odatkov anje re a ejavnosti nta cami i z am azam ir rskalniki nform v i z talnic ume atkov nternetu aba erneta piso olske n tiskanje dok urejanje b delo s pregledni program obdelavo p delo z b pod igranje računalniških i elektronska p program spletni b igranje računalniških i po i pobiranje d int upor klepe iskanje i v š udeleževanje videokonfe branje elektronskih časo program grafične d interaktivno d tiskanje dokumenta 1 ,739(**) ,643(**) ,465(**) ,415(**) ,487(**) ,439(**) ,385(**) ,432(**) ,383(**) ,425(**) ,373(**) ,492(**) ,416(**) ,405(**) ,431(**) ,432(**) urejanje besedil 1 ,693(**) ,508(**) ,432(**) ,542(**) ,501(**) ,405(**) ,515(**) ,453(**) ,504(**) ,400(**) ,561(**) ,399(**) ,409(**) ,474(**) ,460(**) delo s preglednicami 1 ,691(**) ,581(**) ,439(**) ,492(**) ,511(**) ,494(**) ,403(**) ,474(**) ,391(**) ,469(**) ,429(**) ,404(**) ,420(**) ,476(**) programe za obdelavo podatkov 1 ,761(**) ,353(**) ,456(**) ,659(**) ,462(**) ,332(**) ,408(**) ,344(**) ,388(**) ,494(**) ,468(**) ,531(**) ,524(**) delo z bazami podatkov 1 ,377(**) ,500(**) ,713(**) ,490(**) ,345(**) ,408(**) ,372(**) ,362(**) ,547(**) ,508(**) ,516(**) ,535(**) igranje računalniskih iger 1 ,485(**) ,359(**) ,456(**) ,481(**) ,436(**) ,459(**) ,454(**) ,304(**) ,326(**) ,369(**) ,390(**) elektronska pošta 1 ,526(**) ,668(**) ,592(**) ,639(**) ,578(**) ,540(**) ,425(**) ,526(**) ,506(**) ,487(**) programiranje 1 ,531(**) ,365(**) ,440(**) ,346(**) ,354(**) ,543(**) ,516(**) ,532(**) ,572(**) spletni brskalniki 1 ,616(**) ,668(**) ,541(**) ,565(**) ,416(**) ,515(**) ,540(**) ,509(**) igranje računalniških iger po 1 ,740(**) ,652(**) ,592(**) ,396(**) ,515(**) ,467(**) ,432(**) internetu pobiranje datotek z interneta 1 ,655(**) ,659(**) ,445(**) ,551(**) ,527(**) ,491(**) uporaba klepetalnic 1 ,556(**) ,469(**) ,534(**) ,467(**) ,448(**) iskanje informacij v šolske 1 ,397(**) ,496(**) ,485(**) ,408(**) namene udeleževanje videokonferenc 1 ,672(**) ,538(**) ,586(**) branje elektronskih časopisov 1 ,582(**) ,561(**) programi za grafične dejavnosti 1 ,672(**) interaktivno delo 1 150 Iz tabele 8.5 lahko ugotovim, da so vse korelacije med pari indikatorjev spre- menljivke lokacije računalniškega in internetnega učenja pozitivne (bolj kot družina vpliva na doseganje pismenosti na prvem indikatorju, bolj dosega tudi na doseganje pismenosti na drugem indikatorju) in statistično značilne s stopnjo značilnosti nižjo od 1 %. Velika večina korelacij je višjih od |0,6|, kar pomeni, da lahko vse indikatorje uporabim v nadaljnji statistični analizi. V nadaljevanju sem želela uporabiti še faktorsko analizo, s pomočjo katere lahko razločim manjše število linearnih dimenzij pojava (vpliva družine in šole na doseženo računalniško in internetno pismenost). Najprej sem pregledala metodo glavnih komponent (tabela 8.6), v kateri so močne uteži (nad |0,4|) poudarjene z odebeljenim tiskom. Tabela 8.6: Analiza glavnih komponent vpliva družine in šole na doseženo računalniško in internetno pismenost Kje si se naucil uporabljati omenjene Komponenta racunalniške aplikacije: 1 2 3 tiskanje dokumenta ,695 ,050 ,504 urejanje besedila ,748 -,007 ,502 delo s preglednicami ,747 ,246 ,397 programe za obdelavo podatkov ,726 ,480 ,070 delo z bazami podatkov ,726 ,475 -,089 igranje racunalniskih igric ,640 -,168 ,315 elektronsko posto ,778 -,161 -,086 programiranje ,722 ,427 -,173 spletne brskalnike ,783 -,192 -,089 igranje racunalniskih igric po internetu ,735 -,465 -,110 pobiranje datotek z interneta ,787 -,382 -,080 uporaba klepetalnic ,715 -,380 -,164 iskanje informacij v solske namene ,729 -,358 ,107 udelezevanje videokonferenc ,684 ,189 -,351 branje elektronskih casopisov ,748 ,001 -,339 programi za graficne dejavnosti ,749 ,090 -,174 interaktivno delo ,744 ,197 -,189 151 Meotda glavnih komponent mi pove, da se indikatorji vpliva družine in šole na doseženo računalniško in internetno pismenost združujejo v tri komponente. Pri tem moram poudariti, da je prva komponenta zelo močna, saj imajo vsi indikatorji na njej zelo močne uteži (nad |0,4|). Na drugi komponenti lahko opazim naslednje indikatorje z močnimi utežmi (v vseh primerih so uteži na drugi komponenti znatno nižje od uteži na prvi komponenti): programi za obdelavo podatkov, programi za delo z bazami podatkov, programiranje in igranje računalniških igric po internetu. Na tretji komponenti imata močne uteži (vendar nižje kot na prvi komponenti) tiskanje dokumenta in urejanje besedil. Iz zapisanega lahko sklenem, da je najprimernejša rešitev z eno komponento oziroma eno dimenzijo, saj vsi indikatorji merijo isto dimenzijo pojava. V nadaljevanju sem uporabila metodo glavnih osi. Najprej sem analizirala »scree« diagram (slika 8.5) in lastne vrednosti ter delež pojasnjene variance (tabela 8.7), na osnovi katerih sem lahko določila število faktorjev. Slika 8.5: »scree« diagram za vpliv družine in šole na doseženo računalniško in internetno pismenost S cree P lot 10 8 6 4 Eigenvalue 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 F actor Number 152 Tabela 8.7: Lastne vrednosti in delež pojasnjene variance za vpliv družine in šole na doseženo računalniško in internetno pismenost Komponenta Lastne vrednosti Skupna % kumulativni pojasnjene % pojasnjene variance variance 1 9,148 53,812 53,812 2 1,511 8,888 62,701 3 1,182 6,954 69,655 4 ,759 4,462 74,117 5 ,606 3,566 77,683 6 ,566 3,332 81,015 7 ,464 2,727 83,741 8 ,395 2,324 86,066 9 ,346 2,038 88,104 10 ,323 1,900 90,004 11 ,309 1,816 91,820 12 ,286 1,683 93,503 13 ,264 1,554 95,056 14 ,240 1,410 96,466 15 ,223 1,315 97,781 16 ,211 1,240 99,020 17 ,167 ,980 100,000 »scree« diagram nakazuje na obstoj ene zelo pomembne komponente. Analiza lastnih vrednosti nakazuje na tri komponente, ki imajo lastne vrednosti višje od 1. Prva komponenta ima najvišjo lastno vrednost (9,15) in pojasnjuje največji delež vari- ance (53,81 %). Ostali dve komponenti imata nižje lastne vrednosti (1,51 oziroma 1,18) in pojasnita nižji delež variance (8,89 % oziroma 6,59 %). S 3 komponentami pojasnim 69,66 % skupne variance. Faktorsko rešitev sem rotirala s pomočjo OBLIMIN in VARIMAX rotacije. Po pregledu faktorskih uteži na posameznih faktorjih sem ugotovila, da ima indika- tor igranja računalniških igric na vseh treh faktorjih nizke uteži. Odločila sem se, da ta indikator izločim in postopek faktorske analize ponovim. V tem primeru pojasnim 71,11 % skupne varince. V nadaljevanju sem pregledala korelacije med tako doblje- nimi faktorji (tabela 8.8). 153 Tabela 8.8: Korelacije med faktorji vpliva družine in šole na doseženo računalniško in internetno pismenost (poševna rotacija; 3 faktorji) Faktor 1 2 3 1 1,000 ,558 ,538 2 ,558 1,000 ,532 3 ,538 ,532 1,000 V tabeli 8.8 so podane korelacije med faktorji spremenljivke vpliva družine in šole na doseženo računalniško in internetno pismenost. Ugotovim lahko, da so korela- cije relativno visoke. To pomeni, da dobljena rešitev ni najboljša, saj visoke korelacije pomenijo, da faktorji merijo isto dimenzijo. V ta namen sem se odločila pregledati rešitev z dvema faktorjema. V primeru faktorske analize z dvema faktorjema (in z začetnim naborom vseh 17-ih indikatorjev) pojasnim 62,7 % skupne variance. S pomočjo OBLIMIN in VA- RIMAX rotacije dobljene faktorske rešitve lahko zaznam, da ima indikator tiskan- je dokumenta nizke uteži na obeh faktorjih. V nadaljevanju se odločim za njegovo izločitev in ponovim postopek faktorske analize. V tem primeru pojasnim 63,87 % skupne variance. Nato pregledam korelacije med dobljenima faktorjema (tabela 8.9). Tabela 8.9: Korelacije med faktorji vpliva družine in šole na doseženo računalniško in internetno pismenost (poševna rotacija; 2 faktorja) Faktor 1 2 1 1,000 ,649 2 ,649 1,000 Korelacija med dobljenima faktorjema je zelo visoka (0,65) in nakazuje na močno stopnjo povezanosti med obema faktorjema. To pomeni, da faktorja merita skoraj isto dimenzijo pojava. Dobljena rešitev ni najboljša, zato se odločim za pregled enofaktorske rešitve. V primeru faktorske analize na začetnih 17-ih indikatorjih z enim faktorjem pojasnim 53,81 % skupne variance. V nadaljevanju prikazujem faktorske uteži (tabela 8.10), kjer so visoke faktorske uteži (nad |0,4|) poudarjene z odebeljenim tiskom. 154 Tabela 8.10: Faktorske uteži vpliva družine in šole na doseženo računalniško in internetno pismenost Kje si se naucil uporabljati omenjene Faktorska racunalniške aplikacije: utež tiskanje dokumenta ,671 urejanje besedila ,729 delo s preglednicami ,728 programe za obdelavo podatkov ,705 delo z bazami podatkov ,705 igranje racunalniskih igric ,613 elektronsko posto ,763 programiranje ,701 spletne brskalnike ,769 igranje racunalniskih igric po internetu ,716 pobiranje datotek z interneta ,773 uporaba klepetalnic ,693 iskanje informacij v solske namene ,709 udelezevanje videokonferenc ,660 branje elektronskih casopisov ,730 programi za graficne dejavnosti ,730 interaktivno delo ,724 Na osnovi tabele 8.10, v kateri so podane faktorske uteži za enofaktorsko rešitev spremenljivke vpliva družine in šole na doseženo računalniško in internetno pismenost, lahko ugotovim, da so vse faktorske uteži zelo visoke. Ta faktor sem shra- nila za nadaljnjo statistično analizo in za preverjanje raziskovalnega modela. 8.4 Opis spremenljivk konteksta V tem poglavju me je zanimalo prepoznati, katere so tiste kontekstualne spre- menljivke, ki vplivajo na razširjenost računalnikov in interneta med mladimi. Tako sem ugotovila, da na razširjenost računalnikov in interneta med mladimi vplivata tako okolje (predvsem družina in šola) kot tudi posameznikove sposobnosti in spol. Med 155 okoljske spremenljivke sem upoštevala opremo šole z računalniki in internetom, upo- rabo računalnikov s strani staršev, uporabo računalnikov s strani učiteljev ter lokacijo računalniškega in internetnega učenja. V nadaljevanju predstavljam povzetek operacionalizacije kontekstualnih spre- menljivk v tabeli 8.11. Tabela 8.11: Povzetek operacionalizacije kontekstualnih spremenljivk ime ar. min max stand. tip spre- orientacija za kratko spremenljivke sred. odklon menljivke interpretacijo ime Intelektualne 2,44 1 6 1,38 Ordinalna Višja vrednost Sposob- sposobnosti nakazuje na nosti bolj razvite intelektualne sposobnosti Oprema doma 3,5 0 4 0,8 Številska Višja vrednost Oprema in šole z rač. nakazuje na boljšo doma in in int. opremeljenost šole doma in šole z rač. in int. Uporaba rač. 0,00 -0,85 3,41 0,97 Faktor Višja vrednost Učitelji pri pouku s nakazuje na strani učiteljev pogostejšo uporabo rač. pri pouku s strani učiteljev Uporaba rač. s 2,35 1 3 0,76 Ordinalna Višja vrednost Starši strani staršev nakazuje na uporabo rač. s strani staršev Izobrazba 3,74 1 6 1,13 Ordinalna Višja vrednost Izobrazba očeta nakazuje na višjo oče izobrazbo očeta Izobrazba 3,77 1 6 1,15 Ordinalna Višja vrednost Izobrazba matere nakazuje na višjo mati izobrazbo matere Tip kraja - 1 2 - Nominalna, Višja vrednost Tip kraja šolanja dihotomna nakazuje na ruralno območje šolanja Spol - 0 1 - Nominalna, Višja vrednost Spol dihotomna nakazuje na ženski spol Lokacija rač. 0,00 -3,47 0,95 0,97 Faktor Višja vrednost Lokacija In int. učenja nakazuje na učenje učenja rač. in int. doma, nižja vrednost nakazuje na učenje rač. in int. v šoli 156 Posameznikove sposobnosti sem operacionalizirala s spremenljivko, ki meri dosežene uspehe na tekmovanjih iz znanja. To spremenljivko sem uporabila, saj se je izkazalo, da so bili indikatorji, ki upoštevajo šolsko znanje (kar se v praksi najpogosteje uporablja kot indikator posameznikovih sposobnosti), preveč asimetrični in so naka- zovali na uniformno porazdelitev. Opremo šole in doma z računalniki in internetom sem izmerila s posedovan- jem dostopa do računalnika oziroma interneta doma oziroma v šoli. Uporabo računalnikov s strani učiteljev sem izmerila z vprašanjem, ki meri pogostost uporabe računalnikov pri pouku s strani različnih učiteljev. Na osnovi faktor- ske analize sem lahko razbrala, da se učitelji glede pogostosti uporabe računalnikov pri pouku združujejo v eno skupino. Faktor sem shranila za nadaljnjo statistično analizo. Uporabo računalnikov s strani staršev sem izmerila z vprašanjem, ki meri, ali starši učenca znajo uporabljati računalnik ali ne. Pri tem so posamezniki lahko ocenili, da oba starša (tako mati kot oče) znata uporabljati računalnik, da samo eden od njiju zna uporabljati računalnik ali da nobeden od njiju ne zna uporabljati računalnika. Indikatorji izobrazbe očeta, izobrazbe matere, tip kraja šolanja ter spol so prika- zani v poglavju, kjer sem opisala vzorec. Indikator lokacije računalniškega in internetnega učenja sem izmerila s pomočjo vprašanja, ki meri izvor poznavanje uporabe posameznih računalniških in internetnih aplikacij. Faktorska analiza je pokazala, da se indikatorji združujejo v eno dimenzijo. Tako dobljeni faktor sem shranila za nadaljnjo statistično analizo. V nadaljevanju želim ugotoviti, kako so kontekstualne spremenljivke povezane med seboj. V ta namen sem izračunala Pearsonov korelacijski koeficient med pari spemenljivk. Rezultati so podani v tabeli 8.12. Pri tem so močne korelacije (Pear- sonov korelacijski koeficient je višji od |0,6|) poudarjene z odebeljenim tiskom. Z ** so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 1 %. Z * so označene povezave, ki so statistično značilne s stopnjo značilnosti nižjo od 5 %. 157 Tabela 8.12: Korelacijski koeficienti med kontekstualnimi spremenljivkami intelek- oprema uporaba uporaba Izobrazba Izobrazba lokacija tualna rač. pri rač. s stra- očeta: matere: učenja sposob- pouku s ni staršev rač. in int. nost strani uči- teljev intelektual- 1 ,115(**) -,041 ,166(**) ,310(**) ,353(**) ,133(**) na sposob- nost oprema 1 ,054 ,228(**) ,143(**) ,159(**) ,087(*) uporaba rač. 1 ,013 -,040 -,097(*) -,220(**) pri pouku s strani učite- ljev uporaba rač. 1 ,365(**) ,397(**) ,082(*) s strani star- šev Izobrazba 1 ,507(**) ,190(**) oceta: Izobrazba 1 ,236(**) matere: lokacija uče- 1 nja rač. in int. Na osnovi tabele 8.12, ki prikazuje korelacije med kontekstualnimi spremen- ljivkami, lahko ugotovim, da noben korelacijski koeficient ni dovolj visok, da bi lahko sklepala o močni povezavi med dvema spremenljivkama. Ugotovim lahko, da so sko- raj vse povezave statistično značilne s stopnjo značilnosti manjšo od 1 %. Izjema so le povezave med posameznikovimi sposobnostmi in uporabo računalnikov pri pouku s strani učiteljev ter med uporabo računalnikov s strani staršev in uporabo računalnikov pri pouku s strani učiteljev. Najvišja povezava se nahaja med izobrazbo očeta in izobrazbo matere, kjer Pear- sonov korelacijski koeficient znaša 0,507. Povezava je pozitivna, kar nakazuje, da v ko- likor imajo očeti učencev višjo izobrazbo, imajo tudi matere učencev višjo izobrazbo. Vse opisane spremenljivke sem shranila za nadaljnjo statistično analizo. V naslednjem poglavju bom preverjala z regresijsko multivariatno statistično analizo, na kakšen način kontekstualne spremenljivke vplivajo na razširjenost računalnikov in interneta med mladimi. 158 9. Zaključna analiza: prisvojitev računalnikov in interneta med mladimi v sloveniji V nadaljevanju predstavljam rezultate sklepnega multivariatnega analiziranja vpliva izbranih kontekstualnih dejavnikov, ki iz družbenega okolja najbolj vplivajo na razširjenost računalnikov in interneta med mladimi. V tem okviru ločim tri skupine kontekstualnih spremenljivk: intelektualne sposobnosti (diferencirana naravna danost posameznikov za učenje), vpliv družine in šole (glavni socializacijski družbeni struk- turi oziroma instituciji v tej starostni dobi) ter sociodemografske osebne lastnosti (ker je njihov vpliv družbeno konstruiran, torej situacijsko oziroma kulturno podedovan). V metodološkem smislu predstavljam testiranje regresijskega modela za proučevanje vplivov kontekstualnih spremenljivk na razširjenost računalnikov in in- terneta. Cilj tega poglavja je torej ugotoviti, na kakšen način izbrane kontekstualne spremenljivke vplivajo (so povezane) na razširjenost računalnikov in interneta. Na ta način lahko testiram hipoteze. 159 9.1 Testiranje vpliva konteksta na razširjenost računalnikov in interneta Rezultate postopnega proučevanja vplivov kontekstualnih dejavnikov na razširjenost računalnikov in interneta med mladimi podajam sistematično. V meto- dološkem smislu me zanima dvoje: prvič, ali se definirani regresijski model kot celota dobro oziroma statistično značilno prilega podatkom (F-test), in drugič, kateri faktorji (njihovi regresijski koeficienti) so statistično značilni. Regresijski model sem »polnila« z novimi spremenljivkami s pomočjo ENTER metode. Kot neodvisne spremenljivke v regresijskem modelu nastopajo kontekstualne spremenljivke (intelektualne sposobnosti, vpliv družine in šole58 ter sociodemografske osebne lastnosti59). Kot odvisne spremenljivke pa postopoma nastopajo vse tri spre- menljivke, ki sem jih opredelila v prejšnjih poglavjih in ki merijo različne razsežnosti razširjenosti računalnikov in interneta med mladimi: faktor pomena računalniških in internetnih aplikacij za poklic, faktor samoocene dosežene računalniške in internetne pismenosti ter faktor pogostosti uporabe računalniških in internetnih aplikacij. Regresijski model sem gradila v več korakih, tako da sem postopoma dodajala spremenljivke; zanimala me je stabilnost ocenjenih koeficientov in odstotek pojas- njene variabilnosti. Najprej sem kot odvisno spremenljivko v regresijski model vzela pomen računalniških in internetnih aplikacij za poklic, nato samooceno dosežene računalniške in internetne pismenosti, nato pa še pogostost uporabe računalniških in internetnih aplikacij. Rezultati postopne vpeljave posameznih spremenljivk v regresijski model so podani v tabelah 9.1, 9.2 in 9.3. Pri tem navajam ocenjene nestandardizirane B re- gresijske koeficiente60 in stopnjo značilnosti (v oklepaju, namesto t-statistik, ker je povezava med stopnjo značilnosti in t-statistiko funkcijska). Od 0 statistično značilni regresijski koeficienti (s stopnjo značilnosti nižjo od 5 %) so v tabelah poudarjeni z odebeljenim tiskom. 58 Med vpliv družine in šole spadajo izobrazba matere, izobrazba očeta, tip kraja šolanja, oprema doma in šole z računalniki, uporaba računalnikov s strani staršev, uporaba računalnikov pri pouku s strani učiteljev ter lokacija računalniškega in internetnega učenja. 59 Med sociodemografske osebne lastnosti spada spol anketiranca. 60 Vse spremenljivke imajo naravno metriko (ordinalne vrednosti od 1 do 5 oziroma 6), kot v ori- ginalnih vprašanjih). Edini problem so faktorske vrednosti, kjer pomen enote sicer ni najbolj jasen, vendar lahko predpostavim, da višja faktorska vrednost nakazuje na višji “pomen”, ki ga posameznik pripisuje računalnikom in internetu. 160 V nadaljevanju bom podala regresijske modele na slikah 9.1, 9.2 in 9.3. Pri tem prikazujem le statistično značilne povezave med spremenljivkami (s stopnjo značilnosti nižjo od 5 %). Smer puščic je določena vsebinsko. Na puščicah navajam tudi standardizirane β regresijske koeficiente. Debelejša puščica nakazuje na močnejšo povezavo med spremenljivkama. V kolikor med dvema spremenljivkama ni puščice, to pomeni, da med njima ni statistično značilne povezave (vrednost t-testne statistike posameznega ocenjenega koeficienta je manjša od 2, oziroma stopnja značilnosti je prevelika, da bi zavrnili hipotezo, da je cenilka koeficienta različna od nič). V nadaljevanju sem v regresijski model vključila le spremenljivke, ki statistično značilno vplivajo na posamezne odvisne spremenljivke. Pri tem zapisujem regresijsko enačbo (uporabljam nestandardizirane B regresijske koeficiente). 9.1.1 Vpliv konteksta na pomen računalniških in internetnih aplikacij za poklic V prvem koraku predstavljam vpliv kontekstualnih spremenljivk na pomen računalniških in internetnih aplikacij za poklic. Poleg tega ugotavljam tudi vpliv drugih dveh spremenljivk razširjenosti računalnikov in interneta (samoocene dosežene računalniške in internetne pismenosti ter pogostosti uporabe računalniških in inter- netnih aplikacij). 161 Tabela 9.1: Vpliv kontekstualnih spremenljivk in samoocene dosežene računalniške in internetne pismenosti ter pogostosti uporabe računalniških in internetnih aplikacij na pomen računalniških in internetnih aplikacij za poklic – odvisna spremenljivka (linearni regresijski modeli, metoda ENTER; OLS metoda ocene parametrov) Pomen rač. in int. Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- aplikacij za poklic del del del del del del del del del del del del 1 2 3 4 5 6 7 8 9 10 11 12 Konstanta 0,01 -0,01 0,03 -0,02 -0,23 -0,20 -0,11 -0,34 -0,30 -0,29 -0,29 -0,55 (0,82) (0,81) (0,44) (0,79) (0,26) (0,38) (0,69) (0,27) (0,35) (0,41) (0,42) (0,13) Pismenost 0,45 0,29 0,26 0,30 0,29 0,29 0,31 0,36 0,35 0,35 0,35 0,33 (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) Uporaba 0,23 0,26 0,22 0,21 0,20 0,18 0,16 0,17 0,17 0,17 0,20 (0,00) (0,00) (0,00) (0,00) (0,00) (0,02) (0,06) (0,04) (0,04) (0,05) (0,02) Pismenost* -0,06 -0,07 -0,04 -0,06 -0,05 -0,02 -0,02 -0,02 -0,02 -0,02 uporaba (0,07) (0,05) (0,26) (0,18) (0,29) (0,68) (0,71) (0,72) (0,72) (0,73) Sposobnosti 0,03 0,03 0,04 0,05 0,06 0,05 0,05 0,05 0,05 (0,33) (0,30) (0,16) (0,08) (0,09) (0,13) (0,13) (0,13) (0,22) Oprema doma in 0,05 0,04 0,07 0,10 0,10 0,10 0,10 0,13 šole (0,32) (0,49) (0,27) (0,17) (0,17) (0,17) (0,17) (0,09) Učitelji 0,11 0,12 0,12 0,12 0,12 0,12 0,06 (0,01) (0,02) (0,02) (0,03) (0,03) (0,03) (0,28) Starši -0,10 -0,09 -0,09 -0,09 -0,09 -0,06 (0,11) (0,15) (0,20) (0,20) (0,21) (0,40) Izobrazba oče 0,02 0,04 0,04 0,04 0,04 (0,57) (0,40) (0,40) (0,40) (0,39) Izobrazba mati -0,03 -0,03 -0,03 -0,00 (0,50) (0,50) (0,50) (0,98) Tip kraja -0,00 -0,00 -0,05 (0,97) (0,98) (0,61) Spol 0,01 0,07 (0,94) (0,45) Lokacija učenja -0,14 (0,01) Popravljen R2 0,21 0,23 0,23 0,24 0,22 0,23 0,24 0,26 0,25 0,25 0,25 0,26 Značilnost modela 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 n 690 605 605 566 542 503 448 382 373 373 371 348 162 Delež pojasnjene variance je v vseh primerih približno enak (med 21 % in 26 %). 74 % vplivov na oblikovanje pomena torej predstavljajo drugi dejavniki, ki jih v nalogi nisem zajela in terjajo dodatno vsebinsko elaboracijo. V vseh primerih je celoten regresijski model statistično značilen (F-testna statistika) s skoraj zanemarljivo stopnjo značilnosti. Na osnovi tabele 9.1 lahko ugotovim, da so v vseh parcialnih modelih stabilni trije učinki, katerim se bistveno ne spreminja niti smer (predznak), niti jakost in niti stopnja značilnosti povezave. Te spremenljivke so samoocena dosežene računalniške in internetne pismenosti, pogostost uporabe računalniških in internetnih aplikacij61 ter lokacija računalniškega in internetnega učenja. Ti vplivi nakazujejo na statistično značilne učinke teh spremenljivk na pomen računalniških in internetnih aplikacij za poklic. Prva dva vpliva sta pozitivna (posamezniki, ki bolje ocenjujejo svoje znanje računalniških in internetnih aplikacij, in posamezniki, ki pogosteje uporabljajo računalnike in internet, pripisujejo večji pomen računalnikom in internetu za poklic), medtem ko je zadnja povezava negativna (večji pomen računalniškim in internetnim aplikacijam za poklic pripisujejo tisti anketiranci, ki so se naučili uporabljati te v šoli). Dve povezavi nista stabilni, saj se njuna statistična značilnost vpliva na pomen računalniških in internetnih aplikacij za poklic spreminja. Ti dve povezavi sta interakcija med samooceno dosežene računalniške in internetne pismenosti (smer in jakost regresi- jskih koeficientov sta stabilna: negativna, okoli 0; stopnja značilnosti je v glavnem pre- visoka) ter uporaba računalnikov pri pouku s strani učiteljev (smer in jakost regresijskih koeficientov sta stabilna: pozitivna, okoli 0,1; stopnja značilnosti je v glavnem nižja od 5 %, le v zadnjem modelu – ko vključim lokacijo računalniškega in internetnega učenja – je stopnja značilnosti previsoka – 28 %). Ker vpliva nista stabilna, ne morem govoriti o njuni statistični značilnosti vpliva na pojasnjevano spremenljivko. Jakost in smer konstante se v različnih modelih obnašata različno. Ponekod je rahlo negativna (v modelih 2 in 4; vendar ne preseže vrednosti -0,55), v dveh modelih pa je pozitivna. V vseh parcialnih regresijskih modelih je moč konstante relativno nizka (okoli 0). Ko so vsi ostali dejavniki enaki 0, ne moremo govoriti o nobenem stabilnem splošnem pomenu računalniških in internetnih aplikacij za poklic pri mladini. Smer regresijskih koeficientov se ne spremeni pri spremenljivkah intelektualnih sposobnosti, uporabi računalnikov s strani staršev, izobrazbi očeta, tipu kraja šolanja 61 Statistična značilnost regresijskega koeficienta pogostosti uporabe računalnikov in interneta je nižja od 5 % le v 8. modelu, ko v regresijski model vključim izobrazbo očeta. Stopnja značilnosti v tem primeru znaša 6 %, kar je zelo blizu 5 % (ki jih še upoštevam kot dovolj visoki statistični značilnosti, da trdim, da sta spremenljivki povezani). 163 in spolu. Le pri izobrazbi očeta lahko zasledim veliko razliko v moči regresijskega koeficienta: v modelu 8 znaša 0,44, vendar se v naslednjem modelu (ko vključim izo- brazbo matere) zniža na 0,05 (in na tej vrednosti se tudi stabilizira); to pomeni, da sta ti dve spremenljivki v interakciji. V ostalih primerih je moč regresijskih koeficientov stabilna, vendar ni statistično značilna. Pri spremenljivkah opreme doma in šole z računalniki in internetom ter izobrazbe matere se smer regresijskega koeficienta sicer spreminja, vendar je v vseh primerih približno enako močna (okoli 0). Slika 9.1: Regresijski model (standardizirani regresijski koeficienti) za pomen računalniških in internetnih aplikacij za poklic (primerjava različnih metod; linearni regresijski model; OLS metoda ocene parametrov) Intelektualne Drugi vplivi sposobnosti Samoocena dosežene r&i pismenosti Oprema doma in 0,10 74%; šole z r&i 74% 0,30; 0,31 Uporaba rač. s strani učiteljev Pomen r&i aplikacij Uporaba rač. za poklic s strani staršev Izobrazba matere 0,18; 0,18 Izobrazba očeta Pogostost uporabe r&i aplikacij -0,12; Tip kraja šolanja -0,12 Legenda: Spol ENTER metoda ( ___ ) STEPWISE metoda ( ___ ) n = 348 Lokacija r&i učenja F = 11,09 (P = 0,000) popravljen R2 = 0,26 Pri preverjanju regresijskega modela z različnimi metodami lahko ugotovim določene skladnosti. Namreč, v vseh modelih izstopajo statistično značilni pomeni 164 vpliva samoocene dosežene računalniške in internetne pismenosti, pogostosti upo- rabe računalniških in internetnih aplikacij ter lokacija računalniškega in internetnega učenja na pomen računalniških in internetnih aplikacij za poklic. Posamezniki, ki bolje ocenjujejo svoje računalniško in internetno pismenost ter pogosteje uporabljajo računalnike in internet in ki so se naučili uporabljati računalnike in internet v šoli, pripisujejo večji pomen računalniškim in internetnim aplikacijam za poklic. Poleg omenjenega pa lahko tudi ugotovim, da je STEPWISE metoda regresijske analize izpostavila še dva statistično značilna vpliva s stopnjo značilnosti nižjo od 5 %, in sicer vpliv konstante ter vpliv opreme doma in šole z računalniki in internetom. Tako lahko trdim, da posamezniki, ki imajo bolje opremeljen dom in šolo z računalniki in internetom, pripisujejo večji poklicni pomen računalnikom in internetu. Regresijska enačba z nestandardiziranimi regresijskimi koeficienti je naslednja: Regresijska ocena »pomena računalniških in internetnih ap- likacij za poklic« = -0,43 + 0,26 * samoocena dosežene računalniške in internetne pismenosti + 0,23 * pogostost uporabe računalniških in internetnih aplikacij + 0,12 * oprema doma in šole z računalniki in internetom – 0,12 * lokacija računalniškega in internetnega učenja Iz zapisane regresijske enačbe lahko ugotovim, da v kolikor se: » samoocena dosežene računalniške in internetne pismenosti poveča za eno enoto, se pomen računalnikov in interneta poveča za 0,26 enote, » pogostost uporabe računalniških in internetnih aplikacij poveča za eno enoto, se pomen računalnikov in interneta za poklic poveča za 0,23 enote, » oprema doma in šole z računalniki in internetom poveča za eno enoto, se pomen računalnikov in interneta za poklic poveča za 0,12 enote in » lokacija računalniškega in internetnega učenja (prej doma kot v šoli) poveča za eno enoto, se pomen računalniških in internetnih aplikacij za poklic zmanjša za 0,12 enote. 165 9.1.2 Vpliv konteksta na samooceno dosežene računalniške in internetne pismenosti V drugem koraku predstavljam vpliv kontekstualnih spremenljivk na samooceno dosežene računalniške in internetne pismenosti. Poleg tega ugotavljam tudi vpliv drugih dveh spremenljivk razširjenosti računalnikov in interneta (pomen računalniških in inter- netnih aplikacij za poklic ter pogostosti uporabe računalniških in internetnih aplikacij). Tabela 9.2: Vpliv kontekstualnih spremenljivk in samoocene pomena raču- nalniških in internetnih aplikacij za poklic ter pogostosti uporabe računalniških in internetnih aplikacij na samooceno dosežene računalniške in internetne pismenosti – odvisna spremenljivka (linearni regresijski model, metoda ENTER; OLS metoda ocene parametrov) Samoocena Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- dosežene del 1 del 2 del 3 del 4 del 5 del 6 del 7 del 8 del 9 del del 11 del rač. in int. 10 12 pismenosti Konstanta -0,00 -0,01 0,02 0,01 0,05 0,12 -0,07 0,07 0,01 0,10 0,07 -0,06 (0,92) (0,86) (0,42) (0,94) (0,75) (0,45) (0,69) (0,72) (0,95) (0,65) (0,76) (0,79) Pomen 0,46 0,18 0,15 0,16 0,15 0,15 0,15 0,15 0,15 0,15 0,15 0,14 (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) Uporaba 0,64 0,66 0,68 0,68 0,69 0,69 0,71 0,70 0,70 0,71 0,70 (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) Pomen* -0,07 -0,08 -0,08 -0,10 -0,09 -0,09 -0,08 -0,07 -0,07 -0,04 uporaba (0,01) (0,00) (0,01) (0,00) (0,01) (0,01) (0,02) (0,03) (0,03) (0,28) Sposobnosti 0,00 0,00 -0,01 -0,02 -0,04 -0,04 -0,04 -0,04 -0,04 (0,84) (0,88) (0,76) (0,34) (0,07) (0,12) (0,14) (0,11) (0,15) Oprema -0,01 -0,02 0,00 -0,01 -0,00 -0,00 -0,01 0,02 doma in šole (0,78) (0,61) (0,95) (0,79) (0,96) (0,94) (0,87) (0,76) Učitelji 0,04 0,03 0,04 0,03 0,04 0,03 0,00 (0,21) (0,38) (0,28) (0,40) (0,32) (0,38) (0,91) Starši 0,06 0,02 0,03 0,03 0,02 0,00 (0,19) (0,68) (0,61) (0,59) (0,68) (0,96) Izobrazba 0,01 0,02 0,02 0,02 0,04 oče (0,68) (0,49) (0,55) (0,52) (0,23) Izobrazba -0,01 -0,01 -0,01 -0,00 mati (0,71) (0,67) (0,73) (0,91) Tip kraja -0,05 -0,05 -0,06 (0,40) (0,44) (0,34) Spol 0,09 0,10 (0,17) (0,12) Lokacija -0,13 učenja (0,00) Popravljen 0,21 0,53 0,53 0,56 0,55 0,56 0,58 0,61 0,60 0,60 0,60 0,60 R2 Značilnost 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 modela n 690 605 605 566 542 503 448 382 373 371 371 348 166 Delež pojasnjene variance je v prvem modelu (kot pojasnjevalna spremen- ljivka nastopa le pomen računalniških in internetnih aplikacij za poklic) relativno nizek (21 %). Ko dodam še naslednjo pojasnjevalno spremenljivko (pogostost upo- rabe računalniških in internetnih aplikacij), se delež pojasnjene variance zelo poveča (53 %). Delež pojasnjene variance z vsako dodano spremenljivko narašča in doseže 61 % v 8. modelu. Tako lahko ugotovim, da 38 % vplivov na samooceno dosežene računalniške in internetne pismenosti predstavljajo drugi dejavniki, ki jih v nalogi nisem zajela. Regresijski model je v vseh primerih statistično značilen s skoraj zane- marljivo stopnjo značilnosti. Na osnovi tabele 9.2 lahko ugotovim, da so stabilni trije vplivi na pojasnje- vano spremenljivko: pomen računalniških in internetnih aplikacij za poklic, pogostost uporabe računalniških in internetnih aplikacij ter lokacija računalniškega in internet- nega učenja. Tem spremenljivkam se ne spreminja predznak niti jakost vpliva62 niti statistična značilnost vpliva. Prva dva vpliva sta pozitivna (posamezniki, ki pripisu- jejo večji pomen računalniškim in internetnim aplikacijam za poklic, in posamezniki, ki pogosteje uporabljajo računalnike in internet, bolje ocenjujejo svojo računalniško in internetno pismenost), tretji je negativen (v kolikor se posamezniki računalniške in internetne aplikacije naučijo uporabljati v šoli, bolje ocenjujejo svojo doseženo računalniško in internetno pismenost). Interakcija med pomenom računalniških in internetnih aplikacij za poklic ter pogostostjo uporabe računalniških in internetnih aplikacij je v prvih enajstih mod- elih statistično značilna s stopnjo značilnosti nižjo od 5 %. V zadnjem modelu (ko sem dodala vse neodvisne spremenljivke) ta vpliv ni več statistično značilen s stopnjo značilnosti nižjo od 5 % (v zadnjem modelu, ko nastopajo vse pojasnjevalne spremen- ljivke, znaša stopnja značilnosti 0,28). Ta vpliv je v vseh primerih negativen, njegova jakost je dokaj stabilna (vrednost regresijskega koeficienta niha med -0,10 in -0,04). Jakost, smer in statistična značilnost konstante se v različnih parcialnih regresi- jskih modelih obnašajo drugače. Regresijski koeficienti konstante so tako pozitivni kot negativni (v 2., 7. in 12. modelu). Njihove vrednosti segajo med -0,25 (v 12. modelu, ko so vključene vse pojasnjevalne spremenljivke) do 0,02 (v 3. modelu, ko so vključeni pomen računalniških in internetnih aplikacij za poklic, pogostost uporabe računalniških in internetnih aplikacij ter interakcija med njima. Statistična značilnost regresijskega koeficienta znaša med -0,07 (v 7. modelu) do 0,12 (v 6. modelu). Kon- 62 Edina izjema je pomen računalniških in internetnih aplikacij za poklic, kjer v prvem modelu (kjer nastopa izključno ta spremenljivka kot pojasnjevalna) regresijski koeficient znaša 0,46, v naslednjem modelu (ko začnem dodajati nove pojasnjevalne spremenljivke) pa znaša regresijski koeficient 0,18 in se stabilizira (v zadnjem modelu, ko so vključene vse pojasnjevalne spremenljivke, doseže vrednost 0,15). 167 stanta je zelo nestabilna v tem regresijskem modelu, vendar vrednost njenega regresij- skega koeficienta ni nikoli statistično značilna s stopnjo značilnosti nižjo od 5 %. Predznak regresijskih koeficientov ostalih pojasnjevalnih spremenljivk je sta- bilen in se ne spreminja. Tako so skoraj vsi regresijski koeficienti pozitivni, razen v primeru posameznikovih intelektualnih sposobnosti, izobrazbe očeta in izobrazbe matere. Prav tako lahko opazim, da so vrednosti regresijskih koeficientov teh spre- menljivk enako močne (stabilne). Kljub temu pa nobena od preostalih pojasnjevalnih spremenljivk nima statistično značilnega vpliva (s stopnjo značilnosti nižjo od 5 %) na samooceno dosežene računalniške in internetne pismenosti. V nadaljevanju prikazujem regresijski model za samooceno dosežene računalniške in internetne pismenosti. Slika 9.2: Regresijski model (standardizirani regresijski koeficienti) za samooceno dosežene računalniške in internetne pismenosti (primerjava različnih metod; linearni regresijski model; OLS metoda ocene parametrov) Intelektualne Drugi vplivi sposobnosti Pomen r&i aplikacij za poklic Oprema doma in 40%; šole z r&i 40% 0,16; 0,17 Uporaba rač. s strani učiteljev Samoocena dosežene r&i Uporaba rač. pismenosti s strani staršev Izobrazba matere 0,70; 0,68 Izobrazba očeta -0,12; Pogostost uporabe -0,12 r&i aplikacij Tip kraja šolanja Legenda: Spol ENTER metoda ( ___ ) STEPWISE metoda ( ___ ) n = 348 Lokacija r&i učenja F = 43,74 (P = 0,000) popravljen R2 = 0,60 168 Izkaže se, da so statistično značilni trije vplivi na samooceno dosežene računalniške in internetne pismenosti: pomen računalniških in internetnih aplikacij za poklic, pogo- stost uporabe računalniških in internetnih aplikacij ter lokacija računalniškega in inter- netnega učenja. Posamezniki, ki računalniškim in internetnim aplikacijam pripisujejo večji pomen za poklic, posamezniki, ki pogosteje uporabljajo računalniške in internetne aplikacije, ter posamezniki, ki so se naučili uporabljati računalnike in internet v šoli, bolje ocenjujejo svojo računalniško in internetno pismenost. Regresijska enačba z nestandardiziranimi regresijskimi koeficienti v tem prim- eru znaša: Regresijska ocena »samoocene doseženega računalniške in inter- netne pismenosti« = 0,01 + 0,66 * pogostost uporabe računalniških in internetnih aplikacij + 0,17 * pomen računalniških in internetnih ap- likacij za poklic – 0,10 * lokacija računalniškega in internetnega učenja Na osnovi zapisane regresijske enačbe lahko zapišem, da se vrednost spremen- ljivke samoocene dosežene računalniške in internetne pismenosti: » poveča za 0,66 enote, v kolikor se pogostost uporabe računalniških in internetnih aplikacij poveča za eno enoto, » poveča za 0,17 enote, v kolikor se vrednost pomena računalniških in internetnih aplikacij za poklic poveča za eno enoto in » zmanjša za 0,1 enote, v kolikor vrednost lokacije računalniškega in internetnega učenja poveča za eno enoto. 9.1.3 Vpliv konteksta na pogostost uporabe računalniških in internetnih aplikacij V tretjem koraku predstavljam vpliv kontekstualnih spremenljivk na pogos- tost uporabe računalniških in internetnih aplikacij. Poleg tega ugotavljam tudi vpliv drugih dveh spremenljivk razširjenosti računalnikov in interneta (samoocene dosežene računalniške in internetne pismenosti ter pomena računalniških in internetnih apli- kacij za poklic). 169 Tabela 9.3: Vpliv kontekstualnih spremenljivk in samoocene dosežene računalniške in internetne pismenosti ter pomena računalniških in internetnih aplikacij za poklic na pogostost uporabe računalniških in internetnih aplikacij – odvisna spremenljivka (linearen regresijski model; ENTER metoda; OLS metoda ocene parametrov) Pogostost Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- Mo- uporabe del 1 del 2 del 3 del 4 del 5 del 6 del 7 del 8 del 9 del del del rač. in int. 10 11 12 aplikacij Konstanta 0,01 0,01 -0,01 -0,08 -0,90 -0,94 -0,94 -0,92 -0,84 -0,91 -0,76 -0,64 (0,72) (0,66) (0,62) (0,19) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) Pomen 0,39 0,14 0,16 0,13 0,12 0,11 0,09 0,09 0,09 0,09 0,08 0,09 (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,01) (0,02) (0,01) (0,02) (0,02) (0,01) Pismenost 0,64 0,64 0,66 0,60 0,61 0,62 0,66 0,65 0,65 0,63 0,64 (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) Pismenost* 0,06 0,04 0,06 0,06 0,05 0,07 0,07 0,06 0,05 0,03 pomen (0,01) (0,15) (0,02) (0,04) (0,06) (0,01) (0,03) (0,04) (0,07) (0,40) Sposobno- 0,04 0,03 0,03 0,03 0,05 0,05 0,05 0,06 0,05 sti (0,07) (0,20) (0,11) (0,14) (0,04) (0,04) (0,04) (0,02) (0,03) Oprema 0,24 0,25 0,19 0,17 0,16 0,16 0,16 0,13 doma in (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) šole Učitelji -0,02 0,01 -0,01 -0,00 -0,01 0,00 0,03 (0,52) (0,82) (0,77) (0,94) (0,83) (0,90) (0,41) Starši 0,09 0,10 0,11 0,10 0,12 0,13 (0,04) (0,03) (0,02) (0,03) (0,01) (0,01) Izobrazba -0,00 -0,01 -0,00 -0,01 -0,02 oče (0,95) (0,84) (0,90) (0,76) (0,45) Izobrazba -0,01 -0,01 -0,02 -0,03 mati (0,66) (0,70) (0,56) (0,37) Tip kraja 0,05 0,03 0,08 (0,48) (0,60) (0,23) Spol -0,26 -0,27 (0,00) (0,00) Lokacija 0,15 učenja (0,00) Popravljen 0,16 0,52 0,52 0,54 0,57 0,57 0,59 0,61 0,60 0,60 0,62 0,62 R2 Značilnost 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 modela n 671 605 605 566 542 503 448 382 373 371 371 348 170 Delež pojasnjene variance v prvem modelu (ko sem kot pojasnjevalno spremen- ljivko upoštevala le pomen računalniških in internetnih aplikacij za poklic) znaša le 16 %. V naslednjem modelu (ko sem dodala še samooceno dosežene računalniške in in- ternetne pismenosti) se delež pojasnjene variance precej izboljša in doseže 52 %. Večjo izboljšavo deleža pojasnjene variance lahko zasledim v 5. modelu (kjer sem upoštevala kot pojasnjevalne spremenljivke pomen, samooceno dosežene pismenosti, interakcijo med pomenom in pismenostjo, intelektualne sposobnosti ter opremo doma in šole z računalniki in internetom), ko naraste iz 54 % (v 4. modelu, kjer ni opreme doma in šole z računalniki in internetom) na 57 %. Najvišji delež pojasnjene variance dobim v 12. modelu (ko so vključene vse pojasnjevalne spremenljivke) – 62 %. Tako lahko opazim, da 38 % vplivov na pogostost uporabe računalnikov in interneta predstav- ljajo drugi dejavniki, ki jih v model nisem zajela. V vseh primerih so regresijski modeli statistično značilni s stopnjo značilnosti nižjo od 5 %. Na osnovi tabele 9.3 lahko ugotovim, da je šest vplivov pojasnjevalnih spre- menljivk stabilnih, saj so v vseh modelih statistično značilni s stopnjo značilnosti nižjo od 5 %. Ti vplivi so pomen računalniških in internetnih aplikacij za poklic, samoocena dosežene računalniške in internetne pismenosti, oprema doma in šole z računalniki in internetom, uporaba računalnikov s strani staršev, spol ter lokacija računalniškega in internetnega učenja. Pri spremenljivki pomena računalniških in internetnih aplikacij za poklic lahko opazim, da so regresijski koeficienti stabilni glede predznaka (pozi- tivni; posamezniki, ki pripisujejo večji pomen računalniškim in internetnim aplikaci- jam za poklic, te tudi pogosteje uporabljajo), vendar so nestabilni glede jakosti vpliva (regresijski koeficienti segajo med 0,08 v 11. modelu do 0,39 v 1. modelu). Predznak in jakost regresijskih koeficientov je v primeru spremenljivke samoocene dosežene računalniške in internetne pismenosti relativno stabilen, saj so vsi koeficienti pozi- tivni (posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost, računalnike in internet pogosteje uporabljajo) in približno enako močni (med 0,60 v 5. modelu in 0,66 v 4. in 8. modelu). Isto velja tudi za opremo doma in šole z računalniki in internetom (regresijski koeficienti so pozitivni – posamezniki, ki imajo bolje opremljen dom in šolo z računalniki in internetom, te tudi pogosteje uporabljajo – in relativno enako močni – med 0,13 v 12. modelu in 0,25 v 6. modelu), uporabo računalnikov s strani staršev (regresijski koeficienti so pozitivni – v kolikor starši znajo uporabljati računalnik, anketirani pogosteje uporabljajo računalnike in internet), spol (regresijski koeficienti so negativni – moški pogosteje uporabljajo računalniške in in- ternetne aplikacije kot ženske – in enako močni: -0,17) ter lokacijo računalniškega in internetnega učenja (v kolikor se posamezniki računalnike in internet naučijo upora- bljati doma, ju tudi pogosteje uporabljajo). V primeru interakcije med pomenom računalniških in internetnih aplikacij za poklic ter uporabe računalnikov s strani staršev lahko ugotovim, da so vplivi v skoraj vseh primerih statistično značilni s stopnjo značilnosti nižjo od 5 % (razen v 4., 7., 11. in 12. modelu). Predznak je v obeh primerih stabilen in je pozitiven (v kolikor 171 starši uporabljajo računalnik, anketiranci pogosteje uporabljajo računalnike in inter- net), vendar je relativno nestabilen glede jakosti povezave (med 0,04 in 0,4 v obeh primerih). Tega vpliva ne bom obravnavala kot statistično značilnega na pogostost uporabe računalnikov in interneta. Konstanta se obnaša precej nestabilno. Njen predznak je tako pozitiven kot negativen. Jakost njenega vpliva sega med -0,94 in 0,01. Statistična značilnost njenega vpliva je v modelih 5 do 11 nižja od 5 %, v ostalih primerih pa je višja od 5 %. Ostale spremenljivke nimajo statistično značilnega vpliva na pogostost uporabe računalniških in internetnih aplikacij. Njihov predznak je skoraj v vseh primerih sta- bilen (le v primeru uporabe računalnikov s strani učiteljev se v zadnjih dveh modelih predznak iz -0,01 spremeni v 0,03. V tem primeru je jakost regresijskih koeficientov stabilna (okoli 0)). V nadaljevanju prikazujem regresijski model za pogostost uporabe računalniških in internetnih aplikacij. Slika 9.3: Regresijski model (standardizirani regresijski koeficienti) za pogostost uporabe računalniških in internetnih aplikacij (primerjava različnih metod; linearni regresijski model; OLS metoda ocene parametrov) Intelektualne Drugi vplivi sposobnosti Pomen r&i aplikacij za poklic Oprema doma in 38%; 0,08 šole z r&i 38% 0,10; 0,11; 0,10 0,10 Uporaba rač. s strani učiteljev 0,10; Uporaba rač. 0,10 Pogostost uporabe r&i aplikacij s strani staršev 0,64; Izobrazba matere 0,64 Izobrazba očeta -0,15; -0,15 Samoocena dosežene r&i pismenosti 0,14; Tip kraja šolanja 0,13 Legenda: Spol ENTER metoda ( ___ ) STEPWISE metoda ( ___ ) n = 348 Lokacija r&i učenja F = 48,75 (P = 0,000) popravljen R2 = 0,62 172 Opazim lahko, da so statistično značilni s stopnjo značilnosti nižjo od 5 % isti vplivi (iste pojasnjevalne spremenljivke). Izjema je le spremenljivka intelektualnih sposobnosti, katere statistično značilni pomen s stopnjo značilnosti nižjo od 5 % je izpostavila le ENTER metoda. Tako lahko trdim, da posamezniki z bolj razvitimi in- telektualnimi sposobnostmi pogosteje uporabljajo računalnike in internet. Na osnovi slike 9.3 lahko ugotovim, da imajo naslednje pojasnjevalne spremen- ljivke statistično značilen pomen na pogostost uporabe računalniških in internetnih aplikacij: konstanta, pomen računalniških in internetnih aplikacij za poklic, samoocena dosežene računalniške in internetne pismenosti, oprema doma in šole z računalniki in internetom, uporaba računalnikov s strani staršev, spol in lokacija računalniškega in internetnega učenja. Konstanta negativno vpliva na pogostost uporabe računalnikov in interneta. Računalniške in internetne aplikacije uporabljajo pogosteje posamezniki, ki: » pripisujejo večji pomen računalnikom in internetu za poklic, » bolje ocenjujejo svojo računalniško in internetno pismenost, » imajo bolje opremljen dom in šolo z računalniki in internetom, » imajo starše, ki uporabljajo računalnike, » so moškega spola in » so se naučili uporabljati računalnike in internet v domačem okolju. V nadaljevanju sem v regresijski model vključila le statistično značilne (s sto- pnjo značilnosti nižjo od 5 %) vplive. Ko sem prvič izvedla regresijsko analizo na ta način, se je izkazalo, da posameznikove intelektualne sposobnosti niso več statistično značilne. Zaradi tega sem jih izločila in ponovno izvedla regresijsko analizo. Tako lahko zapišem naslednjo regresijsko enačbo (na osnovi ENTER metode, pri čemer navajam nestandardizirane B regresijske koeficiente): Regresijska ocena »pogostosti uporabe računalniških in inter- netnih aplikacij« = -0,80 + 0,12 * pomen računalniških in internet- nih aplikacij za poklic + 0,57 * samoocena dosežene računalniške in internetne pismenosti + 0,19 * oprema doma in šole z računalniki in internetom + 0,12 * uporaba računalnikov s strani staršev - 0,27 * spol + 0,10 * lokacija računalniškega in internetnega učenja Vrednost pogostosti uporabe računalniških in internetnih aplikacij se: » poveča za 0,12 enote, v kolikor se vrednost pomena računalniških in internetnih aplikacij za poklic poveča za eno enoto, 173 » poveča za 0,57 enote, v kolikor se vrednost samoocene dosežene računalniške in internetne pismenosti poveča za eno enoto, » poveča za 0,19 enote, v kolikor se vrednost spremenljivke opreme doma in šole z računalniki in internetom poveča za eno enoto, » poveča za 0,12 enote, v kolikor se vrednost uporabe računalnikov s strani staršev poveča za eno enoto, » zmanjša za 0,27 enote, v kolikor se vrednost spolu poveča za eno enoto in » poveča za 0,10 enote, v kolikor se vrednost lokacije računalniškega in internetnega učenja poveča za eno enoto. 9.2 Ključne ugotovitve o vplivu konteksta na razširjenost računalnikov in interneta V tem poglavju sem preverjala raziskovalni model vplivov kontekstualnih spre- menljivk na razširjenost računalnikov in interneta med mladimi. Oblikovala sem tri regresijske modele, po enega za vsak vidik razširjenosti računalniške in internetne teh- nologije. V prvem je kot odvisna spremenljivka nastopal pomen računalniških in inter- netnih aplikacij za poklic, v drugem samoocena mladine glede dosežene računalniške in internetne pismenosti, v tretjem pa pogostost uporabe računalniških in internetnih aplikacij s strani mladih. V vsakem primeru, dve od gornjih treh spremenljivk nista obravnavani kot odvisni, zato ju v regresijski model vključim kot neodvisni spremen- ljivki, ki poleg kontekstualnih spremenljivk tudi vplivata na odvisno spremenljivko. Kot kontekstualne spremenljivke v modelu nastopajo posameznikove intelektualne sposobnosti, oprema doma in šole z računalniki in internetom, uporaba računalnikov s strani staršev, uporaba računalnikov s strani učiteljev, izobrazba matere, izobrazba očeta, tip kraja šolanja, spol, starost in pretežna lokacija računalniškega in internet- nega učenja (dom, šola). Regresijski model sem preverjala kot celoto, nato pa še skozi cenilke koefi- cientov neodvisnih spremenljivk, dobljenih na osnovi ENTER metode. Pri tem sem v posamezne, parcialne regresijske modele postopoma dodajala vse izbrane neodvisne spremenljivke in na ta način preverjala stabilnost rešitev (glede na predznak, jakost in statistično značilnost), ocenjenih regresijskih koeficientov. 174 Vsebinsko je empirična analiza pokazala naslednje. V prvem regresijskem modelu sem ugotovila, da na pomen računalniških in internetnih aplikacij za poklic statistično značilno vplivajo le samoocena dosežene računalniške in internetne pis- menosti, pogostost uporabe računalniških in internetnih aplikacij, oprema doma in šole z računalniki in internetom ter lokacija računalniškega in internetnega učenja. Posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost, ki pogosteje uporabljajo računalnike in internet, ki imajo bolje opremljen dom in šolo z računalniki in internetom ter so se računalniške in internetne aplikacije naučili upo- rabljati v šoli bolj kot doma, pripisujejo računalniškim in internetnim aplikacijam za poklic večji pomen kot drugi posamezniki. Z drugim regresijskim modelom ugotavljam vpliv pojasnjevalnih spremen- ljivk na samooceno dosežene računalniške in internetne pismenosti. Izkazalo se je, da na to spremenljivko statistično značilno vplivajo pomen računalniških in internetnih aplikacij za poklic, pogostost uporabe računalniških in internetnih aplikacij ter lokaci- ja računalniškega in internetnega učenja. Posamezniki, ki pripisujejo večji pomen računalniškim in internetnim aplikacijam za poklic, ki pogosteje uporabljajo računalnike in internet ter so se ta dva medija naučili uporabljati v šoli (prej kot doma), bolje ocenju- jejo svojo računalniško in internetno pismenost kot pa ostali posamezniki. S tretjim regresijskim modelom sem preverjala vpliv pojasnjevalnih spremen- ljivk na pogostost uporabe računalniških in internetnih aplikacij. Ugotovila sem, da na to spremenljivko statistično značilno vplivajo konstanta, pomen računalniških in internetnih aplikacij za poklic, samoocena dosežene računalniške in internetne pis- menosti, posameznikove intelektualne sposobnosti, oprema doma in šole z računalniki in internetom, uporaba računalnikov s strani staršev, spol in lokacija računalniškega in internetnega učenja. Značilna konstanta tu pomeni, da zaradi dosežene razširjenosti računalnikov in interneta v slovenski družbi v splošnem že lahko računamo na mini- malno pogosto uporabo, tudi brez upoštevanja učinkov ostalih merjenih »faktorjev«. Ocenjeni statistično značilni koficienti pa k temu dodajo naslednje sporočilo. Pos- amezniki, ki računalnikom in internetu pripisujejo večji pomen za poklic, bolje ocen- jujejo svoje računalniško in internetno pismenost, imajo bolje razvite intelektualne sposobnosti, imajo bolje opremljen dom in šolsko okolje z računalniki in internetom, njihovi starši uporabljajo računalnike, so moškega spola ter so se naučili uporabljati računalniške in internetne aplikacije doma (bolj kot v šoli), pogosteje uporabljajo računalnike in internet. Dva poudarka bi izdvojila iz tega sporočila, ker kažeta na specifično socialno konstruirano širjenje (pogostost rabe) te tehnologije: prvič, da med maturanti osnovne šole moški pogosteje uporabljajo računalnik in internet od žensk, in drugič, da posedovanje ter učenje o računalnikih in internetu doma spod- buja pogostejšo uporabo, kot če se te tehnologije učijo v šoli. 175 Tako sem ugotovila, da so vse tri odvisne spremenljivke, ki merijo tri razsežnosti razširjenosti računalnikov in interneta, povezane med seboj, saj statistično značilno vplivajo ena na drugo. Poleg tega nanje vpliva tudi lokacija računalniškega in internet- nega učenja. V primeru pogostosti uporabe računalnikov in interneta pa na ta vidik razširjenosti tehnologije vplivajo še druge kontekstualne spremenljivke. Zanimivo je predvsem dejstvo, da posameznikove intelektualne sposobnosti (mer- jene kot udeležba in uspeh na šolskih tekmovanjih iz znanja matematike, slovenščine, fizike in podobno) ne vplivajo statistično značilno na nobeno od analiziranih odvisnih spremenljivk, le na pogostost uporabe računalnikov in interneta. Toda v tem primeru moram poudariti, da vpliv v napovedni enačbi (ko so vključene le statistično značilne povezave s stopnjo značilnosti nižjo od 5 %) izgine. To lahko razložim tako, da ugoto- vim, da so intelektualne sposobnosti precej različne od dosežene računalniške in inter- netne pismenosti. Posamezniki za doseganje višje računalniške in internetne pismenosti potrebujejo druge sposobnosti (poleg intelektualnih), denimo vedoželjnost, potrebo po vizualizaciji in socialni komunikaciji. Rečeno še drugače, razširjenost računalniške in internetne tehnologije, merjena v tej nalogi na tri načine (pomen za poklic, samoocena dosežene pismenosti, pogostost uporabe), še ne aktivira individualnega intelektualnega potenciala mladih na tak način, da bi se uporabniki diferencirali tudi glede na svoj kog- nitivni intelektualni kapital. Verjetno do te diferenciacije, pomembne za kreativnejši pristop k tehnologiji in za inovacijsko družbo, pride pozneje, v kasnejših življenjskih epizodah, ko so ljudje že bližje zaposlitvenemu sistemu, ne pa še v zgodnjih epizodah - v zaključnih letih osnovne šole in tik pred nadaljevanjem šolanja. V mladih letih se pos- amezniki še pretežno igrajo in preko tega učijo rabe tehnologij, ne da bi ob tem zares in značilno aktivirali svoj latentni intelektualni kapital. 176 10. Ugotovitve, diskusija in priporočila V zaključnem delu podajam glavne ugotovitve o pojavu, ki me je zanimal: večrazsežnost socialnih vidikov širjenja novih tehnologij, zlasti računalništva in in- terneta med mladimi v Sloveniji. Do teh ugotovitev sem prišla s sistematičnim proučevanjem pojava, na kvalitativen in kvantitativen način. Najprej povzemam te- meljne ugotovitve, do katerih sem prišla s proučevanjem sekundarnih virov: poleg teo- retskih razlag o širjenju novih tehnologij podajam še primerjalne vidike razširjenosti računalnikov in interneta med splošno populacijo in med mladimi, v Sloveniji in drugod. V nadaljevanju predstavljam ugotovitve, do katerih sem prišla pretežno s kvantitativnim proučevanjem pojava v Sloveniji: zbiranje vzorčnih podatkov, rezultate testiranje hipotez glede operacionaliziranega raziskovalnega modela in vsebinsko ter metodološko diskusijo dobljenih rezultatov. Zadnji del je namenjen širšim razmis- lekom in priporočilom za nadaljnje raziskovanje razširjenosti oziroma procesov širjenja računalnikov in interneta med mladimi. V tem okviru zgoščeno podajam tudi dvome, slabosti in probleme, na katere sem naletela pri proučevanju omenjene problematike. 10.1 Temeljne teoretske ugotovitve Najprej bom predstavila temeljne ugotovitve, do katerih sem prišla pri teoretski pripravi na pisanje te raziskovalne naloge. Glavni cilj je bil prepoznati najustreznejše ra- zlage za kasnejše merjenje socialnih dejavnikov, ki pogojujejo proces širjenja računalnikov in interneta med mladimi v Sloveniji. Raziskovalna naloga je bila zato razdeljena na več delov, ki so postopoma obravnavali posamezne sestavine raziskovalnega problema. 177 V prvih poglavjih sem najprej predstavila različne družboslovne pristope k opisovanju procesa širjenja novih tehnologij. Pri tem sem se osredotočila na družboslovne oziroma socialne teorije. Pričela sem kronološko oziroma historično, nato sem preizkušala različne klasifikacije raziskovalnih tradicij in teorij. Po dolgotra- jnem študiju sem zaznala, da moji tezi najbolj odgovarja, če teoretski del strukturiram tako, da prikažem, da so se med družboslovci izoblikovale štiri struje, ki so različno narekovale raziskovanje tega pojava. Ta delitev je torej nastala na osnovi predmeta proučevanja. Prvič, na makro nivoju so se, predvsem med makroekonomisti, raz- vile teorije, ki pojav proučujejo na globalni (državni, meddržavni) ravni, zanima jih prodaja tehnologij. Drugič, na mezzo nivoju se poudarek že premakne iz prodaje na prisvajanje tehnologij; tu so bili dejavni predvsem organizacijski in managerski ekono- misti, ki so proučevali vlogo različnih institucij in organizacijskih praks na razisko- vanje tega pojava. Tretjič, na mikro nivoju, kjer prihaja do bolj ali manj kakovostnega tehnološkega prevzemanja (znanja), so se razvijale ideje predvsem sociologov in so- cialnih psihologov, ki pojav proučujejo na individualni ravni. V empiričnem delu sem se oprla predvsem na dognanja slednjih. Četrtič, poleg teh treh struj se v sodobnosti vse bolj razvijajo tudi kritične teorije, ki na pojav in raziskovanje omenjenih treh struj gledajo iz zelo kompleksnega, velikokrat spregledanega kritičnega vidika. Zanimanje za proces širjenja tehnologij se je začelo med antropologi proti koncu 19. stoletja (družbeno destruktivni vdori novih tehnologij v 'primitivne' sku- pnosti). V prvi polovici 20. stoletja so se jim v tem početju priključili še ruralni in medicinski sociologi ter nekoliko kasneje še ekonomisti. V tem začetnem obdobju so raziskovalci različnih disciplin delovali dokaj ločeno in neodvisno drug od drugega. Naj spoznanja teh (štirih) struj na kratko povzamem. Proti koncu 50-ih let 20. stoletja so raziskovalci dognali, da bi se morali združiti pri raziskovanju tega pojava. V tem času se je pričelo eno od ključnih raziskovanj, ki je kasneje vplivalo na proučevanje širjenja novih tehnologij še desetletja. Proces širjenja so ti raziskovalci prikazali na prim- eru širjenja posevkov hibridne koruze (v ZDA), kjer so si sistematično začeli beležiti različne vplive na kumulativno rast njene rabe in njeno geografsko ter socialno širjenje. Proti koncu 70-ih let so se raziskovalci teorije organizacij začeli opirati na evo- lucijske modele (populacija uporabnikov v socialnem okolju z viri). Strukturne spre- membe družbe oziroma prevladujočega načina družbenega načina produkcije so po tem modelu pogojene s tehnološkimi spremembami, na organizacijski ravni pa še z osebnostnimi in organizacijskimi lastnostmi, ki vplivajo na prisvajanje tehnologij in tehnološko učenje; izide se da na splošno opisati tudi s populacijskimi procesi, zlasti z mehanizmi selekcije (novih tehnologij in kadrov zanje). Sociologi so se v tem obdobju začeli bolj posvečati tudi vlogi komunikacijskih sredstev za širjenje novih tehnologij v družbi (informacij o njih). 178 Ko so v 80-ih letih 20. stoletja (mikro)računalniki začeli množično prodirati na trg (do organizacij in družin) in so postali nujna sestavina delovnega procesa, so raziskovalci začeli proučevati procese mehanizacije in avtomatizacije proizvajanja ter primerjati stroške in dobljene rezultate, glede na cilje akterjev (organizacijska, regio- nalna, makroekonomska rast, učinkovitost in uspešnost); prvi rezultati so kazali na kompleksne, težko pojasnjljive socialne mehanizme, ki ovirajo ali pospešujejo širjenje novih tehnologij. V novejšem obdobju (v tako imenovani omrežni družbi), zlasti zaradi težav z zaposlovanjem na trgih dela, so se začeli raziskovalci zavedati, da nove tehnologije niso le rešitev vseh razvojnih problemov, temveč so lahko oziroma so že postale tudi del problema najnovejših faz družbene modernizacije: boleče izrivajo manj kvalificirano, rutinsko delovno silo iz sfere dele na obrobje ali v neaktivnost. Nadalje sem ugotovila, da se proces širjenja novih tehnologij lahko meri (običajno) na osnovi s-krivulje. Nekateri avtorji zato ta proces širjenja tehnologij po analogiji primerjajo s širjenjem (kužnih) epidemij, pri čemer so za naravo stika med ljudmi, ki prenaša znanje, informacije in izkustvo, odgovorne strukture socialnih omrežij in druga sredstva komuniciranja, zlasti množični mediji. Postopek družbenega širjenja novih tehnologij je po tej analogiji naslednji. Najprej se 'okuži' le določeno število posameznikov (voditeljev ali 'perifercev'). Ti v nadaljevanju razširijo 'bolezen' oziroma 'neko osnovno znanje o novih tehnologijah' na manjše število drugih, sebi bližnjih posameznikov, ki sestavljajo njihovo socialno omrežje. Tako se okužijo zgo- dnji uporabniki. Slednji 'okužbo' posredujejo dalje posameznikom, ki so sestavni del njihovega socialnega omrežja. In tako naprej, vse dokler se ne okužijo skoraj vsi pos- amezniki, ki so potencialni uporabniki novih tehnologij - slednji določajo tudi zgorn- jo mejo širjenja, tako imenovano nosilno kapaciteto populacije za absorbcijo nove tehnologije. Hitrost širjenja je v določeni povezavi s centralnostjo ali perifernostjo začetnih uporabnikov v širšem socialnem omrežju. Pri procesu širjenja nam tudi sama oblika kumulativne s-krivulje, pridobljena le v eni časovni točki, nekaj pove o fazi samega procesu širjenja. Bolj kot je s-krivulja nagnjena v desno (od sredine), bolj je posamezna tehnologija že razširjena. V kolikor je krivulja nagnjena v levo (od sredine), to nakazuje na bolj začetne faze v razvoju širjenja novih tehnologij. Pri tem je potrebno poudariti, da je čas med začetkom 'okužbe' in njenim koncem (ko je 'okužena' že večina ali vsa potencialna populacija uporabnikov) odvisen tudi od vrste tehnologije. Starejše tehnologije (kot na primer avtomobili, tele- fonija in podobno) so potrebovale več časa, da so se razširile od voditeljev oziroma ino- vatorjev na celotno populacijo. Novejše tehnologije (kot na primer računalniki, inter- net in mobilna telefonija) potrebujejo bistveno manj časa, da se prenesejo na celotno 179 populacijo. Starejše tehnologije so namreč večkrat predstavljale šele infrastrukturni pogoj za novejše (na primer elektrika za klasično telefonijo). Lahko bi rekli, da neka- tere tehnologije infrastrukturne vrste šele inducirajo nove, iz njih izpeljane inovacije. Zaustavljanje v širjenju tehnologij, ponazorjeno s samo obliko krivulje, se pri- pisuje različnim socialnim dejavnikom: eno so bolj ekonomski, drugo so socialno- omrežni (zato tudi trdimo, da je struktura socialnih omrežij instrumentalna za pro- ces širjenja), tretje so drugi družbeni dejavniki. Pri podrobnejšem proučevanju procesa širjenja novih tehnologij se zato možne različne teoretične usmeritve v družboslovju, ki se ukvarjajo z različnimi vidiki tega procesa in seveda z različnimi kupci (države, orga- nizacije, družine, posamezniki). Ekonomisti se na primer osredotočajo na raziskovanje vplivov novih tehnologij na ekonomsko rast organizacij in na ekonomski razvoj po- sameznih držav, segmentov, trgov, podjetij in podobno. Večina njihovih teorij je osno- vanih na principu ekonomske racionalnosti lastnikov ali podjetnikov (minimax koristi za udeležence), v novejšem času strnjenih v teorijo racionalne izbire (»rational choice theory«). Posamezniki (podjetja, trgi, države) naj bi začeli uporabljati nove tehnologije racionalno šele tedaj, v kolikor bodo v njih videli možnost dobička. Ta ni nujno vedno izražen v obliki kapitala oziroma materialnih sredstev. Pogosto gre tu namreč za vprašanje povečanja osebnega človekovega kapitala, za večjo učinkovitost posameznikovega dela, povečanje posameznikovega znanja, kulturnega kapitala ter podobno. Za razliko od ekonomistov se socialni psihologi in sociologi raje posvečajo drugim, ne zgolj ekonomskih vlogam posameznika in družbenega strukturiranja v pro- cesu širjenja računalnikov in interneta. Socialni psihologi denimo pozornost usmerjajo na snovanje motivov in preferenc ljudi (glede imetja in uporabe določene tehnologije), glede na posameznikove sposobnosti, kognicije, emocije, vrstniške skupine in podob- no. Sociologi so, za razliko od socialnih psihologov, morda še nekoliko bolj usmerjeni na opredelitev podedovanih družbenih struktur, ki manj vidno zožujejo izbire ljudem različnega izvora in s tem določajo (verjetnostno determinirajo) aktualni posameznikov status in njegovo neposredno okolje. Znanje je del izobrazbe, ta pa gotovo vpliva na status in poklicno kariero ljudi, zato je tudi vprašanje doseženega tehnološkega znanja pomembno s sociološkega vidika. Na uporabo novih tehnologij namreč vpliva predvsem družbeni kontekst, v katerega je posameznik vpet in ki ga (ne) omejuje. Tako so neka- teri družbeno marginalizirani posamezniki, zaradi same pripadnosti določenemu mar- ginaliziranemu družbenemu statusu, z določenimi družbenimi značilnostmi, iz procesa širjenja računalnikov in interneta lahko izključeni. Ta proces (iz)ločevanja družbenih skupin glede na vključenost v procese širjenja digitalnih tehnologij mnogi imenujejo digitalni razkorak. V socioekonomiki, ki je relativno nov spoj družbenih ved, je nas- tal okrog koncepta ekonomske racionalnosti nekoliko prirejen, bolj sociološki koncept družbenega delovanja in je trenutno aktualni teoretski temelj, ki naj bi uspešneje od 180 teorije racionalne izbire pojasnjeval logike družbenega delovanja - ne izbiranja!; imeno- van je 'teorija racionalnega delovanja' (»rational action theory«). Skoraj vse obravnavane socialne teorije se strinjajo v tem, da so za proces razširjenosti novih tehnologij nujno potrebni naslednji postopni dejavniki: posedo- vanje novih tehnologij, poznavanje njihove uporabe, motivacija za njihovo uporabo ter njihova dejanska uporaba. V nadaljevanju raziskovalne naloge, v empiričnem delu, sem se osredotočila na proučevanje komponent tega postopnega procesa širjenja. Pri tem sem kot primer novih tehnologij izbrala računalnike in internet. Kot ciljno populacijo raziskovan- ja sem izbrala mlade - maturante osnovnih šol v Sloveniji leta 2002/03. Na osnovi primerjave že opravljenih empiričnih raziskav sem lahko ugotovila, da imajo učenci v državah Evropske unije (vključno s Slovenijo) zelo dobre splošne pogoje za uporabo računalnikov in interneta med poukom, saj je delež šol opremljenih z računalniki in internetom zelo visok v skoraj vseh izbranih državah. Prav tako lahko povzamem, da se učitelji v povprečju teh tehnologij v izobraževalne namene poslužujejo dokaj pogos- to. Ti dve dejstvi nakazujeta na dobre tehnične predispozicije za širjenje računalnikov in interneta med mladimi v Evropski uniji, tudi v Sloveniji. Dejanske razlike med državami se torej bolj dotikajo drugih, latentnih dejavnikov razširjenosti in uporabe: motivacije, kognicije, družinskega okolja, posebnosti konteksta in podobno - kar vse je postalo središče mojega nadaljnjega raziskovanja. Z uvedbo novih tehnologij (in predvsem računalnika) se je spremenil sistem razmišljanja pri posameznikih. Nove tehnologije vplivajo na posameznikov način mišljenja in vedenja. Ljudje so se v zadnjih desetletjih malo spremenili v biološkem (genskem) pogledu. Največje spremembe so zaradi hitrega širjenja novih tehnologij doživela njihova prepričanja, njihove družbene vloge in načini obnašanja, torej pričakovanja. Nove tehnologije namreč zelo hitro razširjajo ideje, vrednote in načine vedenja meddržavno, kar pred njihovim širjenjem ni bilo možno. V informacijski družbi imajo posamezniki veliko možnosti, da vplivajo na osebni razvoj in oblikujejo svojo prihodnost s tem, ko novo tehnologijo uporabljajo. Ob vsem tem je potrebno tudi poudariti, da je posameznikovo vsakdanje življenje vse bolj nadzorovano s strani novih tehnologij. Računalniki lahko izvajajo kognitivne operacije za reševanje prob- lemov. Informacije pritekajo v centralno enoto, kjer pride do njihovega procesiranja v skladu z določenimi pravili, ki privedejo do rešitve problema. V začetni fazi razvoja so bili računalniki obravnavani kot linearni procesorji informacij. V tem obdobju so ljud- je funkcionirali na osnovi konceptualnega modela. Z uvedbo dinamičnih procesorjev lahko računalniki izvajajo bolj zapletene operacije. Poleg tega lahko istočasno izvajajo več operacij. Vse to vpliva na posameznikovo življenje, ki je v obdobju naglega širjenja 181 razvoja novih tehnologij vse bolj olajšano, vendar le v primeru poznavanja uporabe teh tehnologij. Posamezniki, ki niso sposobni uporabljati na primer računalnikov in inter- neta, so iz sodobne družbe v mnogih pogledih izključeni, saj so jim številna opravila in dostop do aktualnih informacij otežena. Hitro širjenje novih tehnologij zahteva posameznikovo nenehno prilagajanje na družbene spremembe. V kolikor se posameznik uspe prilagoditi na vse novosti, razširi svoje znanje in kognitivne sposobnosti. V kolikor mu to ne uspe, se v družbi izgubi (Bandura, 2001). Posamezniki se morajo v informacijski družbi neprestano izobraževati in razvijati svoje sposobnosti. Le tako se lahko soočijo s spremembami na trgu dela. Že v zgodnjem obdobju so se med izobraževalci vnele debate o vključevanju tehnologij v izobraževalni proces (Regalado S., 2004: 23-39). Prve table so se v ZDA pojavile v začetku 19. stoletja. Med izobraževalci so požele nasprotujoča si mnenja. Nekateri so v njih videli možnost napredka učnega procesa, medtem ko so drugi ostro nasprotovali njihovi uporabi v učilnicah63. Nekoliko kasneje so se začeli pojavljati prvi tiskani učbeniki in sredi 19. stoletja še fotografije, s katerimi so si učitelji pomagali pri razlaganju učne snovi. V začetku 20. stoletja so se v ZDA pojavile prve učne ure, pri katerih so učitelji uporabili film in radio za ponazoritev učne snovi, vendar njihovo širjenje v učilnicah ni bilo skladno z napovedmi, da naj bi vse šole imele učilnice opremljene s to tehnologijo. Sredi 50-ih let 20. stoletja se je v šole v ZDA začelo vpeljevati televizijo kot učni pripomoček, vendar televizija ni bila (skoraj) nikoli upo- rabljena kot primarno sredstvo poučevanja, temveč so jo učitelji uporabljali z drugimi, bolj tradicionalnimi, učnimi metodami. V 80-ih letih 20. stoletja so v šole prodrli računalniki, ki so ponovno razklali mnenja izobraževalcev. Posledice njihove vpeljave v razrede se še danes proučujejo v različnih kontekstih. Iz zgoraj zapisanega lahko sklenem, da so (nove) tehnologije v šole prodrle relativno hitro, kmalu po njihovem sprejetju med splošno populacijo. Nekatere od teh tehnologij so bile v izobraževanju pozitivno sprejete in so veliko pripomogle k samemu razvoju izobraževalnega procesa, medtem ko so druge prinesle manjšo korist za učitelje in učence. Pri tem vsekakor ne smemo pozabiti, da so učitelji tisti, ki na- rekujejo tempo širjenja novih tehnologij v razredih. Namreč, učitelj sam se odloči, kat- ero od tehnologij bo uporabil, v kakšne namene in v kolikšni meri. V kolikor učitelj s tehnologijo ni dovolj dobro seznanjen in zavrača njeno uporabo v razredu, tudi učenci ne bodo mogli spoznati njenih prednosti in slabosti. 63 Nasprotovanja glede uporabe tehnologije v učilnicah so prihajala na dan predvsem zaradi prepri- čanj, da jih učitelji na uspejo in ne znajo pravilno uporabljati. 182 Učitelji so (in še) vedno nove tehnologije uporabljali kot so uporabljali pred- hodne tehnologije. To pomeni, da niso učnega procesa nikoli snovali na osnovi teh- nologije, ampak na osnovi učne snovi. Tako izobraževalci ne prilagajajo učnih vsebin razvoju novih tehnologij. Učitelje in izobraževalce zanima le eno – kako prenašati znanje na učence. Pri tem se ne osredotočajo na vprašanja, na kakšen način bi jim nove tehnologije pri tem lahko pomagale (Regalado S., 2004). Vsekakor ne smemo zanemariti dejstva, da širjenje novih tehnologij v družbi še vedno ni (dovolj) raziskano. Praktiki in teoretiki tega področja so začeli že v 70-ih letih 20. stoletja doživljati različne kritike, ki vodijo v izboljšanje osnovnega modela širjenja. V nadaljevanju si oglejmo, kaj je bilo omenjenim teorijam najbolj očitano. Teorije širjenja novih tehnologij predpostavljajo, da se bo na določeni točki tehnologija razširila in jo bodo uporabljali vsi posamezniki. Omenjeni teoretiki tako privzemajo, da skoraj ni posameznika, ki določene tehnologije (tudi v kolikor ta nima pozitivnih posledic za posameznika) ne bi sprejel. Ta problem je bil izpostavljen že v začetku 70-ih let 20. stoletja in še danes ni dokončno rešen. Kritika tega aspekta se nanaša predvsem na dejstvo, da bi se morali teoretiki zavedati, da obstajajo posamezniki, ki jim določena tehnologija lahko celo škodi in je zaradi tega ne bi smeli uporabljati64. Ino- vacija in tehnologija sta tako pogosto razumljena kot sredstvo za doseganje tehnološkega napredka v moderni družbi. Tehnologije, ki se širijo počasi ali se sploh ne širijo oziroma jih je javnost zavrnila, niso predmet raziskav širjenja novih tehnologij. Teoretiki širjenja novih tehnologij so »slepi« glede sprejemanja možnosti, da se določena tehnologija ne bi razširila med populacijo iz več razlogov. Eden od njih je ta, da so pogosto študije o širjenju in uporabi novih tehnologij financirane s strani sponzorjev oziroma inovatorjev, katerim raziskovalci ne želijo podati negativnih pos- ledic procesa. Tako so rezultati raziskav širjenja novih tehnologij pogosto podvrženi nearbitrarnosti. Drugi razlog je ta, da so teoretiki širjenja novih tehnologij razvili metodološki aparat, ki je osnovan na predpostavki uspešnega širjenja tehnologije. V kolikor pride do spremembe ali zavračanja tehnologije, se tega procesa ne raziskuje. Namreč, naročniki raziskav o širjenju novih tehnologij naročajo raziskave o tehnologi- jah, ki so že na tržišču in jih je javnost tudi sprejela. Naročnike tako zanima, kako se določena tehnologija širi. Ob tem želijo tudi prepoznati priporočila za hitrejše širjenje te tehnologije. To pomeni, da naročnik že vnaprej izbere tehnologijo, ki je bila s strani javnosti pozitivno sprejeta. 64 Primer je uporaba računalnikov ali televizije s strani slabovidnih. Monitorji in ekrani namreč sevajo in lahko škodijo očem posameznikov. 183 Da bi se lahko izognili tem kritikam, bi morali teoretiki tega procesa upoštevati določena priporočila. Prvič, raziskave bi morali izvesti pred uvedbo določene inovacije (in ne le ugotavljanje učinkov in posledic določene inovacije po tem, ko se že pojavi na trgu). Podatke bi morali pridobiti v več časovnih točkah in ne le v trenutku, ko nova tehnologija postane že splošno razširjenja in jo uporablja večina populacije. Na ta način bi lahko prepoznali, na kateri točki širjenja se določena tehnologija nahaja. Drugič, predmet raziskovanja bi morali razširiti na vse tehnologije. Tako bi se morali osredotočiti tudi na tehnologije, ki se niso uspele razširiti (raziskati bi morali vzro- ke). Tretjič, prepoznati bi morali, da so zavrnitev, prekinitev uporabe in spremembe tehnologije sestavni deli procesa širjenja novih tehnologij. Tako morajo raziskovalci identificirati posameznikovo zaznavanje tehnologije. Četrtič, raziskovalci bi morali v raziskave vključiti tudi širši kontekst, ki določa širjenje novih tehnologij. In nazadnje, raziskovalci bi morali upoštevati posameznikovo motivacijo za uporabo novih teh- nologij. V ta namen bi se morali poslužiti tudi kvalitativnega raziskovanja. Za propad inovacije se pogosto krivi posameznike in ne družbenega sistema, v okviru katerega se je inovacija razvila65. Inovatorji tako pogosto pozabijo na dejstvo, da so njihove inovacije lahko pomanjkljive in bi bile potrebne izboljšav. Pogosto po tem ko- raku opazijo, da je širjenje uspešnejše in hitrejše. Prav tako inovatorji lahko ne izpostavijo dovolj natančnih informacij oziroma jih ne promovirajo med celotno ciljno populacijo. Tudi po odpravi teh pomanjkljivosti zaznajo porast uporabe svoje inovacije. Sama sem se problema lotila na način, ki bi kar čimbolje upošteval zgornja priporočila za čimbolj nevtralno raziskovanje problema. V nadaljevanju predstavljam najpomembnejše ugotovitve, do katerih sem prišla z izvedbo raziskave med sloven- skimi osmošolci in devetošolci. 10.2 Temeljne ugotovitve empiričnega dela V namene podrobnejšega raziskovanja procesa širjenja računalnikov in inter- neta med mladimi v Sloveniji sem v maju in juniju 2003 izvedla raziskavo med slo- venskimi osmošolci in devetošolci (šolsko leto 2002/2003). V raziskavi je sodelovalo 65 Poglejmo si primer. V Kanadi so v 90-ih letih 20. stoletja poskušali prebivalce ekološko osvestiti. Tako so v dveh večjih mestih (Calgary in Edmonton) opazovali prebivalce, v kolikor spoštujejo eko- logijo. Ugotovili so, da so prebivalci Calgary-ja dosti manj ekološko ozaveščeni. Ko so natančneje pogledali vzroke za tako vedenje, so ugotovili, da je imel Edmonton dobro razvit ekološki program, medtem ko ga Calgary ni imel (Rogers, 2003: 120-122). 184 885 učencev naključno izbranih zaključnih razredov osnovnih šol; realizirani vzorec dovoljuje posploševanje na populacijo osmošolcev in devetošolcev, ob metodoloških zadržkih (neodgovori). Raziskovalni model, s katerim sem želela oceniti različne vidi- ke stopnje razširjenosti računalnikov in interneta v tej populaciji, ob tem pa raziskati pomen različnih omejevalnih in pospeševalnih dejavnikov razširjenosti, sem osnovala s pomočjo prvin socialne kognitivne teorije karier (Piaget, Ausabel, Bruner, Vygotski, Bandura, Selwyn, Jensen in Wygant), v kateri kot (ne)odvisne spremenljivke nastopajo tudi pomen (motivacija za morebitno uporabo) računalniških in internetnih aplikacij in samoocena dosežene računalniško-internetne pismenosti. Kot pojasnjevalne, neod- visne spremenljivke so v model vključene določene druge determinante razširjenosti: kontekstualne spremenljivke, posameznikove (naravne, učne) sposobnosti ter po- sameznikove osebne lastnosti (spol). Pri operacionalizaciji možnih odvisnih spremenljivk, ki lahko merijo razširjenost računalnikov in interneta, sem imela veliko izbire, ki sem jo po pregledu relevantne liter- ature morala zožiti na najustreznejše zglede, glede na cilje svoje raziskovalne naloge. Tako sem najprej pregledala tri odmevne indekse, ki merijo proces z vidikov, ki me najbolj zanimajo. Izbrala sem 'indekse uporabe računalnikov in interneta', 'indeks informaci- jske tehnologije' ter 'indeks stopnje priključenosti na internet'. Zaznala sem, da omen- jeni trije indeksi ne upoštevajo in ne merijo vseh važnih dimenzij pojava razširjenosti računalnikov in interneta ter tudi, da njihova specifična formulacija prepogosti sloni na relativno nenačelnem seštevku dihotomnih spremenljivk (v konstruirane indekse). Za najboljšega (vsebinsko in metodološko korektnega) se je izkazal 'indeksi uporabe računalnikov in interneta'. Tega sem uporabila kot izhodišče za kreiranje lastnih spre- menljivk razširjenosti računalnikov in interneta med mladimi v Sloveniji. Skupni rezultat teh predštudij je dal glavno spoznanje, da z enim samim in- deksom ne morem verno podati razširjenosti neke nove tehnologije; potrebno je več indeksov, važno ob tem je, da argumentirano odgovorim na vprašanje, koliko jih je minimalno potrebnih, da popišejo najvažnejše poteze razširjenosti tehnologije. Zato in zaradi naštetih pomanjkljivosti obravnavnih indeksov iz literature sem se odločila, da uvedem lastne spremenljivke, ki naj bi ustrezneje podale najvažnejše vidike razširjenosti računalnikov in interneta, in sicer tako, da te spremenljivke formuliram na nekoliko drugačen način. Na osnovi teorije in kritične presoje izbranih indeksov sem lahko ugo- tovila, da je razširjenost računalnikov in interneta v družbi prvenstveno sestavljena iz naslednjih treh dimenzij: (poklicnega) pomena računalnikov in interneta, samo-ocene dosežene digitalne pismenosti ter pogostosti uporabe računalnikov in interneta. Vse te tri dimenzije oziroma spremenljivke so lahko seveda tudi analitski, ne le apriorni konstrukti, a lahko so spet večrazsežni. Da bi dognala, ali mi zbrani po- 185 datki dajejo dobro osnovo za oblikovanje treh spremenljivk razširjenosti, sem se lotila metodičnih analiz zbranih informacij. Vhodne informacije/indikatorje/podatke sem izmerila na enoten način, z uporabo 5-stopenjske (ordinalne) lestvice odgovorov. Pri tem sem za ponazoritev obravnavane tehnologije uporabila seznam 17 računalniških in internetnih aplikacij, za vsako od njih so posamezniki ocenjevali tri zgoraj omenjene vidike - odvisne spremenljivke o razširjenosti računalnikov in interneta. Za zmanjšanje števila spremenljivk v posameznem konstruktu sem - namesto zgolj seštevanja kot pri konstruiranju indeksov - uporabila faktorsko analizo. Na ta način sem po obsežnem analitskem delu končno dobila tri nove (analitsko pridobljene) spremenljivke, ki meri- jo tri vidike razširjenosti obravnavane tehnologije: poklicni pomen, samooceno pis- menosti in pogostost uporabe računalnikov ter interneta. Te tri spremenljivke (v obliki faktorkih uteži) sem shranila za nadaljnjo analizo. Kontekstualne spremenljivke predstavljajo neodvisne spremenljivke v raziskoval- nem modelu. Tu sem imela veliko konceptualnih dilem: prvič zato, ker je kontekst širok pojem, dejavnikov, ki bi lahko vplivali, pa je mnogo; drugič zato, ker so enote konteksta dokaj različne od ljudi, kar vnaša stalne dileme o metodologiji, ki bi najustrezneje spra- vila vplive različnih dejavnikov v pravo medsebojno sorazmerje. Pri izboru spremenljivk sem se na osnovi teoretskih posvetovanj z literaturo in obsežnih parcialnih študij odločila le za najnujnejše, za naslednje tri vidike: posameznikove intelektualne sposobnosti, po- sameznikovo okolje in posameznikove osebne lastnosti. Za merjenje posameznikovih in- telektualnih sposobnosti sem uporabila spremenljivko uspeha na tekmovanjih iz znanja. Prvenstveno sem sicer želela uporabiti šolske ocene, vendar se je izkazalo, da imajo sloven- ski učenci preveč uniformne ocene in ni bilo mogoče določiti predmeta, ki bi jih ločeval med seboj na bolj in manj sposobne. Posameznikovo okolje pri mladini dokaj ustrezno določata družina in šola. Pri tem sem merila opremljenost doma in šole z računalniki ter internetom, uporabo računalnikov s strani staršev, uporabo računalnikov s strani učiteljev, lokacijo računalniškega in internetnega učenja (dom-šola), izobrazbo matere, izobrazbo očeta ter tip kraja šolanja. Pri osebnih lastnostih sem se končno osredotočila le na spol, tudi zato, ker je spol naravno in družbeno konstruiran. Posameznikova starost v mojem primeru ni relevantna spremenljivka, saj je bil vzorčni okvir definiran s starostno kohorto 14-, 15- in 16-letnikov. Raziskovalni model o povezanosti dejavnikov razširjenosti digitalne tehnologi- je med slovensko mladino sem testirala v treh fazah. Pri tem sem izbrane neodvisne spremenljivke v model dodajala postopoma, da bi sproti ugotavljala stabilnost učinkov posameznih dejavnikov. V vseh primerih sem se poslužila metod regresijske analize. V kolikor je bila odvisna spremenljivka vsaj ordinalna, sem uporabila linearno multiplo regresijo. V nadaljevanju prikazujem dobljene rezultate, po korakih. Pri tem navajam in komentiram le statistično značilne vplive na odvisno spremenljivko. 186 V nadaljevanju v tabelarični obliki (tabela 10.1) prikazujem povzetek statistično značilnih vplivov na razširjenost računalnikov in interneta med slovenskimi osmošolci in devetošolci. Pri tem podajam povezanost treh dimenzij razširjenosti računalnikov in interneta ter kontekstualnih spremenljivk. Pri tem so z znakom + označeni statistično značilni pozitivni vplivi, z znakom – pa statistično značilni negativni vplivi. Table 10.1: Povzetek statistično značilnih vplivov na razširjenost računalnikov in interneta Bivariatna korelacija Pogostost Pomen Pismenost Indeksov razširjenosti rabe Vidiki razširjenosti Pogostost rabe + + Pomen + + Pismenost + + Ocenjeni učinki Pogostost Pomen Pismenost Kontekstualnih faktorjev rabe Na indekse (regresija) Osebne lastnosti Sposobnosti + Spol - Pretežno učno okolje Oprema doma in šole + + Praktični zgled učiteljev Praktični zgled staršev + Domača lokacija učenja + - - (v primerjavi s šolsko) Družinske statusne značilnosti Izobrazba oče Izobrazba mati Lokalne statusne značilnosti Tip kraja V prvi fazi sem testirala vpliv neodvisnih spremenljivk na spremenljivke razširjenosti računalnikov in interneta. V multipli regresijski analizi lahko nastopa le ena 'zvezna' odvisna spremenljivka (pri analizi v SPSS programu). V raziskovalnem mo- delu nastopajo tri odvisne spremenljivke, kar pomeni, da sem morala analizo ponoviti trikrat. V vsakem regresijskem takem modelu je ena od prej opredeljenih spremenljivk za razširjenost računalnikov in interneta nastopala kot odvisna spremenljivka, medtem ko sta ostali dve nastopali kot neodvisni spremenljivki. Poleg tega sem v vsak model vključila tudi interakcijo med preostalima dvema spremenljivkama razširjenosti računalnikov in interneta. Pokazalo se je, da so vsi ti regresijski modeli statistično značilni, s stopnjo značilnosti nižjo od 5 %. Delež pojasnjene variance je bil za različne vidike razširjenosti tehnologije različen: v primeru odvisne spremenljivke 'pomen računalnikov in interneta 187 za bodoči poklic' je bil nekoliko nizek (25 %), medtem ko je bil v primeru odvisnih spremenljivk 'samoocene dosežene računalniške in internetne pismenosti' ter 'pogostost uporabe računalnikov in interneta' nad 60 %. Glede vplivov različnih dejavnikov na odvisno spremenljivko sem ugotovila naslednje. Na 'pomen računalnikov in interneta za bodoči poklic' vplivajo statistično značilno: 'samoocena dosežene računalniške in internetne pismenosti', 'pogostost upo- rabe računalnikov in interneta', 'oprema doma in šole z računalniki in internetom' ter 'lokacija računalniškega in internetnega učenja'. Tako lahko trdim, da posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost, ki pogosteje upora- bljajo računalnike in internet, ki imajo bolje opremljen dom in šolo z računalniki in internetom ter so se uporabe računalnikov in interneta naučili v šoli (prej kot doma), pripisujejo večji pomen računalnikom in internetu za bodoči poklic. Podobno so pokazale tudi številne raziskave trgov dela. Kot zgleda, se slo- venska mladina zaveda, da so postali računalniki in internet nepogrešljivo orodje za njihovo bodočo poklicno kariero. Sodobni trgi dela (potencialnim) udeležencem, kot vsaka druga socialna struktura, ne razpošiljajo le pozitivnih ali vrednostno nevtralnih sporočil, ampak tudi svarilne signale. Ti na primer sporočajo, da v kolikor mlad človek znanja o računalnikih in internetu ne pridobi pravočasno, kar zmanjšuje možnosti njegove zaposljivosti. Izgleda, da ti mešani signali povzročajo, da se večina mladih (in njihovih staršev) že relativno hitro zave, da si bo lahko le s poznavanjem uporabe računalnikov in interneta zagotovila osnovno eksistenco in zatem tudi konkurenčnost na trgu dela. Osnovnošolska mladina, ki je od pravega trga dela sicer še dokaj od- daljena, te signale, z dobrimi in slabimi zgledi, spočetka pretvarja v motivacijo za neobvezno učenje, v katerem »prevzema nove tehnologije skozi igro«. Šele zatem to osnovno znanje polagoma, na različne načine, ki so odvisni od okoliščin, nadgrajuje v bolj utilitarno znanje o računalnikih in internetu. Neredko se dogaja, da ti signali, zaradi svoje dolgočasne enakovrstnosti, zaradi prozornih propagandnih ali ideoloških primesi, včasih tudi nasilnosti, sprožajo pri določenem delu mladine odpor do upo- rabe te tehnologije. Rastočo prisotnost tovrstnih signalov potrjujejo in obenem dopolnjujejo tudi ugotovitve novejših empiričnih proučevanj raznih nacionalnih trgov dela, ki jih čedalje širše in globlje zajema postopna difuzija računalnikov in interneta. Iz številnih raziskav, opravljenih po svetu, je na primer znano, da delovno aktivni posamezniki, ki so vsaj računalniško pismeni, če že ne ekspertno izobraženi, prejemajo višje dohodke in imajo večjo verjetnost za pridobitev (dobre) zaposlitve in napredovanja v poklicu, kot pa posamezniki, ki teh znanj nimajo osvojenih (de Grip, Heijke in Williems, 1998; van der Velden, Welters in Wolbers, 2001; Borghans in ter Weel, 2002; Dekker, de Grip in 188 Heijke, 2002; Heijke, Meng in Ramaekers, 2002). Prav tako se polagoma dopolnjuje- jo tudi spoznanja in ugotovitve o tehnološko-ekonomskem selekcijskem mehanizmu, ki na trgih dela deluje izločilno, diskriminatorno in pristransko za različne vrste dela: iz varnih in dobrih zaposlitev, ter celo iz same delovne aktivnosti, izriva tiste sloje ljudi, ki imajo nizko ali nikakršno stopnjo znanja o računalnikih in internetu in so obsojeni na opravljanje le rutinskih del (Braverman, 1974; Schiller, 1982; Kumar, 1995). Na ta način se z uvajanjem računalnikov in interneta očitno povečuje tudi socialna neena- kost aktivnega prebivalstva, ob nenavadnem in še nepojasnjenem pojavu, ki ima tudi svojo politično, ne le ekonomsko ozadje - plače slabše izobraženim delavcem se nižajo, kljub temu da se povprečna produktivnost dela v moderniziranih ekonomijah dviguje in se dvigujejo tudi povprečne plače (Autor, Katz in Krueger, 1998). Podobno velja tudi za 'samooceno dosežene računalniške in internetne pis- menosti'. Posamezniki, ki računalnikom in internetu pripisujejo večji pomen za bodoči poklic, ki pogosteje uporabljajo računalnike in internet ter so se naučili uporabljati računalnike in internet v šoli (prej kot doma), bolje ocenjujejo svojo računalniško in internetno pismenost. Na 'pogostost uporabe računalnikov in interneta' statistično značilno deluje več faktorjev: poleg pomena računalnikov in interneta za bodoči poklic, samo-ocene dosežene računalniške in internetne pismenosti ter lokacije računalniškega in internet- nega učenja, vplivajo še: 'posameznikove intelektualne sposobnosti', 'oprema doma in šole z računalniki in internetom', 'uporaba računalnikov s strani staršev' in spol. Posamezniki, ki računalnikom in internetu pripisujejo večji pomen za bodoči poklic, ki bolje ocenjujejo svojo doseženo računalniško in internetno pismenost, ki so se računalnika in interneta naučili uporabljati doma (prej kot v šoli), ki imajo bolj raz- vite intelektualne sposobnosti, ki imajo bolje opremljen dom in šolo z računalniki in internetom, ki njihovi starši bolj uporabljajo računalnike, so moškega spola, pogosteje uporabljajo računalnike in internet. Na osnovi ugotovljenega lahko zapišem nekaj zakonitosti 'socialnega meha- nizma', ki z neko znatno verjetnostjo veljajo za širjenje računalnikov in interneta med mladimi v Sloveniji. Teorije o širjenju novih tehnologij opozarjajo, da se ta proces v vseh svojih vidikih porazdeljuje v obliki s-krivulje. Glede na to, da sem raziskavo opravila le v eni časovni točki, načeloma in mod- elsko o trendih v vplivu dejavnikov v času ne moram sklepati, lahko pa nanje sklepam posredno, iz njihove kumulativne porazdelitve, kjer je zajeta nakopičena izkušnja pre- teklega časa: bolj kot je določen vidik širjenja tehnologij dokončan, bolj je s-krivulja 'zrela'. Ta krivulja je s faktorji izrecno povezana, saj faktorji določajo njeno obliko: 189 močneje kot nek dejavnik deluje pospeševalno za širjenje (ima pozitiven predznak), bolj je s-krivulja nekega vidika razširjenosti 'zrela', 'dopolnjena'. Velja tudi obratno: bolj kot deluje dejavnik zaviralno za širjenje tehnologije (bolj kot je negativen), manj je s-krivulja nekega vidika razširjenosti 'zrela', 'dopolnjena'. V kolikor upoštevam tak razmislek, lahko vseeno posredno predpostavim, kateri so pospeševalni oziroma za- viralni dejavniki tega procesa med slovensko mladino in kako vplivajo na stopnjo razširjenosti te tehnologije. Širjenje računalnikov in interneta med mladimi se rahlo razlikuje od tega pro- cesa med celotno populacijo, saj so mladi tisti, ki so najbolj dovzetni za sprejemanje teh tehnologij in novosti. Vrstni red različnih vidikov razširjenosti je pomenljiv. Pri proučevanju slovenske mladine lahko ugotovim, da je motivacija (merila sem jo s pomenom računalnikov in interneta za bodoči poklic) tista, ki je najbolj razširjena. To pomeni, da mladi za uporabo računalnikov in interneta najprej potrebujejo moti- vacijo, ki prihaja od zunaj (zgledi, informacije, mediji). V skladu z 'epidemiološkimi' teorijami širjenja novih tehnologij bi lahko to bili zlasti mediji in socialno okolje po- sameznika. Ko si posamezniki pridobijo dovolj motivacije za delo z računalniki in in- ternetom, oziroma ko spoznajo, da sta ti dve tehnologiji pomembni sestavini njihove predvidene ali zaželjene poklicne kariere, se pričnejo zares učiti uporabe računalniških in internetnih aplikacij. Kasneje si posamezniki nabavijo računalnik in nato še inter- net. V končni fazi posamezniki začnejo ti dve tehnologiji pogosteje uporabljati. Torej se proces širjenja računalnikov in interneta med mladimi v Sloveniji odvija preko sledečih faz: najprej motivacija, nato učenje, nato nakup in nazadnje uporaba. Kako to privede do kreativnega znanja oziroma uporabe - je drugo vprašanje, na katerega v tej raziskovalni nalogi nisem izrecno odgovarjala. Na osnovi izvedene raziskave med slovensko mladino in številnih analitskih vpogledov v posamezne faze in dejavnike širjenja sem lahko ugotovila, da na proces širjenja računalnikov in interneta najbolj vpliva 'lokacija računalniškega in internet- nega učenja'. Tako pridobljeno učenje v šoli (za razliko od doma pridobljenega po- znavanja računalnikov in interneta) vodi v večjo motivacijo za uporabo teh tehnologij v prihodnosti in v boljše poznavanje uporabe teh tehnologij, vendar ta pot narekuje manj pogosto uporabo teh tehnologij. Torej lahko ugotovim, da je 'učenje uporabe računalnikov in interneta v šoli' na nek kompleksen način skoraj zaviralni dejavnik za 'pogostost uporabe teh tehnologij', medtem ko deluje kot pospeševalni dejavnik za 'motivacijo uporabe' in 'poznavanje uporabe računalnikov in interneta'. Obratno velja za 'učenje uporabe računalnikov in interneta doma'. Poleg 'lokacije računalniškega in internetnega učenja' sta pospeševalna de- javnika širjenja - z vidika pogostosti uporabe računalnikov in interneta med mladimi - še dobra opremljenost šole in doma z računalniško in internetno tehnologijo ter poznavanje uporabe računalnikov s strani staršev. 190 Zaviralni dejavnik širjenja - z vidika pogostosti uporabe računalnikov in inter- neta med mladimi - je v Sloveniji vsekakor spol. Med mlajšimi generacijami, ki sem jih analizirala, namreč prevladuje težnja moških po pogostejši uporabi teh tehnologij. Strnjene analitske ugotovitve dokazujejo, da je širjenje računalnikov in intern- eta med mladimi v Sloveniji res tudi socialno pogojen proces širjenja novih tehnologij, zato lahko predstavlja ta študija droben, a preverljiv doprinos k tej splošni trditvi. Kljub temu smo lahko tudi videli, da proces širjenja ne pogojujejo vsi kontekstualni dejavni- ki, ki sem jih vzela v poštev za analizo. Specifična kombinacija dejavnikov, značilna za Slovenijo v tem trenutku in v obravnavani generaciji (2002/03), je pokazala, da so morda izbrani kontekstualni faktorji za širjenje obravnavane tehnologije med mladino celo močnejši od selekcije mladine po osebnostnih sposobnosti, socialnopsiholoških determinantah in motivacijah. Zato bi sklenila, da je trenutno stanje socialnega širjenja obravnavnih tehnologij v Sloveniji bolj odraz časa in okoliščin, denimo dokaj spontane diferenciacije mladine na osnovi statusnih karakteristik njihovih družin (izo- brazba, posedovanje opreme in znanja) in lokacije, kot pa rezultat dobre in načrtne (destratifikacijske) izrabe ljudi in človeškega kapitala. Skratka, variabilne strukturne - ekonomske, socialne in kulturne - razsežnosti slovenskega okolja verjetno v tem pro- cesu prevladujejo nad osebnostnimi sposobnostmi. To je le na drug način povedano sporočilo študij digitalnega razkoraka: da je širjenje omenjenih tehnologij tudi med mladimi bolj statusno kot pa sposobnostno pogojen proces. Morda je takšna ugoto- vitev celo »normalna«: saj do važnejše selekcije po sposobnostih ob stiku z relativno zahtevno računalniško in internetno tehnologijo morda pride pozneje v življenjskem obdobju. Škoda je le v tem, da je ta bistvena selekcija po zmožnostih pogojena s pred- hodno statusno selekcijo, ki poprej že dodobra razredči vrste mladih na nemeritoren, statusen način. Če dosežke svoje raziskave primerjam z najnovejšimi ugotovitvami o stopnji raz- vitosti informacijske družbe v Sloveniji, podanimi v študiji Stare, Kmet Zupančič in Bučar (Stare, Kmet Zupančič in Bučar, 2004: 99), najdem pomembne podobnosti. V SWOT analizi izobraževalnega sektorja v Sloveniji so ti avtorji med slabostmi zaznali dve (od petih), ki se kar dobro ujemata z mojimi ugotovitvami. Prvič, da je tekoča raven funkcionalne pismenosti nezadovoljiva za informacijsko družbo: tudi sama ugotavljam, da je razvejanost kognitivnih predstav slovenske osnovnošolske mladine, kako uporabiti digitalno tehnologijo, daleč za ravnijo angleške mladine. Drugič, da prevladuje med učenci in učnim osebjem nizko zavedanje o pomenu tovrstnih potreb na trgu dela: sama sicer ugotavljam, da je med učenci zavedanje o poklicnem pomenu digitalnih tehnologij sicer relativno visoko (visoko povprečje, nizka razpršenost mnenj o tem), a glavnino tovrstnega znanja (v vseh razsežnostih) učenci le pridobijo predvsem doma, prej kot v šoli. Ta podobnost v ugotovitvah okrepi grožnje, razvidne iz omenjene SWOT analize: 191 da počasnost v širjenju novih tehnologij (zlasti pomen, predstave in aplikativno znanje) oziroma v šibkem prenavljanju izobraževalnega sistema za informacijsko družbo izvira iz institucionalnih okorelosti (širjenje kot socialni proces), kljub povečanim zasebnim in javnim vlaganjem v opremo, kar kažejo raziskave in uradni podatki. 10.3 Veljavnost hipotez z diskusijo V nadaljevanju predstavljam komentarje k domnevam, ki sledijo iz ugotovitve, do katerih sem prišla na osnovi rezultatov raziskave. Pri tem navajam hipoteze, ki sem jih s pomočjo statistične analize vsestransko testirala. P R V A H I P O T E Z A pravi, da posameznikove intelektualne sposob- nosti vplivajo na njegovo doseženo računalniško in internetno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogostost uporabe računalniških in internetnih aplikacij. Na osnovi teorije sem predvidevala, da posamezniki, ki imajo bolje razvite intelektualne sposobnosti, bolje ocenjujejo svojo računalniško in inter- netno pismenost, menijo, da bodo računalniki in internet igrali pomembno vlogo za njihov bodoči poklic ter pogosteje uporabljajo računalnike in internet, kot pa po- samezniki, ki imajo slabše razvite kogintivne sposobnosti. S pomočjo regresijske analize sem ugotovila, da posameznikove intelektualne sposobnosti ne vplivajo na razširjenost računalnikov in interneta med mladimi, saj različne regresijske metode niso pokazale statistično značilne povezave med omenjen- imi spremenljivkami. Izkazalo se je namreč, da posamezniki z bolj razvitimi intelekt- ualnimi sposobnostmi pogosteje uporabljajo računalnike in internet. Pri tem ni moč zaznati povezave med posameznikovimi intelektualnimi sposobnostmi ter poklicnim pomenom uporabe računalnikov in interneta ter samooceno računalniške in inter- netne pismenosti. Omenjene hipoteze ne morem sprejeti. D R U G A H I P O T E Z A ravi, da vpliv socialnega konteksta (družine in šole) prav tako pomembno vpliva na posameznikovo doseženo računalniško in inter- netno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogos- tost uporabe računalnikov in interneta. Predvidevala sem, da posamezniki, ki imajo bolje opremljen dom in šolo z računalniško in internetno tehnologijo, katerih starši so bolj izobraženi in katerih starši in učitelji uporabljajo računalnike, bolje ocenjujejo svojo računalniško in internetno pismenost, pripisujejo uporabi računalnikov in inter- neta večji pomen ter ju tudi pogosteje uporabljajo. 192 Regresijska analiza je pokazala sledeče rezultate. Edina spremenljivka socialne- ga konteksta, ki vpliva na vse tri spremenljivke razširjenosti računalnikov in interneta med mladimi v Sloveniji, je lokacija računalniškega in internetnega učenja. Tako lahko ugotovim, da v kolikor se posamezniki računalnikov in interneta naučijo uporabljati doma (prej kot v šoli), pogosteje uporabljajo računalnike in internet, vendar slabše ocenjujejo svojo doseženo računalniško in internetno pismenost ter pripisujejo manjši pomen uporabi računalnikov in interneta za bodoči poklic. Šolsko okolje učencem nudi motivacijo in znanje uporabe računalnikov in interneta, medtem ko jim domače okolje omogoča pogostejšo uporabo teh medijev. Na pomen uporabe računalnikov in interneta za bodoči poklic vpliva tudi oprema doma in šole z računalniki in internetom. Posamezniki, ki imajo bolje oprem- ljen dom in šolo z računalniki in internetom, te tudi pogosteje uporabljajo. Edina izjema je spremenljivka pogostosti uporabe računalnikov in interneta. Nanjo namreč, poleg že omenjene lokacije računalniškega in internetnega učenja, statistično značilno vplivajo še druge spremenljivke socialnega konteksta. Posamezni- ki, ki imajo bolje opremljen dom in šolo z računalniki in internetom, te tudi pogosteje uporabljajo. Posamezniki, katerih starši znajo uporabljati računalnik, računalnike in internet pogosteje uporabljajo. Na osnovi dobljenih rezultatov lahko sklenem, da socialni kontekst vpliva na razširjenost računalnikov in interneta, vendar ne vse obravnavane spremenljivke so- cialnega konteksta. To hipotezo lahko le delno sprejmem. Pri tem lahko ugotovim, da avtorji raziskav o razširjenosti računalnikov in interneta poudarjajo pomen dohodka družine (Becker; Attewell; Gordon, Gordon in Moore; Natriello; Bonfadelli; Dolničar in drugi ter Selwyn), česar nisem merila v pričujoči raziskovalni nalogi. Poleg dohodka izpostavljajo še pomen izobrazbe staršev (Kwak; Becker; Attewell; Gordon, Gordon in Moore; Singh; Bonfadelli; Dolničar in drugi ter Lee), vendar se, presenetljivo, v mojem primeru to ni izkazalo za statistično značilno. T R E T J A H I P O T E Z A pravi, da posameznikove osebne lastnosti (predvsem spol) vplivajo na njegovo doseženo računalniško in internetno pismenost, na pomen računalnikov in interneta za bodoči poklic ter na pogostost uporabe računalniških in internetnih aplikacij. Moški pogosteje uporabljajo računalnike in internet, bolje ocenjujejo svojo doseženo računalniško in internetno pismenost ter računalnikom in internetu pripisujejo večji pomen. Regresijska analiza je pokazala, da spol vpliva edino na eno od spremenljivk, ki meri razširjenost računalnikov in interneta med mladimi v Sloveniji - pogostost rabe. 193 Tako lahko ugotovim, da moški pogosteje uporabljajo računalnike in internet kot ženske. To hipotezo lahko le delno sprejmem, saj spol ne vpliva statistično značilno na drugi dve odvisni spremenljivki (pomen, stopnjo znanja). Dosedanje raziskave kažejo, da moški lažje sprejemajo informacije kot ženske (Hawkridge; Sexton in drugi; Na- triello; Wright; Bonfadelli; Crosier, Cobb in Wilson ter Dolničar in drugi) in imajo večji interes za uporabo računalnikov kot ženske (Lavrič), kar se na mojih podatkih ni pokazalo za resnično (spol ne vpliva statistično značilno na raven znanja in zgodnjo poklicno motivacijo za uporabo računalnikov in interneta). Raziskave so tudi poka- zale, da moški pogosteje uporabljajo računalnike kot ženske (DiMaggio in drugi ter Correll), kar se je izkazalo tudi za slovensko mladino. Č E T R T A H I P O T E Z A pravi, da na doseženo stopnjo računalniške in internetne pismenosti vplivata tudi pomen računalnikov in interneta za bodoči poklic ter pogostost uporabe računalnikov in interneta. Posamezniki, ki ocenjujejo vpliv računalnikov in interneta za bodoči poklic kot pomembnejši in pogosteje uporabljajo računalnike in internet, bolje ocenjujejo svojo računalniško in internetno pismenost, kot posamezniki, ki pripisujejo računalnikom in internetu manjši pomen in ju manj pogosto uporabljajo. Omenjeno hipotezo lahko v celoti sprejmem. Na osnovi regresijske analize lahko ugotovim, da pomen in pogostost uporabe računalnikov in interneta statistično značilno vplivata na samooceno dosežene računalniške in internetne pismenosti. Tako lahko trdim, da posamezniki, ki pripisujejo računalnikom in internetu večji pomen, ju tudi pogosteje uporabljajo in bolje ocenjujejo svojo doseženo računalniško in inter- netno pismenost kot posamezniki, ki jim pripisujejo manjši pomen. P E T A H I P O T E Z A pravi, da na pomen računalnikov in interneta za bodoči poklic vplivata dosežena računalniška in internetna pismenost in pogostost upo- rabe računalnikov in interneta. Posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost, te tudi pogosteje uporabljajo ter pripisujejo večji pomen upora- bi računalnikov in interneta za bodoči poklic, kot pa posamezniki, ki slabše ocenjujejo svojo računalniško in internetno pismenost. Hipotezo lahko sprejmem. Na osnovi regresijske analize sem ugotovila, da po- samezniki, ki bolje ocenjujejo svojo doseženo računalniško in internetno pismenost, tem dvem medijem pripisujejo večji pomen in ju pogosteje uporabljajo kot posamezni- ki, ki slabše ocenjujejo svojo računalniško in internetno pismenost. Š E S T A H I P O T E Z A pravi, da na pogostost uporabe računalnikov in interneta vplivata posameznikova samoocena dosežene računalniške in internetne pis- 194 menosti ter pomen računalnikov in interneta za bodoči poklic. Posamezniki, ki bolje ocenjujejo svojo računalniško in internetno pismenost in pripisujejo večji pomen upo- rabi računalnikov in interneta za bodoči poklic, pogosteje uporabljajo računalnike in internet, kot posamezniki, ki so slabše računalniško in internetno pismeni in pripisu- jejo manjši pomen uporabi računalnikov in interneta v bodočem poklicu. Tudi to hipotezo lahko sprejmem. Regresijska analiza je namreč pokazala, da posamezniki, ki računalnike in internet pogosteje uporabljajo, tudi bolje ocenju- jejo svojo računalniško in internetno pismenost ter tem dvem medijem pripisujejo večji pomen za bodoči poklic. Motivacijo za uporabo računalnikov so izpostavili tudi številni avtorji tovrstnih raziskav (Kwak; Selwyn; Becker; Crosier, Cobb in Wilson), kar sem tudi sama potrdila s svojimi podatki. Končno, če po opravljenih teoretskih in empiričnih analizah komentiram še veljavnost treh uvodnih intuitivnih domnev, ki smo jih uvedli s predpostavko, da kon- tekst (osebne značilnosti, okolje) na vsako od treh dimenzij razširjenosti računalnikov in interneta deluje drugače, bi rekla, da te domneve lahko potrdim na vsaj dva načina. Prvič je to potrjeno na sintetični način: isti dejavniki pojasnijo 26% variabilnosti v pomenu, ki ga tem tehnologijam pripisujejo mladi, okrog 60% variabilnosti v samoocenjeni pismenosti in okrog 62% variabilnosti v pogostosti uporabe teh tehnologij. Drugič, tudi učinki posameznih faktorjev na posamezno dimenzijo razširjenosti se med seboj razlikujejo. Tak rezultat tudi argumentira (opravičuje) naš pristop: da se razširjenost tehnologij ustrezneje meri z ločenimi indeksi, kajti v vsaki od smeri širjenja tehnologij (pomen oziroma percepcija, stik s tehnologijo, doseženo znanje oziroma poznavanje) delujejo implicitni socialni mehanizmi nekoliko drugače, saj se očitno interakcije med učečo se mladino, družino, šolo in vrstniki in tipom okolja odvijajo v vsakem od teh treh prostorov po nekoliko drugačnih poteh. 10.4 Priporočila za nadaljnje raziskovanje Operacionalizacija spremenljivk razširjenosti računalnikov in interneta ter kontekstualnih spremenljivk se je izkazala za zelo zapleteno dejanje. Pri tem sem upoštevala priporočila, ki sem jih dobila na osnovi teorije ter raziskav, ki so jih opravili številni raziskovalci. Po opravljeni raziskavi med slovenskimi osmošolci in devetošolci maja in junija 2003 ter analizi dobljenih rezultatov sem ugotovila, da bi lahko nekatere od pomanj- 195 kljivosti, ki so se pojavile, odpravila z drugače oblikovano raziskovalno metodologijo. V nadaljevanju tako zapisujem priporočila, ki bi jih bilo smiselno upoštevati ob na- daljevanju raziskav tega področja. Prvi sklop priporočil se nanaša na vzorčni okvir. Najprej naj omenim, da bi bilo raziskavo smiselno ponoviti tudi za druge izobraževalne izbire, ne le za prvo (os- novna šola - srednja šola). To bi bilo smiselno, saj bi na ta način lahko dobila bolj celovito sliko o procesu širjenja novih (digitalnih) tehnologij med mladimi v Sloveniji. Anketiranci, ki sem jih zajela v tokratno raziskavo, so zelo specifična populacija, saj je v primarnem izobraževanju v Sloveniji bolj poglobljeno učenje računalništva in informatike šele v začetni fazi. Večina anketiranih v šoli tega pouka nima, kar jih avtomatična rangira nižje, v primerjavi s srednješolci, kjer je pouk računalništva in informatike obvezna vsebina vsakega študijskega programa. To nakazuje na dejstvo, da slovenska mladina v stik z računalniki in internetom (v smislu bolj formalnega izobraževanja) stopi šele z vstopom v srednjo šolo. Prav tako bi bilo smiselno raziskavo ponoviti med istimi anketiranci. Panelna raziskava bi omogočila zajetje procesa širjenja novih tehnologij in njegovo evalvacijo, ne le identifikacije ene same časovne točke (kar sem sama naredila). Na ta način bi lahko zaznala, kako se računalniki in internet dejansko širijo v slovenskem prostoru skozi čas. Raziskavo bi lahko iz populacije študentov oziroma učencev razširila tudi na učitelje, ravnatelje šol, starše učencev in na celotno populacijo. Na ta način bi dobila podatke o celotnem procesu širjenja novih tehnologij, ne le med mladimi. Naslednja opazka se nanaša na formulacijo vprašanj in operacionalizacijo spremenljivk. Tako sem na primer opazila, da sem pri operacionalizaciji spremen- ljivke 'uporabe računalnikov pri pouku s strani učiteljev' izpustila 'pogostost upo- rabe interneta', kar bi rezultatom dalo dodatno vrednost. Tudi spremenljivka 'uporaba računalnikov s strani staršev' je nekoliko pomanjkljivo formulirana, saj podobno kot prejšnja spremenljivka ne vsebuje podatka o uporabi interneta. Poleg omenjenega bi lahko to spremenljivko operacionalizirala tudi s 'pogostostjo uporabe' posameznega starša, s čemer bi dobila mersko kakovostnejšo spremenljivko. Opazila sem tudi, da bi lahko v raziskovalni model vključila številne druge kontekstualne spremenljivke (katerih povezavo z razširjenostjo računalnikov in in- terneta navajajo številne teorije), na primer funkcionalnost računalnika doma in v šoli, število računalnikov doma in v šoli, dostopnost do računalnikov, starost ob prvi uporabi računalnika in interneta ter podobno. Zaradi kompleksnosti raziskovalnega modela sem tokrat te spremenljivke zanemarila, saj se z vključitvijo večjega števila spremenljivk v raziskovalni model njegova kompleksnost povečuje (povečuje se število možnih latentnih interkacij). 196 Naslednja priporočila se nanašajo na metode za analizo podatkov. Namesto metod regresijske analize bi lahko uporabila strukturno modeliranje, ki omogoča uporabo ne le ene odvisne spremenljivke (kot v regresijski analizi), temveč večjega števila teh. V raziskovalnem modelu o razširjenosti računalnikov in interneta (kjer nastopajo le spremenljivke razširjenosti računalnikov in interneta) tega žal nisem us- pela aplicirati, saj se je izkazalo, da so vse tri spremenljivke razširjenosti računalnikov in interneta med seboj kavzalno povezane. V kolikor bi želela uporabiti strukturno modeliranje, bi morala poiskati vsaj po eno neodvisno spremenljivko, ki statistično značilno vpliva le na eno odvisno spremenljivko, če bi želela doseči identifikabilnost tako definiranega modela. V mojem primeru, ko sem že zbrala podatke, se je to izka- zalo za nemogoče dejanje. Edina neodvisna spremenljivka, ki statistično značilno vp- liva na vse tri odvisne spremenljivke razširjenosti računalnikov in interneta, je 'lokacija računalniškega in internetnega učenja'. Torej ta neodvisna spremenljivka ne pride v poštev kot tista spremenljivka, ki statistično značilno vpliva le na eno odvisno spre- menljivko, saj vpliva na vse tri hkrati. Izmed drugih izbranih kontekstualnih (neodvis- nih) spremenljivk ni nobene, ki bi vplivala le na 'pomen računalniških in internetnih aplikacij' ali le na samooceno dosežene računalniške in internetne pismenosti. Takega problema sicer ne zasledim pri 'pogostosti uporabe računalnikov in interneta', saj na to odvisno spremenljivko vpliva večje število neodvisnih spremenljivk. Iz tega lahko sklenem, da bi morala poiskati oziroma opredeliti druge kontekstualne spremenljivke, ki bi bolje kot te, s katerimi sem analizirala kontekst, definirale predvsem 'pomen upo- rabe računalnikov in interneta' ter 'samooceno dosežene računalniške in internetne pismenosti'. Le na ta način bi lahko zagotovila identifikabilnost modela in se poslužila metod strukturnega modeliranja. Na mednarodni konferenci »Applied Statistics 2004« sem dobila nekaj teht- nih pripomb glede svojega poskusa operacionalizacije spremenljivk 'razširjenosti računalnikov in interneta' ter glede uporabljenih metod za testiranje raziskovalnega modela. Tako sem dobila sugestijo, da bi lahko namesto enofaktorske rešitve uporabila rešitev z več faktorji pri vsaki spremenljivki. To možnost sem tudi preizkusila, vendar (kot sem ugotovila v poglavju, kjer sem omenjene spremenljivke tudi operacionalizira- la), da so korelacije med več faktorji iste konstruirane spremenljivke previsoke in da ta rešitev - vsaj glede na podatke, s katerimi razpolagam - ni najbolj primerna. Poleg tega so mi določeni udeleženci mednarodne konference svetovali tudi, da bi lahko uporabila lisrel model in modeliranje strukturnih enačb (»structural equation models«). Kot sem že opisala v prejšnjem odstavku strukturnega modeliranja ni moč uporabiti na mojih podatkih, saj imam premalo kontekstualnih spremenljivk, ki vplivajo na neodvisne spremenljivke. Ideja o uporabi strukturnih modelov je vsekakor zanimiva za nadaljnje testiranje, podobno kot ideja o uporabi tehnike MLM (multi-level-modelling). 197 Iz zapisanega lahko ugotovim, da obstajajo pri nadaljnjem raziskovanju razširjenosti računalnikov in interneta še številna odprta vprašanja in področja, ki bi jih bilo potrebno načrtno in poglobljeno raziskovati. 10.5 Priporočila za razvoj tehnološkega izobraževanja v Sloveniji Današnja mladina živi v obdobju, v katerem so prisotne številne kulturne, ekonomske, družbene in izobraževalne razlike. Tako za današnjega posameznika igra pomembno vlogo okolje, v katerem se je rodil in odraščal. Nove tehnologije igrajo zanj (in tudi za celotno družbo) pomembno vlogo, saj je njihova naloga povezovanje različnih kulturnih vzorcev, kljub temu, da nove tehnologije s seboj prinašajo pred- vsem kulturo zahodnih držav, ki jih ni moč aplicirati na vse kulturne vzorce (World Youth Report, 2003: 311-312). Zaradi navedenega sem se odločila, da v pričujoči raziskovalni nalogi raziščem, na kakšen način slovenska mladina doživlja naraščajoči pomen novih tehnologij. V nadaljevanju so podane ključne ugotovitve, s pomočjo ka- terih lahko pedagogi prepoznajo možne rešitve funkcionalne vpeljave novih tehnologij v življenje mladih. Za snovalce procesa tehnološkega izobraževanja je najpomembneje prepozna- ti smernice, ki bi omogočale kar čimvečji izkoristek novih tehnologij, predvsem računalnikov in interneta. Pri tem je potrebno poudariti, da za učence ni dovolj, da se o tehnologijah učijo le v formalnih izobraževalnih institucijah, temveč da morajo tako pridobljeno znanje povezovati tudi z znanjem, ki si ga pridobijo tudi v drugih oblikah izobraževanja (Hall in Schaverien, 2001: 454-455). Tako igrajo - poleg učiteljev - zelo pomembno vlogo tudi njihove družine in vrstniki. To pomeni, da je potrebno za pre- nos tehnološkega znanja primerno usposobiti tudi te kategorije posameznikov, ki v življenju današnje mladine igrajo vlogo pomembnih drugih. Tehnološkemu izobraževanju je vsekakor potrebno že v zgodnjem izobraževanju pripisati pomembno vlogo. Današnji izobraževalni sistemi še vedno posvečajo prema- lo pozornosti vpeljavi učnih predmetov, ki obravnavajo uporabo tehnologije. Šole so postale le tovarne, ki učence ne uspejo pripraviti na življenje in jim ne uspejo zagoto- viti osnovnih spretnosti za napredovanje (tako osebno kot poklicno). Njihovo vlogo vse bolj prevzemajo mediji, predvsem televizija, ki prej kot slej predstavlja oviro, saj otroke pasivizira – sami niso še sposobni (zaradi svoje mladosti in neizkušenosti) pri- merno procesirati prejete informacije (World Youth Report, 2003: 314). 198 Učitelji so premalo seznanjeni s temi vsebinami, kar posledično napoveduje, da imajo pomanjkanje izkušenj s tehnologijami in do njih razvijajo strah in nezau- pljivost. Prav tako učitelji ne vedo, katere izobraževalne pristope uporabiti in katere vsebine učiti v tem primeru. Ravnatelji šol bi morali svoje učitelje pošiljati na razne seminarje, kjer bi se ti naučili in osvežili svoje tehnološko znanje. Naslednji problem predstavlja tudi vzdrževanje novih tehnologij, ki zahteva od šol dodatne finančne izdatke, ki so pogosto omejeni. Ravnatelji šol to pogosto rešijo tako, da učitelje računalništva dodatno obremenijo s popravljanjem, nadgrajevanjem in vzdrževanjem računalniške in internetne opreme. V kolikor se pojavijo problemi v tej smeri, se večina učiteljev ne znajde in potrebuje pomoč izkušenega računalničarja. Iz pričujoče raziskovalne naloge je razvidno, da se slovenska mladina zaveda pomena novih tehnologij, predvsem računalnikov in interneta. Pri tem me je zanima- lo, kako ocenjujejo pomen računalnikov in interneta za njihov bodoči poklicni razvoj. Izkazalo se je, da slovenski osnovnošolci pripisujejo velik pomen uporabi računalnikov in interneta v svojem bodočem poklicu. Tako lahko ugotovim, da se slovenska mladina zaveda pomena novih tehnologij in jih temu primerno tudi pogosto uporablja. Torej so ovire za širjenje novih tehnologij za današnjo mladino relativno majhne. Slovenski izobraževalci bi morali to dejstvo izkoristiti in znanje o novih tehnologijah na ka- kovosten način implementirati že v zgodnje faze formalnega izobraževanja. S strani mladine je namreč odpor do novih tehnologij minimalen, kar pomeni, da bi bilo tehnološko izobraževanje lahko funkcionalno, v kolikor bi jim bilo podano v formal- nem in neformalnem izobraževanju. Poleg tega moram tudi poudariti, da se morajo za ustrezno vpeljevanje novih tehnologij v formalni izobraževalni sistem povezati tako izobraževalci oziroma peda- gogi kot tudi tehniki, ki prilagajajo nove tehnologije (tudi) učnemu procesu. Le na ta način se bodo lahko ustrezno razvijale izobraževalne prakse, ki bodo nove tehnologije približale učiteljem in učencem, tako da jih bodo lahko uporabili pri svojem delu oziroma poklicu. 199 Literatura Ajzen, Icek; Fishbein, Morris (1980): Understanding attitudes and predicting social behaviour. Eaglewood Cliffs, NJ: Prentice-Hall. Anderson, John R. (1995): Learning and memory: an integrated approach. New York, Chichester, Brisbane, Toronto, Singapore: John Wiley & Sons, inc. Antonelli, Cristiano (2004): The Economics of Localized Technological Change: A Model of Creative Adoption. Universita’ di Torino: Working Paper Series, working paper no. 03/2004. Attewell, Paul (1999): »The impact of family on job displacement and recovery«. Annals of the American Academy of Political and Social Sciences, 562, str. 66-82. Attewell, Paul (2001a): »The first and second digital divides«. Sociology of Education, 74, 3, str. 252-259. Attewell, Paul (2001b): »The winner-take-all high school: Organizational adaptations to educational stratification«. Sociology of 200 Education, 74, 4, str. 267-295. Audretsch, David B.; Bozernan, Barry; Combs, Kathryn L.; Feldman, Maryann; Link, Albert N.; Siegel, Donald S.; Stephan, Paula; Tassey, Gregory; Wessner, Charles (2002): »The Economics of Science and Technology«. Journal of Technology Transfer, 27, str. 155-203. Ausubel, David P. (1949): »Ego-development and the learning process«. Child Development, 20, 4, str. 173-190. Autor, David; Katz L.; Krueger, A. (1998): »Computing Inequality: How Computers Changes Labor Market«. Quarterly Journal of economics, 113, 4,str. 1169-1213. Aypay, Ahmet (2003): »The tough choice at high school door: an investigation of the factors that lead students to general or vocational schools«. International Journal of Educational Development, 23, 5, str. 517-527. Bagozzi, Richard P.; Davis, Fred D.; Warshaw, Paul R. (1992): »Development and test of a theory of technological learning and usage». Human Relations, 45, 7, str. 660-686. Bandura, Albert (1986): Social foundation of thought and action: A social cognitive theory. Englewood Cliffs, NJ: Prentice-Hall. Bandura, Albert (2001): »Social cognitive theory: An agentic perspective«. Annual Review of Psychology, 52, str. 1-26. Bandura, Albert (2002): »Selective Moral Disengegment in the Exercise of Moral 201 Agency«. Journal of Moral Education, 31, 2, str. 101-119. Baskerville, Richard; Pries-Heje, Jan (2003): »Diversity in Modeling Diffusion of Information Technology«. Journal of Technology Transfer, 28, str. 251-264. Bass, Frank M. (1969): »A New Product Growth Model for Consumer Durables«. Management Science, 13, 5, str. 215-227. Becker, Henry Jay (2000): »Who’s wired and who’s not: Children’s access to and use of computer technology«. The Future of Children, 10, 2, str. 44-75. Bentham, Jeremy (1981): Il libro dei sofismi. Roma: Riuniti. Bimber, Bruce (1999): »The Internet and Citizen Communication With Government: Does the Medium Matter?«. Political Communication, 16, 4, str. 409-428. Bimber, Bruce (2000): »The Study of Information Technology and Civic Engagement«. Political Communication, 17, 4, str. 329- 333. Blanks Hindman, Douglas (2000): »The rural- urban digital divide«. Journalism and Mass Communication Quarterly, 77, 3, str. 549- 560. Bonfadelli, Heinz (2002): »The Internet and Knowledge Gaps: A Theoretical and Empirical Investigation«. European Journal of Communication, 17, 1, str. 65-84. Borghans, Lex; Green, Francis; Mayhew, Ken 202 (2001): »Skills measurement and economic analysis: an introduction«. Oxford Economic Papers, 3, str. 375-384. Borghans, Lex; ter Weel, Bas (2000): How Computerization changes the UK Labour Market: The Facts viewed from a new Perspective. Maastricht University: Research Centre for Education and the Labour Market, Faculty of Economics and Business Administration, ROA-W-2000/7E. Borghans, Lex; ter Weel, Bas (2001): What happens when agent T gets a computer?. Maastricht University: Research Centre for Education and the Labour Market, Faculty of Economics and Business Administration, ROA-RM-2001/4E. Borghans, Lex; ter Weel, Bas (2002): Do Older Workers Have More Trouble Using a Computer Than Younger Workers?. Maastricht University: Research Centre for Education and the Labour Market, Faculty of Economics and Business Administration, ROA-RM-2002/1E. Brandsma, Andries; Thumm, Nikolaus; Tübke, Alexander (2001): Economic Transformation (Final Report of Enlargement Futures Project). European Commission, Report EUR 200116 EN. Sevilla: Joint Research Center IPTS (Institute for Prospective Technological Studies). Bransford, John D.; Brown, Ann L.; Cocking, Rodney R.; Donovan, M. Suzanne; Pellegrino, James W. (2000): How People Learn: Brain, Mind, Experience, and 203 School: Expanded Edition. Washington DC: National Academy Press. Braverman, Harry (1974): Labor and monopoly capital: the degradation of work in the twentieth century. New York: Monthly review press. Brown, Steven D.; Lent, Robert W. (1996): »A social cognitive framework for career choice counseling«. The Career Development Quarterly, 44, 4, str. 354-366. Bushweller, Kevin (2001): »Beyond machines«. Education Week, 20, 35, str. 31-36. Bücher, Karl (2001): »Začetki novinarstva«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 67-84. Canas, Alberto J.; Carvalho, Marco; Arguedas, Marco (2002): »Mining the Web to Suggest Concepts during Concept Mapping: Preliminary Results«. XIII Simposio Brasileiro de Informatica na Educacao SBIE UNISINOS 2002, November 2002, Brasil. Canas, Alberto J.; Coffey, John W.; Carnot, Mary Jo; Feltovich, Paul; Hoffman, Robert R.; Feltovich, Joan; Novak, Joseph D. (2003a): A Summary of Literature Pertaining to the Use of Concept Mapping Techniques and Technologies for Education and Performance Support. Technical Report submitted to the Chief of Naval Education and Training, Pensacola, FL. Canas, Alberto J.; Ford, Kenneth M.; Hayes, Patrick J.; Brennan, John; Reichherzer, Thomas (1995): »Knowledge Construction 204 and Sharing in Quorum«. World Conference on Artificial Intelligence in Education, Julij 1995, Washington DC. Canas, Alberto J.; Leake, David B.; Wilson, David C. (1999): Managing, Mapping, and Manipulating Conceptual Knowledge. AAAI Workshop Technical Report WS-99- 10: Exploring the Synergies of Knowledge Management & Case-Based Reasoning. Menlo Calif: AAAI Press. Canas, Alberto J.; Valerio, Alejandro; Lalinde- Pulido, Juan; Carvalho, Marco; Arguedas, Marco (2003b): »Using WordNet for Word Sense Disambiguation to Support Concept Map Construction«. Proceedings of SPIRE 2003 – 10th International Symposium on String Processing and Information Retrieval, Oktober 2003, Manaus, Brasil. Cantril , Hadley (1999): »Invazija z Marsa«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 137-150. Carnoy, Martin (1997): »The new information technology – international diffusion and its impact on employment and skills: A review of the literature«. International Journal of Manpower, 18, 1-2, str. 119-140. Carnoy, Martin; Castells, Manuel (2001): »Globalization, the knowledge society, and the Network State: Poulantzas at the millenium«. Global Networks, 1, 1, str. 1-18. Castells, Manuel (2000a): »Materials for an exploratory theory of the network society«. British Journal of Sociology, 51, 1, str. 5-24. 205 Castells, Manuel (2000b): The rise of the network society. Oxford, Malden: Blackwell. Chen, Milton; Healy, Jane M.; Resnick, Mitchel J.; Lipper, Laurie A.; Lazarus, Wendy; Dade, Chris J. (2000): »Five commentaries: Looking to the future«. The Future of Children, 10, 2, str. 168-180. Coffey, John W.; Canas, Alberto J.; Reichherzer, Thomas; Hill, Greg; Suri, Niranjan; Carff, Roger; Mitrovich, Tim; Eberle, Derek (2003): »Knowledge Modeling and the Creation of El-Tech: A Performance Support and Training System for Electronic Technicians«. Expert Systems with Applications, 25, 4, str. 483-492. Commission of the European Communities (2001a): e-Inclusion: The Information Society’s potential for social inclusion in Europe. Brussels, 18.9.2001. SEC(2001) 1428. Commission of the European Communities (2001b): e-Europe 2002 Benchmarking: European youth into the digital age. Brussels, 9.11.2001. SEC(2001) 1583. Compeau, Deborah; Higgins, Christopher A.; Huff, Sid (1999): »Social cognitive theory and individual reactions to computing technology: A longitudinal study«. MIS Quarterly, 23, 2, str. 145-158. Cooley, Charles H. (2001): »Razvoj in pomen sporočanja«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 147-160. Correll, Shelley J. (2001): »Gender and the career choice process: The role of biased self- 206 assessments«. The American Journal of Sociology, 106, 6, str. 1691-1730. Crosier, Joanna K.; Cobb, Sue; Wilson, John R. (2002): »Key lessons for the design and integration of virtual environments in secondary science«. Computers & education, 38, 1-3, str. 77-94. Cummings, Jonathon N.; Kraut, Robert (2002): »Domesticating Computers and the Internet«. The Information Society, 18, str. 221-231. Davis, Fred D. (1989): »Perceived usefulness, perceived ease of use, and user acceptance of information technology». MIS Quarterly, 13, 3, str. 319-340. Davis, Fred D.; Bagozzi, Richard P.; »Warshaw, Paul R. (1989): User acceptance of computer technology: A comparison of two theoretical models». Management Science, 35, str. 982-1003. de Grip, Adries; Heijke, Hans; Williems, Ed (1998): »Training and Mobility«. The Netherlands’ Journal of Social Sciences, 34, 1, str. 78-98. De Moura Castro, Claudio (2000): Education in the Information Age. URL: www.iadb.org/ sds/utility.cfm/761/ENGLISH/pub/123 (datum downlowda: 15.11.2000). De Nooy, Wouter; Mrvar, Andrej; Batagelj, Vladimir (2005): Exploratory Social Network Analysis with Pajek. New York: Cambridge University Press, str. 147-167. 207 Dekker, Ron; de Grip, Andries; Heijke, Hans (2002): »The effects of training and overeducation on career mobility in a segmented labour market«. International Journal of Manpower, 23, 2, str. 106-125. Demetroiu, Helen; Goalen, Paul; Rudduck, Jean (2000): »Academic performance, transfer, transition and friendship: listening to the student voice«. International Journal of Educational Research, 33, 4, str. 425-441. Dequech, David (2003): »Cognitive and cultural embeddedness: Combining institutional economics and economic sociology«. Journal of Economic Issues, 37, 2, str. 461- . Devi, Chandra (2001): »Taking steps to bridge the digital divide«. Computimes Malaysia, 6.8.2001, str. 1. Dewey, John (2001): »Narava, sporočanje in pomen«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 201-224. DiMaggio, Paul E.; Hargittai, W. Russel; Neuman, J. P.; Robinson (2001): »Social Implications of Internet«. Annual review of Sociology, 27, str. 307-336. Dolničar, Vesna; Vukčevič, Katja; Kronegger, Luka; Vehovar, Vasja (2002): »Digitalni razkorak v Sloveniji«. Družboslovne razprave, 18, 40, str. 83-106. Ebbinghaus, Hermann (1913): Memory: A contribution to experimental psychology. New York: Teachers College, Columbia University. Espinosa, Tami Lucila (2001): Are public schools 208 falling behind in the computer age?. URL: www.wesleyan.edu/synthesis/FRIDAY/ frifinal/artte.htm (datum downlowda: 9.3.2001). European Commission (2003a): Information Society Statistics: Data 1997-2002. Luxembourg: Office for Official Publication of the European Communities. European Commission (2003b): Statistics on the information society in Europe: Data 1996- 2002. Luxembourg: Office for Official Publication of the European Communities. European Commission (2003c): SIBIS Slovenia: Country Report No.10. IST-2000-26276. European Commission (2004): Eurobarometer EB60.2 – CC-EB 2004.1, Illegal and harmful content on the Internet: EU-25 comparative highlights. European Commission, Enterprise Directorate- General (2002): 2002 European Innovation Scoreboard Technical Paper No 5: Thematic Innovation Scoreboard – Life Long Learning for Innovation. Evenson, Robert E.; Westphal, Larry E. (1994): Technological Change and Technological Strategy. UNU/INTECH working paper no. 12. Ferligoj, Anuška; Leskošek, Karmen; Kogovšek, Tina (1995): Zanesljivost in veljavnost merjenja. Ljubljana: Fakulteta za družbene vede. Ferligoj, Anuška (1999): Multivariatna analiza – 209 zapiski predavanj (podpilomski študij na Fakulteti za družbene vede). Ljubljana: Fakulteta za družbene vede. Festinger, Leon (1999): »Uvod v teorijo kognitivne disonance«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 173-191. Fountain, Jane E. (2000): »Constructing the information society: women, information technology, and design«. Technology in Society, 22, 1, str. 45-62. Freeman, Christopher (1987): »The Case for Technological Determinism«. V: Finnegan Ruth (ur.); Salaman, Graeme (ur.); Thompson, Kenneth (ur.): Information Technology: Social Issues. London: Hodder and Stoughton, str. 5-18. Freeman, Christopher; Soete, Luc (1997): The Economics of Industrial Innovation. Third Edition. Pinter, London and Washington. Freud, Sigmund (2001): »Množična psihologija«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV. Gallup Europe (2002): Flash Eurobarometer 135: Internet and the public at large. Ganzeboom, Harry B., Kramberger, Anton in Nieuwbeerta, Paul (2000): »The parental effect on educational and accupational attainment in Slovenia during the 20th century«. V: Kramberger, Anton (ur.). Mechanisms of social differentiation in Slovenia : tematska številka = special issue . Družboslovne razprave, 16, 32/33, str. 9-54. 210 Gardner, Howard (1983): Frames of mind: The theory of multiple intelligences. New York, NY: Basic Books. Gordon, Margaret; Gordon, Andrew; Moore, Elizabeth (2001): »New computers bring new patrons«. Library Journal, 126, 3, str. 134-138. Gourova, Elissaveta; Burgelman, Jean-Claude; Bogdanowitz, Marc; Hermann, Christoph (2001a): Information and Communication Technologies (Draft Panel Report of Enlargement Futures Project, prepaired for the Bled Conference 2-4 December 2001). Sevilla: European Commission and Joint Research Center IPTS (Institute for Prospective Technological Studies). Gourova, Elissaveta; Hermann, Christoph; Leijten, Jos; Clements, Bernard (2001b): The digital divide – A research perspecitve (A report to the G8 opportunities task force). Sevilla: European Commission and Joint Research Center IPTS (Institute for Prospective Technological Studies). EUR 19913 EN. Gourova, Elisaveta; Ducatel, Ken; Gavigan, James; Scapolo, Fabiana; Di Pietrogiacomo, Paolo (2001c): Enlargement Futures Project: Expert Panel on Technology, Knowledge and Learning. European Commission, Joint Research Centre, Institute for Prospective Technological Studies. Report EUR 20118 EN. Gourova, Elissaveta (2003): Insight into ICT professional skills and jobs in the Candidate Countries (Enlargement Futures Series 211 08). Sevilla: European Commission and Joint Research Center IPTS (Institute for Prospective Technological Studies). EUR 20749 EN. Gray, Andrew (1999): »Informacijska doba in izobraževanje: Izziv in odziv (vpliv informacijskih in komunikacijskih tehnologij na izobraževalni sistem in učno prakso)«. Organizacija, 32, 8-9, str. 419-428. Habermas, Jürgen (1981): »Kriza spoznavne kritike«. V: Žižek, Slavoj; Riha, Rado (ur.): Kritična teorija družbe), prevod Žižek, Slavoj. Ljubljana: Mladinska knjiga. Habermas, Jürgen (1989): Strukturne spremembe javnosti. Ljubljana: ŠKUC: Znanstveni inštitut Filozofske Fakultete. Hackett, Gregory P. (1990): »Investment in Technology – The Service Sector Sinkhole?«. MIT Sloan Management Review, 31, 2, str. 97-103. Hall, Bronwyn H., Beethika Khan (2003): Adoption of New Technology. UCB Working paper No. E03-330 (may 2003). Univ. of California, Berkeley, Dept. of Economics. Hall, Robin L.; Schaverien, Lynette (2001): »Families’ Engagement with Young Children’s Science and Technology at Home«. V: Dierking, Lynn D. (ur.); Falk, John H. (ur.): Informal Science. John Wily & Sons, Inc., str. 454-481. Hawkridge, David H. (1985): New Information Technology in Education. Croom Helm, London & Sydney. 212 Heijke, Hans; Meng, Christoph; Ramaekers, Ger (2002): An investigation into the role of human capital competences and their pay-off. Maastricht University: Research Centre for Education and the Labour Market, Faculty of Economics and Business Administration, ROA-RM-2002/3E. Heijke, Hans; Ramaekers, Ger (2000): »Informatics Engineering and Business Informatics in the ICT Society: Substitues Or Complements?«. V: Borghans, Lex; Gijselaers, Wim H.; Milter, Richard G.; Stinson, John E. (ur.): Educational Innovation in Economics and Business V, Business Education for the Changing Workplace. Dordrecht, Boston, London: Kluwer Academic Publishers, 5, str. 85-109. Hildenbrand, Suzanne (1999): »The information age vs. gender equity«. Library Journal, 124, 7, 44-47. Hjorthol, Randi Johanne (2002): »The relation between daily travel and use of the home computer«. Transportation Research Part A: Policy and Practice, 36, 5, str. 437-452. Hosein, Ian; Tsiavos, Prodromos; Whitley, Edgar A. (2003): »Regulating Architecture and Architectures of Regulation: Contributions from Information Systems«. International Review of Law Computers & Technology, 17, 1, str. 85-97. Hovland, Carl I.; Janis, Irving L.; Kel ey, Harold H. (1999): »Sporočanje in prepričevanje: Psihološke študije o spreminjanju mnenja«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 109-135. Hu, Paul Jen-Hwa; Clark, Theodore H. K.; Ma, 213 Will W. (2003): »Examining technology acceptance by school teachers: a longitudinal study«. Information & Management, 41, 2, str. 227-241. Hughes, James (1997): At the Feet of the Rabbi. URL: reformed.com/pub/cyber8.htm (datum downlowda: 6.3.2000). Hull, Clark L. (1952): Autobiography. V: Murchinson, C. A. (ur.): A history of psychology in autobiography (Vol. 4). New York: Russell & Russell Press. ICT Skills Monitoring Group (2002): E-business and ICT skills in Europe: Benchmarking Member State policy initiatives. Ivančič, Angela (2000): »Education and shifts between labour-market states in the transition from the socialist to the market economy: the Slovenian case«. European sociological review, 16, 4, str. 403-425. Jaakkola, Hannu (1994): The Heuristic Analysis of Diffusion. IEEE 1994 – CH 3458 – 7/94/0000. Japelj, Barbara; Čuček, Mojca (2000): Druga mednarodna raziskava uporabe informacijskih in komunikacijskih tehnologij v izobraževanju. Ljubljana: Pedagoški inštitut. Jensen, Larry C.; Wygant, Steven A. (1990): »The Developmental Self-Valuing Theory: A Practical Approach for Business Ethics«. Journal of Business Ethics, 9, 3, str. 215-225. Jereb, Janez; Šmitek, Brane; Jereb, Eva (1999): 214 »Uporaba elektronskega učbenika pri študiju na daljavo«. Organizacija, 32, 8-9, str. 489-500. Jovanovic, Boyan (1998): Michael Gort’s Contribution to Economics. Review of Economic Dynamics, 1, 2, str. 327-337. Jung, Joo-Young; Qiu, Jack Linchuan; Kim, Yong- Chan (2001): »Internet connectedness and inequality: Beyond the »divide««. Communication Research, 28, 4, str. 507- 535. Jung, Joo-Young; Kim, Yong-Chan; Lin, Way- Ying; Hope Cheong, Pauline (2005): »The influence of social environment on internet connectedness of adolescents in Seoul, Singapore and Taipei«. New Media & Society, 7, 1, str. 64-88. Jussawal a, Meheroo (2001): »The digital age and the digital divide«. Intermedia, 29, 3, str. 26-43. Kalton, Graham; Vehovar, Vasja (2001): Vzorčenje v anketah. Ljubljana: Fakulteta za družbene vede. Katz, Elihu; Lazarsfeld, Paul F. (1999): »Osebni vpliv«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 41-49. Kirsch, Irwin (2001): The International Adult Literacy Survey (IALS): Understanding What Was Measured. Princeton: Educational Testing Service, Statistics & Research Division. RR-01-25. Knies, Karl (2001): »Brzojav kot komunikacijsko sredstvo«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, 215 FDV, str. 29-47. Kolb, David A. (1984): Experiential Learning: Experience as the Source of Learning and Development. Englewood Cliffs: Prentice- Hall. Kramberger, Anton (2000a): Poklici, trg dela in politika. Ljubljana: FDV (Znanstvena knjižnica). Kramberger, Anton (2000b): “Vpliv družine na izobrazbene dosežke potomcev v Sloveniji”. V: Mandič, Srna (ur.): Kakovost življenja. Ljubljana: Fakulteta za družbene vede, str. 93-123. Krapež, Alenka; Batagelj, Vladimir (1999): »Stanje in problematika informatike v srednjih šolah«. Organizacija, 32, 8-9, str. 434-436. Kraut, Robert; Kiesler, Sara; Boneva, Bonka; Cummings, Jonathon; Helgeson, Vicki; Crawford, Anne (2002): »Internet Paradox Revisited«. Journal of Social Issues, 58, 1, str. 49-74. Kumar, Krishan (1995): From post-industrial to post-modern society: new theories of the contemporary world. Oxford, Cambridge (Mass.): Blackwell. Kuo, Feng-Yang; Hsu, Meng-Hsiang (2001): “Development and Validation of Ethical Computer Self-Efficacy Measure: The Case of Softlifting”. Journal of Business Ethics, 32, 3, str. 299-315. Kwak, Nojin (1999): »Revisiting the Knowledge Gap Hypothesis: Education, Motivation, and Media Use«. Communication Research, 216 26, 4, str. 385-413. Larsen, Steen (2000a): The computer is a laboratory instrument. URL: home4.inet.tele.dk/ larsens/comlab.html (datum downlowda: 15.11.2000). Larsen, Steen (2000b): Psychological and Pedagogical Considerations in Relation to Implementation of Educational Software. URL: home4.inet.tele.dk/larsens/psychp. html (datum downlowda: 15.11.2000). Larsen, Steen (2000c): New technologies in education: Social and psychological aspects. URL: home4.inet.tele.dk/larsens/newtech. html (datum downlowda: 15.11.2000). Lasswell, Harold D. (1999): »Struktura in funkcija sporočanja v družbi«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 11-22. Lavrič, Andreja (2000): »Uporaba interneta v šolah«. Sodobna pedagogika, 51, 3, str. 58-68. Lawton, Joseph T.; Saunders, Ruth A.; Muhs, Paul (1980): »Theories of Piaget, Bruner and Ausubel: Explications and Implications«. The Journal of Genetic Psychology, 136, str. 121-136. Lazarsfeld, Paul F.; Merton, Robert K. (1999): »Množično sporočanje, popularni okus in organizirano družbeno delovanje«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 23-40. Le Bon, Gustave (2001): »Mnenja in prepričanja množic«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, 217 FDV, str. 85-98. Leake, David B.; Maguitman, Ana; Reichherzer, Thomas; Canas, Alberto J.; Carvalho, Marco; Arguedas, Marco; Brenes, Sofia; Eskridge, Tom (2003): Aiding Knowledge Capture by Searching for Extension of Knowledge Models. Lee, Alice Y.L. (1999): »Infomedia Literacy«. Information, Communication & Society, 2, 2, str. 134-155. Lent, Robert W.; Brown, Steven D.; Hackett, Gail (1994): »Toward a unifying social cognitive theory of career choice and academic interest, choice, and performance«. Journal of Vocational Behaviour, 45, 1, str. 79-122. Lent, Robert W.; Brown, Steven D. (1996): »Social cognitive approach to career development: An overview«. The Career Development Quarterly, 44, 4, 310-321. Lent, Robert W.; Hackett, Gail; Brown, Steven D. (1999): »A social cognitive view of school-to-work transition«. The Career Development Quarterly, 47, 4, str. 297-311. Lessig, Lawrence; Resnick, Paul (1999): »Zoning speech on the Internet: A legal and technical model«. Michigan Law Review, 98, str. 395-431. Lewin, Kurt (1999): »Psihološka ekologija«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 93-108. Linacre, J. (1993): »Why logistic ogive and not 218 autocatalytic curve?«. Rasch Measurement Transactions, 6, 4, str. 260-261. Lippmann, Walter (2001): »Stereotipi«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 169-180. Loebach Wetherell, Julie; Reynolds, Chandra A.; Gatz, Margaret; Pedersen, Nancy L. (2002). »Anxiety, cognitive performance, and cognitive decline in normal aging«. The Journals of Gerontology, 57B, 3, str. 246-255. Loges, William E.; Jung, Joo-Young (2001): »Exploring the digital divide: Internet connectedness and age«. Communication Research, 28, 4, str. 536-562. Lowe, Graham S.; McAuley, Julie (2000): Adult Literacy and Lifeskills Survey: Information and Communication Technology Literacy Assessment Framework. Lyon, David (1994): The Electronic Eye: The Rise of Surveillance Society. Cambridge, Oxford: Polity Press. Mahajan, V.; Shoemen, R. A. (1977): »Generalized model for the time pattern of the diffusion process«. IEEE Transactions on Engineering Management, 24, 1, str.12-18. Makuc, Alenka (1999): »Izobraževanje na daljavo s pomočjo informacijsko komunikacijskih tehnologij v osnovnih in srednjih šolah«. Organizacija, 32, 8-9, str. 501-504. Mare, Robert D. (2001): »Observations on the Study of Social Mobility and Inequality«. V: 219 Brusky, David B. (ur.): Social stratification: Class, Race, and Gender in Sociological Perspective (2nd edition). Westview Press, str. 477-488. Massis, Bruce E. (2001): »How to create and implement a technology training program«. American Libraries, 32, 9, str. 49-51. Mavers, Diane; Somekh, Bridget; Restorick, Jane (2002): »Interpreting the externalised images of pupils’ conceptions of ICT: methods for the analysis of concept maps«. Computers & education, 38, 1-3, str. 187-207. Mead, George Herbert (2001): »Mišljenje in sporočanje«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 225-236. Ministry of Economic Affairs, The Netherlands, Directorate-General Telecommunications and Post (2004): Rethinking the European ICT Agenda: Ten ICT- breakthroughs for reaching Lisbon Goals. http://europa.eu.int/idabc/ servlets/Doc?id=18464#search=%22%20 %22Rethinking%20the%20European%20 ICT%20Agenda%22%22 (datum downloada: 06.09.2006). Mlinar, Zdravko (1989): »Na poti v informacijsko družbo: tehnološke spremembe, individuacija in globalizacija«. Teorija in praksa, 26, 10, str. 1194-1214. Modis, Theodore (2006): The End of Internet Rush. Lugano: Growth Dynamics. http:// www.growth-dynamics.com (datum downloada: 06.11.2006). 220 Mohorič, Tomaž (1999): »O podatku in informaciji«. Organizacija, 32, 8-9, str. 445-448. Morrison Gutman, Leslie; Midgley, Carol (2000): »The role of protective factors supporting the academic achievement of poor African American students during the middle school transition«. Journal of Youth and Adolescence, 29, 2, str. 223-248. Muha, Simon; Rajkovič, Vladislav; Florjančič, Jože (1999): »Kakovost šole v luči informacijske pismenosti«. Organizacija, 32, 8-9, str. 440-444. Mukoyama, Toshihiko (2003): Rosenberg’s »Learning by Using« and Technology Diffusion. URL: Artsandscience.concordia. ca/faculty/mukoyama/pdf_word_excel/ research/learningbyusing.pdf (datum downloada: 16. 01. 2004). Murray, Andrew; Scott, Colin (2002): »Controlling the New Media: Hybrid Responses to New Forms of Power«. The Modern Law Review, 65, 4, str. 491-516. Murray, Andrew D. (2003): »Regulations and Rights in Networkes Space«. Journal of Law and Society, 30, 2, str. 187-216. Natriello, Gary (2001): »Bridging the second digital divide: What can sociologists of education contribute?«. Sociology of Education, 74, 3, str. 260-265. Newell, Allen; Simon, Herbert A. (1972). Human problem solving. Englewood Cliffs, New 221 Jersey: Prentice-Hall. Novak, Joseph D. (2004). »Reflections on a Half- Century of Thinking in Science Education and Research: Implications from a Twelve- Year Longitudinal Study of Children’s Learning«. Canadian Journal of Science, Mathematics & Technology, 4, 1, str. 23-41. Ogden, Charles K.; Richards, Ivar A. (1923): »Misli, besede in stvari«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 181-200. OECD (1981): Information Activities, Electronics and Telecommunications Technologies, Volume II: Expert Reports. Orwell, George (1967): 1984. Ljubljana: Mladinska knjiga. Park, Robert E. (2001). »Razmišljanja o sporočanju in kulturi«. V: Splichal, Slavko (ur.): Komu- nikološka hrestomatija 1. Ljubljana, FDV. Pavlov, Ivan P. (1927): Conditioned reflexes. Oxford: Oxford University Press. Pear, Joseph J.; Crone-Todd, Darlene E. (2002): »A social constructivist approach to computer- mediated instruction«. Computers & Education, 38, 1-3, str. 221-231. Pearson, Matthew; Somekh, Bridget (2003): »Concept-mapping as a Research Tool: A Study of Primary Children’s Representations of Information and Communication Technologies (ICT)«. Education and Information Technologies, 8, 1, str. 5-22. Peters, Laurence (2000): »Joining forces: A third 222 millenial challenge: Harness the power of educational technology to advance the standards movement«. T.H.E. Journal, 28, 2, str. 94-102. Pieper, Ute (2002): »»»pattern««s of inter-sectoral diffusion of technological growth: income, concentration, and public capital stocks«. V: The Future of Innovation Studies, Eidhoven Centre for Innovation Studies (ECIS), 21.- 23. september 2001, Technische Unversitat Eidhoven. Podovšovnik, Eva (2002): Metodološki problemi pri raziskovanju informacijskih in komunikacijskih tehnologij v izobraževanju. Ljubljana, Fakulteta za družbene vede. Magistrska naloga. Podovšovnik, Eva; Kramberger, Anton (2004): »Razširjenost računalnikov in interneta med osnovnošolskimi maturanti v Sloveniji«. Družboslovne razprave, 20, 46/47, str. 81-108. Quarantelli, E. L. (1997): »Problematical aspects of the information/communication revolution for disaster planning and research: ten non-technical issues and questions«. Disaster Prevention and Management, 6, 2, str. 94-106. Regalado S., Carlos A. (2004): Better Learning of Mechanics through Information Technology. Doktorska disertacija. Massachusetts Institute of Technology. http://hdl.handle.net/1721.1/28640 (datum downloada: 25.10.2006). RIS (2004): www.ris.org (datum downloada: 05.10.2004). 223 Roberts, Linda G. (2000): »Federal programs to increase children’s access to educational technology«. The Future of Children, 10, 2, str. 181-185. Robalino, D. (2000): Social Capital, Technology Diffusion and Sustainable Growth in the Developing World (Dissertation at the RAND Graduate School). Research Report No. RGSD-151, Santa Monica, CA, Rand Corporation. Rogers, Everett M. (2003): Diffusion of innovations. Fifth Edition. New York, Free Press. Ross, Edward A. (2001): »Sredstva nadzora – javno mnenje«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV. Ruiz Conde, Maria del Enar (2004): Modeling Innovation Diffusion »»pattern««s (Dissertation, University of Groningen). Alblasserdam (The NL): Labyrint Publications. Rus, Veljko (1990): Socialna država in družba blaginje. Ljubljana: DOMUS (in Inštitut za sociologijo). Ruttan, Vernon W. (2003): Social Science Knowledge and Economic Development: An Institutional Desgn Perspective. UMP. str. 6-1 – 6-51. Ryan, Bryce, Neal C. Gross (1943): »A Study in Technological Diffusion«. Rural Sociology, 13, str. 273-285. 224 Rycroft, Robert W. (2003): »Technology-based globalization indicators: the centrality of innovation network data«. Technology in Society, 25, 3, str. 299-317. Safayeni, Frank; Derbentseva, Natalia; Canas, Alberto J. (2003): Concept Maps: A Theoretical Note on Concept and the Needs for Cyclic Concept Maps. Salomon, Gavriel (1990): »Cognitive Effects with and of Computer Technology«. Communication Research, 17, 1, str. 26-44. Sandham, Jessica L. (2001): »Across the nation«. Education Week, 20, 35, str. 67-68. Scarpetta, Stefano; Bassanini, Andrea (2002): »Growth, Technological Change, and ICT DIffusion: Recent Evidence from OECD Countries«. Oxford Review of Economic Policy, 18, 3, str. 324-344. Schäffle, Albert (2001): »Javnost, publika, javno mnenje in dnevni tisk«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV, str. 49-66. Schiller, Herbert I. (1982): Who knows: information in the age of the fortune 500. Norwood: Ablex. Schramm, Wilbur (1999a): »Kako deluje sporočanje«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 51-73. Schramm, Wilbur (1999b): »Raziskovanje sporočanja v Združenih državah Amerike«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 1-9. 225 Schumpeter, Joseph A. (1939): Business Cycles. Volume I. First Edition. New York and London: McGraw-Hill Book Company, Inc. Seltzer, Kimberly (1999): »A whole new way of learning«. New Statesman, 12, 574, str. R20-R21. Selwyn, Neil (1999): »Schooling the information society?«. Information, Communication & Society, 2, 2, str. 156-173. Selwyn, Neil (2003): »Apart from technology: understanding people’s non-use of information and communication technologies in everyday life«. Technology in Society, 25, 1, str. 99-116. Sewell, William H.; Haller, Archibald O.; Portes, Alejandro (2001): »The Educational and Early Occupational Attainment Process«. V: Brusky, David B. (ur.): Social stratification: Class, Race, and Gender in Sociological Perspective (2nd edition). Westview Press, str. 410-421. Sexton, David; King, Nina; Aldridge, Jerry; Goodstadt-Killoran Isabel (1999): »Measuring and evaluating early childhood prospective practitioners’ attitudes toward computers«. Family Relations, 48, 3 , str. 277-285. Shannon, Claude Elwood; & Weaver, Warren (1949): The mathematical theory of communication. Urbana: University of Illinois Press. Shaw, Lindsay H.; Gant, Larry M. (2002): »In Defense of the Internet: The Relationship 226 between Internet Communication and Depression, Loneliness, Self-Esteem, and Perceived Social Support«. CyberPsychology & Behaviour, 5, 2, str. 157-171. Singh, Surpiya (2001): »Gender and the use of the internet at home«. New media & Society, 3, 4, str. 395-416. Skinner, B. F. (1971). Beyond freedom and dignity. New York: Knopf. Smith, Sheila, M. (2002a): »Using the social cognitive model to explain vocational interest in information technology«. Information Technology, Learning, and Performance Journal, 20, 1, str. 1-9. Smith, Sheila, M. (2002b): » The role of social cognitive career theory in information technology based academic performance«. Information Technology, Learning, and Performance Journal, 20, 2, str. 1-. Somekh, Bridget (2004): »Children’s concepts of ICT: Pointers to the impact of ICT on education within and beyond the classroom«. V: Davis, N. (ur.); Brown, A. (ur.): ICT and education: World Yearbook 2004. London: Kogan Page. Somekh, Bridget; Mavers, Diane (2003): »Mapping Learning Potential: students’ conception of ICT in their world«. Assessment in Education, Special Issue on Assessment for the Digital Age, 10, 3, str. 409-420. 227 Splichal, Slavko (1989): »Informacijska tehnologija: od nove tehnologije do nove družbe«. Teorija in praksa, 26, 10, str. 1179-1193. Splichal, Slavko (1999): »Razvoj empirične komunikologije v ZDA«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. v-xxvii. Splichal, Slavko (2001): »Predhodniki in začetki komunikologije v Evropi in ZDA«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV Stare, Metka; Kmet Zupančič, Rotija; Bučar, Maja (2004): Slovenia - on the way to the information society. Ljubljana: Institute of Macroeconomic Analysis and Development. Statistični terminološki slovar (2001). Ljubljana: Statistično društvo Slovenije, Slovenska Akademija Znanosti in Umetnosti. Statistični urad Republike Slovenije (2004): Transport in komunikacije: Uporaba interneta, Slovenija, 2004. Prva statistična objava, št. 148/2004. Sternad, Simona (2001): Poročilo Evropske komisije: Izobraževalni programi in multimedija. URL: www.pfmb.uni-mb. si/ivan/mmedia (datum downlowda: 1.6.2001). Tarde, Gabriel (2001): »Zločini množic«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 1. Ljubljana, FDV. 228 Thorndike, Edward L.; Woodworth, R. S. (1901): »The influence of improvement in one mental function upon the efficiency of other functions«. Psychological Review, 8, str. 247-261. Uhan, Samo (2002): Izrekanje, razumevanje in interpretacija: struktura komuniciranja v procesu raziskovanja javnega mnenja. Družboslovne razprave, 18, 41, str. 53-61. UNCTAD (2003): Information and Communication Technology Development Indices. New York and Geneva: UNCTAD/ ITE/IPC/2003/1. Van Damme, Eric; Dellaert, Benedict (2001): E-conomy: ICT and market operation. CentER, KUB Tilburg. URL: www. infodrome.nl/download/rtf/eng_damme.rtf (datum downloada: 4.2.2004). Van der Velden, Rolf; Welters, Riccardo; Wolbers, Maarten (2001): The Integration of Young People into the Labour Market within the European Union: the Role of Institutional Settings. Maastricht University: Research Centre for Education and the Labour Market, Faculty of Economics and Business Administration, ROA-R-2001/7E. Venkatesh, Viswanath; Davis Fred D. (2000): »A theoretical extension of the technology acceptance model: Four longitudinal field studies». Management Science, 46, 2, str. 186-204. Venkatesh, Viswanath; Morris, Michael G.; Davis, 229 Gordon B.; Davis, Fred D. (2003): »Use Acceptance of Information Technology: Toward a Unified View«. MIS Quarterly, 27, 3, str. 425-478. Verhulst, Pierre François. (2006): Logistic growth function. Vir: Wikipedia, www.wikipedia. org (datum downloada: 03.11.2006). Vygotsky, Lev S. (1978): Mind in Society: the deve- lopment of higher psychological processes. Cambridge: Harvard University Press. Watson, John B. (1913): »Psychology as a behaviorist views it«. Psychological Review, 20, str. 158-177. Weaver, Warren (1999): »Sodobni prispevki k matematični teoriji sporočanja«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 151-171. Wechstersbach, Rado (1993): »Janezek in računalnik ali računalniška tehnologija v slovenskih šolah«. Vzgoja in izobraževanje, 2, str. 35-40. Wechstersbach, Rado (1999): »Informacijska tehnologija pri pouku«. Organizacija, 32, 8-9, str. 437-439. Werner, Anita (1989): »Television and Age-Related Differenes: A Contribution to the Debate on the ‘Disappearance of Childhood’«. European Journal of Communication, 4, 1, str. 33-50. Winston, Brian (1998): Media, Technology and Society: A history: from the telegraph to the internet. London in New York: Routledge. Wood, Robert; Bandura, Albert (1989): »Social 230 Cognitive Theory of Organizational Management«. Academy of Management. The Academy of Management Review, 14, 3, str. 361-384. World Youth Report (2003): »Youth & Information and Communication Technologies (ICT)«. Str. 310-333. Wright, Carol (2001): »Children and technology: Issues, challenges, and opportunities«. Childhood Education, 78, 1, str. 37-41. Wright, Charles R. (1999): »Narava in funkcije množičnega sporočanja«. V: Splichal, Slavko (ur.): Komunikološka hrestomatija 2. Ljubljana, FDV, str. 75-91. 231 Imensko kazalo A Abramowitz 31 Ajzen, Icek 21, 59, 60 Aldridge, Jerry 56, 57, 89, 137 Amable 31 Anderson, John R. 36, 40, 43 Attewell, Paul 17, 66, 67, 88, 134, 139 Ausubel, David P. 43, 46, 47, 48 Autor, David 134, 189 Aypay, Ahmet 88 B Bagozzi, Richard P. 58 Bandura, Albert 21, 22, 49, 50, 92, 134, 182 Bass, Frank M. 28 Bassanini, Andrea 16 Batagelj, Vladimir 25, 75 Becker, Hanry Jay 55, 57, 88, 89, 90, 137, 138 Bentham, Jeremy 32, 58 Bimber, Bruce 56 Blanks Hindman, Douglas 21, 77, 78, 79 Bogdanowitz, Marc 13 Bonfadelli, Heinz 56, 57, 88, 89 Borghans, Lex 11, 21, 57, 77, 79, 96, 134, 188 Brandsma, Andries 13 Bransford, John R. 50 Braverman, Harry 134, 189 Brown, Ann L. 50 232 Brown, Steven D. 22, 53 Bruner, Jerome 43, 45, 46, 47,185 Bučar, Maja 191 Burgelman, Jean-Claude 13 Bushweller, Kevin 17, 72 C Castells, Manuel 11 Chen, Milton 57, 67 Clark, Theodore H. K. 56 Clements, Bernard 13 Cobb, Sue 55, 56, 89, 90 Cocking, Rodney R. 50 Commission of the European Communities 17, 68, 69, 70, 71, 72, 89, 140 Compeau, Deborah 53, 54 Correll, Shelley J. 57, 89 Crosier, Joanna K. 55, 56, 89, 90 Č Čuček, Mojca 19 D Dade, Chris J. 57, 67 Davis, Fred D. 58, 60 De Grip, Andries 188 De Moura Castro, Claudio 75, 140 De Nooy, Wouter 25 Dekker, Ron 188 Dellaert, Benedict 11 Devi, Chandra 65 DiMaggio, Paul E. 13, 28, 56, 57, 63, 66, 67, 72, 89, 134 Dolničar, Vesna 56, 57, 66, 75, 76, 88, 89 Donovan, M. Suzanne 50 E Ebbinghaus, Hermann 43, 44, 45 Espinosa, Tami Lucila 138 233 F Ferligoj, Anuka 95, 209 Fishbein, Morris 21, 59 Freeman, Christopher 13, 62, 134 Friedberg 57 G Gardner, Howard 37 Gibs, 27 Goodstadt-Killoran, Isabel 56, 57, 89, 137 Gordon, Andrew 88 Gordon, Margaret 88 Gourova, Elissaveta 13 Gray, Andrew 15, 34, 35, 36, 75 H Hackett, Gail 22 Hall, Robin L. 198 Haller, Archibald O. 88, 146 Hargittai, W. Russel 13, 56, 57, 63, 66, 67, 72, 89, 134 Hawkridge, David H. 12, 14, 16, 56, 57, 74, 75, 89 Healy, Jane M. 57, 67 Heijke, Hans 52, 188 Hermann, Christoph 13 Higgins, Christopher A. 53, 54 Hildenbrand, Suzanne 56 Hsu, Meng-Hsiang 49, 59, 60 Hu, Paul Jen-Kwa 56 Huff, Sid 53, 54 Hughes, James 34 Hull, Clark L. 40, 41 J Jaakkola, Hannu 11 Japelj, Barbara 19 Jensen, Larry C. 91 Jereb, Eva 75, 140 Jereb, Janez 75, 140 Jung, Joo-Young 21, 77, 78, 79 Jussawalla, Meheroo 12 234 K Katz, Elihu 189 Katz, L. 134, 189 Kim, Yong-Chan 21, 78, 79 King, Nina 56, 57, 89, 137 Kirsch, Irwin 74, 75 Kmet Zupančič, Rotija 191 Kolb, David A. 52 Kramberger, Anton 10, 88 Krapež, Alenka 75 Kronegger, Luka 56, 57, 66, 75, 76, 88, 89 Krueger, A. 134, 189 Kumar, Krishan 189 Kuo, Feng-Yang 49, 59, 60 Kwak, Nojin 55, 56, 75, 88, 90 L Larsen, Steen 14, 15, 35, 39 Lavrič, Andreja 56, 88, 89 Lawton, Joseph T. 44, 46 Lazarus, Wendy 57, 67 Lee, Alice Y. L. 15, 74, 75, 76, 89, 96 Leijten, Jos 13 Lent, Robert W. 22, 53 Lipper, Laurie A. 57, 67 Loebach Wetherell, Julie 54 Logan 41 Lowe, Graham S. 57 LReynolds, Chandra A. 54 M Ma, Will W. 56 Mansfeld 28 Mare, Robert D. 88 Massis, Bruce E. 75 Mavers, Diane 57, 137 McAuley, Julie 57 Meng, Christoph 52, 188 Miller 41, 146 235 Ministry of Economic Affairs, The Netherlands, Directorate-General Telecommunications and Post 11, 220 Mohorič, Tomaž 74 Moore, Elizabeth 88 Mowrer 41 Mrvar, Andrej 25 Muhs, Paul 44, 46 Mukoyama, Toshihiko 36, 37 N Natriello, Gary 56, 88, 89 Nelson, 31 Neuman, J. P. 13, 56, 57, 63, 66, 67, 72, 89, 134 Newell, Allen 45 O Orwell, George 32, 58 P Pavlov, Ivan P. 40, 41 Pellegrino, James W. 50 Phelps, 31 Piaget, Jean 43, 45, 46, 47, 185 Podovšovnik, Eva 10, 68 Portes, Alejandro88 Q Qiu, Jack Linchuan 21, 78, 79 Quarantelli, E. L. 7, 66 R Ramaekers, Ger 52, 188 Regalado S., Carlos A. 28, 38, 39, 43, 182, 183 Resnick, Mitchel J. 57, 67 Restorick, Jane 57, 137 Robalino, D. 28 Roberts, Linda G. 15, 75 Robinson 13, 56, 57, 63, 66, 67, 72, 89, 134 Rogers, Everett M. 9, 24, 25, 27, 28, 29, 184 236 Romer, Paul 31 Rosenberg, Nathan 37 Ruiz Conde, Maria del Enar 10, 28 Rus, Veljko 16 Rutan, Vernon W 253, 256 Rycroft, Robert W. 76 S Salomon, Gavriel 15 Sandham, Jessica L. 137 Saunders, Ruth A. 44, 46 Scarpetta, Stefano 16 Schaverien, Lynette 198 Schiller, Herbert I. 189 Schumpeter, Joseph A. 14 Seltzer, Kimberly 14, 74, 146 Selwyn, Neil 55, 63, 85, 88, 90, 134 Sewell, William H. 88, 146 Sexton, David 56, 57, 89, 137 Simon, Herbert A. 45 Singh, Surpiya 56, 88 Skinner, B.F. 40, 42 Smith, Sheila M. 22, 134 Soete, Luc 62, 134 Somekh, Bridget 57, 137 Spence 40, 141 Spieldberg 54 Splichal, Slavko 28 Stare, Metka 191 Sternad, Simona 137, 138 Š Šmitek, Brane 75, 140 T Tarde, Gabriel 26 Ter Weel, Bas 11, 21, 57, 77, 79, 96, 134, 188 Thorndike, Edward L. 40, 41 Thumm, Nikolaus 13 Tolman, Edward C. 42 Tübke, Alexander 13 237 U UNCTAD 16 V Van Damme, Eric 11 Van der Velden, Rolf 188 Vehovar, Vasja 56, 57, 66, 75, 76, 88, 89 Venkatesh, Viswanath 60 Vukčevič, Katja 56, 57, 66, 75, 76, 88, 89 Vygotsky, Lev S. 43 W Wagner 41 Warshaw, Paul R. 58 Watson, John B. 38, 40 Weinberg 57 Welters, Riccardo 188 Werner, Anita 57 Williems, Ed 188 Wilson, John R. 55, 56, 89, 90 Wolbers, Maarten 188 Woodworth, R.S. 40 World Youth Report 29, 198, 199 Wright, Carol 56, 88, 89, 137 Wundt, Wilhelm 40 Wygant, Steven A. 91 238 Stvarno kazalo A avtomatizacija 8, 13, 179 B behaviorizem 79, 80 D delovna sila 8, 13, 14, 80 demografske značilnosti 23 digitalni razkorak 16, 17, 26, 63, 83 dohodek 88 dosežna računalnika in internetna pismenost 96, 97, 118, 119, 120, 121, 123, 124, 125, 126, 127, 128, 129, 130, 131, 134, 151, 152, 153, 154, 155, 160, 161, 162, 167, 168, 169, 170, 171, 173, 174, 175, 176, 185, 186, 187, 188, 189, 191, 192, 193, 194, 195, 197 dostopnost informacij 16, 182 dostopnost interneta 11, 17, 18, 62, 78, 84, 88, 89, 138 dostopnost novih tehnologij 11, 17, 18, 21, 84, 89, 130, 131, 196 dostopnost raunalnikov 18, 62, 78, 84, 88, 89, 137, 138, 139, 157 družbena delitev dela 8 družbena moč 9, 14, 16, 26, 31, 83 družbena skupnost 63, 146, 178 družbene norme 25 družbene skupine 180 družbeni kapital 30, 31 družbeni nadzor 14, 31, 32, 83, 92 družbeno delovanje 80, 91, 92, 134, 146 239 družbeno izključevanje 14 družina 23, 80, 87, 88, 91 E ekonometrični modeli 11, 16, 21, 25, 28, 29, 30, 31, 32, 81, 83 ekonomska rast 8, 15 ekonomski razvoj 81 elektronsko komuniciranje 12 epidemiološki modeli 25 evolucijski modeli 30, 83, 178 Evropska unija (EU) 11, 17, 181 F filozofija 79 G gospodarska rast 13, 16, 31 I indeks informacijske tehnologije 21, 77, 78 indeks stopnje priključenosti na internet 77, 78 indeks stopnje vključenosti na internet 21 indeksi uporabe računalnikov 77 indeks uporabe računalnikov in interneta 21 informacija 13, 14, 15, 16, 18, 25, 62, 80, 88, 89, 90, 91, 97, 98, 99, 100, 103, 106, 108, 110, 111, 113, 116, 117, 121, 123, 127, 148, 149, 151, 155, 179, 181, 182, 184, 185, 190, 194, 199 informacijska družba 10, 11, 181, 182, 191, 192 informacijska pismenost 17 informacijske in komunikacijske tehnologije (IKT) 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 21, 25, 28, 81, 191 inovacija 8, 24, 25, 28, 29, 30, 31, 180, 183, 184 intelektualne sposobnosti 22, 85, 87 interakcija 163, 167 internet 8, 10, 11, 12, 17, 18, 19, 22, 23, 24, 26, 62, 63, 77, 78, 79, 80, 81, 84, 88, 89, 90, 96, 97, 98, 100, 103, 107, 108, 109, 110, 111, 113, 114, 117, 121, 123, 127, 128, 130, 132, 133, 134, 135, 137, 138, 139, 140, 149, 151, 152, 155, 156, 157, 158, 159, 160, 161, 163, 164, 165, 166, 240 167, 169, 171, 172, 173, 174, 175, 176, 177, 179, 180, 181, 182, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 236, 237 izobrazba staršev 23, 88 izobraževalne izbire 87 izobraževalni proces 14, 15, 20, 81 izobraževalni sistem 15 J javna dobrina 16 javnost 80, 183 jezik 22, 137, 47, 48, 76, 134, 135, 136, 140, 141, 142, 143, 145 K kognitivne teorije 80, 91 komuniciranje 24, 25 konceptualni model 181 kritična teorija 83 kritične teorije 29, 30, 31 kupna moč 27 L Lisbonski akt 11 latentno učenje 42 M medij 24, 26, 33, 175, 179, 190, 198 metoda introspekcije 79 metoda samoocenjevanja 90 mikro čip 8 miselni proces 39 miselni sistem 80 mladina 11, 15, 18, 19, 20, 21, 22, 23, 28, 29, 80, 81, 82, 83, 84, 85, 87, 128, 132, 139, 156, 158, 159, 160, 174, 177, 181, 184, 185, 188, 189, 190, 191, 192, 193, 195, 196, 198, 199 mnenje 28, 32, 137, 182 model prisvajanja novih tehnologij 21 model vplivov samoocene računalniškega znanja 53 241 motivacija 21, 22, 23, 27, 32, 62, 81, 84, 90, 91 motivacijsko-kontingentni model 55 N nepogojen stimulus 40 nove tehnologije 8, 9, 10, 11, 12, 13, 14, 16, 17, 18, 20, 25, 26, 27, 28, 29, 30, 32, 63, 80, 81, 85, 177, 178, 179, 180, 181, 182, 183, 184, 185, 188, 189, 190, 191, 196, 198, 199 O omrežena družba 84 omrežje 28, 30, 31 oprema doma z računalniki in internetom 23 oprema šole z računalniki in internetom 23 organizacijske vede 30, 31 organizacijski modeli 81 P pismenost 15, 17, 18, 20 21, 23, 36, 38, 73, 74, 75, 76, 79, 80, 87, 88, 89, 90, 96, 97, 109, 118, 119, 120, 121, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 134, 137, 147, 151, 152, 153, 154, 155, 160, 161, 162, 163, 165, 166, 167, 168, 169, 170, 171, 173, 174, 175, 176, 185, 186, 187, 188, 189, 191, 192, 193, 194, 195, 197, 249, 250 pogojen stimulus 40 pogostost uporabe interneta 78 pogostost uporabe novih tehnologij 11, 12, 130, 131 pogostost uporabe računalnikov 140, 141, 142, 143, 144, 145, 157 pogostost uporabe računalnikov in interneta 87, 88, 89, 90, 94, 96, 97, 109, 110, 111, 113, 114, 115, 116, 117, 118, 127, 128, 129, 130, 138, 160, 161, 162, 163, 165, 166, 167, 169, 170 pojmovni zemljevidi 42 poklicna izbira 22 poklicna kariera 22 poklicna motivacija 87 242 poklicni pomen računalnikov in interneta 87, 88, 89, 90, 96, 97, 98, 99, 100, 102, 103, 104, 105, 106, 107, 108, 109, 127, 128, 129, 130, 131, 160, 161, 162, 163, 164, 165, 166, 167, 169, 170, 171, 173, 174, 175, 176, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 197, 199 politična moč 14 politična participacija 63 pomembni drugi 146 pomen novih tehnologij 11 pomensko učenje 48 posedovanje novih tehnologij 21, 26, 32, 79, 84 posedovanje računalnikov 88 psihologija 21, 85 R raba Interneta v Sloveniji 18 računalnik 8, 10, 11, 12, 15, 17, 18, 19, 23, 24, 62, 77, 78, 79, 80, 81, 84, 88, 89, 90, 96, 97, 107, 109, 127, 128, 130, 132, 133, 134, 135, 137, 138, 139, 140, 141, 142, 143, 144, 145, 156, 157, 158, 159, 160, 161, 163, 164, 165, 166, 167, 169, 171, 172, 173, 174, 175, 176, 177, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199 računalnika pismenost 15, 17, 23, 89 računalniko izobraževanje 17 radio 8, 182 razširjenost interneta 21 razširjenost računalnikov 21 razširjenost rčaunalnikov in interneta 87, 90, 128, 131 reakcijski potencial 41 S samoocena 91, 92 samoocenjevanje 32 s-krivulja 15, 62 Slovenija 10, 11, 13, 18, 19, 20, 21, 22, 28, 33, 83, 84, 85, 87, 90, 92, 93, 128, 130, 177, 181, 184, 185, 189, 190, 191, 193, 196, 198 socializacija 18 socialna kognitivna teorija 21 243 socialna kognitivna teorija karier 22 socialna psihologija 23, 32, 79 socialni kapital 63 socialno-psihološki modeli 21, 30, 31, 32, 81, 83, 85 sociologija 21, 79 spomin 43, 44, 79 spominska mreža 44 spol 23, 89 sporočilo 24 sposobnost 22, 23, 85, 88, 91, 92 spretnost 11, 15, 62 stališče 85, 89, 90 starost 18, 56, 57, 70, 71, 72, 73, 79, 174, 196 stimulus 39, 40, 41, 42, 44 stopnja sofisticiranosti 77 Š širjenje informacij 25 širjenje inovacij 25, 30 širjenje interneta 21 širjenje novih tehnologij 8, 9, 10, 11, 12, 13, 14, 15, 16, 18, 19, 20, 21, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 62, 63, 79, 80, 81, 82, 83, 84, 85, 87, 92, 130, 131, 175, 177, 178, 179, 180, 181, 182, 183, 184, 189, 190, 191, 192, 195, 196, 199 širjenje računalnikov 21 šola 23, 84, 87, 88, 89, 92 šolski sistem 9, 11, 146 število napak 35 T tehnološka oprema doma in šole 88 tehnološka pismenost 15, 21, 87, 88, 89, 90 tehnološko učenje 10, 11, 14, 15, 21, 27, 30, 80, 81 tehnološko znanje 10, 11, 12, 13, 14, 15, 16, 18, 19, 21, 22, 23, 32, 80, 81, 82, 84, 85, 89, 180, 198, 199 tekmovalni razlagalni model 55 telefon 8, 13, 24 telegraf 8 televizija 8, 12, 33, 182, 183 244 teologija 79 teorije izobraževanja 23 tipologija uporabnikov novih tehnologij 9 transistor 8 trg dela 18, 19 U učenec 90 učenje 14, 15, 22, 31, 32, 62, 79, 80, 81, 84, 85, 91, 92 učinkovitost uporabe 77 učitelj 15, 23, 90 umetna inteligenca 45 UNCTAD 16 uporaba interneta 11, 14, 17, 20, 21, 22, 23, 62, 63, 81 uporaba novih tehnologij 21 uporaba novih tehnologij 11, 15, 21, 22, 28, 32, 85 uporaba računalnikov 20, 21, 22, 23, 62, 63, 81 uporaba računalnikov in interneta 88 uporaba računalnikov s strani staršev in učiteljev 88 uporabniki interneta 18, 23, 130, 131 uporabniki novih tehnologij 8, 9, 11, 15, 17, 27, 29, 62, 178, 179 uporabniki rčaunalnikov 15, 23, 130, 131, 138, 176 uporabniki računalnikov in interneta 23 V virtualna skupnost 26 vloga družine 18 vloga učiteljev 13, 18 vprašalnik 85, 90 vrednote 24, 44, 51, 75, 181 vrstniki 22, 80, 91 vzročno-asociativni model 55 Z zaposlovanje 9 znanje 8, 9, 11, 12, 13, 14, 15, 16, 19, 21, 24, 30, 31, 80, 85, 89, 118, 123, 127, 130, 131, 134, 136, 137, 139, 146, 157, 163, 176, 179, 180, 182, 183, 186, 188, 189, 190, 191, 193, 194, 195, 198, 199 245 Povzetek Naša družba je od časa informacijske revolucije doživela številne strukturne spremembe. S širjenjem novih tehnologij v 70-ih letih 19. stoletja so se ljudje začeli za- vedati njenih pozitivnih in negativnih posledic. Informacijska družba ni osnovana na principu fizične moči, kot je bila to industrijska družba. Informacijska družba temelji na človeškem, družbenem in informacijskem kapitalu (Fountain, 2000). Raziskovalci so se s problemom raziskovanja širjenja novih tehnologij začeli uk- varjati proti koncu 19. stoletja. V tistem obdobju so bili nad tem procesom zainteresirani predvsem antropologi. V prvi polovici 20. stoletja je bilo moč zaslediti povečano zani- manje za raziskovanje tega področja tudi med ekonomisti ter ruralnimi in medicinskimi sociologi. Leta 1943 je prišlo do pomembnega odkritja, ko so na področju agrikul- ture ugotovili, da se nove tehnologije širijo na osnovi s-krivulje (kumulativa naprav ali uporabnikov po času od začetka širjenja). Prvenstveno njeno porazdelitev narekujejo posameznikovi kontakti in socialne omreže, lahko pa v določenih fazah tudi množični mediji ali šole. Posameznike v tem procesu lahko umestimo v pet kategorij (glede na nji- hovo pozicijo v s-krivulji): inovatorji, zgodnji uporabniki, zgodnja večina, pozna večina in zamudnike (Ruttan, 2003; de Nooy, Mrvar and Batagelj, 2005). Teoretike raziskovanja širjenja novih tehnologij lahko v grobem razdelim v štiri struje. Prva struja se je razvila med makroekonomisti, ki trdijo, da je že samo posedovanje tehnologij dovoljšen razlog za njihovo širjenje v družbi. Druga struja se nanaša na mezzo oziroma organizacijski nivo raziskovanja pojava. Te ideje so se širile predvsem med managerskimi in organizacijskimi ekonomisti, ki poudarjajo pomen prisvajanja tehnologij. Tretja struja je razvita med sociologi in socialnimi psihologi. Tej teoretiki v ospredje postavljajo druge, bolj družbene determinante širjenja novih tehnologij, kot so na primer motivacija, pomen okolja in podobno. Četrta struja je kritična do vseh preostalih struj. 246 Čeprav se raziskovalci strinjajo, da proces širjenja novih tehnologij sledi s- krivulji, pa imajo različne razlage in vidike opazovanja tega procesa. Gre predvsem za razlike v faktorjih, postopkih, fazah in okoliščinah, ki ovirajo nemoteno širjenje tehnologij, dostop, uporabo in znanja o njih. Kakorkoli različne, pa te teorije vseeno dopolnjujejo pretežno ekonomsko sliko širjenja še na druga socialna področja, zato lahko trdimo, da je širjenje tehnologij predvsem socialno pogojen proces. To sem pokazala s pregledom glavnine teh teorij. Z naglim širjenjem uporabe računalnikov in interneta na delovnih mestih, doma in v šolah je prišlo v družbi do številnih sprememb. Sociologi so se začeli zaveda- ti pomena digitalnega razkoraka, ki predstavlja družbeno vključevanje ali izključevanje posameznikov glede procesov digitalizacije na osnovi njihovega družbenega statusa. Nekaj ugotovitev je nespornih: mlajši posamezniki, moški in prebivalci urbanih pre- delov imajo boljše možnosti za rokovanje z novimi tehnologijami (Quarantelli, 1997; Attewell, 2001a; DiMaggio in drugi, 2001; Office for official publications of the Euro- pean Communities, 2001; Dolničar in drugi, 2002; European Commission, 2003a). Glavni cilj te raziskovalne naloge je podrobneje raziskati proces širjenja teh- nologij med mladimi v Sloveniji, bolj določno, v predstavitvi izsledkov raziskave, ki sem jo izvedla med slovenskimi osmošolci in devetošolci maja in junija 2003. Pri tem sem se osredotočila na raziskovanje determinant v procesu širjenja novih tehnologij, predvsem računalnikov in interneta. Sistematično proučevanje dostopa, uporabe in doseženega znanja o računalnikih in internetu med mladimi, povezano s kontekstu- alnimi okoliščinami, ki pospešujejo/ovirajo širjenje teh tehnologij v tej populaciji, mi je postreglo z vrsto zanimivih rezultatov. Te empirične vpoglede sem povezala z različnimi teoretskimi razmisleki. Na osnovi socialne kognitivne teorije karier sem ugotovila, da je proces širjenja računalnikov in interneta večdimenzionalno pogojen (Lent, Hackett in Brown, 1999). Pri raziskovanju tega procesa moramo biti pozorni na motivacijo za uporabo teh teh- nologij, samooceno dosežene računalniške in internetne pismenosti ter na pogos- tost uporabe teh tehnologij. Vse tri dimenzije oziroma spremenljivke so med seboj pozitivno povezane. To pomeni, da večja motivacija privede do boljše pismenosti in pogostejše uporabe računalnikov in interneta. V glavnem raziskovalnem modelu, kjer raziskujem socialne determinante širjenja tehnologij, sem upoštevala vse tri spremenljivke razširjenosti računalnikov in interneta, ki sem jih v anketni raziskavi izmerila s 17-imi indikatorji (vsako), ki so se nanašali na pomen za bodoči poklic, poznavanje uporabe ter pogostost uporabe 17-ih bolj ali manj zahtevnih računalniških in internentih aplikacij. 247 Socialni psihologi in sociologi izpostavljajo vpliv posameznikovega okolja oziroma družbenega konteksta na proces razširjenosti računalnikov in interneta. Sama sem se tako osredotočila na proučevanje posameznikovih intelektualnih sposobnosti, posameznikovega socialnega okolja (družine in šole) ter posameznikovih osebnih last- nosti (predvsem spola, saj je populacija starostno homogena). Izkazalo se je, da so vse tri spremenljivke razširjenosti računalnikov in interneta pozitivno povezane med seboj. Posamezniki, ki računalnikom in internetu pripisujejo večji pomen za bodoči poklic, bolje ocenjujejo svojo doseženo računalniško in inter- netno pismenost ter računalnike in internet tudi pogosteje uporabljajo. Presenetljivo je dejstvo, da na pomen te tehnologije in na samooceno dosežene računalniške in internetne pismenosti statistično značilno vpliva le ena izmed kontek- stualnih spremenljivk, in sicer lokacija računalniškega in internetnega učenja. Tako pos- amezniki, ki so se naučili računalnike in internet uporabljati v šoli, pripisujejo večji pomen tem tehnologijam za bodoči poklic ter bolje ocenjujejo stopnjo svoje pismenosti na tem področju. Na pogostost uporabe računalnikov in interneta pa poleg ostalih dveh spremenljivk - razširjenosti računalnikov in interneta ter lokacije računalniškega in in- ternetnega učenja - vplivajo še naslednji faktorji: posameznikova oprema doma in šole z računalniki in internetom, uporaba računalnikov s strani staršev ter spol. Tako pogosteje uporabljajo računalnike tisti posamezniki, ki pripisujejo računalnikom in internetu večji pomen, bolje ocenjujejo svojo doseženo računalniško in internetno pismenost, so se računalnika in internet naučili uporabljati doma, imajo bolje opremljen dom in šolo z računalniki in internetom, njihovi starši uporabljajo računalnik, so moškega spola. 248 Summary Our society is experiencing several structural changes since the information revolution. With the introduction of the new technologies in the seventies of the 19th century people became aware of its possible positive and negative sides. Information society is not based on physical power, as it was the industrial society. Instead of that the focus is made on human, social and information capital (Fountain, 2000). Researchers started to study the diffusion of the new technologies in the late 19th century. In that period mainly anthropologists were concerned about this pro- cess. In the first half of the 20th century the thematic attracted also economist, rural and medical sociologists. In 1943 agriculturists discovered that the diffusion of the new technologies follows the s-curve distribution. Its shape is determined by the so- cial contacts and social networks. People were classified in five stages regarding the adoptance of the new technologies (depending on their position in the s-curve distri- bution): inovators, early adopters, early majority, late majority and laggards (Ruttan, 2005; de Nooy, Mrvar and Batagelj, 2005). With the rapid diffusion of computers and the internet into the workplace, home and schools several changes occured. Sociologists became aware of the digital divide which represents the social inclusion or exclusion of people on the basis of their social status. Younger people, men, employed, living in urban societies are facilitated in experiencing the new technologies (Quarantelli, 1997; Attewell, 2001a; DiMag- gio and others, 2001; Office for official publications of the European Communities, 2001; Dolničar and others, 2002; European Commission, 2003a). The purpose of the present book is to present the results of the survey I have conducted in 2003 among Slovenian primary-school leavers about the diffusion of the new technologies, especially of computers and the internet. 249 Behalf the social cognitive career theory I have found out that the diffusion of computers and the internet is a multi-dimensional phenomenon (Lent, Hackett and Brown, 1999). While researching this process we have to emphasize on the motivation for the use of these technologies, the self-evaluation of the achieved computer and in- ternet literacy, and the frequency of use of these technologies. All the mentioned three dimensions or variables are causally interconnected among themselves. This means that higher motivation leads to higher self-evaluation of literacy and more frequent use of computers and the internet. While researching this phenomenon I have adopted the questionnaire. In my research model I have included the three variables of the diffusion of computers and the internet. In the questionnaire I have measured these three variables each with 17 indicators about the usefulness for the future job, self-evaluation of the achieved lit- eracy, and the frequency of use of the 17 more or less advanced computer and internet applications. Social psychologists and sociologists emphasize the meaning of the individuals' environment or the social context on the diffusion of computers and the internet. In my book I have focused on examining pupils' intellectual capabilities, social environ- ment (home and school), and personal characteristics (namely gender, because the age is not relevant since the population is homogeneous). I have found out that all the three variables of the diffusion of computers and the internet are positivelly correlated among themselves. Pupils who give greater importance to the use of computers and the internet for their future job evaluate highly their computer and internet literacy and use computers and the internet more frequently. Surprisingly, only one of the contextual variables affects the diffusion of com- puters and the internet, namely location of computer and internet learning. Pupils who learned to use computers and the internet at school, give greater importance to use these technologies in their future job, and highly evaluate their computer and internet literacy. And vice versa. The frequency of computer and internet use is af- fected, among the other two other variables of the diffusion of computers and the internet and the location of computer and internet learning, by pupils' home and school equipment with computers and the internet, use of computers by parents, and gender. We can find more frequent computer and internet users among pupils who give to the use of computers and the internet greater importance, highly evaluate their computer and internet literacy, learn to use computers and the internet at home, have better computer and internet equipment, their parents use computers and are male. 250 Priloge 251 PRILOGA A: VPRAŠALNIK ZA UČENCE 8. OZIROMA 9. RAZREDA OSNOVNE ŠOLE (RAZISKAVA V MAJU IN JUNIJU 2003) Znanstveno-raziskovalno središče Republike Slovenije, Koper Centro di ricerche scientifiche del a Repubblica di Slovenia, Capodistria Science and Research Centre of the Republic of Slovenia, Koper RAZISKAVA O VPLIVU POZNAVANJA INFORMACIJSKIH IN KOMUNIKACIJSKIH TEHNOLOGIJ NA IZOBRAŽEVALNE IZBIRE SLOVENSKIH OSMOŠOLCEV (maj – junij 2003) Prosim te, če izpolniš spodnji vprašalnik. Pri tem obkroži ali prekrižaj številko izbranega odgovora. Vprašalnik je popolnoma anonimen. V njem ni pravilnih in nepravilnih odgovorov, pač pa se izražajo samo dejstva, mnenja in stališča. V kolikor ni navedeno drugače, izberi vedno po en odgovor za vsako vprašanje (v primeru tabel odgovori v vsaki vsrtici na eno vprašanje). Številka ankete: Anketar: ______________________________ Vnašalec: __________________________ Opombe: _____________________________________________________________________ Raziskovalna ekipa: mag. Eva Podovšovnik doc. dr. Anton Kramberger 252 9) Kje dostopaš do interneta in kako pogosto? I. Informacijske in komunikacijske tehnologije 1) Kaj od sledečega in kako pogosto uporabljaš doma? Dostop esečn dnevno tedensk o m o redkeje nikoli o oprema am Od doma 1 2 3 4 5 esečno dnevno tedensko m redkeje nikoli ne poznam nim V šoli 1 2 3 4 5 V knjižnici Osebni računalnik 1 2 3 4 5 1 2 3 4 5 6 7 Pri prijateljih Internet 1 2 3 4 5 1 2 3 4 5 6 7 V cyber-cafeju Mobilni telefon 1 2 3 4 5 1 2 3 4 5 6 7 Drugje: _______________________ Računalniško konsolo 1 2 3 4 5 1 (playstation) 2 3 4 5 6 7 10) Kaj od sledečega in kako pogosto uporabljaš v šoli? DVD predvajalnik 1 2 3 4 5 6 7 Videorekorder 1 2 3 4 5 6 7 o Kabelsko televizijo 1 2 3 4 5 6 7 oprema am Satelitsko televizijo 1 2 3 4 5 6 7 esečno dnevno tedensko m redkeje nikoli ne poznam nim CD ROM čitalec 1 2 3 4 5 6 7 tiskalnik Osebni računalnik 1 2 3 4 5 6 7 1 2 3 4 5 6 7 Internet 1 2 3 4 5 6 7 2) Koliko računalnikov imate doma: ______ DVD predvajalnik 1 2 3 4 5 6 7 3) Koliko je star računalnik, ki ga uporabljaš doma? _____ Videorekorder 1 2 3 4 5 6 7 let Kabelsko televizijo 1 2 3 4 5 6 7 4) Koliko si bil star/a, ko ste doma kupili prvi računalnik? Satelitsko televizijo _______ let 1 2 3 4 5 6 7 CD ROM čitalec 1 2 3 4 5 6 7 5) Koliko si bil star/a, ko si prvič uporabil: tiskalnik 1 2 3 4 5 6 7 a. Računalnik: _________ let 11) Koliko prostega časa imaš povprečno na teden: b. Internet: ___________ let _________ ur 6) Kolikšna je hitrost modema za dostop do interneta od 12) Koliko prostega časa tedensko preživiš za osebnim doma? računalnikom: _____________ ur a. Manj kot 56 kbs 13) Koliko prostega časa tedensko nameniš za delo z internetom: ______ ur b. 56 kbs 14) Kako pogosto uporabljaš naslednje računalniške c. več kot 56 kbs programe: d. ISDN dostop e. ADSL dostop aplikacija f. Kabelski dostop esečno g. Nimamo dostopa do interneta od doma dnevno tedensko m redkeje nikoli ne h. Ne vem Tiskanje dokumenta 1 2 3 4 5 6 7) Ali si se včeraj priklopil na internet? Urejanje besedil (Word,…) 1 2 3 4 5 6 Delo s preglednicami (Excel,…) a. Da. 1 2 3 4 5 6 Programe za obdelavo podatkov b. Ne. 1 (Excel, SPSS,…) 2 3 4 5 6 c. Nimam dostopa do interneta. Delo z bazami podatkov (Access,…) 1 2 3 4 5 6 8) Ali si včeraj prebral svojo elektronsko pošto? Igranje računalniških igric 1 2 3 4 5 6 Elektronsko pošto d. Da. 1 2 3 4 5 6 Programiranje (Pascal, C+,…) 1 2 3 4 5 6 e. Ne. Spletne brskalnike 1 2 3 4 5 6 f. Nimam dostopa do interneta. Igranje računalniških igric po 1 internetu 2 3 4 5 6 Pobiranje datotek z interneta 1 2 3 4 5 6 Uporaba klepetalnic (chat rooms) 1 2 3 4 5 6 253 Iskanje informacij v šolske namene 1 2 3 4 5 6 17) Kako pomembno meniš, da bo za tvoje bodoče delo Udeleževanje videokonferenc poznavanje omenjenih računalniških programov? 1 2 3 4 5 6 Branje elektronskih časopisov 1 2 3 4 5 6 Programi za grafične dejavnosti 1 (CorelDraw,…) 2 3 4 5 6 ebno Interaktivno delo (preko CD ROM-ov) m 1 2 3 4 5 6 aplikacija bno bno, niti bno a nepom em bno em em em 15) Kako bi ocenil svoje znanje posameznih programov? zelo pom pom niti pom nepom popolnom o Tiskanje dokumenta 1 2 3 4 5 br Urejanje besedil (Word,…) 1 2 3 4 5 aplikacija v do Delo s preglednicami (Excel,…) 1 2 3 4 5 odlično pra dobro zadostno nezadostn o Programe za obdelavo podatkov (Excel, 1 2 3 4 5 SPSS,…) Tiskanje dokumenta 1 2 3 4 5 Delo z bazami podatkov (Access,…) 1 2 3 4 5 Urejanje besedil (Word,…) 1 2 3 4 5 Igranje računalniških igric 1 2 3 4 5 Delo s preglednicami (Excel,…) 1 2 3 4 5 Elektronsko pošto 1 2 3 4 5 Programe za obdelavo podatkov (Excel, 1 2 3 4 5 SPSS,…) Programiranje (Pascal, C+,…) 1 2 3 4 5 Delo z bazami podatkov (Access,…) 1 2 3 4 5 Spletne brskalnike 1 2 3 4 5 Igranje računalniških igric 1 2 3 4 5 Igranje računalniških igric po internetu 1 2 3 4 5 Elektronsko pošto 1 2 3 4 5 Pobiranje datotek z interneta 1 2 3 4 5 Programiranje (Pascal, C+,…) 1 2 3 4 5 Uporaba klepetalnic (chat rooms) 1 2 3 4 5 Spletne brskalnike 1 2 3 4 5 Iskanje informacij v šolske namene 1 2 3 4 5 Igranje računalniških igric po internetu 1 2 3 4 5 Udeleževanje videokonferenc 1 2 3 4 5 Pobiranje datotek z interneta 1 2 3 4 5 Branje elektronskih časopisov 1 2 3 4 5 Uporaba klepetalnic (chat rooms) 1 2 3 4 5 Programi za grafične dejavnosti 1 2 3 4 5 (CorelDraw,…) Iskanje informacij v šolske namene 1 2 3 4 5 Interaktivno delo (preko CD ROM-ov) 1 2 3 4 5 Udeleževanje videokonferenc 1 2 3 4 5 Branje elektronskih časopisov 1 2 3 4 5 Programi za grafične dejavnosti 1 2 3 4 5 (CorelDraw,…) Interaktivno delo (preko CD ROM-ov) 1 2 3 4 5 16) Ali meniš, da bo tvoje računalniško znanje pomembno za tvojo bodočo zaposlitev: g. Da, igralo bo zelo pomembno vlogo. h. Da, igralo bo pomembno vlogo. i. Ne bo igralo niti pomembne, niti nepomembne vloge. j. Ne, ne bo igralo pomembne vloge. k. Ne, sploh ne bo igralo pomembne vloge. 254 18) Kje si se naučil uporabljati omenjene računalniške Učitelj računalništva 1 2 3 4 5 6 aplikacije? Učitelj geografije 1 2 3 4 5 6 Učitelj zgodovine 1 2 3 4 5 6 a Učitelj likovnega pouka 1 2 3 4 5 6 ti Učitelj tehničnega pouka 1 2 3 4 5 6 a aplikacija 1 2 3 4 5 6 a uporablja 1 2 3 4 5 6 a v šoli, delom : o v šoli a o dom elom rugje e znam Sam Pretežno v šoli D dom Pretežno dom Sam D N Tiskanje dokumenta 1 2 3 4 5 6 7 Urejanje besedil (Word,…) 1 2 3 4 5 6 7 Delo s preglednicami (Excel,…) 1 2 3 4 5 6 7 Programe za obdelavo podatkov 1 2 3 4 5 6 7 (Excel, SPSS,…) Delo z bazami podatkov 1 2 3 4 5 6 7 (Access,…) Igranje računalniških igric 1 2 3 4 5 6 7 Elektronsko pošto 1 2 3 4 5 6 7 Programiranje (Pascal, C+,…) 1 2 3 4 5 6 7 Spletne brskalnike 1 2 3 4 5 6 7 Igranje računalniških igric po 1 2 3 4 5 6 7 internetu Pobiranje datotek z interneta 1 2 3 4 5 6 7 Uporaba klepetalnic (chat rooms) 1 2 3 4 5 6 7 Iskanje informacij v šolske namene 1 2 3 4 5 6 7 Udeleževanje videokonferenc 1 2 3 4 5 6 7 Branje elektronskih časopisov 1 2 3 4 5 6 7 Programi za grafične dejavnosti 1 2 3 4 5 6 7 (CorelDraw,…) Interaktivno delo (preko CD ROM- 1 2 3 4 5 6 7 ov) 19) Ali tvoji starši znajo uporabljati računalnik? l. Da, oba (oče in mama) znata uporabljati računalnik. m. Le oče zna uporabljati računalnik. n. Le mama zna uporabljati računalnik. o. Nobeden od njiju ne zna uporabljati računalnika. p. Ne vem. 20) Kako pogosto učitelji, ki te učijo, uporabljajo računalnik? aplikacija esečno dnevno tedensko m redkeje nikoli ne Učitelj matematike 1 2 3 4 5 6 Učitelj slovenskega jezika 1 2 3 4 5 6 Učitelj tujega jezika 1 2 3 4 5 6 Učitelj fizike 1 2 3 4 5 6 Učitelj kemije 1 2 3 4 5 6 Učitelj biologije 1 2 3 4 5 6 255 21) Kako dobor je po tvojem mnenju opremljena šola, na Preko interneta iščem različne nasvete, ki 1 2 3 4 5 kateri se izobražuješ, z informacijsko in komunikacijsko mi pomagajo v življenju. tehnologijo (računalniki, internetom, in podobno)? Internet mi služi le za preganjanja dolgčasa, saj lahko sam igram številne 1 2 3 4 5 q. Šola je zelo dobro opremljena. igrice. r. Šola je dobro opremljena. S pomočjo interneta sklepam nova 1 2 3 4 5 s. Šola ni niti dobro, niti slabo opremljena. prijateljstva. t. Šola je slabo opremljena. u. Šola je zelo slabo opremljena. 22) Prosim, če lahko na lestvici od 1 do 5, kjer 1 pomeni se sploh ne strinjam, 5 pa se popolnoma strinjam, oceniš svoje strinjanje s spodnjimi trditvami: m m , niti ne Trditev m m a strinja m Se sploh ne strinja Se ne strinja Se niti strinja Se strinja Se popolnom Internet je le izguba časa. 1 2 3 4 5 Internet je pozitivno spremenil moje 1 2 3 4 5 življenje. Internet je namenjen le igranju igric. 1 2 3 4 5 Ne uspem si predstavljati življenja brez 1 2 3 4 5 interneta. Ne uspem si predstavljati življenja brez 1 2 3 4 5 računalnika. Internet s svojimi neprimernimi vsebinami 1 2 3 4 5 spodbuja nasilje nad mladoletnimi. Pri delu z internetom moramo biti zelo pazljivi, saj se preko njega hitro širijo 1 2 3 4 5 virusi. Pri delu z internetom prihaja do vprašanja 1 2 3 4 5 varstva podatkov in zlorabe le-teh. Z internetom smo si odprli okno v svet. 1 2 3 4 5 Internet služi predvsem oglaševalskim 1 2 3 4 5 agencijam, ki pošiljajo reklamna sporočila. V slovenskih domovih smo zelo dobro 1 2 3 4 5 opremljeni z dostopom do interneta. Preko interneta sem si pridobil/a številne koristne informacije, ki so mi omogočile 1 2 3 4 5 lažjo izbiro za nadaljevanje študija. Uporaba interneta v šoli je zame zelo 1 2 3 4 5 pomembna. Uporaba računalnikov v šoli je zame zelo 1 2 3 4 5 pomembna. Internet uporabljam zato, ker ga uporabljajo tudi drugi posamezniki, ki mi 1 2 3 4 5 veliko pomenijo. Preko interneta lažje izražam svoje mnenje kot preko drugih medijev 1 2 3 4 5 komuniciranja. Internet uporabljam predvsem v šolske 1 2 3 4 5 namene. 256 III. Izobraževalne izbire glede nadaljevanja izobraževanja pri izbiri zaposlitve. 23) Ali nameravaš po opravljeni osnovni šoli nadaljevati izobraževanje? v. Zelo verjetno se bom odločil/a za nadaljevanje izobraževanja. w. Verjetno se bom odločil/a za nadaljevanje izobraževanja. x. Ne vem še, ali bom izobraževanje nadaljeval/a. y. Verjetno se ne bom odločil/a za nadaljevanje izobraževanja. z. Zelo verjetno se ne bom odločil/a za nadaljevanje izobraževanja. aa. O temu sploh še nisem razmišljal/a. 24) Prosim, če lahko na lestvici od 1 do 5, kjer 1 pomeni se sploh ne strinjam, 5 pa se popolnoma strinjam, oceniš svoje strinjanje s spodnjimi trditvami, ki se nanašajo na tvoj pogled za nadaljevanje študija po osnovni šoli: m m Za nadaljevanje izobraževanja na , niti ne a strinja srednješolski ravni sem se odločil/a, saj m m m Se sploh ne strinja Se ne strinja Se niti strinja Se strinja Se popolnom mi nadaljevanje izobraževanja predstavlja 1 2 3 4 5 velik izziv. so tako hoteli moji starši. 1 2 3 4 5 še nisem pripravljen/a pričeti delati. 1 2 3 4 5 mi dosedaj pridobljena izobrazba ne 1 2 3 4 5 omogoča zaposlitve, ki si jo želim. do sedaj nimam pridobljenega nobene 1 2 3 4 5 poklicne izobrazbe. se gredo izobraževati tudi vsi moji 1 2 3 4 5 prijatelji. bo moje delo na ta način bolje plačano. 1 2 3 4 5 bom tako pridobil/a uspehe tudi na 1 2 3 4 5 drugih področjih. si bom na ta način pridobil/a nove 1 2 3 4 5 delovne sposobnosti. se bom na ta način lahko uveljavil/a v svoji 1 2 3 4 5 profesiji. bom na ta način bolje spoznal/a izbrani 1 2 3 4 5 poklic. si bom na ta način omogočil/a lažje 1 2 3 4 5 napredovanje na delovnem mestu. si bom na ta način utrdil/a profesionalni 1 2 3 4 5 status in uveljavljenost. se bom lahko preizkusil/a kot projektni 1 2 3 4 5 vodja. bom na ta način lahko odprl svojo 1 2 3 4 5 privatno dejavnost. si bom na ta način pridobil/a moč ali vpliv 1 2 3 4 5 257 25) Prosim, če lahko na lestvici od 1 do 5, kjer 1 pomeni se Učitelj/i 1 2 3 4 5 sploh ne strinjam, 5 pa se popolnoma strinjam, oceniš Svetovalec v šoli 1 2 3 4 5 svoje strinjanje s spodnjimi trditvami: Junak/i iz risane serije 1 2 3 4 5 Junak/i iz filma 1 2 3 4 5 m m , niti ne Izobraževanja ne bom nadaljeval/a, saj m m a strinja m Se sploh ne strinja Se ne strinja Se niti strinja Se strinja Se popolnom nimam dovolj visokih ocen, da bi me 1 2 3 4 5 sprejeli na srednjo šolo. doma nimamo dovolj denarja, da bi se 1 2 3 4 5 lahko izobraževal/a. se bom raje zaposlil/a (službo imam že 1 2 3 4 5 zagotovljeno). tudi moji prijatelji se ne bodo izobraževali 1 2 3 4 5 naprej. me nadaljnje izobraževanje ne zanima. 1 2 3 4 5 nisem dovolj inteligenten/na, da bi 1 2 3 4 5 izobraževanje tudi dokončal/a. živim v okolju, kjer mi zadošča 1 2 3 4 5 osnovnošolska izobrazba. nisem nikoli razmišljal/a o nadaljevanju 1 2 3 4 5 izobraževanja. me starši niso nikoli spodbujali k temu, da 1 2 3 4 5 bi nadaljeval/a izobraževanje. je to stvar za “piflarje”. 1 2 3 4 5 nimam dovolj informacij, ki bi mi omogočale pregled prednosti in slabosti 1 2 3 4 5 nadaljevanja izobraževanja. Drugo: ___________________________ 1 2 3 4 5 26) Ko si izbiral/a šolo za nadaljevanje izobraževanja, kdo so bile tiste osebe, ki so vplivale na tvojo izbiro? Prosim, če navedene osebe oceniš na lestvici od 1 do 5, kjer 1 pomeni, da navedena oseba na tvojo izbiro nima vpliva, 5 pa, da ima navedena oseba močan vpliv na tvojo izbiro: očan Oseba očan vpliv očan vpliv a niti šibak niti m a zelo šibak vpliv a šibak vpliv im a m a zelo m Im Im N Im Im Mama 1 2 3 4 5 Oče 1 2 3 4 5 Brat / sestra 1 2 3 4 5 Stari starši 1 2 3 4 5 Sosed/je 1 2 3 4 5 Sošolec/i 1 2 3 4 5 Prijatelj/i 1 2 3 4 5 258 27) Po dokončani osnovni šoli, se boš vpisal/a na: 32) Ali si se kdaj udeležil tekmovanj iz matematike, slovenskega jezika, fizike in podobno? bb. Gimnazijski program. tt. Ne. cc. Poklicno šolo (4 leta). uu. Da, a brez vidnega uspeha. dd. Poklicno šolo (3 leta). vv. Da, z uspehom na šolskem nivoju. ee. Šolo s skrajšanim učnim programom (2 leti). ww. Da, z uspehom na lokalnem nivoju. ff. Vajeniško šolo. xx. Da, z uspehom na državnem nivoju. gg. Drugo (kaj?): yy. Da, z uspehom na mednarodnem nivoju. _____________________________ hh. O tem sploh še nisem razmišljal/a. ii. Izobraževanja ne nameravam nadaljevati po dokončani osnovni šoli. 28) Prosim, če lahko zapišeš svoje prve tri izbire za nadaljevanje izobraževanja. jj. 1.izbira: ____________________________ kk. 2.izbira: ____________________________ ll. 3.izbira:____________________________ mm. Študija ne nameravam nadaljevati po dokončani osnovni šoli. 29) V kolikor boš izobraževanje po osnovni šoli prekinil, boš: nn. Poiskal zaposlitev v skladu s tvojo pridobljeno izobrazbo. oo. Poiskal zaposlitev ne glede na tvojo pridobljeno izobrazbo. pp. Si ustvaril družino in skrbel zanjo. qq. O tem sploh še nisem razmišlja/a. rr. Drugo (kaj?): ___________________________________ ___ ss. Izobraževanje nameravam nadaljevati po dokončani osnovni šoli. IV. Merjenje kompetenc 30) Prosim, če lahko v nadaljevanju navedeš tvoj splošni uspeh in ocene pri nekaterih predmetih v toku tvojega dosedanjega izobraževanja: Ocena Š Š Š Š 1. razred O 2. razred O 3. razred O 4. razred O 5. razred Š 6. razred Š 7. razred Š 8. razred Š Splošni učni uspeh Ocena pri matematiki Ocena pri računalništvu/informatiki Ocena pri bioligiji Ocena pri slovenskem jeziku Ocena pri tujem jeziku 31) Katere jezike obvladaš? ________________________________________ 259 VI. Demografske lastnosti 43) Kakšna je narodna pripadnost matere (neobvezno)? 33) Spol: zzz. Slovenska zz. Moški aaaa. Italijanska aaa. Ženski bbbb. Hrvaška 34) Starost: _____________ let cccc.Bošnjaška 35) Kraj bivanja: _________________________ dddd. Srbska 36) Naziv šole: _____________________________________ eeee. Makedonska 37) Datum izpolnjevanja ankete: _____________ ffff. Črnogorska 38) Izobrazba matere: gggg. Albanska bbb. Nedokončana osnovna šola hhhh. Madžarska ccc. Dokončana osnovna šola iiii. Drugo: ________________________ ddd. Dokončana poklicna srednja šola (do 3 jjjj. Ne vem leta) eee. Dokončana strokovna ali splošna srednja šola (4 leta) fff. Dokončana višja, visoka šola, fakulteta, akademija ggg. Opravljen magisterij, doktorat hhh. Ne vem 39) Poklic matere: _____________________________________ 40) Izobrazba očeta: iii. Nedokončana osnovna šola jjj. Dokončana osnovna šola kkk. Dokončana poklicna srednja šola (do 3 leta) lll. Dokončana strokovna ali splošna srednja šola mmm. Dokončana višja, visoka šola, fakulteta, akademija nnn. Opravljen magisterij, doktorat ooo. Ne vem 41) Poklic očeta: ______________________________________ 42) Kakšna je tvoja narodna pripadnost (neobvezno)? ppp. Slovenska qqq. Italijanska rrr. Hrvaška sss. Bošnjaška ttt. Srbska uuu. Makedonska vvv. Črnogorska www. Albanska xxx. Madžarska yyy. Drugo: ________________________ 260 44) Kakšna je narodna pripadnost očeta (neobvezno)? kkkk. Slovenska llll. Italijanska mmmm. Hrvaška nnnn. Bošnjaška oooo. Srbska pppp. Makedonska qqqq. Črnogorska rrrr. Albanska ssss. Madžarska tttt. Drugo: ________________________ uuuu. Ne vem 45) Koliko članov šteje vaše gospodinjstvo? _________ 46) Koliko članov vašega gospodinjstva dobiva lasten dohodek? _________ 47) Koliko znaša skupni mesečni dohodek vašega gospodinjstva (v povprečju)? vvvv. Pod 100000 SIT wwww. Od 100000 SIT do 150000 SIT xxxx. Od 150001 SIT do 200000 SIT yyyy. Od 200001 SIT do 250000 SIT zzzz. Od 250001 SIT do 300000 SIT aaaaa. Nad 300000 SIT bbbbb. Ne vem. 48) Koliko knjig imate doma (oceni približno število)? ___________ HVALA ZA SODELOVANJE 261 PRILOGA B: VZOREC NAKLJUČNO IZBRANIH RAZREDOV ŠOLA NASLOV PTT POŠTA RAZRED OŠ Majde Vrhovnik Ljubljana GREGORČIČEVA ULICA 16 1000 LJUBLJANA 8.b OŠ Prule PRULE 13 1000 LJUBLJANA 8.a OŠ Vič ABRAMOVA ULICA 26 1111 LJUBLJANA 8.d OŠ Preska PREŠKA CESTA 22 1215 MEDVODE 8.a OŠ Vodice OB ŠOLI 2 1217 VODICE 8.a OŠ Rodica Domžale KETTEJEVA ULICA 13 1230 DOMŽALE 9.a OŠ Rodica Domžale KETTEJEVA ULICA 13 1230 DOMŽALE 9.b OŠ Marije Vere Kamnik LJUBLJANSKA CESTA 16 A 1240 KAMNIK 8.b OŠ Stranje ZGORNJE STRANJE 22 1242 STAHOVICA 8.a OŠ Stranje ZGORNJE STRANJE 22 1242 STAHOVICA 8.b OŠ Stranje ZGORNJE STRANJE 22 1242 STAHOVICA 8.c OŠ Jurija Vege, Moravče VEGOVA ULICA 38 1251 MORAVČE 8.c OŠ Polje POLJE 358 1260 LJUBLJANA-POLJE 8.b OŠ Polje POLJE 358 1260 LJUBLJANA-POLJE 8.c OŠ Louisa Adamiča Grosuplje TOVARNIŠKA CESTA 14 1290 GROSUPLJE 8.č OŠ Franceta Prešerna Ribnica ŠOLSKA ULICA 2 1310 RIBNICA 8.a BREZOVICA PRI OŠ Brezovica pri Ljubljani ŠOLSKA ULICA 16 1351 8.b LJUBLJANI OŠ Ivana Cankarja Vrhnika LOŠCA 1 1360 VRHNIKA 8.d OŠ Notranjski odred Cerknica CESTA 4. MAJA 92 1380 CERKNICA 8.b OŠ Maksa Durjave Maribor RUŠKA CESTA 15 2000 MARIBOR 9.a OŠ Janka Padežnika Maribor IZTOKOVA ULICA 6 2000 MARIBOR 8.b OŠ Borisa Kidriča Maribor žOLGARJEVA ULICA 4 2000 MARIBOR 8.a OŠ Draga Kobala Maribor TOLSTOJEVA ULICA 3 2000 MARIBOR 8.b OŠ Franceta Prešerna Maribor žOLGARJEVA ULICA 2 2109 MARIBOR 8.b LENART V OŠ Lenart PTUJSKA CESTA 25 2230 8.c SLOV.GORICAH OŠ Hajdina SPODNJA HAJDINA 24 2250 PTUJ 9.a Osnovna šola Ivanjkovci IVANJKOVCI 71 A 2259 IVANJKOVCI 8.r OŠ Gorišnica GORIŠNICA 42 2272 GORIŠNICA 8.c OŠ Anice Černejeve Makole MAKOLE 24 2321 MAKOLE 8.r OŠ Muta ŠOLSKA ULICA 6 2366 MUTA 8.b II.OŠ Rogaška Slatina ULICA KOZJANSKEGA ODREDA 4 3250 ROGAŠKA SLATINA 8.b OŠ Šalek ŠALEK 87 3320 VELENJE 8.b OŠ Rečica REČICA OB SAVINJI 152 3332 REČICA OB SAVINJI 8.b OŠ Zali rovt POT NA ZALI ROVT 15 4290 TRŽIČ 8.b 262 ŠOLA NASLOV PTT POŠTA RAZRED OŠ Dobrovo TRG 25. MAJA 9 5212 DOBROVO V BRDIH 8.a OŠ Čepovan ČEPOVAN 87 5253 ČEPOVAN 8.r OŠ Pier Paolo Vergerio il Vecchio GIMNAZIJSKI TRG 7 6000 KOPER - CAPODISTRIA 8.a OŠ Pinka Tomažiča Koper CESTA ZORE PERELLO-GODINA 1 6000 KOPER - CAPODISTRIA 8.b OŠ Škofije SPODNJE ŠKOFIJE 27/D 6281 ŠKOFIJE 8.a OŠ Škofije SPODNJE ŠKOFIJE 27/D 6281 ŠKOFIJE 8.b OŠ Antona Globočnika Postojna CESTA NA KREMENCO 2 6230 POSTOJNA 8.a OŠ Dragotina Ketteja Ilirska Bistrica ŽUPANČIČEVA ULICA 7 6250 ILIRSKA BISTRICA 8.a OŠ Toneta Tomšiča Knežak KNEŽAK 147 A 6253 KNEŽAK 8.r OŠ Dante Alighieri Izola ULICA OKTOBRSKE REVOLUCIJE 10 6310 IZOLA - ISOLA 8.r OŠ Trebnje KIDRIČEVA ULICA 11 8210 TREBNJE 8.b OŠ Brežice LEVSTIKOVA ULICA 18 8250 BREŽICE 8.d OŠ Artiče ARTIČE 39 8253 ARTIČE 8.a OŠ Jurija Dalmatina Krško ŠOLSKA ULICA 1 8270 KRŠKO 8.b Dvojezična osnovna šola I Lendava KRANJČEVA ULICA 44 9220 LENDAVA - LENDVA 8.b Dvojezična osnovna šola I Lendava KRANJČEVA ULICA 44 9220 LENDAVA - LENDVA 8.č DOBROVNIK - Dvojezična OŠ Genterovci GENTEROVCI 8 B 9223 8.b DOBRONAK OŠ Ivana Cankarja Ljutomer CANKARJEVA CESTA 10 9240 LJUTOMER 8.c Tabela Error! No text of specified style in document. .1: Vzorec naključno izbranih razredov 263 Z N A N S T V E N A M O N O G R A F I J A P E D A G O Š K E G A I N Š T I T U T A ( E L E K T R O N S K A Z B I R K A ) V toku leta 2009 je Pedagoški inštitut na svoji spletni strani pričel objavljati znanstvene monografije v novi elektronski knjižni zbirki Znanstvene monografije Pedagoškega inštituta. Uredniški odbor zbirke v letu 2009 sestavljajo Janez Kolenc, Anton Kram- berger, Darko Štrajn. Zbirka služi promociji in diseminaciji raziskovalnih dosežkov članov PI, doktorskih študentov na PI in gostujočih kolegov (zunanjih in sodelujočih raziskovalcev PI), v ob- liki kolegialno recenziranih zaokroženih znanstvenih del o določenem pojavu (prob- lemu, predmetu, osebi ali dogodku), znanstvenokritičnih objav izvirnikov in znanst- venih prevodov tujih del s komentarjem. S C I E N T I F I C M O N O G R A P H S O F T H E E D U C A T I O N A L R E S E A R C H I N S T I T U T E ( E - S E R I E S ) In the course of 2009, a new series Znanstvena poročila Pedagoškega inštituta (i.e. Sci- entific Monographs of the Educational Research Institute) has been initiated on the Institute’s website. In 2009 the editorial committee consisted of Janez Kolenc, Anton Kramberger, and Darko Štrajn. The Series serves the promotion and dissemination of research activities by PI faculty, students and visiting fellows in the form of peer reviewed systematically elaborated scientific works about certain pehomenon (problem, object, subject, or event), sci- entifically (critically) elaborated original works and scientific translations of foreign works with expert comments. 264 265 Document Outline eva@martingolf.si Uvod 2. Predštudije in intuitivne hipoteze 2.1 Predštudija 1: razširjenost novih tehnologij med mladimi prehiteva pismenost zanjo 2.2 Predštudija 2: heterogena percepcija interneta in računalnikov med mladimi 2.3 Intuitivne hipoteze: diferenciran vpliv konteksta na prisvajanje interneta in računalnikov med mladimi 3. Različne tradicije širjenja novih tehnologij v družbi 3.1 Štiri raziskovalne tradicije 3.2 Pomik pozornosti k socialnopsihološkim faktorjem 4. Učenje kot nujna etapa pri širjenju novih tehnologij 4.1 Proces učenja 4.1.1 Behavioristične teorije učenja 4.1.2 Kognitivne teorije učenja 4.2 Proces sodobnega (tehnološkega) učenja: vloga zgledov in motivacije 4.2.1 Samoocena doseženega znanja - vpliv na motivacijo za učenje 4.2.2 Družbene omejitve v uporabi znanja in pričakovenem vedenju 4.3 Socialno-psihološki modeli prisvajanja novih tehnologij 4.3.1 Osnovni socialno-psihološki model prisvajanja novih tehnologij 4.3.2 Model prisvajanja novih tehnologij (»Technology Acceptance Model«) 5. Uporaba računalnikov in interneta v družbi: stanje 5.1 Evidenca o zaustavljeni internetni rasti: globalna s-krivulja 5.2 Digitalni razkorak: socialno pogojena razširjenost novih tehnologij 5.3 Rezultati evropskih raziskav o širjenju novih tehnologij v družbi 5.4 Digitalni razkorak glede znanja: računalniška pismenost 5.5 Primerjava indeksov širjenja računalnikov in interneta v družbi 5.6 Pregled obstoječe literature 6. Realizacija raziskovalnega načrta 6.1 Uporabljen metodološki instrumentarij 6.2 Raziskovalni model: tri dimenzije razširjenosti novih tehnologij 6.3 Elaboracija raziskovalnih hipotez 6.4 Uporabljeni vprašalnik 6.5 Terenska faza snemanja 6.6 Vzorčni okvir, vzorčenje, uresničeni vzorec 6.7 Uporabljene statistične metode za obdelavo podatkov 7. Dimenzioniranje ciljnih spremenljivk 7.1 Pomen računalniških in internetnih aplikacij za poklic 7.3 Pogostost uporabe računalnikov in interneta 7.4 Samoocena dosežene računalniške in internetne pismenosti 7.5 Primerjava treh dimenzij širjenja računalnikov in interneta 8. Operacionalizacija kontekstualnih spremenljivk 8.1 Intelektualne sposobnosti 8.1.1 Povprečje ocen po posameznih predmetih 8.1.2 Uspehi na tekmovanjih iz znanja 8.2 Vpliv družine in šole 8.2.1 Oprema doma in šole z računalniki in internetom 8.2.2 Uporaba računalnikov s strani staršev 8.2.3 Uporaba računalnikov s strani učiteljev 8.3 Lokacija računalniškega in internetnega učenja 8.4 Opis spremenljivk konteksta 9. Zaključna analiza: prisvojitev računalnikov in interneta med mladimi v sloveniji 9.1 Testiranje vpliva konteksta na razširjenost računalnikov in interneta 9.1.1 Vpliv konteksta na pomen računalniških in internetnih aplikacij za poklic 9.1.2 Vpliv konteksta na samooceno dosežene računalniške in internetne pismenosti 9.1.3 Vpliv konteksta na pogostost uporabe računalniških in internetnih aplikacij 9.2 Ključne ugotovitve o vplivu konteksta na razširjenost računalnikov in interneta 10. Ugotovitve, diskusija in priporočila 10.1 Temeljne teoretske ugotovitve 10.2 Temeljne ugotovitve empiričnega dela 10.3 Veljavnost hipotez z diskusijo 10.4 Priporočila za nadaljnje raziskovanje 10.5 Priporočila za razvoj tehnološkega izobraževanja v Sloveniji Literatura Imensko kazalo Stvarno kazalo Povzetek Summary Priloge