Kiinnostaako äidinkieli? Oppiainekohtainen kiinnostus ja koettu hyödyllisyys kurssikokemuksien ja

opintomenestyksen ennustajina.

Heidi Maanonen

Kandidaatintutkielma

Tammikuu 2017

Yleinen ja aikuiskasvatustiede

Käyttäytymistieteiden laitos

Käyttäytymistieteellinen tiedekunta

Helsingin yliopisto

Ohjaajat: Sami Paavola,

Markku Niemivirta

HELSINGIN YLIOPISTO – HELSINGFORS UNIVERSITET – UNIVERSITY OF HELSINKI

Tiedekunta – Fakultet – Faculty

Käyttäytymistieteellinen tiedekunta

Laitos – Institution – Department

Käyttäytymistieteiden laitos

Tekijä – Författare – Author

Heidi Maanonen

Työn nimi – Arbetets titel – Title

Kiinnostaako äidinkieli? Oppiainekohtainen kiinnostus ja koettu hyödyllisyys kurssikokemuksien ja opintome-nestyksen ennustajina.

Oppiaine – Läroämne – Subject

Kasvatustieteet (yleinen ja aikuiskasvatustiede)

Työn ohjaaja(t) – Arbetets handledare – Supervisor

Sami Paavola, Markku Niemivirta

Vuosi – År – Year

2017

Tiivistelmä – Abstrakt – Abstract Tämän tutkimuksen tavoitteena oli tarkastella, ennustavatko äidinkielen oppiainekohtainen kiinnostus ja sen koettu hyödyllisuus lukio-opiskelijoiden ensimmäiseen äidinkielen kurssiin liittyviä kokemuk-sia. Toisena tavoitteena oli tutkia, ennustavatko kurssikohtaiset kokemukset edelleen kurssin arvosa-naa. Kurssikokemukset pitivät sisällään koetun kiinnostuksen, kuormittavuuden, panostamisen mää-rän sekä onnistumisodotuksiin liitetyt tuntemukset. Kaikissa tutkimuskysymyksissä huomioitiin aiempi koulumenestys. Toisessa tutkimuskysymyksessä huomioitiin lisäksi kurssikokemuksien vai-kutukset. Tutkimusasetelma perustui kiinnostus- ja odotusarvoteorioihin. Tutkimukseen vastaajat (n = 172) osallistuivat lukion ensimmäiselle äidinkielen kurssille vuosina 2012–2013. Kurssikokemuksien kyselylomakkeen toimivuutta testattiin faktorianalyysin avulla ja tut-kimuskysymysten mukaisia ennusteita analysoitiin käyttämällä hierarkkista lineaarista regressio-analyysiä. Odotusten mukaisesti äidinkielen oppiainekohtainen kiinnostus ennusti kurssikohtaista kiinnostusta, panostamisen määrää ja kuormittavuutta. Aiemmista tuloksista huolimatta oppiainekohtainen kiinnos-tus ei ennustanut kurssiin liitettyjä onnistumisodotuksia eikä arvosanaa. Odotusten vastaisesti oppiai-neen koettu hyödyllisyys ei ennustanut kurssiin liitettyjä kokemuksia eikä opintomenestystä. Kurssi-kohtaiset kokemukset eivät ennustaneet kurssin arvosanoja. Aiempi opintomenestys ennusti mallien ensimmäisillä askeleilla kurssikohtaista kiinnostusta ja onnistumisodotuksia, mutta kiinnostusta en-nustettaessa mallin toisella askeleella, efekti ei ollut enää merkitsevä. Aiempi opintomenestys ennusti kurssikohtaista arvosanaa hierarkkisen mallin kaikilla askeleilla. Oppiainekohtaista kiinnostusta ja hyödyllisyyttä tutkittiin suhteellisen kapeasti. Olisi mielenkiintoista toistaa asetelma tutkimalla ilmiöitä monipuolisemmin ja testata asetelmaa eri sukupuolten ja ikäryh-mien välillä.

Avainsanat – Nyckelord – Keywords

motivaatio, kiinnostus, odotusarvoteoria, äidinkieli, lukio-opiskelijat, opintomenestys, faktorianalyysi, hierark-kinen lineaarinen regressioanalyysi

Säilytyspaikka – Förvaringsställe – Where deposited

Helsingin yliopiston kirjasto – Helda / E-thesis (opinnäytteet) ethesis.helsinki.fi

HELSINGIN YLIOPISTO – HELSINGFORS UNIVERSITET – UNIVERSITY OF HELSINKI

Tiedekunta – Fakultet – Faculty

Faculty of Behavioural Sciences

Laitos – Institution – Department

Institute of Behavioural Sciences

Tekijä – Författare – Author

Heidi Maanonen

Työn nimi – Arbetets titel – Title

Finnish language, is it interesting? Subject interest and utility value: the predictors of course experiences and grades.

Oppiaine – Läroämne – Subject

General and adult education

Työn ohjaaja(t) – Arbetets handledare – Supervisor

Sami Paavola, Markku Niemivirta

Vuosi – År – Year

2017

Tiivistelmä – Abstrakt – Abstract The aim of the current study was to examine whether the subject interest and utility value of Finnish language among high school students predicts the experiences of the first Finnish language course in high school. The second aim was to explore whether these experiences predict further course grades. Course experiences consisted feelings about interest, strain, effort and expectancies of success. All research questions included the effect of earlier school success. The second question included also the effect of the course experiences. The whole study was designed by means of Interest and Expectancy-Value Theories. The respondents of present study (n = 172) participated in first Finnish language course in High School between 2012 and 2013. The factor analysis was used to test the questionnaire of course experiences and the predictions of research questions was analyzed by means of hierarchical linear regression analysis. As expected results indicated that interest toward Finnish language predicted experiences of interest, effort and strain of the first course. Despite expectations interest in Finnish did not predict the course grades or expectancies of success. Despite expectations the utility value of Finnish did not have any significant effect towards course experiences or grades. Course experiences did not predict the course grades. At the first step earlier success predicted experiences of interest and success expectations, but the effect predicting interest was not significant after second step. Earlier success predicted course grades after every step of hierarchical model. The interest and utility value toward subject was examined relative concisely. It would be interesting to replicate the research setting by studying the phenomena more comprehensive and test the design between genders and age groups. Avainsanat – Nyckelord – Keywords

motivation, interest, expectancy-value theory, Finnish language, school success, high school students, factor analysis, hierarchical linear regression analysis

Säilytyspaikka – Förvaringsställe – Where deposited

Helsingin yliopiston kirjasto – Helda / E-thesis (opinnäytteet) ethesis.helsinki.fi

SISÄLLYS

1 JOHDANTO ............................................................................................................. 1

2 KIINNOSTUSTEORIA OSANA OPPIMISTA ....................................................... 3

2.1 Akateeminen kiinnostus ................................................................................... 3

2.2 Tilannekohtainen ja yksilöllinen kiinnostus ..................................................... 4

2.3 Akateemisen kiinnostuksen tutkiminen ............................................................ 5

3 ODOTUSARVOTEORIA OSANA OPPIMISTA ................................................... 6

3.1 Akateeminen käyttäytyminen odotusarvoteorian näkökulmasta ...................... 6

3.2 Odotukset ja arvot............................................................................................. 7

3.3 Onnistumisodotusten ja arvouskomuksien tutkiminen ..................................... 9

4 TUTKIMUSASETELMA JA TUTKIMUSKYSYMYKSET ................................ 11

5 TUTKIMUKSEN TOTEUTUS JA ANALYYSIMENETELMÄT ....................... 13

5.1 Aineiston hankinta ja tutkittavien kuvaus ...................................................... 14

5.2 Tutkimuksen muuttujat ja mittarit .................................................................. 15

5.3 Muuttujien normaalisuuden testaaminen ........................................................ 15

5.4 Aineiston katoanalyysi ................................................................................... 16

5.5 Faktorianalyysi ............................................................................................... 18

5.6 Hierarkkinen lineaarinen regressioanalyysi ................................................... 22

6 TUTKIMUSTULOKSET ....................................................................................... 24

6.1 Faktorianalyysin ehtojen täyttyminen ja tulokset ........................................... 24

6.2 Regressioanalyysin ehtojen täyttyminen ja korrelaatiotarkastelut ................. 28

6.3 Äidinkielen kurssikokemuksien ennustaminen .............................................. 30

6.4 Äidinkielen kurssin arvosanan ennustaminen ................................................ 34

7 POHDINTAA ......................................................................................................... 36

7.1 Tuloksia koskeva pohdinta ............................................................................. 36

7.2 Tutkimuksen rajoitukset ................................................................................. 37

7.3 Tutkimuksen luotettavuus .............................................................................. 38

7.4 Suositukset ja jatkotutkimusaiheet ................................................................. 40

7.5 Johtopäätökset ................................................................................................ 41

LÄHTEET ...................................................................................................................... 43

LIITTEET

Liite 1, Muuttujien sisältö ja niitä vastaavat lyhenteet ........................................................ 46 Liite 2, Teoreettinen faktoriratkaisu .................................................................................... 47 Liite 3, Muuttujien normaalisuustestit ................................................................................. 48 Liite 4, Muuttujakohtainen puuttuvien havaintojen vaihtelu............................................... 49

Liite 5, ML-menetelmällä ekstraktoitujen muuttujien kommunaliteetit ............................. 50

Liite 6, Scree-testien kuvaajat ja arvioidut suunnanmuutospisteet...................................... 51

Liite 7, Summamuuttujien kuvailu, jakaumat ja normaalisuus ........................................... 52

KUVAT

Kuva 1, Hypoteettinen malli tutkimusasetelman mukaisista yhteyksistä............................ 12

Kuva 2, Muuttujakohtainen puuttuvien havaintojen vaihtelu ............................................. 17

TAULUKOT

Taulukko 1, Faktoriratkaisun muuttujien välinen korrelaatiomatriisi ................................. 25

Taulukko 2, Faktoreiden ominaisarvot ja selitysasteet ........................................................ 26 Taulukko 3, Rotatoitu faktorimatriisi (Pattern Matrix)....................................................... 27 Taulukko 4, Korrelaatiotarkastelut ja keskeisimmät tunnusluvut ....................................... 29

Taulukko 5, Kurssikohtaisten kokemuksien ennustaminen ................................................ 33

Taulukko 6, Äidinkielen kurssin arvosanan ennustaminen ................................................. 35

1

1 Johdanto

Suomalaisten nuorten oppiminen herättää säännöllisesti kysymyksiä ja kannanottoja julkisessa

keskustelussa. Aihe nousi jälleen esille, kun MTV3 uutisoi marraskuussa 2016 yläasteikäisten

tyttöjen ja poikien arvosanaeroista. Uutinen perustui Valtioneuvoston teettämään selvitykseen,

jossa Helsingin yliopiston opettajankoulutuslaitos tutki oppilaiden siirtymiä toiselle asteelle.

Lisäksi tutkimuksessa huomioitiin nuorten osaamiseen ja hyvinvointiin liittyviä tekijöitä. (Ho-

tulainen ym., 2016.) Kirjoituksessa minua kiinnosti erityisesti sen painottama tutkimustulos,

jonka perusteella stressin sietäminen parantaa oppimistuloksia. Uutisen mukaan koulu voi tun-

tua ajoittain stressaavalta, mutta menestymisen eteen on kuitenkin nähtävä vaivaa (MTV3,

2016).

Uutinen herätti kysymyksiä siitä, millä tavoin opiskelun motivationaaliset tekijät voivat olla

yhteydessä koulumenestykseen. Esimerkiksi opiskelijoiden kiinnostus ja halu oppia saattavat

vaikuttaa ratkaisevasti oppimistuloksiin ja arvosanoihin. Tällaisten motivationaalisten tekijöi-

den vaikutukset voivat vaihdella oppilaiden välillä sekä oppiaineesta toiseen. Siksi onkin mie-

lenkiintoista pohtia, miten hyödylliseksi ja kiinnostavaksi koulun oppiaineet koetaan sekä min-

kälaisia yhteyksiä näillä tekijöillä voi edelleen olla oppiaineiden kurssikohtaisiin kokemuksiin

ja arvosanoihin.

Eri kasvatus- ja koulutustutkimusten mukaan koulutyöhön liittyvä kiinnostus sekä oppiaineiden

arvostaminen parantavat opintosuorituksia. Tämä tutkimus painottuu koulutyön motivationaa-

lisiin näkökulmiin. Tutkimuksen aineisto on hankittu Helsingin yliopistossa toteutettavan pro-

fessori Markku Niemivirran tutkimusryhmän laajemmasta ’Development of Learning and Mo-

tivation’ -tutkimushankkeesta (DeLeMo). Kokonaistutkimuksen tavoitteena on ollut selvittää

muun muassa sitä, miten kiinnostuneita lukioikäiset ovat lukion eri oppiaineista sekä kuinka

hyödylliseksi ja tärkeäksi ne koetaan. Näiden arvioiden pohjalta tarkoituksena on ollut selvittää,

miten oppiainekohtainen kiinnostus, koettu hyödyllisyys ja tärkeys ovat yhteydessä kurssikoh-

taisiin kokemuksiin, erilaisiin tehtäväsuorituksiin sekä opintomenestykseen.

Tämä osatutkimus keskittyy lukion äidinkieleen ja tarkastelee sitä, kuinka kiinnostavaksi ja

hyödylliseksi äidinkieli oppiaineena koetaan. Lisäksi työssä tarkastellaan, ennustavatko lukion

2

alussa annetut oppiainekohtaiset arviot lukion ensimmäiseen äidinkielen kurssiin liitettyä kiin-

nostusta, onnistumisodotuksia, kurssin koettua kuormittavuutta (strain) ja tunnetta panostami-

sen määrästä, kun aiempi opintomenestys otetaan huomioon. Lopuksi on tarkoitus selvittää,

ennustavatko kurssikohtaiset kokemukset lukion ensimmäisen äidinkielen kurssin arvosanaa,

kun aiempi opintomenestys ja oppiainekohtaiset arviot huomioidaan. Tämä tutkimus huomioi

koulutyön stressaavuuden kurssikohtaisten kuormittavuuden tuntemuksien kautta, mikä myös

aiemmin mainitussa uutisessa nostettiin esiin. Tämän yhtäläisyyden johdosta onkin mielenkiin-

toista nähdä, ovatko tämän tutkimuksen tulokset samansuuntaisia uutisoitujen tuloksien kanssa.

Lukio-opiskelijoiden oppiaine- ja kurssikohtaiset arviot jakautuvat tässä tutkimuksessa käsit-

teellisesti kahteen toisiaan täydentävään teoriataustaan: kiinnostus- ja odotusarvoteoriaan.

Kiinnostusteoria tutkii luonnollisesti kiinnostusta, sen erilaisia muotoja sekä kiinnostuksen yh-

teyttä koulutehtävien mielekkyyteen ja opintomenestykseen. Kiinnostusteoriaa tarkastellaan

seuraavassa pääluvussa. Luvussa kolme tutustutaan odotusarvoteoriaan, jonka avulla voidaan

tutkia koulusuorituksiin ja -suoriutumiseen liittyviä onnistumisodotuksia ja arvouskomuksia.

Luvussa neljä luodaan katsaus tutkimusasetelmaan ja tutkimuskysymyksiin. Asetelmaa havain-

nollistetaan kuvassa 1, joka kuvaa hypoteettista mallia tutkimusasetelman mukaisista ennus-

teista. Luvussa viisi tarkastellaan tässä tutkimuksessa käytettyjä tilastollisia tutkimus- ja ana-

lyysimenetelmiä, joiden tuloksia esitellään yksityiskohtaisemmin luvussa kuusi. Viimeisessä

luvussa pohditaan kattavammin tutkimuksen tuloksia, rajoituksia ja luotettavuutta sekä esite-

tään suosituksia ja jatkotutkimusaiheita.

3

2 Kiinnostusteoria osana oppimista

2.1 Akateeminen kiinnostus

Kiinnostuksen tutkimus voidaan jäljittää ainakin 1800-luvun loppupuolelle, jolloin sen nähtiin

myötävaikuttavan siihen, minkälaisiin asioihin ihmiset kiinnittivät huomiota ja minkälaisia ai-

heita ja kokonaisuuksia he muistivat (Hidi, 2006, s. 69). Kasvatus- ja motivaatiopsykologian

tutkijat ovat suunnanneet tarkemman huomionsa kiinnostuksen tutkimiseen kuitenkin vasta

vuonna 1992, jolloin ilmestyi eräänlaisena käännekohtana pidetty julkaisu: ’The Role of Interest

in Learning and Development’ (Schiefele, 2009, s. 197). Julkaisun jälkeen kiinnostusta on tut-

kittu laajasti niin neurotieteiden, psykologian kuin kasvatustieteidenkin näkökulmasta, mikä on

luonnollisesti myötävaikuttanut kiinnostuksen kirjavaan käsitteellistämiseen (Hidi, 2006, s. 69;

Schiefele, 2009, s. 197).

Silvia (2008, s. 57) määrittelee kiinnostuksen perusemootioksi ja sisäisen motivaation lähteeksi,

joka on yhteydessä ihmisen aktivaatiotasoon, keskittymiseen sekä edelleen oppimiseen. Hidi

(2006, s. 70–71) puolestaan luonnehtii kiinnostusta tyypillisesti positiivissävytteiseksi motiva-

tionaaliseksi tekijäksi ja psykologiseksi tilaksi, joka viriää ihmisten ja heidän kiinnostuksen

kohteiden välisessä vuorovaikutuksessa. Joistakin käsitteellisistä eroista huolimatta tutkijat

ovat melko yksimielisiä siitä, että kiinnostus sisältää sekä tunneperäisen affektiivisen että tie-

dollisen kognitiivisen puolen (Tapola & Niemivirta, 2014, s. 295–296; Hidi, 2006, s. 71). Kiin-

nostus nähdään yleisesti sisältökeskeisenä, sillä yksilöt ovat kiinnostuneita tietystä toiminnasta,

oppiaineesta, aihealueesta tai tehtävästä (Hidi 2006, s. 72). Voidaankin sanoa, että kiinnostuk-

sella on aina jokin kohde (Tapola & Niemivirta, 2014, s. 295; Tsai, Kunter, Lüdtke, Trautwein

& Ryan, 2008, s. 461).

Tämä tutkimus keskittyy akateemiseen kiinnostukseen, joka ei huomioi koulun ulkopuolisia

kiinnostuksen kohteita, kuten ammatillista tai vapaa-aikaan liittyvää kiinnostusta (Schiefele,

2009, s. 198). Kasvatus- ja koulutustutkimuksissa kiinnostus on pääsääntöisesti jaettu kahteen

akateemisen kiinnostuksen muotoon, jotka tunnetaan käsitteillä tilannekohtainen (situational

interest) ja yksilöllinen kiinnostus (individual interest) (Hidi, 2006, s. 72; Tapola & Niemivirta,

2014, s. 295).

4

2.2 Tilannekohtainen ja yksilöllinen kiinnostus

Tilannekohtainen kiinnostus kuvaa lyhytaikaista tai hetkellistä psykologista tilaa, joka näkyy

huomion keskittymisenä, tarkkaavaisuutena sekä lisääntyneenä kognitiivisena toimintana, sin-

nikkyytenä, nautintona tai affektiivisena, eli tunneperäisenä sitoutumisena ja uteliaisuutena

(Schiefele 2009, s. 198). Tilannekohtainen kiinnostus herää ympäristön vaikutuksesta, esimer-

kiksi tehtävän tai kohteen erityisistä ominaispiirteistä (Hidi, 2006, s. 72). Mikäli kiinnostus on

suurta, huomion keskittäminen ja kognitiivinen toiminta tuntuvat suhteellisen vaivattomilta:

kiinnostuksen tuntemuksista seuraakin useimmiten positiivis-emotionaalinen vire (Schiefele,

2009, s. 197–198).

Schiefelen (2009, s. 199) mukaan tilannekohtainen kiinnostus tulisi nähdä Silvian (2008, s. 57–

60) lailla ennemmin emootiona kuin Hidin (2006, s. 70) epäselvästi määrittelemänä psykologi-

sena tilana. Schiefele (2009, s. 217) perustelee näkemystään esimerkiksi sillä, että tällöin kiin-

nostus olisi helpommin erotettavissa sisäisen motivaation käsitteestä. Sen sijaan Hidin (2006)

mukaan kiinnostus voidaan nähdä perusemootiona sen syntyvaiheessa, kun taas kiinnostuksen

kehittyminen ja erityisesti sen säilyminen vaativat lisäksi kiinnostuksen kohteeseen liittyvää

kognitiivista toimintaa. Toisin sanoen kiinnostuksen kehittyminen vaatii mukaan sekä tunnepe-

räisen kiinnostumisen että tietoisen kiinnostuksen ylläpitämisen. (Hidi, 2006, s.71–72.)

Yksilöllinen kiinnostus kehittyy ajan myötä, jolloin se voidaan nähdä yksilön pysyvämpänä

taipumuksena suhteessa tiettyyn sisältöön tai kohteeseen (Hidi, 2006, s. 72; Schiefele, 2009, s.

198). Yksilöllinen kiinnostus on tilannekohtaisen kiinnostuksen tavoin yhteydessä positiivisiin

tuntemuksiin, mutta siihen saattaa lisäksi yhdistyä henkilökohtainen arvostus, kiinnostuksen

kohteen koettu tärkeys, tiedon määrä ja osaaminen tai koettu kyvykkyys (Tapola & Niemivirta,

2014, s. 296). Kiinnostuksen tutkiminen suhteessa oppimiseen ja oppimistuloksiin voidaankin

yhdistää odotusarvoteoriaan erityisesti edellä mainittujen arvonantojen ja tärkeyden johdosta

(Ainley, Hillman & Hidi, 2002, s. 412; Tsai, Kunter, Lüdtke, Trautwein & Ryan, 2008, s. 461).

Yksilöllisen kiinnostuksen kehittyminen vaatii oppijalta muun muassa sitä, että jokin oppimis-

sisältö koetaan merkityksellisenä (Tapola & Niemivirta, 2014, s. 309). Yksilöllisen kiinnostuk-

sen kehittyminen sekä erityisesti kiinnostuksen säilyminen vaativat myös tarpeellisen määrän

5

oppisisältöön liittyvää informaatiota sekä tietoa ja tunnetta osaamisesta (Hidi, 2006, s. 73). Il-

man näitä elementtejä kiinnostus voi jäädä lyhytaikaiseksi. Tiedon ja tietouden kehittymistä

kutsutaan kiinnostusteoriassa muun muassa varastoituneeksi tiedoksi, jolla voidaan viitata yk-

silön kehittyvään oppisisältökohtaiseen ymmärrykseen sekä tämän ymmärryksen ylläpitämi-

seen (Hidi, 2006, s. 73; Schiefele, 2009, s. 203).

2.3 Akateemisen kiinnostuksen tutkiminen

Oppimiseen liittyvää kiinnostusta on tutkittu niin tilannekohtaisen kuin yksilöllisen kiinnostuk-

sen teoreettisista lähtökohdista käsin (Ainley, Hillman & Hidi, 2002, s. 412). Kvantitatiivisilla

menetelmillä on pyritty selvittämään kiinnostuksen tasoa tai määrää suhteessa koulussa opetet-

taviin sisältöihin ja muihin oppimiseen liittyviin tekijöihin (Schiefele, 2009, s. 201). Tässä tut-

kimuksessa sovelletaan määrällisiä menetelmiä, joiden avulla tutkitaan lukio-opiskelijoiden yk-

silöllistä ja tilannekohtaista kiinnostusta. Lukion alussa kysytyn oppiainekohtaisen kiinnostuk-

sen tarkoituksena on kuvata äidinkieleen liittyvää yksilöllistä kiinnostusta, kun taas äidinkielen

kurssin alussa arvioitu kiinnostus kertoo tutkimusasetelman mukaisesti tilannekohtaisesta kiin-

nostuksesta. Harackiewicz, Durik, Barron, Linnenbrink-Garcia ja Tauer (2008) käyttävät sa-

mankaltaista tutkimusasetelmaa kuvatessaan yliopisto-opiskelijoiden psykologiaan liittämää

kiinnostusta.

Tämän tutkimuksen yhtenä tavoitteena on selvittää, ennustaako oppiainekohtainen kiinnostus

äidinkielen kurssiin liitettyä kiinnostusta sekä selvittää edelleen näiden kiinnostuksen muotojen

yhteyttä kurssikohtaiseen arvosanaan. Harackiewiczin ja hänen kollegoidensa (2008, s. 117)

tutkimustulosten perusteella opiskelijoiden alun perin ilmoittama kiinnostus ennusti kurssin

alussa arvioitua kiinnostusta, kiinnostuksen säilymistä kurssin aikana sekä kurssikohtaista ar-

vosanaa.

Yksilöllinen kiinnostus voidaan yhdistää opiskelun yhteydessä oppilaiden haluun tutkia ja op-

pia uutta mahdollisista vaikeuksista huolimatta (Durik & Harackiewicz, 2007, s. 598). Määri-

telmän seurauksena yksilöllinen kiinnostus voidaan liittää tässä tutkimuksessa tarkasteltavaan

koettuun kurssikohtaisen panostamiseen määrään sekä kuormittavuuden tuntemuksien sietämi-

seen. Toisaalta kiinnostus voi synnyttää positiivisten ajatusten lisäksi myös ristiriitaisia tunte-

muksia: se, mikä kiinnostaa, saattaa ajoittain tuntua myös haasteelliselta ja vaikealta (Tapola &

6

Niemivirta, 2014, s. 296). Tällöin tilanne on päinvastainen yllä mainittuun tulokseen verrattuna.

Opiskelija voi olla kiinnostunut oppiaineesta tai kurssista, mutta kokeekin opiskelun olevan

liian vaativaa, kuormittavaa tai vaikeaa.

Silvian (2008, s. 58) mukaan oppiaineesta kiinnostuneet opiskelijat jaksavat pääsääntöisesti

kuitenkin panostaa, syventyä ja kuluttaa opiskeluun enemmän aikaa verrattuna opiskelijoihin,

joiden kiinnostuksen taso on matalampi. Tämä voidaan nähdä johtuvan ainakin siitä, että kiin-

nostus innostaa ja motivoi opiskelijoita oppimaan sekä tekemään töitä opiskelun eteen (Ainley,

Hillman & Hidi, 2002, s. 412). Tällöin oppiaineeseen liittyvä kiinnostus johtaa edelleen parem-

piin oppimistuloksiin ja arvosanoihin (Silvia, 2008, s. 58). Schiefelen (2009, s. 201) mukaan

aiemmista tutkimuksista on löydetty runsaasti näyttöä, että kouluaineeseen liittyvä kiinnostus

ja koulumenestys ovat positiivisesti toisiinsa yhteydessä.

3 Odotusarvoteoria osana oppimista

3.1 Akateeminen käyttäytyminen odotusarvoteorian näkökulmasta

Nykyaikaiset motivaatiopsykologian odotusarvoteoriat perustuvat Atkinsonin vuonna 1957 ke-

hittämään suoritusmotivaatiota mittaavaan malliin, jonka tavoitteena oli selittää yksilöiden suo-

rituksiin sidoksissa olevaa käyttäytymistä: miten henkilö ahkeroi menestyäkseen, minkälaisia

valintoja hän tekee eri tehtävien välillä ja miten sinnikkäästi henkilö työskentelee (Wigfield,

Tonks & Klauda, 2009, s. 55–56; Eccles ym., 1983, s. 79). Tämän hetken koulutus- ja kasva-

tustutkimukset peilaavat tuloksiaan erityisesti Ecclesin ja hänen kollegoidensa vuonna 1983

edelleen kehittämään odotusarvomalliin (Wigfield, Tonks & Klauda, 2009, s. 56; Kokkonen,

Kokkonen & Yli-Piipari, 2013), jossa tutkijat kuvaavat hyvinkin tarkasti akateemiseen menes-

tymiseen ja suoriutumiseen yhteydessä olevia onnistumisodotuksia ja arvostuksia (Eccles ym.,

1983). Myös tämän tutkimuksen viittaukset odotusarvoteoriaan perustuvat Ecclesin ja hänen

kollegoidensa (1983) jatkokehittämään teoriamalliin (Expectancy-Value Model).

Odotusarvoteorian mallin mukaan oppilaiden onnistumisodotukset ja arvostukset vaikuttavat

suoraan tehtäväkohtaisiin valintoihin, suorituksiin, panostamiseen ja sinnikkyyteen (Wigfield

7

& Eccles, 2000, s. 68; Barron & Hulleman, 2015, s. 504). Tehtävällä voidaan tarkoittaa yksit-

täistä koulutehtävää, jonkin kurssin suorittamista tai muita koulun oppiaineisiin liittyviä suori-

tuksia. Nämä eri tehtäviin liittyvät uskomukset vaikuttavat henkilökohtaisten onnistumisodo-

tuksien ja arvouskomuksien taustalla (Wigfield, Tonks & Klauda, 2009, s. 56). Tehtäväkohtai-

siin uskomuksiin sisällytetään oppilaiden kyvykkyysuskomukset, tehtävän koettu vaikeustaso

sekä henkilökohtaiset tavoitteet, itsetunto ja affektiiviset muistot (Wigfield & Eccles, 2000, s.

69). Suoritustilanteisiin liittyvillä affektiivisilla muistoilla viitataan aiempiin suoritustilanteisiin

ja tuloksiin sekä niistä tehtyihin subjektiivisiin tulkintoihin (Wigfield, Tonks & Klauda, 2009,

s. 56).

3.2 Odotukset ja arvot

Odotusarvoteorian odotukset voidaan tulkita onnistumisodotuksiksi, jotka viittaavat yksilön us-

komuksiin siitä, miten hyvin hän tulee menestymään tietyssä tulevassa tehtävässä (Wigfield,

Tonks & Klauda, 2009, s. 57). Eccles kollegoineen (1983) käytti odotuksista myös nimitystä

’menestymisen todennäköisyys’. Onnistumisodotusten osalta opiskelija voisi pohtia ja arvioida,

kuinka hyvin hän tulee menestymään tietyssä oppiaineessa ensi lukuvuonna (Wigfield, Tonks

& Klauda, 2009, s. 57). Ajatusta sovelletaan tässä tutkimuksessa lukion äidinkielen kohdalla.

Kokkosen ja hänen kollegoidensa (2013, s. 523) tutkimuksessa onnistumisodotukset mielletään

myös tämän hetken kyvykkyysuskomuksiksi, kun taas Wigfieldin ja hänen kollegoidensa

(2009, s. 56) mukaan kyvykkyysuskomukset ovat ennemminkin onnistumisodotusten tausta-

vaikuttajia. Ne eivät siten ole tarkalleen ottaen toistensa synonyymejä.

Eccles ja hänen kollegansa (1983, s. 82) ehdottavat, että historian tapahtumat, aiemmat onnis-

tumiset ja epäonnistumiset vaikuttavat oppilaiden tehtäväkohtaisiin onnistumisodotuksiin epä-

suorasti. Tällöin opiskelija saattaa pohtia, mitä muut hänestä ajattelevat tai mitä muu ympäristö

häneltä odottaa (Eccles ym., 1983, s. 82). Tämän seurauksena on mielekästä pohtia tehtävän

suorittamisen ja siitä suoriutumisen välistä jännitettä koulutehtävien kuormittavuuden sekä nii-

hin annetun panostamisen näkökulmasta. Toisin sanoen oppilaalla voi olla halu panostaa kou-

lutehtäviin hyvän suorituksen ja opintomenestyksen toivossa. Voi kuitenkin käydä niin, että

vaikea ja stressaava tehtävä aiheuttaakin pelkoa tulevasta epäonnistumisesta, jolloin tämä ketju

8

kokonaisuudessaan vaikuttaa lopulliseen onnistumiseen. Tilanteen ratkaisee odotusten näkö-

kulmasta se, kumpaan oppilas uskoo enemmän: henkilökohtaiseen onnistumiseen vai epäon-

nistumiseen (Eccles ym., 1983, s. 82).

Odotusarvoteorian arvoilla viitataan erityisesti tehtäväkohtaisiin arvoihin (Task Value), joilla

tarkoitetaan yleisellä tasolla tehtävän ominaispiirteitä sekä niiden vaikutusta oppilaan haluk-

kuuteen suorittaa kyseistä tehtävää (Wigfield, Tonks & Klauda, 2009, s. 57). Tehtävän omi-

naispiirteet vaikuttavat siihen, millä tavoin tehtävään sitoudutaan ja kuinka paljon siihen pa-

nostetaan (Kokkonen, Kokkonen & Yli-Piipari, 2013, s. 523). Toisin sanoen tiettyyn kouluteh-

tävään tai oppiaineen kurssiin panostaminen kertoo osaltaan siitä, millä tavoin ja kuinka paljon

oppilas kyseistä toimintaa arvostaa. Tämän lisäksi on syytä huomioida arvojen subjektiivisuus

siten, että oppilaat voivat arvostaa samoja tehtäviä eri tavoin (Wigfield, Tonks & Klauda, 2009,

s. 57).

Odotusarvoteoriassa erilaiset arvoannot johtavat kokonaisarvon käsitteeseen, joka jakautuu nel-

jään osaulottuvuuteen: saavutusarvo (Attainment Value or Importance), sisällöllinen arvo

(Intrinsic or Interest Value), hyötyarvo (Utility value or Usefulness) ja koettu kustannus (Cost

of Success or Failure) (Wigfield, Tonks & Klauda, 2009, s. 57–58; Eccles ym., 1983, s. 89–

95). Saavutusta arvostavan opiskelijan kannalta on tärkeää, että tehtävä toteutetaan mahdolli-

simman hyvin, jolloin sen avulla voidaan saavuttaa lisää osaamista ja vahvistaa henkilökoh-

taista identiteettiä esimerkiksi identifioitumalla tietynlaisen sisällön osaajaksi (Eccles ym.,

1983, s. 89). Opiskelija, joka antaa tehtävälle sisällöllisen arvon, nauttii tehtävän tekemisestä.

Sisällöllinen arvo on jossain määrin samansuuntainen kiinnostuksen kanssa, vaikka käsitteet

tulevatkin erilaisista teoreettisista traditioista. (Wigfield, Tonks & Klauda, 2009, s. 58.) Nämä

kaksi arvoulottuvuutta eivät varsinaisesti sisälly tämän tutkimuksen käsitteisiin.

Kokonaisarvon kolmas ulottuvuus edustaa tehtävästä saatavaa hyötyä: miten jokin tehtävä tai

kurssi sopii opiskelijan tulevaisuudensuunnitelmiin joko suoraan tai välillisesti (Wigfield,

Tonks & Klauda, 2009, s. 58; Barron & Hulleman, 2015, s. 504). Lukio-opiskelija saattaa pa-

nostaa tietyn oppiaineen kursseihin, jos ne hyödyttävät häntä myöhemmissä jatko-opinnoissa

tai esimerkiksi pääsykokeissa. Tällöin oppiaine toimii välineenä halutun hyödyn saavutta-

miseksi. (Eccles ym., 1983, s. 89–90.) Hyötyarvo toimii tämän tutkimuksen yhtenä keskeisim-

mistä käsitteistä ja sitä mitataan lukio-opiskelijoiden arvioilla äidinkielen hyödyllisyydestä.

9

Vaikka hyötyarvoa kuvataan välineelliseksi, on tässä tutkimuksessa haluttu selvittää, onko sillä

yhteyttä ja ennustaako se kurssiin liitettyä kiinnostusta, kuormittavuutta, panostamisen määrää

ja onnistumisodotuksia. Tällä tavoin voidaan tutkia myös sitä, minkälainen yhteys odotusarvo-

teorialla on kiinnostusteoriaan ja voiko välineelliseen hyötyarvoon sekoittua myös affektiivisia

ominaisuuksia. Hyötyarvon merkityksellisyyttä tarkastellaan myös suhteessa opintomenestyk-

seen, jossa hyödyllisyyden välineellisyys tulee parhaiten esille.

Kokonaisarvon neljäs ulottuvuus kuvaa tehtävien aiheuttamia kustannusvaikutuksia: mistä ak-

tiviteeteista opiskelija joutuu luopumaan, mikäli hän päättää suorittaa juuri tämän tehtävän sekä

millä tavoin ja kuinka paljon opiskelija joutuu panostamaan tehtävään saadakseen sen valmiiksi

(Wigfield, Tonks & Klauda, 2009, s. 58). Luopuminen voi kuvata menetettyä aikaa, jonka opis-

kelija olisi voinut käyttää toisin esimerkiksi ystäviensä seurassa. Mikäli opiskelija arvostaa ys-

täviensä seuraa enemmän kuin koulutehtävää, mutta päättää silti jäädä kotiin sitä suorittamaan,

nousee tehtävän kustannus korkealle. (Eccles ym., 1983, s. 93–94.) Panostamisen suhde koet-

tuun kustannukseen voi nousta esille tilanteessa, jossa opiskelija pohtii, onko tämä panostami-

sen määrä kaiken sen työn arvoista; voisiko pienemmälläkin vaivalla pärjätä (Wigfield, Tonks

& Klauda, 2009, s. 58). Koettu kustannus voidaan liittää myös epäonnistumisen kustannuksiin,

kuten häpeään tai ahdistukseen (Barron & Hulleman, 2015, s. 505).

3.3 Onnistumisodotusten ja arvouskomuksien tutkiminen

Opiskeluun liittyviä onnistumisodotuksia ja arvouskomuksia on tutkittu useista oppimiseen liit-

tyvistä motivationaalisista näkökulmista käsin (Wigfield, Tonks & Klauda, 2009). Ne ovat yh-

distetty suureen määrään teoreettisia lähikäsitteitä, jonka johdosta odotusarvoteoria tarjoaa Bar-

ronin ja Hullemanin (2015, s. 504–505) mukaan perusrakenteen kaikille niille teoreettisille nä-

kökulmille, joiden tarkoituksena on tutkia kahta motivationaalista lähtökohtaa: uskooko opis-

kelija, että hän pystyy suoriutumaan tehtävästä ja menestyy siinä sekä haluaako hän sitoutua ja

syventyä tehtävään.

Opiskeluun liittyviä onnistumisodotuksia ja arvouskomuksia on tutkittu suurimmaksi osaksi

kvantitatiivisesti, joskin niiden laadullinen tutkimus on lisääntynyt viime vuosina (Barron &

Hulleman, 2015, s. 506). Tässä tutkimuksessa sovelletaan määrällisiä menetelmiä, joiden avulla

tutkitaan lukio-opiskelijoiden arvioimaa äidinkielen hyödyllisyyttä ja kurssikohtaisia arvioita

10

oppilaiden onnistumisodotuksista. Näistä jälkimmäinen tulkitaan odotusarvoteorian odotuksien

kautta, kun taas oppiaineen koetun hyödyllisyyden tarkoituksena on kuvastaa odotusarvoteo-

rian arvostuskomponenttia.

Barronin ja Hullemanin (2015, s. 504) mukaan teorian odotukset ennustavat useimmiten eri

suorituksiin liittyviä tuloksia, kun taas arvouskomukset ovat yleensä samansuuntaisesti yhtey-

dessä esimerkiksi kiinnostukseen sekä opiskelijan haluun sitoutua ja panostaa eri tehtäviin.

Trautweinin ja hänen kollegoidensa (2012, s. 1) mukaan sekä onnistumisodotukset että arvous-

komukset ennustavat erilaisia kouluun liittyviä suorituksia. Tämän tutkimuksen tarkoituksena

on selvittää, ennustaako äidinkielen koettu hyödyllisyys lukio-opiskelijoiden kurssikohtaisia

kokemuksia, kuten kiinnostusta, onnistumisodotuksia sekä koettua panostamisen määrää. Tä-

män lisäksi tavoitteena on tutkia kurssikohtaisten kokemuksien yhteyttä opintomenestykseen,

jolloin oppiainekohtaiset arviot otetaan huomioon.

Hulleman, Godes, Hendricks ja Harackiewicz (2010) tutkivat hyötyarvon yhteyttä muun mu-

assa tilannekohtaiseen ja yksilölliseen kiinnostukseen sekä kurssisuoritukseen. Tutkimuksen

kohteena olivat yliopiston psykologian ensimmäisen kurssin opiskelijat, mutta itse tutkimus

sisälsi matemaattisia tehtäviä ja kysymyksiä. Tutkimustulosten perusteella hyötyarvo ennusti

tilannekohtaista ja yksilöllistä kiinnostusta sekä lopullista kurssiarvosanaa. (Hulleman, Godes,

Hendricks & Harackiewicz, 2010 s. 885–890.)

Odotusarvoteorian mukaisia kustannusvaikutuksia on Barronin ja Hullemanin (2015, s. 504–

505) mukaan tutkittu melko vähän, sillä suuri osa tutkimuksista on keskittynyt kokonaisarvon

positiivisiin ulottuvuuksiin, kuten saavutus- ja sisältöarvoon. Kirjoittajat ehdottavatkin, että ko-

ettu kustannus eriytettäisiin omaksi ulottuvuudekseen, jolloin sen tulkitseminen olisi mielek-

käämpää (Barron & Hulleman, s. 504–505). Tässä tutkimuksessa lukio-opiskelijoiden arvioi-

mat kurssikohtaiset kuormittavuuden tuntemukset voidaan tulkita koulutyön kustannusvaiku-

tuksiksi. Kuormittavuutta tutkitaan omana ulottuvuutena ja sen yhteyttä tarkastellaan suhteessa

lukuvuoden alussa annettuihin arvioihin äidinkielen hyödyllisyydestä sekä suhteessa kurssikoh-

taiseen opintomenestykseen. Sen sijaan koulutyöhön panostaminen voidaan tulkita kustan-

nukseksi vain silloin, mikäli opiskelija itse kokee panostamisen ennemmin negatiivisena kuin

positiivisena (Wigfield, Tonks & Klauda, 2009, s. 58; Barron & Hulleman, s. 507).

11

4 Tutkimusasetelma ja tutkimuskysymykset

Tämän tutkimuksen aineisto on osa Helsingin yliopistossa toteutettavan professori Markku Nie-

mivirran tutkimusryhmän tutkimushankkeen (Development of Learning and Motivation, De-

LeMo) aineistoa. Yliopiston kokonaistutkimus tarkastelee erään suomalaisen kaupungin lukio-

opiskelijoiden arvioimaa kiinnostusta lukion eri oppiaineita kohtaan sekä oppilaiden oppiai-

nekohtaisia arvioita niiden hyödyllisyydestä ja tärkeydestä. Kokonaistutkimuksen tavoitteena

on peilata näitä arvioita edelleen lukiolaisten kurssikohtaisiin kokemuksiin sekä aiempaan ja

tulevaan opintomenestykseen. Kurssikohtaiset kyselyt toteutettiin kolmessa vaiheessa: kurssin

alku- ja loppuvaiheessa sekä kurssikohtaisen palautteen muodossa kurssikokeen jälkeen.

Tämä tutkimus keskittyy äidinkielen oppiaineeseen, lukion ensimmäiseen äidinkielen kurssiin

ja sen alkuvaiheessa toteutettuun kyselyyn. Tarkoituksena on ensin tarkastella, miten kiinnos-

tavaksi ja hyödylliseksi äidinkieli on lukion alussa arvioitu. Tämän jälkeen tutkimus keskittyy

selvittämään, ennustavatko oppiainekohtainen kiinnostus ja sen koettu hyödyllisyys opiskeli-

joiden kurssikohtaisia kokemuksia. Kokemuksiin sisältyvät kurssiin kohdistettu kiinnostus, ko-

ettu kuormittavuus, onnistumisodotukset ja ennalta arvioitu panostamisen määrä. Lopuksi tar-

kastellaan, ennustavatko kurssikohtaiset kokemukset kurssin arvosanaa. Tutkimusasetelmaa

havainnollistetaan kuvassa 1.

Varsinaiset tutkimuskysymykset ovat:

1. Ennustavatko äidinkielen oppiainekohtainen kiinnostus ja oppiaineen koettu hyödylli-

syys lukion ensimmäiseen äidinkielen kurssiin liitettyä kiinnostusta, kuormittavuutta,

onnistumisodotuksia ja oppilaiden arvioimaa panostamisen määrää, kun aiempi opinto-

menestys otetaan huomioon.

2. Ennustavatko kurssikohtainen kiinnostus, kuormittavuus, onnistumisodotukset ja arvi-

oitu panostamisen määrä kurssikohtaista arvosanaa, kun aiempi opintomenestys ja op-

piainekohtaiset arviot otetaan huomioon.

Kurssikohtaisia opiskeluun liittyviä kokemuksia tutkitaan ensimmäistä kertaa nykymuodos-

saan. Tämän seurauksena tutkimus tarkastelee kokemuksia arvioivan mittarin toimivuutta

eräänlaisena alaongelmana.

12

Kuva 1, Hypoteettinen malli tutkimusasetelman mukaisista yhteyksistä

Aiemmin kuvattujen tutkimustulosten perusteella voitaisiin odottaa, että kiinnostus äidinkielen

oppiainetta kohtaan ennustaisi positiivisesti ainakin kurssikohtaista kiinnostusta ja olisi yhtey-

dessä äidinkielen kurssin arvosanaan. Lisäksi voitaisiin odottaa, että kurssikohtainen kiinnostus

ennustaisi kurssiarvosanaa. (Harackiewicz ym., 2008.) Eri tutkimustulosten perusteella voidaan

myös odottaa, että oppiainekohtainen kiinnostus ennustaisi samansuuntaisesti opiskelijoiden

kokemaa kurssikohtaista panostamisen määrää (Silvia, 2008, s. 58; Ainley, Hillman & Hidi,

2002, s. 412). Sen sijaan oppiainekohtaisen kiinnostuksen yhteys koettuun kuormittavuuteen

voisi näkyä sekä saman- että erisuuntaisesti (Durik & Harackiewicz, 2007, s. 598; Tapola &

Niemivirta, 2014, s. 296). Samansuuntainen yhteys kertoisi siitä, että vaikka opiskelija olisi

erittäin kiinnostunut äidinkielestä, hän saattaisi tuntea kurssin olevan liian vaikea, uuvuttava tai

stressaava. Erisuuntaisessa tilanteessa äidinkielestä kiinnostunut opiskelija ei tuntisi kurssin

olevan lainkaan niin kuormittava. Äidinkielen oppiainekohtaisen kiinnostuksen yhteys kurssi-

kohtaisiin onnistumisodotuksiin jää tämän tutkimuksen selvitettäväksi. Aiemmin kuvatun kir-

jallisuuden pohjalta ei voida tehdä erityisiä olettamuksia.

Odotusarvoteoriaan perustuvien tutkimusten valossa voitaisiin odottaa, että äidinkielen oppiai-

neen koettu hyödyllisyys ennustaisi ainakin kurssikohtaista kiinnostusta sekä panostamisen

Kiinnostus äidinkielen kurssia kohtaan

Äidinkielen kurssin koettu kuormittavuus

Koettu kurssikohtainen panos-tamisen määrä

Äidinkielen kurssiin kohdistu-vat onnistumisodotukset

Oppiaineen kiinnostus ja hyödyllisyys

Kurssin arvosana

Aiempi opintome-

nestys

13

määrää ja olisi yhteydessä äidinkielen kurssin arvosanaan (Barron & Hulleman, 2015, s. 504;

Hulleman, Godes, Hendricks & Harackiewicz, 2010 s. 885–890). Oppiaineen koetun hyödylli-

syyden odotetun yhteyden luonne suhteessa panostamisen määrään riippuu ainakin siitä, miten

oppilaat ovat panostamisen kokeneet. Odotusarvoteorian perusteella panostamisen määrä voisi

kuvastaa kurssiin liittyviä kustannusvaikutuksia, mikäli opiskelijat ovat kokeneet kurssin esi-

merkiksi liian työlääksi (Wigfield, Tonks & Klauda, 2009, s. 58; Barron & Hulleman, s. 507).

Lisäksi voitaisiin odottaa, että äidinkielen oppiaineen koettu hyödyllisyys ennustaisi kurssiin

liittyviä onnistumisodotuksia, jotka puolestaan ennustaisivat edelleen kurssin arvosanaa (Bar-

ron & Hulleman, 2015, s. 504).

5 Tutkimuksen toteutus ja analyysimenetelmät

Tässä tutkimuksessa toteutetaan kvantitatiivista tutkimusstrategiaa, joka pohjautu empiiriseen

tutkimustapaan. Tiivistettynä empiirinen tutkimus perustuu havaintoihin ja niiden perusteella

tehtyihin johtopäätöksiin (Nummenmaa, 2009, s. 23). Luvun alkupuolella esitellään aineiston

hankintaan liittyneet menetelmät sekä tutkimukseen valittu kohdejoukko. Kuvailutietojen jäl-

keen luvussa 5.2 esitellään tutkimuksen muuttujat ja mittarit. Luvussa 5.3 tutkitaan muuttujien

normaalisuutta ja luvussa 5.4 analysoidaan aineistossa esiintyvää vastauskatoa, jotka toimivat

perusedellytyksinä varsinaisille analyysimenetelmille.

Tutkimuskysymyksissä ja kuvassa 1 (hypoteettinen malli tutkimusasetelman mukaisista yh-

teyksistä) esitettyjen kurssikohtaisten kokemuksien operationalisointi toteutetaan faktoriana-

lyysin avulla. Menetelmä esitellään luvussa 5.5 ja sen tulokset luvussa 6.1. Tutkimuskysymys-

ten mukaisia ennusteita arvioidaan hierarkkisen lineaarisen regressioanalyysin avulla, jonka

käyttöä kuvataan luvussa 5.6 ja tuloksia luvussa 6.3.

Kaikki tämän tutkimuksen tilastolliset menetelmät ja testit on suoritettu IBM:n SPSS-ohjelmis-

toversiolla 24.

14

5.1 Aineiston hankinta ja tutkittavien kuvaus

Tutkimuksen aineisto koostuu erään suomalaisen kaupungin kaikista lukio-opiskelijoista, jotka

aloittivat opintonsa vuosina 2013–2013. Kaupunki sijaitsee Etelä-Suomen maakunnassa, jossa

lukio-opiskelijoita on noin kuusisataa. Tähän tutkimukseen on valittu harkinnanvaraisesti ne

oppilaat, jotka osallistuivat lukion ensimmäisen äidinkielen kurssille vuosina 2012–2013. Voi-

daankin puhua harkinnanvaraisesta otannasta, jossa jää toteutumatta yksi otannan peruspiir-

teistä, missä jokaisella otantayksiköllä olisi yhtä suuri mahdollisuus tulla valituksi otokseen

(Holopainen & Pulkkinen, 2012, s. 36). Perusjoukon rajautuminen yhteen kouluun sekä otan-

nan harkinnanvaraisuus voivat johtaa käytännössä siihen, että tulosten yleistettävyyden suhteen

on hyvä olla varovainen (Mattila, 2003a, 31–32).

Tutkimuksen aineisto on kerätty oppilaitoksen rekisteritietojen ja strukturoitujen kyselylomak-

keiden avulla. Rekisteritiedoista saatiin äidinkielen peruskoulun päättötodistuksen sekä lukion

ensimmäisen äidinkielen kurssin arvosanat. Varsinainen kokonaistutkimus sisälsi neljä erilaista

kyselylomaketta, joista tässä sovelletaan osittain kahta. Kokonaistutkimuksen ensimmäinen ky-

sely kartoitti muun muassa lukio-opiskelijoiden arvioita eri oppiaineisiin kohdistuvasta kiin-

nostuksesta ja hyödyllisyydestä, jotka on valittu tähän tutkimukseen äidinkielen osalta. Näitä

tiedusteltiin opiskelijoilta lukion alussa. Toinen kyselylomake kartoitti oppilaiden kokemuksia

lukion ensimmäiseen äidinkielen kurssiin kohdistuvasta kiinnostuksesta, koetusta kuormitta-

vuudesta, panostamisen määrästä sekä kurssiin liitetyistä onnistumisodotuksista. Tämä kysely

toteutettiin kurssin alkupuolella. Liitteessä 1 on kuvattuna kaikkien tässä tutkimuksessa käytet-

tyjen muuttujien sisältö sekä niitä vastaavat lyhenteet.

Kyselytutkimuksen toteutuksen aikana vuosina 2012–2013 lukion äidinkielen ensimmäiselle

kurssille osallistui yhteensä 172 opiskelijaa. Äidinkielen peruskoulun päättötodistuksen arvo-

sana saatiin 156 (90,7 %) opiskelijalta. 154 (89,5 %) opiskelijaa esitti arvionsa äidinkielen hyö-

dyllisyydestä ja 155 (90,1 %) arvioi kiinnostuksensa kyseistä oppiainetta kohtaan. Äidinkielen

ensimmäisen kurssin arvosana saatiin yhteensä 168 (97,7 %) opiskelijalta, kun taas kurssikoh-

taisiin kokemuksiin vastasi 143 (83,1 %) opiskelijaa.

15

5.2 Tutkimuksen muuttujat ja mittarit

Äidinkielen oppiaineeseen liitettyä kiinnostusta ja sen koettua hyödyllisyyttä mitattiin seitse-

mänportaisella Likert-asteikolla kysymällä opiskelijoilta: ”Kuinka hyödyllisenä pidät äidin-

kieltä?” ja ”Kuinka kiinnostavana pidät äidinkieltä?”, (1 = ”en ollenkaan hyödyllisenä/ kiinnos-

tavana”, 7 = ”erittäin hyödyllisenä/ kiinnostavana”). Opintomenestystä arvioitiin lukion ensim-

mäisen äidinkielen kurssin arvosanan avulla, jota mitattiin kouluarvosana-asteikolla 4–10. Pe-

ruskoulun päättötodistuksen äidinkielen arvosanaa hyödynnetään ennusteisiin mahdollisesti

vaikuttavana kontrollimuuttujana, jota mitattiin kouluarvosana-asteikolla 4–10.

Kurssikohtaisia kokemuksia arvioitiin liitteen 1 osioiden AI1a_1a–AI1a_12a avulla. Väitteitä

1a–10a mitattiin seitsemänportaisella Likert-asteikolla (1 = ”ei pidä ollenkaan paikkaansa”, 7

= ”pitää täysin paikkansa”) ja osioita 11a–12a kymmenenportaisella Likert-asteikolla (1 = ”täy-

sin epävarma”, 10 = ”täysin varma”).

Kurssikohtaisten kokemuksien mittari (Niemivirta) on nykyisessä muodossaan uusi ja sitä on

tähän asti käytetty vain osittain (Rawlings, Tapola & Niemivirta, 2016). Alustavasti osioiden

on tässä tutkimuksessa tarkoitus kartoittaa neljää erilaista opiskeluun liittyvää oppilaiden arvi-

oimaa ilmiötä, joita tutkittiin lukion ensimmäisen äidinkielen kurssin alkuvaiheessa. Teorian

pohjalta ulottuvuudet näyttivät muodostuvan seuraavasti: kiinnostus äidinkielen kurssia koh-

taan, kurssin arvioitu kuormittavuus, koettu panostamisen määrä ja kurssiin liittyvät onnistu-

misodotukset. Mittarin uutuuden ja aiemman tutkimuksen puutteen vuoksi ulottuvuuksien toi-

mivuutta testataan faktorianalyysin avulla, joka esitellään tarkemmin luvussa 5.5. Liitteessä 2,

teoreettinen faktoriratkaisu (Nummenmaa, 2009, s. 400–401), kuvataan odotusarvo- ja kiinnos-

tusteorioiden pohjalta muotoiltu alustava mittausmalli, jossa kurssikokemuksia mittaavat osiot

on sijoitettu teorianmukaisten ulottuvuuksien alle.

5.3 Muuttujien normaalisuuden testaaminen

Muuttujien normaalijakautuneisuuden testaaminen kuuluu tutkimuksen rutiinitoimenpiteisiin

(Nummenmaa, 2009, s. 154), mikä koskettaa tässä tutkimuksessa hyödynnettäviä faktoriana-

lyysiä ja hierarkkista lineaarista regressioanalyysiä (Vehkalahti, 2008, s. 95). Jakaumaoletusta

16

voidaan testata SPSS-ohjelmistosta löytyvien Kolmogorov-Smirnov -testin (n > 50) tai Sha-

piro-Wilk -testin avulla (n < 50) (Taanila, 2012, s. 7–8; Nummenmaa, 2009, s. 154). Testien

perusteella muuttuja voidaan todeta normaalisti jakautuneeksi, mikäli testien p-arvot ovat suu-

rempia kuin .05 (Taanila, 2012, s. 8).

Nummenmaan (2009, s. 155) mukaan yllä mainitut normaalijakaumatestit ovat melko herkkiä

arvioimaan jakauman ei-normaaliksi, vaikka poikkeama olisi hyvin pieni. Toisena normaalija-

kautuneisuuden arviointikeinona voidaan pitää muuttujien vinous- (g1) ja huipukkuuskertoi-

mien (g2) tarkastelua: jakaumia voidaan pitää normaaleina, mikäli kumpikin kertoimista on

itseisarvoltaan ykköstä pienempiä (g1/g2 < |1|). Lisäksi olisi hyvä tarkastella jakaumien muo-

toa. (Nummenmaa, 2009, s. 154–155.)

Liitteestä 3 voidaan havaita, että Kolmogorov-Smirnov -testien perusteella muuttujat eivät täytä

normaalisuuden vaatimuksia, sillä kaikissa tapauksissa p < .05. Muuttujien vinous- ja huipuk-

kuuskertoimien perusteella voidaan kuitenkin todeta, että poikkeamat normaalisuudesta ovat

sen verran pieniä, että muuttujia voidaan tarkastella jatkoanalyysien kannalta normaalisti ja-

kautuneina. Kaikissa tapauksissa g1 < |1| ja g2 < |1|. Näitä tuloksia hyödynnetään pääsääntöi-

sesti faktorianalyysissä, jonka tuottamien summamuuttujien normaalisuus testataan erikseen.

5.4 Aineiston katoanalyysi

Luvussa 5.1 mainittujen vastausprosenttien perusteella voidaan ajatella, ettei tämän tutkimuk-

sen kato ole prosentuaalisesti kovin huolestuttava. Metsämuurosen (2010, s. 636) mukaan ky-

selytutkimuksien kato voi olla 20-30 % välillä ja Vehkalahden (2008, s. 44) mukaan jopa yli

50 %, kun se tässä tutkimuksessa vaihtelee muuttujittain 2,3 % ja 18 % välillä. Käytännössä

vaihtelu johtuu siitä, että toisiin kysymyksiin on saatu enemmän vastauksia kuin toisiin. Muut-

tujakohtaista vastauskatoa havainnollistetaan kuvassa 2. Tarkemmat muuttujakohtaiset puuttu-

vuustiedot ovat luettavissa liitteestä 4.

17

Kuva 2, Muuttujakohtainen puuttuvien havaintojen vaihtelu

Tutkivat saattavat pitää havaintojen määrän vaihtelua problemaattisena, koska tilasto-ohjelmat

pudottavat analyyseistä yleensä oletusarvoisesti niiden henkilöiden vastaukset, joilta puuttuu

vähintään yksi vastaus (Nummenmaa, 2009, s. 158; Vehkalahti, 2008, s. 69). Kyseessä on niin

sanottu ”listwise deletion”, joka toimii vakio-oletuksena myös SPSS-ohjelmistossa (IBM, 2014,

s.1). Tämä johtaisi siihen, että ilman muutoksia edellä mainittu 2,3 % kato muuttuisi analyy-

seissä automaattisesti 18 % kadoksi. Kutsun tätä asetusta jatkossa automaattiseksi pudotta-

miseksi. Mattilan (2003b, s. 62) mukaan puuttuvat havainnot ja automaattinen pudottaminen

saattavat vähentää saatujen testitulosten tarkkuutta erityisesti monimuuttujamenetelmien koh-

dalla, sillä niissä sovelletaan samaan aikaan useita muuttujia. Se, miten puuttuviin havaintoihin

tulisi suhtautua, riippuu ainakin siitä, johtuuko puuttuvuus satunnaisesta vai systemaattisesta

vaihtelusta (Garson, 2015).

Puuttuvien havaintojen satunnaisuutta voidaan testata puuttuvien havaintojen analyysillä, ”Mis-

sing Value Analysis, MVA” (IBM, 2014). Analyysin tarkoituksena on Garsonin (2015, s. 11–

16) mukaan selvittää, puuttuvatko havainnot täysin satunnaisesti (Missing Completely at Ran-

dom, MCAR), satunnaisesti (Missing at Random, MAR) vai systemaattisesti, eli ei-satunnaisesti

(Missing Not at Random, MNAR). Puuttuvien havaintojen satunnaisuuden testaamiseksi sovel-

letaan useimmiten Little’s MCAR -testiä. Mikäli testin tulos ei ole merkitsevä (p >.05), aineis-

ton puuttuvien havaintojen voidaan olettaa jakautuneen täysin satunnaisesti. (Garson, 2015, s.

020406080

100120140160180200

Muuttujakohtainen puuttuvien havaintojen vaihtelu

Vastanneet Puuttuvat havainnot

18

12.) Aineistolle tekemäni testi osoitti, että aineiston havainnot puuttuivat täysin satunnaisesti,

eikä niillä siten ollut yhteyttä aineiston muihin arvoihin: χ2(81) = 71.75, p = .76.

Lähtökohtaisesti MCAR-aineistojen kohdalla oletetaan, etteivät puuttuvat havainnot vääristä

testituloksia. Tällöin voidaan suositella joko havaintojen automaattista tai parittaista pudotta-

mista. Mikäli havaintojen puuttuvuus olisi ollut satunnaista (MAR), myös yksinkertaiset impu-

tointimenetelmät olisivat olleet mahdollisia. (Garson, 2015, s. 12–13.) Mattila (2003a, s. 63)

suosittelee havaintojen parittaista pudottamista erityisesti sellaisten monimuuttujamenetelmien

kohdalla, jotka perustuvat muuttujien kovarianssi- tai korrelaatiomatriisien analysointiin. Täl-

laisia menetelmiä ovat muun muassa faktori- ja regressioanalyysi (Mattila, 2003b, s. 63), joita

sovelletaan myös tässä tutkimuksessa. Havaintojen parittainen pudottaminen käyttää aineistoa

tehokkaammin verrattuna automaattiseen pudottamiseen: se estimoi kerrallaan esimerkiksi kah-

den muuttujan korrelaatiokertoimet ottamalla huomioon kummankin muuttujan saatavilla ole-

vat havainnot (Carter, 2006, s. 4). Käytännössä tämä tarkoittaa sitä, että aineiston jokainen kor-

relaatioarvo perustuu erilaiseen havaintoyksiköiden määrään (Mattila, 2003b, s. 63). Näistä

syistä tämän tutkimuksen jatkoanalyyseissä käytetään havaintojen parittaista pudottamista.

5.5 Faktorianalyysi

Faktorianalyysi on useampivaiheinen monimuuttujamenetelmä, jonka tarkoituksena on tiivistää

ja ryhmitellä aineiston muuttujat helpommin tulkittaviksi ulottuvuuksiksi, eli faktoreiksi (Heik-

kilä, 2014a, s. 1; Nummenmaa, 2009, s. 397). Analyysi pyrkii selvittämään keskenään saman-

kaltaista vaihtelua (shared variance) sisältävät latentit, eli niin sanotut taustalla olevat piilo-

muuttujat ja yhdistämään ne samaan ryhmään (Yong & Pearce, 2013, s. 79–80; Costello &

Osborne, 2005, s. 22).

Faktorianalyysi voidaan toteuttaa joko eksploratiivisesti (Exploratory Factor Analysis, EFA)

tai konfirmatorisesti (Confirmatory Factor Analysis, CFA) (Yong & Pearce, 2013, s. 79). Yk-

sinkertaistettuna eksploratiivinen faktorianalyysi tarkoittaa aineistolähtöistä tapaa etsiä muut-

tujakombinaatioita ilman vahvoja etukäteisodotuksia faktorien määrästä tai niiden tulkinnasta,

kun taas konfirmatorisessa faktorianalyysissä tutkijalle on jo etukäteen muodostunut vahva kä-

sitys faktoriratkaisun rakenteesta ja sen tulkinnasta (Henson & Roberts, 2006, s. 395; Mattila,

19

2003c, s. 110). Käytännössä faktorianalyysi toteutetaan usein edellisten menetelmien yhdistel-

mänä, jolloin tutkijalla voi olla etukäteen ajatus faktoreiden määrästä ja sisällöstä, mutta joita

hän voi jossain määrin muokata faktorianalyysin tulosten seurauksena (Walker & Madden,

2008, s. 326; Vehkalahti, 2008, s. 100–101).

Ennen varsinaisen faktorianalyysin suorittamista tulisi tarkastella muuttujien välisen korre-

laatiomatriisin rakennetta ja sen soveltuvuutta analyysiin (Metsämuuronen, 2011, s. 670). Yon-

gin ja Pearcen (2013, s. 87–88) mukaan muuttujien tulisi korreloida jossain määrin toistensa

kanssa, mutta ei toisaalta liikaa, jolloin muuttujien välinen multikolineaarisuus saattaa muodos-

tua ongelmaksi. Muuttujien multikolineaarisuus voidaan tarkistaa korrelaatiomatriisin determi-

nanttiarvon perusteella: mikäli arvo on suurempi kuin .00001, muuttujien välillä ei pitäisi esiin-

tyä multikolineaarisuutta (Young & Pearce, 2013, s. 88).

Aineiston korrelaatiomatriisin sopivuutta kannattaa testata lisäksi Kaiserin testin (Kaiser-

Meyer-Olkin Measure of Sampling Adequacy, KMO) sekä Bartlettin sväärisyystestin (Bartlett’s

Test of Sphericity) avulla (Heikkilä, 2014a, s. 6–7). Mikäli Kaiserin testisuure on suurempi tai

yhtä suuri kuin .60, voidaan havaintoaineistoa pitää tämän testin osalta mielekkäänä (Metsä-

muuronen, 2011, s. 670). Bartlettin sväärisyystesti tutkii hypoteesia, eroavatko korrelaatiomat-

riisin arvot nollasta: vaihtoehtoinen hypoteesi voidaan hyväksyä, mikäli testin p-arvo on pie-

nempi kuin .05 (Heikkilä, 2014a, s. 6-7).

Korrelaatiomatriisin soveltuvuustarkastelun jälkeen valitaan aineiston kannalta sopivin

ekstraktointimenetelmä, jonka avulla määritetään analyysiin sopivat muuttujat ja saadaan niin

sanotut faktorikohtaiset lataukset (Nummenmaa, 2009, s. 409). Ekstraktointimenetelmät saat-

tavat tuottaa erilaisia faktoriratkaisuja, jonka vuoksi on tärkeää perehtyä oikean menetelmän

valintaan (Nummenmaa, 2009, s. 409). Kirjallisuustarkastelu näytti suosivan ensisijaisesti suu-

rimman uskottavuuden menetelmää (Maximum Likelihood, ML) (Metsämuuronen, 2011, s. 62;

Costello & Osborne, 2005, s. 2; Schmitt, 2011, s. 307) ja toissijaisesti pääakselifaktorointia

(Principal Axis Factoring, PAF) (Costello & Osborne, 2005, s. 2; Schmitt, 2011, s. 308). ML-

menetelmän käyttö edellyttää muun muassa sitä, että aineiston muuttujat ovat suhteellisen nor-

maalisti jakautuneita (Costello & Osborne, 2005, s. 2) ja että havaintoja on riittävästi: 100 tai

enemmän (Metsämuuronen, 2011, s. 672). PAF-menetelmää suositellaan ainoastaan silloin,

20

kuin normaalijakaumaoletus ei ole voimassa ja aineisto on pieni (Schmitt, 2011, s. 307–308;

Yong & Pearce, 2013, s. 84).

Aineiston ekstraktointi tulostaa aluksi muuttujien kommunaliteetteja (initial and extracted com-

munalities) kuvaavan taulukon, joiden arvot kuvaavat sitä, kuinka suuren osuuden kaikki löy-

detyt faktorit pystyvät selittämään yksittäisen muuttujan vaihtelusta (Mattila, 2003c, s. 111–

112). Yleisen käytännön mukaan arvot, jotka ovat suurempia tai yhtä suuria kuin .30, voidaan

hyväksyä faktorimalliin (Nummenmaa, 2009, s. 403; Metsämuuronen, 2011, s. 669).

Muuttujien ekstraktoinnin yhteydessä tulee päättää, kuinka monta faktoria sisällytetään fakto-

reiden rotaatiotarkasteluun (Costello & Osborne, 2005, s. 2). Tutkijalla voi konfirmatorisen lä-

hestymistavan mukaan olla teorian pohjalta luotu käsitys ekstraktoitavasta faktorimäärästä,

joka voidaan syöttää ohjelmistolle etukäteen. Sopiva määrä tulee kuitenkin vahvistaa jälkikä-

teen esimerkiksi faktoreiden ominaisarvojen (initial eigenvalues) perusteella. Tätä voidaan ar-

vioida yleisesti käytetyllä Kaiser-kriteerillä: ominaisarvo ≥ 1. (Metsämuuronen, 2011, s. 669,

s. 677; Henson & Roberts, 2006, s. 398.) Metsämuurosen (2011, s. 669) mukaan ykköstä pie-

nemmät arvot ovat kuitenkin sallittuja, mikäli faktorit ovat helposti tulkittavissa. Tällaisessa

tilanteessa faktorimäärää voidaan arvioida myös Cattellin visuaalisella Scree-testillä, jota pide-

tään Costellon ja Osbornen (2005, s. 3) mukaan luotettavampana kuin Kaiser-kriteeriä. Sopiva

faktorimäärä nähdään kuvaajan suunnanmuutospisteen (point of inflexion) perusteella, jota

aiemmat datapisteet ovat todennäköisin yhteenlaskettu faktorimäärä (Yong & Pearce, 2013, s.

85). Ekstraktointi tulostaa ominaisarvojen lisäksi faktoreiden selitysvoimaa kuvaavat arvot

(Nummenmaa, 2009, s. 415), jotka kertovat, kuinka paljon faktorit pystyvät selittämään valit-

tujen muuttujien varianssista, eli vaihtelusta (Metsämuuronen, 2011, s. 677).

Ekstraktoinnin jälkeen faktoriratkaisu yleensä rotatoidaan, jotta se saadaan tulkinnallisesti mie-

lekkäämpään muotoon (Mattila, 2003c, s. 113). Rotaatiossa yksittäisten muuttujien lataukset

pyritään maksimoimaan yhteen faktoriin ja minimoimaan muihin (Nummenmaa, 2009, s. 411).

Suorakulmaisessa (orthogonal) rotaatiossa faktorit oletetaan toisistaan riippumattomiksi, kun

taas vinorotaatiossa (oblique) faktoreiden välinen yhteys sallitaan (Henson & Roberts, 2006, s.

399; Osborne, 2015, s. 4). Suuri osa kasvatuksen ja koulutuksen ilmiöistä on toisiinsa jossain

21

määrin yhteydessä, jolloin suorakulmaisten rotaatioiden (esim. Varimax) käyttäminen voi tuot-

taa epärealistisia faktoriratkaisuja (Schmitt, 2011, s. 312; Costello & Osborne, 2005, s. 3). SPSS

tarjoaa kaksi vaihtoehtoista vinorotaatiota: Direct Oblimin ja Promax (Brown, 2009, s. 21).

Metsämuuronen (2011, s. 668) suosittelee käyttämään Direct Oblimin -rotaatiota erityisesti

suurimman uskottavuuden menetelmiä hyödyntävien ratkaisujen yhteydessä. Costellon ja Os-

bornen (2005, s. 3) tutkimuksissa eri vinorotaatiomenetelmät tuottivat kuitenkin hyvin saman-

kaltaisia ratkaisuja.

Ennen varsinaisten faktorimatriisien ja tulosten tarkastelua vinorotaatio tuottaa yhdessä ML-

ekstraktoinnin kanssa faktoriratkaisun hyvyyttä tarkastelevan Goodness-of-Fit -testin (Metsä-

muuronen, 2011, s. 678). Mikäli testin p-arvo on suurempi kuin .05, faktoriratkaisua voidaan

pitää mielekkäänä (Metsämuuronen, 2011, s. 678). Testin yhteydessä on hyvä tiedostaa, että se

hylkää nollahypoteesin liian herkästi suurten otosten kohdalla (Metsämuuronen, 2011, s. 678).

Varsinaiset faktorianalyysin tulokset luetaan rotatoidusta faktorimatriisista, joka löytyy vi-

norotaatiota käytettäessä nimellä ’Pattern Matrix’ (Metsämuuronen, 2011, s. 679; Osborne,

2015, s. 4–5). Faktoriratkaisun reliabiliteetin kannalta faktorilatausten tulisi olla vähintään .32,

jotta tuloksia voitaisiin pitää tilastollisesti merkitsevänä (Young & Pearce, 2013, s. 85; Os-

borne, 2015, s. 4). Faktoriratkaisun lopulliseen hyvyyteen vaikuttaa lisäksi muuttujien kluste-

roituminen, eli niiden maksimoituminen yhteen faktoriin ja minimoituminen muihin (Young &

Pearce, 2013, s. 84). Huomattakoon, että kahden muuttujan faktoria voidaan pitää reliaabelina,

mikäli muuttujat korreloivat paljon keskenään (r > .70), mutta vain vähän muiden kanssa (Yong

& Pearce, 2013, s. 80).

Faktoreiden toimivuuden tarkastelun jälkeen muuttujat voidaan yhdistää kutakin ulottuvuutta

mittaavaksi summamuuttujaksi (Metsämuuronen, 2011, s. 671; Paaso, 2003, s. 61). Ennen sum-

mamuuttujien muodostamista on hyvä tarkastella mittareiden sisäistä konsistenssia, eli relia-

biliteettia esimerkiksi Cronbachin alfan (α) avulla (Metsämuuronen, 2011, s. 544). Metsä-

muurosen (2011, s. 549) mukaan Cronbachin alfan tulisi olla vähintään .60, jotta mittaria voi-

taisiin pitää reliaabelina. Tämän jälkeen tulee testata summamuuttujien normaalijakautunei-

suus, mikäli niitä halutaan hyödyntää jatkoanalyyseissä (Vehkalahti, 2008, s. 95).

22

5.6 Hierarkkinen lineaarinen regressioanalyysi

Lineaarisen regressioanalyysin avulla voidaan mallintaa yhden tai useamman selittävän (x)

muuttujan lineaarista riippuvuutta selitettävään (y) muuttujaan (Taanila, 2010, s. 1; Holopainen

& Pulkkinen, 2012, s. 261). Tässä tutkimuksessa sovelletaan lineaarisen regression hierarkkista

menetelmää (hierarchical, sequential or blocwise entry), jossa selittävien muuttujien malliin

tuomaa kontribuutiota tarkastellaan useammassa peräkkäisessä vaiheessa (Field, 2009, s. 212).

Hierarkkisessa regressiossa kiinnitetään huomiota eri vaiheissa tapahtuvaan muutokseen, kun

aiempien vaiheiden muuttujat on tilastollisesti kontrolloitu. Tavoitteena on tutkia, miten nämä

vaiheittaiset mallit ennustavat tutkimuskysymysten mukaisia ilmiöitä. (Petrocelli, 2003, s. 11–

17.) Lineaarisen regressioanalyysin tavoitteena on muodostaa malli, joka kuvaisi mahdollisim-

man hyvin aineistossa esiintyvää vaihtelua (Nummenmaa, 2009, s. 319), kun taas hierarkkisen

menetelmän tavoitteena on ennemmin testata teorian mukaisten olettamusten paikkansapitä-

vyyttä (Petrocelli, 2003, s. 17).

Ennen regressioanalyysin suorittamista tulisi tarkastella muuttujien välisiä lineaarisia yhteyksiä

(Nummenmaa, 2009, s. 314). Tämä järkevyystarkastelu voidaan toteuttaa tutkimalla ensin

muuttujien välisiä hajontakuvia sekä niissä mahdollisesti esiintyviä säännönmukaisuuksia ja

toiseksi muuttujien välisiä korrelaatioarvoja (Holopainen & Pulkkinen, 2012, s. 259). Hajonta-

kuvista kannattaa tarkistaa myös mahdolliset poikkeamat (outliers), sillä ne voivat vaikuttaa

analyysin toimivuuteen (Taanila, 2010, s. 11). Regressiomallit toimivat hyvin jo melko pienillä

otoksilla (Nummenmaa, 2009, s. 316). Useamman selittävän muuttujan malleissa suositellaan

vähintään 50, mutta mielellään 100 havainnon otoksia (Taanila, 2010, s. 1; Nummenmaa, 2009,

s. 316). Lineaarinen regressioanalyysi edellyttää lisäksi, että mitattavat muuttujat olisivat mah-

dollisimman normaalisti jakautuneita (Nummenmaa, 2009, s. 316).

Regressiomallin toimivuutta tarkastellaan yksisuuntaisen varianssianalyysin (Anova) ja sen si-

sältämän Fisherin F-suhteen avulla (Nummenmaa, 2009, s. 320). Mallia voidaan pitää merkit-

sevänä ja aineistoon sopivana, mikäli varianssianalyysin tulos on tilastollisesti merkitsevä (p <

.05) (Taanila, 2010, s. 15– 16). Hierarkkisessa regressiossa F-suhdetta tarkastellaan erikseen

jokaisessa vaiheessa, eli jokaisen askeleen yhteydessä. F-suhteen ja sen muutoksen (∆F) mer-

kitsevyyden avulla voidaan tulkita, parantavako malliin tuodut muuttujat lopputuloksen ennus-

23

tettavuutta. (Field, 2009, s. 237; Petrocelli, 2003, s. 11.) Regressiomallin hyvyyttä ja ennustei-

den luotettavuutta tarkastellaan mallin selitysasteen (R2) avulla (Mattila, 2003e, s. 102). Seli-

tysaste kuvaa sitä, kuinka monta prosenttia selittävien muuttujien avulla voidaan ennustaa seli-

tettävän muuttujan arvojen vaihtelusta (Holopainen & Pulkkinen, 2012, s. 277–278). Hierark-

kisessa regressiossa kiinnitetään lisäksi huomiota eri askeleiden selitysasteiden muutokseen

(∆R2) ja niiden merkitsevyyteen (Petrocelli, 2003, s. 11). Selitysasteen muutos on yhteydessä

F-suhteen muutokseen, jonka vuoksi F-suhteen muutosta ei raportoida erikseen. Tutkimuksessa

voidaan raportoida myös niin sanottu ’korjattu selitysaste’ (R2a), joka antaa tutkijalle käsityksen

tulosten yleistettävyydestä laajemmin otoksen ulkopuolelle. (Field, 2009, s. 235.)

Lineaarisen regressiomallin regressiokertoimet (βk) kuvaavat sitä, kuinka paljon yksittäiset se-

littävät muuttujat pystyvät ennustamaan lopputulosta (Nummenmaa, 2009, s. 321). Hierarkki-

sissa malleissa kiinnitetään huomiota siihen, kuinka paljon yksittäiset selittävät muuttujat vai-

kuttavat lopputulokseen, kun muiden muuttujien efektit pysyvät vakioina, eli kun muiden teki-

jöiden vaikutukset ovat kontrolloitu. Selittävien muuttujien regressiokertoimien merkitsevyyttä

tarkastellaan vaiheittain, jolloin nähdään, tuottavatko uusien vaiheiden muuttujat regressiomal-

liin toivottua lisäarvoa. (Field, 2009, s. 238–239.) Kun mallin regressiokertoimet ovat tiedossa,

voidaan selitettävää muuttujaa ennustaa regressiosuoran yhtälön (ŷ = β0 + βkxk) avulla (Holo-

painen & Pulkkinen, 2012, s. 261–275). Ennusteen vakio β0 kuvaa sitä pistettä, jossa regres-

siosuora leikkaa y-akselin, eli pistettä, jossa selittävä muuttuja saa arvon 0 (Metsämuuronen,

2011, s. 715–716). Regressiokertoimet βk määräävät selitettävässä muuttujassa tapahtuman

muutoksen, eli regressiosuoran suunnan (Holopainen & Pulkkinen, 2012, s. 262). Nouseva

suora ja positiivinen regressiokerroin kertovat positiivisesta yhteydestä ja laskeva suora sekä

negatiivinen regressiokerroin negatiivisesta yhteydestä (Mattila, 2003e, s. 100; Field, 2009, s.

238).

Selittävien regressiokertoimien tilastollista merkitsevyyttä voidaan testata t-testin avulla (Num-

menmaa, 2009, s. 322). Mikäli testin p-arvo on pienempi kuin .05, regressiokerrointa voidaan

pitää tilastollisesti merkitsevänä (Taanila, 2010, s. 16). Mikäli selittäviä muuttujia on useita,

tulisi lisäksi tarkastella niiden mahdollista multikolineaarisuutta. Tätä voidaan alustavasti arvi-

oida muuttujien välisten korrelaatiokertoimien perusteella, joiden ei tulisi olla huomattavan

suuria (r < .90). (Field, 2009, s. 233.) Selittävien muuttujien multikolineaarisuutta voidaan li-

säksi arvioida tilasto-ohjelmien tulostamien toleranssi- ja VIF-arvojen perusteella (Holopainen

24

& Pulkkinen, 2012, s. 275–279). Yleisenä sääntönä voidaan pitää sitä, ettei toleranssi-arvo saisi

olla alle 0.20, eikä VIF-arvo yli 5 (Taanila, 2010, s. 21).

Viimeinen merkittävä regressiomallin hyvyyttä tutkiva menetelmä on jäännöstermien, eli resi-

duaalien tai mallivirheen tarkastelu (Nummenmaa, 2009, s. 324). Jäännöstermit kuvaavat mal-

lien selittämättä jäänyttä osaa (Holopainen & Pulkkinen, 2012, s. 282). Residuaalien jakautu-

neisuutta voidaan tarkastella tilasto-ohjelmien piirtämillä jäännöstermikuvaajilla (Nummen-

maa, 2009, s. 324). Siistissä jäännöskuviossa residuaalit ovat jakautuneet satunnaisesti ilman,

että jakaumassa olisi havaittavissa erityisiä säännönmukaisuuksia (Holopainen & Pulkkinen,

2012, s. 283). Tässä tutkimuksessa jäännöstermien jakautuneisuutta tarkastellaan normitetun

ennusteen (ZPRED) ja normitetun jäännöksen (ZRESID) avulla. (Taanila, 2010, s. 12.) Tämän

lisäksi tulisi tarkastella jäännösten normaalijakautuneisuutta sekä mahdollista residuaalien vä-

listä autokorreloituneisuutta. Normaalijakautuneisuus nähdään regressiomallien jäännöskuvaa-

jista, kun taas autokorreloituneisuutta voidaan arvioida tilasto-ohjelmien tulostaman Durbin-

Watson -arvon avulla. Yleisen käytännön mukaan regressiomallin jäännösten ei pitäisi korre-

loida keskenään, mikäli Durbin-Watson -arvot ovat suurempia kuin yksi ja pienempiä kuin

kolme. (Field, 2009, s. 220–221, 247–249.)

Tässä tutkimuksessa ennustavat ja ennustettavat muuttujat oli valittu etukäteen, jonka vuoksi

regressioanalyyseissä sovellettiin ’enter’-menetelmää. Taanilan (2010, s. 23) mukaan menetel-

män avulla voidaan mitata, kuinka hyvin ennalta määritetyt muuttujat sopivat regressiomalliin.

Nummenmaa (2009, s. 317) pitää ’enter’-menetelmää eleganteimpana vaihtoehtona ja tutki-

musmenetelmällisesti ideaaliratkaisuna.

6 Tutkimustulokset

6.1 Faktorianalyysin ehtojen täyttyminen ja tulokset

Tämän tutkimuksen yhtenä tavoitteena on tutkia kurssikohtaisten opiskeluun liittyvien koke-

muksien yhteyttä opintomenestykseen. Uudenlaisen kurssikokemuksia tarkastelevan mittaus-

mallin johdosta ulottuvuuksien toimivuus haluttiin vahvistaa faktorianalyysin avulla. Teorian

25

pohjalta ulottuvuudet näyttivät muodostuvan seuraavasti: kiinnostus äidinkielen kurssia koh-

taan, kurssin arvioitu kuormittavuus, koettu panostamisen määrä sekä kurssiin liittyvät onnis-

tumisodotukset. Liitteessä 2 on kuvattuna teoreettinen faktoriratkaisu, jossa kurssikohtaisten

kokemuksien osiot on sijoitettu teorianmukaisten ulottuvuuksien alle. Faktorianalyysi toteutet-

tiin pääosin eksploratiivisesti hyödyntämällä kuitenkin joitakin konfirmatorisen analyysin ole-

tuksia. Tällaisia olivat etukäteen muodostettu vahva käsitys faktorirakenteesta, faktoreiden

määrästä ja niiden tulkinnasta.

Taulukon 1 ja sen sisältämän determinanttiarvon perusteella voidaan todeta, että faktoriratkai-

sun muuttujat korreloivat sopivasti toistensa kanssa, eikä niiden välillä pitäisi esiintyä multiko-

lineaarisuutta (.013 > .00001). Myös Kaiserin testi (Kaiser-Meyer-Olkin Measure of Sampling

Adequacy, KMO) sekä Bartlettin sväärisyystesti (Bartlett’s Test of Sphericity) antavat tukea

hypoteesille, jonka mukaan korrelaatiomatriisi on faktorianalyysiin sopiva: Kaiser-Meyer-Ol-

kin Measure (KMO) = .75 ja Bartlett χ2(66) = 637.134, p < .001.

Taulukko 1, Faktoriratkaisun muuttujien välinen korrelaatiomatriisi

Osiot 1a 2a 3a 4a 5a 6a 7a 8a 9a 10a 11a 12a

AI1a_1a 1

AI1a_2a -.265 1

AI1a_3a -.347 .546 1

AI1a_4a .377 -.010 -.088 1

AI1a_5a .790 -.240 -.289 .372 1

AI1a_6a -.091 .421 .402 .023 -.008 1

AI1a_7a -.571 .286 .428 -.258 -.569 .204 1

AI1a_8a .298 -.083 -.202 .440 .323 -.125 -.372 1

AI1a_9a .233 -.470 -.239 .190 .223 -.183 -.099 .164 1

AI1a_10a .491 -.098 -.251 .568 .469 .005 -.253 .459 .280 1

AI1a_11a .295 -.385 -.293 .096 .256 -.250 -.188 .081 .334 .361 1

AI1a_12a -.010 -.260 -.063 -.021 .018 -.134 -.082 .031 .277 .244 .552 1

Determinant = .013

Aineiston ekstraktointimenetelmänä käytettiin suurimman uskottavuuden menetelmää (Maxi-

mum Likelihood, ML), jonka edellyttämä muuttujien normaalijakautuneisuus oli voimassa lu-

vussa 5.3 analysoitujen tulosten mukaisesti. Lisäksi voidaan todeta, että havaintoja oli faktori-

analyysin kannalta riittävästi (n = 143). Liitteessä 5 on kuvattuna suurimman uskottavuuden

26

menetelmällä ekstraktoitujen muuttujien kommunaliteetit. Tulosteen perusteella voidaan ha-

vaita, että lukuun ottamatta osiota 9 (”Kurssi on helppo”), muuttujat latautuvat hyvin. Osion 9

kommunaliteetti jää hieman tavoitearvon alapuolelle: .277 < .30, jonka vuoksi ekstraktointi to-

teutettiin myös ilman kyseistä osiota (liite 5).

Ennalta syötetyn faktorimäärän (4 kpl) jälkeen faktoreiden ominaisarvoja (initial eigenvalues)

tarkasteltiin ensin Kaiser-kriteerin avulla (ominaisarvo ≥ 1). Taulukosta 2 nähdään neljän fak-

torin ominaisarvot sekä kaikkien osioiden 1–12 että vaihtoehtoisen ratkaisun osalta, jossa osio

9 on poistettu. Kummassakin tapauksessa kolme ensimmäistä faktoria latautuvat hyvin, mutta

neljäs faktori näyttää jäävän Kaiser-kriteerin suhteen hieman tavoitearvon alapuolella: .99 < 1.

Tämän vuoksi faktorimäärää arvioitiin myös Cattellin visuaalisen Scree-testin avulla, joka vah-

visti teorian mukaisen näkemyksen neljän faktorin ratkaisusta. Liitteessä 6 on havainnollistettu

Scree-testien tuloksia. Taulukosta 2 voidaan lukea myös eri faktoreiden selitysvoimaa kuvaavat

arvot Taulukon 2 sarake ’% varianssista’ kuvaa yksittäisten faktoreiden selitysvoimaa, kun taas

sarake ’Kumulat. selitysaste %’ mittaa faktoreiden yhteistä selitysastetta. Huomattakoon, että

ilman osiota 9, aineiston neljä faktoria selittävät kaiken kaikkiaan 73,3 % kaikkien muuttujien

vaihtelusta.

Taulukko 2, Faktoreiden ominaisarvot ja selitysasteet

OSIOT 1-12 OSIOT 1-12, osio 9 poistettu Fak-tori

Ominaisarvo % varianssista Kumulat. se-litysaste %

Ominaisarvo % varianssista Kumulat. se-litysaste %

1 4.02 33.53 33.53 3.83 34.78 34.78

2 1.98 16.50 50.04 1.91 17.34 52.12

3 1.38 11.51 61.55 1.34 12.20 64.32

4 .99 8.27 69.82 .99 8.97 73.29 *Tiedot SPSS-tulosteen kohdasta ”Initial eigenvalues”

Ekstraktoitu faktoriratkaisu muutettiin tulkinnallisesti mielekkäämpään muotoon vinokulmai-

sella Direct Oblimin -rotaatiolla, joka sallii faktoreiden väliset yhteydet. Osio 9 (”Kurssi on

helppo”) osoittautui edelleen ongelmalliseksi, sillä rotaation yhteydessä tulostunut Goodness-

of-Fit -testi arvioi mallin heikoksi: χ2(24) = 46,905 ja p = .003 (p < .05). Kun osio 9 poistettiin,

faktoriratkaisu osoittautui sopivaksi: χ2(17) = 30,41 ja p = .024 (p > .05). Osion poistamisen

jälkeen toiseen faktoriin jäi vain kaksi muuttujaa, jotka kuitenkin latautuivat tarpeeksi voimak-

kaasti yhteen faktoriin (r > .70) ja vain vähän muihin (r < .30).

27

Taulukosta 3 nähdään varsinaisen faktorianalyysin tulokset, jossa alle .30 suuruiset lataukset

on jätetty huomioimatta. Tulosten perusteella voidaan todeta, että jäljelle jääneet muuttujat ovat

latautuneet hyvin alun perin suunnitelluille faktoreille, eikä yli .30 latauksia ole tulostunut rin-

nakkaisille faktoreille. Neljä faktoria selittävät kaiken kaikkiaan 73,3 % kaikkien muuttujien

vaihtelusta. Tuloksien perusteella ulottuvuuksia voidaan soveltaa jatkoanalyyseissä.

Taulukko 3, Rotatoitu faktorimatriisi (Pattern Matrix)

Yksittäiset osiot F1, Kiinnostus F2, Onnistu-misodotukset

F3, Panostami-nen

F4, Kuormitta-vuus

AI1a_5a, Kurssin sisällöt ovat mielenkiintoisia .917

AI1a_1a, Tämä kurssi on kiin-nostava .836

AI1a_7a, Kurssin aiheet ovat todella tylsiä -.565

AI1a_12a, Kuinka varma olet, että läpäiset kurssin? -.739

AI1a_11a, Kuinka varma olet, että pystyt omaksumaan kurs-sin oppisisällöt riittävän hy-vin?

-.719

AI1a_10a, Panostan tosissani kurssin suorittamiseen .794

AI1a_4a, Teen paljon töitä op-piakseni kurssin asiat .667

AI1a_8a, Teen aina kurssiin liittyvät kotitehtävät .574

AI1a_3a, Opiskelu tällä kurs-silla on todella uuvuttavaa .716

AI1a_6a, Tämä kurssi stressaa minua .618

AI1a_2a, Kurssin aiheet ja teh-tävät ovat todella vaikeita .610

Ominaisarvot 3.83 1.91 1.34 .99

Selitysosuus % varianssista 34.78 17.34 12.20 8.97

Faktorianalyysin jälkeen faktoreista muodostettiin eri ulottuvuuksia mittaavat summamuuttu-

jat, jotka koottiin laskemalla muuttujien arvot yhteen ja jakamalla summat muuttujien lukumää-

rällä. Tällä tavoin ulottuvuuksien tulkinta saadaan mielekkäämmäksi, kun muuttujat pysyvät

samalla vaihteluvälillä alkuperäisten osioiden kanssa. Opiskelijoiden kurssikohtaisten koke-

muksien eri ulottuvuuksien osiot korreloivat keskenään hyvin: kiinnostus äidinkielen kurssia

kohtaan α = .84, kurssiin liittyvät onnistumisodotukset α = .70, kurssiin panostaminen α = .73

ja kurssin arvioitu kuormittavuus α = .71. Kurssikohtaista kiinnostusta mittaava osion 7 (”Kurs-

sin aiheet ovat todella tylsiä”) mitta-asteikko käännettiin samansuuntaiseksi muiden osioiden

28

kanssa. Summamuuttujien ulottuvuudet, niitä vastaavat osiot sekä muuttujien jakaumia kuvaa-

vat histogrammit on esitelty liitteessä 7.

Liitteestä 8 nähdään lisäksi, etteivät muuttujat täyttäneet Kolmogorov-Smirnov -testien nor-

maalijakaumaoletuksia, sillä kaikissa tapauksissa p < .05. Muuttujien vinous- ja huipukkuus-

kertoimien perusteella voidaan kuitenkin todeta, että poikkeamat ovat sen verran pieniä, että

muuttujia voidaan tarkastella normaalisti jakautuneina. Kaikissa tapauksissa g1 < |1| ja g2 < |1|.

6.2 Regressioanalyysin ehtojen täyttyminen ja korrelaatiotarkastelut

Muuttujittain tarkastellut hajontakuvat osoittivat, että joidenkin ulottuvuuksien väliset lineaari-

set yhteydet voisivat olla mahdollisia. Kuvissa oli lisäksi havaittavissa joitakin lineaaristen reg-

ressiomallien kannalta poikkeavia arvoja, joille näytti kuitenkin löytyvän luonnollinen selitys:

esimerkkinä äidinkielen kurssin arvosanat, joihin sisältyi yksi viitonen. Poikkeavien arvojen

poistamiselle ei näyttänyt löytyvän perusteita, joten ne säilytettiin analyyseissä.

Taulukosta 4 nähdään tutkimuksen ulottuvuuksien väliset Pearsonin korrelaatiokertoimet sekä

keskeisimmät muuttujakohtaiset tunnusluvut. Taulukon 4 perusteella voidaan todeta, että kurs-

sikohtaisia kokemuksia selittävistä tekijöistä oppiainekohtainen kiinnostus on merkitsevästi yh-

teydessä kaikkiin kurssikohtaisiin kokemuksiin, kun taas oppiainekohtainen hyödyllisyys on

merkitsevästi yhteydessä ainoastaan kurssikohtaiseen kiinnostukseen ja kuormittavuuteen. Äi-

dinkielen päättötodistuksen arvosana on yhteydessä kumpaankin kurssikohtaisia kokemuksia

selittäviin tekijöihin sekä osaan kurssikohtaisista kokemuksista. Kurssikohtaisia kokemuksia

selittävät oppiainekohtainen kiinnostus ja sen koettu hyödyllisyys korreloivat vahvimmin kes-

kenään (r = .58***), mutta niiden toleranssiarvot (~0.6) ylittivät reilusti arvon 0.2 ja VIF-arvot

(~1.5) jäivät selvästi alle 5. Näiden seurauksena voidaan todeta, ettei selittävien muuttujien vä-

lillä esiinny multikolineaarisuutta. Myös päättötodistuksen arvosanan toleranssi- (0.91) ja VIF-

arvot (1.11) pysyivät sallitun rajoissa.

Kurssiarvosanaa selittävistä tekijöistä vain osa oppiainekohtaisista arvioista ja kurssikohtaisista

kokemuksista on siihen yhteydessä. Vahvin yhteys voidaan havaita peruskoulun päättöarvosa-

nan ja kurssikohtaisen arvosanan välillä (r = .55***). Oppiainekohtaisista arvioista vain kiin-

29

nostus on merkitsevästi yhteydessä kurssin arvosanaan ja kurssikohtaisista kokemuksista vas-

taava yhteys voidaan havaita vain onnistumisodotuksien ja arvosanan välillä. Kurssiarvosanaa

selittävistä tekijöistä osa korreloi myös keskenään. Vahvin yhteys voidaan havaita kurssikoh-

taisen kiinnostuksen ja panostamisen välillä (r = .50***). Kurssiarvosanaa selittävien tekijöiden

välillä ei voida kuitenkaan havaita multikolineaarisuutta, sillä niiden toleranssiarvot (0.57–

0.86) ja VIF-arvot (1.2–1.8) pysyivät selvästi sallitun rajoissa.

Taulukko 4, Korrelaatiotarkastelut ja keskeisimmät tunnusluvut

Osiot 1 2 3 4 5 6 7 8

1 Päättöarvosana 1

2 Oppiaine kiinnostava .301*** 1

3 Oppiaine hyödyllinen .228** .577*** 1

4 Kurssi kiinnostus .229** .416*** .365*** 1

5 Kurssin odotukset .220** .140* .118 .191* 1

6 Kurssiin panostaminen .082 .242** .031 .504*** .179* 1

7 Kurssin kuormittavuus -.053 -.259** -.191* -.344*** -.335*** -.143* 1

8 Kurssin arvosana .553*** .146* .065 .043 .235** .077 -.065 1

Vastaajien määrä, N 156 155 154 141 142 142 143 168

Minimi ja maksimi 4–10 1–7 1–7 1–7 1–10 1–7 1–7 4–10

Keskiarvo, M 8.32 4.3 5.45 4.57 8.35 4.96 3.00 7.73

Standardipoikkeama, SD 0.86 1.53 1.38 1.09 1.07 1.07 0.99 1.05

*p < 0.05, **p < 0.01, ***p < 0.001.

Regressioanalyysin edellyttämä muuttujien normaalijakautuneisuus oli voimassa luvussa 5.3

analysoitujen tulosten sekä liitteiden 4 ja 8 mukaisesti. Kaikkien selittävien muuttujien standar-

doidut jäännökset, suhteessa standardoituihin ennustearvioihin, olivat jakautuneet suhteellisen

satunnaisesti. Myös selitettävien muuttujien standardoidut jäännökset noudattivat pääosin nor-

maalijakaumaan, lukuun ottamatta äidinkielen kurssikohtaista arvosanaa, jonka jakaumassa

esiintyi lievää poikkeamaa. Regressiomallien selittävien muuttujien jäännösten välillä ei näyt-

tävät esiintyvän autokorreloituneisuutta, sillä kaikissa tapauksissa Durbin-Watson -arvot (~2.0)

olivat suurempia kuin yksi ja pienempiä kuin 3.

Yhteenvetona voidaan todeta, että aineisto vaikuttaa regressioanalyyseihin sopivalta.

30

6.3 Äidinkielen kurssikokemuksien ennustaminen

Ensimmäisen tutkimuskysymyksen tarkoituksena oli selvittää, ennustavatko lukio-opiskelijoi-

den arvioima äidinkielen oppiainekohtainen kiinnostus ja sen koettu hyödyllisyys kurssikoh-

taista kiinnostusta, kuormittavuutta, onnistumisodotuksia sekä oppilaiden arvioimaa panosta-

misen määrää, kun aiempi opintomenestys on otettu huomioon. Tutkimuskysymyksen mukaisia

ennusteita tarkasteltiin hierarkkisen lineaarisen regressioanalyysin avulla, jossa muuttujat lisät-

tiin malliin kaksivaiheisesti. Ensimmäisellä askeleella kuhunkin kurssikohtaisten kokemuksien

malleihin tuotiin peruskoulun päättötodistuksen äidinkielen arvosana ja toisella askeleella äi-

dinkielen oppiainekohtainen kiinnostus ja sen koettu hyödyllisyys. Regressioanalyysien tulok-

set on esitetty taulukossa 5.

Kurssikohtaista kiinnostusta ennustettaessa hierarkkisen lineaarisen regressioanalyysin ensim-

mäisen askeleen tulokset osoittivat, että päättötodistuksen arvosana selitti kurssikohtaisen kiin-

nostuksen määrän vaihtelusta noin 5 %. Malli sopi aineistoon hyvin (F1,137 = 7.58, p < .01) ja

päättöarvosana toimi tilastollisesti merkitsevänä ennustajana (β = .23, p < .01). Korkeamman

peruskoulun päättötodistuksen äidinkielen arvosanan saaneet opiskelijat olivat todennäköisesti

muita kiinnostuneempia lukion ensimmäisestä äidinkielen kurssista. Regressioanalyysin toi-

sella askeleella, päättötodistuksen arvosanan kontrolloimisen jälkeen, mallin selitysvoima kas-

voi merkitsevästi (∆R2 = .15, p < .001). Tällöin regressiomalli selitti kurssikohtaisen kiinnos-

tuksen määrän vaihtelusta noin 21 %. Malli säilyi aineistoon sopivana ja sen merkitsevyys pa-

rantui (F3,135 = 11.70, p < .001), vaikka päättötodistuksen arvosana ei säilynyt enää merkitse-

vänä (β = .10, p > .05). Oppiainekohtainen kiinnostus paransi odotetusti mallin selitysvoimaa

ja se toimi päättötodistuksen arvosanan kontrolloimisen jälkeen ainoana merkitsevänä ennusta-

jana (β = .28, p < .01). Tuloksen perusteella voidaan todeta, että äidinkielen oppiaineesta kiin-

nostuneet opiskelijat olivat todennäköisesti vielä kiinnostuneempia lukion ensimmäisestä äi-

dinkielen kurssista. Korrelaatiotarkasteluiden perusteella (taulukko 4) myös oppiaineen koettu

hyödyllisyys näytti olevan yhteydessä kurssikohtaiseen kiinnostukseen (r = .37, p < .001),

mutta päättötodistuksen arvosanan kontrolloimisen jälkeen yhteys ei ollut enää tilastollisesti

merkitsevä (β = .18, p > .05). Huomattakoon, että regressiokertoimen p-arvo (.059) ei ollut

kovin kaukana tilastollisesta merkitsevyydestä.

31

Kurssikohtaisia onnistumisodotuksia ennustettaessa hierarkkisen lineaarisen regressioanalyy-

sin ensimmäisen askeleen tulokset osoittivat, että päättötodistuksen arvosana selitti kurssikoh-

taisten onnistumisodotuksien vaihtelusta noin 5 %. Malli sopi aineistoon hyvin (F1,138 = 7.04,

p < .01 ja päättöarvosana toimi tilastollisesti merkitsevänä ennustajana (β = .22, p < .01). Kor-

keamman peruskoulun päättötodistuksen äidinkielen arvosanan saaneilla opiskelijoilla oli to-

dennäköisesti suuremmat lukion ensimmäiseen äidinkielen kurssiin kohdistuvat onnistumis-

odotukset. Ennusteen mukaan nämä opiskelijat olivat muita varmempia, että he pystyvät omak-

sumaan kurssin oppisisällöt ja tulevat läpäisemään kurssin. Regressioanalyysin toisella aske-

leella, päättötodistuksen arvosanan kontrolloimisen jälkeen, mallin selitysaste kasvoi, mutta ei

tilastollisesti merkitsevästi (∆R2 = .007, p > .05). Malli selitti toisella askeleella kurssiin koh-

distettujen onnistumisodotuksien vaihtelusta kaiken kaikkiaan noin 6 %. Onnistumisodotuksia

ennustava malli säilyi juuri ja juuri aineistoon sopivana (F3,136 = 2.67, p = .050), vaikka mer-

kitsevyys heikentyi. Päättötodistuksen arvosana säilyi merkitsevänä ennustajana (β = .19, p <

.05), vaikka sen tuoma arvo heikentyi. Korrelaatiotarkastelujen perusteella (taulukko 4) äidin-

kielen oppiainekohtainen kiinnostus näytti olevan heikosti, mutta tilastollisesti merkitsevässä

yhteydessä kurssikohtaisiin onnistumisodotuksiin (r = .14, p < .05). Päättötodistuksen arvosa-

nan kontrolloimisen jälkeen yhteys ei ollut enää tilastollisesti merkitsevä (β = .06, p > .05).

Äidinkielen oppiaineen koetun hyödyllisyyden ja onnistumisodotuksien välillä ei esiintynyt ti-

lastollisesti merkitsevää yhteyttä (r = .12, p > .05), eikä oppiainekohtainen hyödyllisyys tuonut

ennustemalliin lisäarvoa (β = .04, p > .05).

Kurssikohtaista panostamisen määrää ennustettaessa hierarkkisen lineaarisen regressioanalyy-

sin ensimmäisen askeleen tulokset osoittivat, että päättötodistuksen arvosana selitti kurssikoh-

taisen panostamisen määrän vaihtelusta alle 1 %. Mallia ei voinut pitää aineistoon sopivana

(F1,138 = 0.94, p > .05), eikä päättöarvosana toiminut tilastollisesti merkitsevänä ennustajana (β

= .08, p > .05). Regressioanalyysin toisella askeleella, päättötodistuksen arvosanan kontrolloi-

misen jälkeen, mallin selitysvoima kasvoi merkitsevästi (∆R2 = .07, p < .01), jolloin malli selitti

kurssikohtaisen panostamisen määrän vaihtelusta noin 8 %. Panostamisen määrää ennustava

regressiomalli muuttui toisella askeleella merkitseväksi (F3,136 = 3.75, p < .05), vaikka päättö-

todistuksen arvosana ei tuonut siihen edelleenkään lisäarvoa (β = .02, p > .05). Toisen askeleen

malli muuttui merkitseväksi ensisijaisesti ja odotetusti oppiainekohtaisen kiinnostuksen avulla,

joka toimi päättöarvosanan kontrolloimisen jälkeen ainoana merkitsevänä ennustajana (β = .33,

32

p < .01). Tämän perusteella voidaan todeta, että äidinkielen oppiaineesta kiinnostuneet opiske-

lijat olivat muita opiskelijoita valmiimpia panostamaan lukion ensimmäiseen äidinkielen kurs-

siin muun muassa tekemällä paljon töitä oppiakseen kurssin asiat. Ennakko-odotusten vastai-

sesti äidinkielen oppiainekohtainen hyödyllisyys ei tuonut malliin lisäarvoa kurssikohtaista pa-

nostamisen määrää ennustettaessa (β = -.16, p > .05).

Kurssikohtaisia kuormittavuuden tuntemuksia ennustettaessa hierarkkisen lineaarisen regres-

sioanalyysin ensimmäisen askeleen tulokset osoittivat, että päättötodistuksen arvosana selitti

kurssikohtaisen kuormittavuuden tuntemuksista vain noin 0.3 %. Mallia ei voinut pitää aineis-

toon sopivana (F1,139 = 0.39, p > .05), eikä päättöarvosana toiminut tilastollisesti merkitsevänä

ennustajana (β = -.05, p > .05). Analyysin toisella askeleella, päättöarvosanan kontrolloimisen

jälkeen, mallin selitysaste kasvoi merkitsevästi (∆R2 = .07, p < .01), jolloin regressiomalli selitti

kurssikohtaisten kuormittavuuden tuntemuksien vaihtelusta kaiken kaikkiaan noin 7 %. Toisen

askeleen malli sopi aineistoon hyvin (F3,137 = 3.47, p < .05), vaikka päättöarvosanaa ei tuottanut

uutta lisäarvoa (β = .03, p > .05). Oppiainekohtainen kiinnostus toimi päättöarvosanan kontrol-

loimisen jälkeen ainoana merkitsevänä ennustajana (β = -.23, p < .05). Tuloksen perusteella

voidaan todeta, että ne opiskelijat, jotka eivät olleet äidinkielen oppiaineesta kiinnostuneita,

kokivat lukion ensimmäisen äidinkielen kurssin todennäköisesti kuormittavana. Tällöin äidin-

kielen kurssin aiheet ja tehtävät saatettiin kokea vaikeina. Lisäksi kurssi saattoi tuntua stressaa-

valta ja kurssilla opiskelu uuvuttavalta. Huomattakoon, että tulos voidaan kääntää myös toisin

päin, jolloin äidinkielen oppiaineesta kiinnostuneet opiskelijat eivät todennäköisesti pitäneet

lukion ensimmäistä äidinkielen kurssia kuormittavana. Korrelaatiotarkasteluiden perusteella

(taulukko 4) oppiaineen koettu hyödyllisyys oli tilastollisesti merkitsevästi yhteydessä kurssin

koettuun kuormittavuuteen (r = -.23, p < .01). Päättöarvosanan kontrolloimisen jälkeen oppiai-

neen koettu hyödyllisyys ei kuitenkaan tuonut malliin odotettua lisäarvoa (β = -.07, p > .05).

33

Taulukko 5, Kurssikohtaisten kokemuksien ennustaminen

B SE β t ∆R 2 B SE β t ∆R 2 B SE β t ∆R 2 B SE β t ∆R 2

Askel 1.052** .049** .007 .003

AI_pkpaatto0.29** 0.11 .23** 2.75** 0.28** 0.10 .22** 2.65** 0.10 0.12 .08 0.97 -0.06 0.10 -.05 -0.62

Askel 2.154*** .007 .070** .068**

AI_pkpaatto0.13 0.10 .10 1.28 0.24* 0.11 .19* 2.21* 0.03 0.11 .02 0.23 0.04 0.10 .03 0.37

AI_kiinnostava0.20** 0.07 .28** 2.94** 0.04 0.07 .06 0.57 0.23** 0.07 .33** 3.2** -0.15* 0.07 -.23* -2.24*

AI_hyödyllinen0.14 0.07 .18 1.9 0.03 0.08 .04 0.39 -0.13 0.08 -.16 -1.62 -0.05 0.07 -.07 -0.65

Yhteensä R2 .206 .056 .076 .071

Korjattu R2

a .189 .035 .056 .050

*p < 0.05, **p < 0.01, ***p < 0.001

Kurssikohtainen kiinnostus Kurssin onnistumisodotukset Kurssiin panostaminen Kurssin kuormittavuus

34

6.4 Äidinkielen kurssin arvosanan ennustaminen

Kolmannen tutkimuskysymyksen tarkoituksena oli selvittää, ennustavatko kurssikohtainen

kiinnostus, kuormittavuus, onnistumisodotukset ja arvioitu panostamisen määrä kurssikohtaista

arvosanaa, kun aiempi opintomenestys ja oppiainekohtaiset arviot otetaan huomioon. Tutki-

muskysymyksen mukaisia ennusteita tarkasteltiin hierarkkisen lineaarisen regressioanalyysin

avulla, jossa muuttujat lisättiin malliin kolmivaiheisesti. Ensimmäisellä askeleella malliin tuo-

tiin peruskoulun päättötodistuksen äidinkielen arvosana ja toisella askeleella äidinkielen op-

piainekohtainen kiinnostus sekä sen koettu hyödyllisyys. Kolmannella askeleella malliin tuotiin

kaikki kurssikohtaiset kokemukset. Regressioanalyysin vaiheittaiset tulokset on esitetty taulu-

kossa 6.

Lukion ensimmäisen äidinkielen kurssin arvosanaa ennustettaessa hierarkkisen lineaarisen reg-

ressioanalyysin ensimmäisen askeleen tulokset osoittivat, että peruskoulun päättötodistuksen

arvosanat selittivät kurssikohtaisten arvosanojen vaihtelusta noin 31 %. Malli sopi aineistoon

hyvin (F1,137 = 60.45, p < .001) ja päättöarvosana toimi tilastollisesti merkitsevänä ennustajana

(β = .55, p < .001). Tuloksen perusteella voidaan todeta, että korkean peruskoulun päättötodis-

tuksen arvosanan saaneet opiskelijat saivat todennäköisesti korkeita arvosanoja myös lukion

ensimmäisen äidinkielen kurssin osalta.

Regressioanalyysin toisella askeleella, päättötodistuksen arvosanan kontrolloimisen jälkeen,

mallin selitysaste kasvoi, mutta ei tilastollisesti merkitsevästi (∆R2 = .004, p > .05). Malli selitti

toisella askeleella kurssikohtaisten arvosanojen vaihtelusta edelleen noin 31 % ja se säilyi ai-

neistoon sopivana (F3,135 = 20,26, p < .001). Myös peruskoulun päättöarvosana säilyi merkitse-

vänä ennustajana (β = .57, p < .001). Sen sijaan toisella askeleella tuodut äidinkielen oppiai-

nekohtainen kiinnostus (β = .02, p > .05) ja sen koettu hyödyllisyys (β = -.08, p > .05) eivät

tuoneet malliin odotettua lisäarvoa, vaikka korrelaatiotarkasteluiden perusteella äidinkielen op-

piainekohtainen kiinnostus oli kurssiarvosanaan merkitsevästi yhteydessä (r = .15, p < .05).

Regressioanalyysin kolmannella askeleella, päättötodistuksen arvosanan ja oppiainekohtaisten

arvioiden kontrolloimisen jälkeen, mallin selitysaste kasvoi, mutta ei tilastollisesti merkitse-

västi (∆R2 = .03, p > .05). Malli selitti kolmannella askeleella kurssikohtaisten arvosanojen

vaihtelusta kaiken kaikkiaan noin 34 % ja se säilyi aineistoon sopivana (F7,131 = 9.57, p < .001).

35

Myös peruskoulun päättöarvosana säilyi merkitsevänä ennustajana (β = .56, p < .001). Korre-

laatiotarkasteluiden perusteella (taulukko 4) äidinkielen kurssiin kohdistetut onnistumisodotuk-

set olivat yhteydessä kurssikohtaiseen arvosanaan (r = .24, p < .01). Efekti kuitenkin hävisi

kurssikohtaista arvosanaa ennustettaessa sen jälkeen, kun päättötodistuksen arvosana ja oppiai-

nekohtaiset arviot olivat kontrolloitu (β = .12, p > .05). Muutkaan kurssikohtaisista kokemuk-

sista eivät tuoneet lisäarvoa kolmannen askeleen malliin: kurssikohtainen kiinnostus (β = .02,

p > .05), kurssiin panostaminen (β = .08, p > .05) ja kurssin koettu kuormittavuus (β = -.04, p

> .05).

Yhteenvetona voidaan todeta, että kaikissa malleissa ainoastaan peruskoulun päättötodistuksen

äidinkielen arvosana toimi merkitsevänä ennustajana, kun ennustettiin lukion ensimmäisen äi-

dinkielen kurssin arvosanaa.

Taulukko 6, Äidinkielen kurssin arvosanan ennustaminen

B SE β t ∆ R 2

Askel 1 .306***

AI_pkpaatto 0.68*** 0.09 .55*** 7.78***

Askel 2 .004

AI_pkpaatto 0.69*** 0.09 .57*** 7.52***

AI_kiinnostava 0.01 0.06 .02 0.22

AI_hyödyllinen -0.06 0.07 -.08 -0.87

Askel 3 .028AI_pkpaatto 0.68*** 0.09 .56*** 7.24***AI_kiinnostava 0.01 0.06 .02 0.23AI_hyödyllinen -0.03 0.07 -.04 -0.47Kurssi_kiinnostus -0.15 0.09 -.16 -1.63Kurssi_odotukset 0.11 0.08 .12 1.48Kurssi_panostaminen 0.08 0.08 .08 0.92Kurssi_kuormittavuus -0.04 0.09 -.04 -0.52

Yhteensä R2 .338

Korjattu R2

a .303

*p < 0.05, **p < 0.01, ***p < 0.001

Äidinkielen kurssin arvosana

36

7 Pohdintaa

7.1 Tuloksia koskeva pohdinta

Tämän tutkimuksen tarkoituksena oli selvittää ennustavatko äidinkielen oppiainekohtainen

kiinnostus ja sen koettu hyödyllisyys kurssikohtaisia kokemuksia, kun peruskoulun päättöto-

distuksen äidinkielen arvosana oli otettu huomioon. Oppiainekohtaisia arvioita kysyttiin lukio-

opintojen alkuvaiheessa ja kurssikohtaisia kokemuksia lukion ensimmäisen äidinkielen kurssin

alussa. Tutkimuksen toisena tavoitteena oli selvittää, ennustavatko äidinkielen kurssikohtaiset

kokemukset lukion ensimmäisen äidinkielen kurssin arvosanaa, kun aiempi opintomenestys ja

oppiainekohtaiset arviot oli otettu huomioon. Kurssikohtaiset kokemukset mittasivat kurssin

alussa koettua kiinnostusta, kurssiin liitettyjä onnistumisodotuksia, koettua kuormittavuutta ja

arvioitua panostamisen määrää.

Ensimmäisen tutkimuskysymyksen tulosten perusteella peruskoulun päättötodistuksen äidin-

kielen arvosana ennusti hierarkkisten mallien ensimmäisillä askeleilla kurssiin liitettyä kiinnos-

tusta ja onnistumisodotuksia. Mallien toisessa vaiheessa aiemman opintomenestyksen efekti

kuitenkin hävisi kurssikohtaista kiinnostusta ennustettaessa. Päättöarvosanan kontrolloimisen

jälkeen äidinkielen oppiainekohtainen kiinnostus ennusti kurssin alussa koettua kiinnostusta,

panostamisen määrää ja kuormittavuuden tuntemuksia. Tulokset ovat samansuuntaisia sekä

teorian että aiempien tutkimustuloksien kanssa. Harackiewiczin ja hänen kollegoidensa (2008,

s. 117) mukaan oppiainekohtainen kiinnostus ennusti kurssin alussa arvioitua kiinnostusta. Tu-

loksien perusteella voidaan siten todeta, että yksilöllisen kiinnostuksen perusteella voidaan en-

nustaa tilannekohtaista kiinnostusta. Lisäksi voidaan todeta, että oppiaineesta kiinnostuneet

opiskelijat jaksavat yleensä panostaa ja tehdä töitä opiskelun eteen (Silvia, 2008, s.58; Ainley,

Hillman & Hidi, 2002, s. 412) mahdollisista kuormittavuuden tuntemuksista huolimatta (Durik

& Harackiewicz, 2007, s. 598). Korrelaatiotarkastelujen vastaisesti oppiainekohtainen kiinnos-

tus ei ennustanut äidinkielen kurssiin liitettyjä onnistumisodotuksia.

Päättöarvosanan kontrolloimisen jälkeen oppiaineen koettu hyödyllisyys ei ennustanut kurssi-

kohtaisia kokemuksia. Huomattakoon, että kurssikohtaista kiinnostusta ennustettaessa, oppiai-

neen koetun hyödyllisyyden regressiokerroin oli hyvin lähellä tilastollista merkitsevyyttä (p =

37

.059). Merkitsevä tulos olisi ollut samansuuntainen aiempien tutkimuksien kanssa, sillä eri tut-

kimustuloksien mukaan odotusarvoteorian arvouskomuksien ja oppiaineen koetun hyödyllisyy-

den on todettu olevan samansuuntaisesti yhteydessä kurssin alussa koettuun kiinnostukseen

(Barron & Hulleman, 2015, s. 504; Hulleman, Godes, Hendricks & Harackiewicz, 2010 s. 885–

890). Kuormittavuuden tuntemuksia ei ole juuri tutkittu odotusarvoteorian näkökulmasta, mi-

käli ne tulkitaan opiskelun kustannusvaikutuksiksi. Barron ja Hulleman (2015, s. 504–505) eh-

dottavatkin, että tämän tyyppisiä tutkimusasetelmia lisättäisiin. Tässä tutkimuksessa äidinkie-

len oppiaineen koettu hyödyllisyys ei ennustanut kurssikohtaisia kuormittavuuden tuntemuksia.

Aiemmissa tutkimuksissa oppiaineen koettu hyödyllisyys on ennustanut myös kurssiin liitettyjä

onnistumisodotuksia (Barron & Hulleman, 2015, s. 504) sekä panostamisen määrää (Eccles

ym., 1983, s. 89–90), mutta ne eivät nousseet esille tässä tutkimuksessa.

Toisen tutkimuskysymyksen tulosten perusteella peruskoulun päättötodistuksen äidinkielen ar-

vosana ennusti kurssikohtaista arvosanaa hierarkkisen mallin kaikissa vaiheissa. Mallin toisessa

vaiheessa, päättöarvosanan kontrolloimisen jälkeen, oppiainekohtainen kiinnostus ei ennusta-

nut kurssikohtaista arvosanaa, vaikka näiden positiivisesta yhteydestä on runsaasti aiempaa tut-

kimusnäyttöä (Schiefelen, 2009, s. 201). Tilanne oli yhtäläinen oppiaineen koetun hyödyllisyy-

den kohdalla, vaikka tämänkin yhteyksistä opintomenestykseen löytyy aiempia tutkimustulok-

sia (Barron & Hulleman, 2015, s. 504; Hulleman, Godes, Hendricks & Harackiewicz, 2010 s.

885–890). Mallin kolmannessa vaiheessa yksikään kurssikohtaisista kokemuksista ei ennusta-

nut lukion ensimmäisen äidinkielen kurssin arvosanaa. Tulos on erisuuntainen suhteessa

Trautweinin ja hänen kollegoidensa (2012, s. 1) tutkimustuloksiin, joiden perusteella onnistu-

misodotukset ennustivat opintomenestystä. Lisäksi aiempien tutkimuksien perusteella olisi

voitu odottaa, että kurssikohtainen kiinnostus (Harackiewicz, ym., 2008, s. 117) ja panostami-

sen määrä (Durik & Harackiewicz, 2007, s. 598) olisivat ennustaneet kurssikohtaista opinto-

menestystä.

7.2 Tutkimuksen rajoitukset

Tutkimuksen tarkoituksena oli tarkastella lukio-opiskelijoiden äidinkieleen kytketyn motivaa-

tion yhteyttä kurssikokemuksiin ja oppimistuloksiin. Motivaatiota tarkasteltiin kiinnostus- ja

odotusarvoteorioiden näkökulmasta. Lukion alussa kysytyn oppiainekohtaisen kiinnostuksen

tarkoituksena oli kuvata äidinkieleen liittyvää yksilöllistä kiinnostusta, jota mitattiin kuitenkin

38

vain yhden kysymyksen turvin. Vastaajan kannalta on siten mahdollista, että hän olisi arvioinut

oppiainetta tilanteessa viriämien tuntemuksien mukaisesti, jolloin kiinnostus äidinkieltä koh-

taan olisikin mitannut tilannekohtaista kiinnostusta. Myös oppiaineen koettua hyödyllisyyttä

kysyttiin yhden kysymyksen avulla. Tämän seurauksena on mahdollista, etteivät opiskelijat ko-

keneet äidinkielen hyödyllisyyttä niin laajana ilmiönä, kuin se odotusarvoteorian näkökulmasta

tulkitaan.

Kurssikohtaisista kokemuksista erityisesti panostamisen määrä saattoi tuottaa sekä vastaajien

että tutkijan kannalta erilaisia tulkintoja. Koulutehtäviin ja oppimiseen panostaminen saattaa

tuntua opiskelijasta sekä mielekkäältä että epämielekkäältä. Halu oppia ja panostaa ei välttä-

mättä määrittele sitä, tunteeko opiskelija panostavansa paljon vai liian paljon. Jälkimmäinen

vaihtoehto saattaa johtaa negatiivisempiin tuntemuksiin, jolloin panostamisen määrä voisi olla

yhteydessä opiskelun tuottamiin kuormittavuuden tuntemuksiin. Mielekkäässä tilanteessa opis-

kelija voi kokea panostavansa paljon, mutta työmäärä ja panostamisen kokemukset eivät johda

kuormittavuuden tuntemuksiin.

Teoriaan liittyvien tulkintojen lisäksi tässä tutkimuksessa on hyvä kiinnittää huomiota tulok-

sissa esitettyihin selitysasteisiin, jotka olivat joiltakin osin maltillisia. Esimerkiksi ensimmäisen

tutkimuskysymyksen kohdalla kurssikohtaisia onnistumisodotuksia ennustettaessa, lopullinen

malli selitti hieman alle 6 % onnistumisodotuksia mittaavien arvojen vaihtelusta. Tilanne oli

samankaltainen ennustettaessa kurssikohtaista panostamisen määrää ja kuormittavuuden tunte-

muksia, joita ennustavien mallien selitysasteet vaihtelivat 7–8 % välillä. Lopuksi voidaan to-

deta, että kohdejoukon rajautuminen sekä otantaan liittyvä harkinnanvaraisuus saattavat rajoit-

tavaa tämän tutkimuksen tulosten yleistettävyyttä (Mattila, 2003a, 31-32). Toisaalta tilastolli-

sesti merkitsevät tulokset olivat samansuuntaisia aiempien tutkimutuloksien kanssa.

7.3 Tutkimuksen luotettavuus

Tämän tutkimuksen teoreettinen tausta keskittyi kiinnostus- ja odotusarvoteorioihin. Niiden kä-

sitteisiin ja sisältöihin liittyvää ymmärrystä pyrittiin varmentamaan tutustumalla monipuolisesti

niin vanhempaan kuin uudempaan lähdekirjallisuuteen. Lähdekirjallisuuden luotettavuutta var-

mennettiin etsimällä sopivaa kirjallisuutta Helsingin yliopiston kirjaston sivuilta sekä profes-

39

sori Markku Niemivirran tutkimusryhmän tutkimuksista ja niiden lähdeluetteloista. Tämän li-

säksi pyrittiin valitsemaan vertaisarvioitua kirjallisuutta. Kaikkiin lähteisiin on viitattu asian-

mukaisesti noudattamalla tutkimuseettisen neuvottelukunnan hyvien tieteellisten käytäntöjen

(2012) mukaisia suosituksia.

Tutkimuksen kohdejoukoksi valittiin erään suomalaisen kaupungin lukio-opiskelijat, jotka

osallistuivat oppilaitoksensa ensimmäiselle äidinkielen kurssille vuosina 2012–2013 (n = 172).

Tutkimuslupakäytännöt hoituivat professori Niemivirran tutkimusryhmän toimesta. Tässä tut-

kimuksessa on huolehdittu vastaajien anonymiteetin säilymisestä sekä aineiston tietosuojaa

koskevista kysymyksistä tutkimuseettisen neuvottelukunnan (2012) suositusten mukaisesti.

Tutkimuksen vastausprosentit vaihtelivat kyselyiden osalta 83,1 % ja 90,1 % välillä ja arvosa-

nojen osalta 90,7 % ja 97,7 % välillä. Vastausprosentteja voidaan pitää hyvänä (Metsä-

muuronen, 2010, s. 636; Vehkalahti, 2008, s. 44). Tutkimuksen aineisto valmisteltiin huolelli-

sesti luotettavuuden parantamiseksi. Katoanalyysin perusteella tutkimuksen havainnot puuttui-

vat täysin satunnaisesti, jolloin voitiin olettaa, etteivät puuttuvat havainnot vääristäneet testitu-

loksia (Garson, 2015, s. 12–13). Puuttuvien havaintojen analyysituloksien luotettavuudessa tu-

lee kuitenkin huomioida se, ettei tutkimusaineisto sisältänyt taustamuuttujia, kuten sukupuolta

(Heikkilä, 2014b, s. 1), jotka olisivat saattaneet vaikuttaa puuttuvien havaintojen analyysin tu-

lokseen.

Tutkimuksen kurssikohtaisia kokemuksia mitattiin ensimmäistä kertaa liitteessä 2 esitetyn ko-

konaisuuden muodossa. Osioita verrattiin sisällöllisesti sekä kiinnostus- että odotusarvoteori-

oihin. Mittausmallin luotettavuuden varmentamiseksi teorian pohjalta muodostettujen ulottu-

vuuksien toimivuus testattiin faktorianalyysin avulla (Nummenmaa, 2009, s. 397). Analyysi

vahvisti teorian pohjalta rakennetun mittausmallin yhtä osiota lukuun ottamatta, joka poistet-

tiin. Ulottuvuuskohtaisten summamuuttujien reliabiliteetti vahvistettiin Cronbachin alfan (α)

avulla (Metsämuuronen, 2011, s. 544). Monimuuttujamenetelmien kohdalla perehdyttiin tar-

kasti niiden käytön edellytyksiin sekä testattiin menetelmien vaatimat oletukset. Näihin lukeu-

tuivat muun muassa jakaumien normaalisuustestaukset.

40

7.4 Suositukset ja jatkotutkimusaiheet

Professori Niemivirran tutkimusryhmän DeLeMo-aineisto on huomattavasti tätä tutkimusta

kattavampi. Jatkon kannalta onkin mielenkiintoista nähdä, miten lukio-opiskelijat ovat arvioi-

neet oppiainekohtaisen kiinnostuksen ja hyödyllisyyden muiden lukioaineiden kohdalla. Tä-

män lisäksi olisi kiinnostavaa tehdä havaintoja siitä, miten tässä tutkimuksessa analysoidut

kurssin alussa mitatut kokemukset suhteutuvat kurssin lopussa arvioituihin kokemuksiin. Toi-

sin sanoen olisi mielekästä nähdä, koetaanko jokin lukioaineen kurssi esimerkiksi yhtä kiinnos-

tavana ja kuormittavana kurssin alussa verrattuna kurssin lopussa annettuihin arvioihin.

Tässä tutkimuksessa sekä äidinkielen oppiainekohtaista kiinnostusta että oppiaineen koettua

hyödyllisyyttä mitattiin yhden kysymyksen avulla. Laajasti tutkitun teoriataustan vuoksi suo-

sittelisin, että tutkimusasetelma toistettaisiin selvittämällä monipuolisemmin lukio-opiskelijoi-

den eri oppiaineisiin liittämää kiinnostusta ja hyödyllisyyttä. Kattavamman tarkastelun avulla

voitaisiin mahdollisesti varmentaa sitä todennäköisyyttä, että oppiainekohtaiset arviot kuvas-

taisivat juuri kiinnostus- ja odotusarvoteorioissa kuvattuja ilmiöitä. Samalla oppiainekohtaisten

arvioiden tulkinta saattaisi monipuolistua.

Oppiaineen koettua hyödyllisyyttä tarkasteltiin odotusarvoteorian hyötyarvon näkökulmasta,

jota kuvataan ennen kaikkea instrumentaaliseksi arvoksi. Tällöin oppiaine voisi toimia väli-

neenä jonkin halutun hyödyn saavuttamiseksi. Kurssikohtaista kiinnostusta ennustettaessa, op-

piaineen koetun hyödyllisyyden vaikutus oli hyvin lähellä tilastollista merkitsevyyttä. On siis

mahdollista, ettei hyötyarvo ole pelkästään välineellinen, vaan siihen saattaa kietoutua peh-

meämpiäkin arvoja. Ehdottaisinkin, että odotusarvoteoriassa kuvattua hyötyarvoa tarkasteltai-

siin tästä näkökulmasta ja tutkittaisiin sen mahdollisesti monipuolisempaa sisältöä.

Kurssikohtaisista kokemuksista erityisesti panostamisen määrä ja kuormittavuuden tuntemuk-

set saattavat teorian perusteella kietoutua jossain määrin yhteen tai olla sidoksissa toisiinsa.

Tämä tulee esille pohdittaessa esimerkiksi sitä, kokeeko opiskelija panostavansa johonkin kou-

lutehtävään tai tiettyyn oppiaineeseen mielestään paljon vai liian paljon. Jälkimmäisessä tilan-

teessa opiskelija voi kokea joutuvansa panostamaan liian paljon, jolloin panostamiseen taakka

saatetaan kokea kuormittavana tai stressaavana. Vastakkaisessa tilanteessa opiskelija saattaa

41

panostaa tiettyyn kurssiin omasta halustaan saadakseen esimerkiksi hyvän arvosanan. Tutki-

mustulosten mahdollisten tulkintaristiriitojen ehkäisemiksi ehdottaisin, että panostamisen mää-

rää tiedusteltaisiin Likert-asteikolla kahden toisiaan muistuttavan kysymyksen avulla: ”Panos-

tan paljon kurssin suorittamiseen” ja ”Minusta tuntuu, että joudun panostamaan liian paljon

kurssin suorittamiseen”. Näitä olisi mielekästä verrata edelleen opintomenestykseen. Lisäksi

olisi kiinnostavaa selvittää, eroavatko kokemukset eri sukupuolten ja eri-ikäisten opiskelijoiden

välillä.

Tutkimuksen alussa mainitun MTV3:n (2016) uutisen mukaan stressin sietäminen parantaa op-

pimistuloksia. Sen mukaan koulu voi tuntua ajoittain stressaavalta, mutta menestymisen eteen

on nähtävä vaivaa. Tässä tutkimuksessa äidinkielen kurssiin liitetyt kuormittavuuden tuntemuk-

set kuvasivat myös kurssiin liittyviä stressitekijöitä. Tämän tutkimuksen tulos poikkesi uutisoi-

dusta tuloksesta sen suhteen, ettei kuormittavuuden tuntemuksilla ollut yhteyttä oppimistulok-

siin. Tuloksien ero saattaa johtua osin siitä, että tämän tutkimuksen otos (n = 172) poikkesi

huomattavasti uutisoidun tutkimuksen otoksesta (n ≈ 10 000). Tutkimustulosten eroavaisuuk-

sien johdosta tämän tutkimuksen asetelmaa olisi hyvä testata myös suuremmalla vastaajajou-

kolla.

7.5 Johtopäätökset

Tämän tutkimuksen johtopäätöksinä voidaan todeta, että korkeamman peruskoulun päättöto-

distuksen arvosanan saaneet opiskelijat olivat todennäköisesti muita kiinnostuneempia lukion

ensimmäisestä äidinkielen kurssista. Lisäksi korkean päättöarvosanan saaneet opiskelijat olivat

onnistumisodotuksiensa puolesta muita varmempia, että he pystyvät omaksumaan kurssin op-

pisisällöt ja tulevan läpäisemään kurssin. Korkea päättötodistuksen arvosana johti myös siihen,

että kyseiset opiskelijat saivat muita todennäköisemmin korkeita arvosanoja myös lukion en-

simmäisen äidinkielen kurssin osalta.

Äidinkielen oppiaineesta kiinnostuneet opiskelijat olivat arvioidensa perusteella vielä kiinnos-

tuneempia lukion ensimmäisestä äidinkielen kurssista. Tämän seurauksen äidinkielen kurssi

koettiin kiinnostavana ja sen oppisisällöt mielenkiintoisina. Äidinkielen oppiaineesta kiinnos-

tuneet opiskelijat olivat myös valmiimpia panostamaan kurssitehtäviin ja kurssin suorittami-

42

seen tekemällä paljon töitä. Ne opiskelijat, jotka eivät olleet kiinnostuneita äidinkielestä oppi-

aineena, arvioivat tulevansa kokemaan äidinkielen kurssin stressaavana ja uuvuttavana. Toi-

saalta ne opiskelijat, jotka ilmaisivat olevansa kiinnostuneita äidinkielen oppiaineesta, eivät ar-

vioineet kurssia kuormittavaksi.

43

Lähteet

Ainley, M., Hillman, K., & Hidi, S. (2002). Gender and interest processes in response to liter-ary texts: Situational and individual interest. Learning and Instruction, 12(4), 411–428.

Barron, K. E., & Hulleman, C. S. (2015). Expectancy-value-cost model of motivation. Psy-chology, 84, 261–271.

Brown, J. D. (2009). Choosing the right type of rotation in PCA and EFA. JALT Testing & Evaluation SIG Newsletter, 13(3), 20–25.

Eccles, J. S., Adler, T. F., Futterman, R., Goff, S. B., Kaczala, C. M., Meece, J. L., & Midgley, C. (1983). Expectancies, values, and academic behaviors. Teoksessa J. T. Spence (toim.), Achievement and achievement motivation (s. 75–146). San Francisco, CA: W. H. Freeman.

Carter, R. L. (2006). Solutions for missing data in structural equation modeling. Research & Practice in Assessment, 1, 4–7.

Durik, A. M., & Harackiewicz, J. M. (2007). Different strokes for different folks: How indi-vidual interest moderates the effects of situational factors on task interest. Journal of Educational Psychology, 99(3), 597–610.

Field, A. (2009). Discovering statistics using SPSS (third edition). London: Sage publications.

Garson, G. D. (2015). Missing Values Analysis & Data Imputation (2015 edition). Statistical Associates Publishing: Blue Book Series.

Harackiewicz, J. M., Durik, A. M., Barron, K. E., Linnenbrink-Garcia, L., & Tauer, J. M. (2008). The role of achievement goals in the development of interest: Reciprocal rela-tions between achievement goals, interest, and performance. Journal of educational psychology, 100(1), 105–122.

Heikkilä, T. (2014a). Faktorianalyysi. Lisämateriaali teokseen T. Heikkilä (toim.), Tilastolli-nen tutkimus (9. painos). Edita Publishing Oy. Saatavilla osoitteesta http://www.tilas-tollinentutkimus.fi/5.SPSS/Faktorianalyysi.pdf ja http://www.tilastollinentutki-mus.fi/spss.html

Heikkilä, T. (2014b). Tutkimuksen luotettavuuden arviointi. Lisämateriaali teokseen T. Heik-kilä (toim.), Tilastollinen tutkimus (9. painos). Edita Publishing Oy. Saatavilla osoit-teesta http://www.tilastollinentutkimus.fi/raportointi.html.

Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published re-search: Common errors and some comment on improved practice. Educational and Psychological Measurement, 66(3), 393–416.

Hidi, S. (2006). Interest: A unique motivational variable. Educational Research Review, 1(2), 69–82.

Holopainen, M., & Pulkkinen, P. (2012). Tilastolliset menetelmät (5.–7.painos). Helsinki: Sa-noma Pro Oy.

Hotulainen, R., Rimpelä, A., Karvonen, S., Kupiainen, S., Lindfors, P., Kinnunen, J. M., Mink-kinen, J., Vainikainen, M., & Wallenius, T. (2016). Metropolialueen nuorten siirtymi-nen yläkoulusta toiselle asteelle: osaaminen ja hyvinvointi. Valtioneuvoston selvitys-ja tutkimustoiminnan julkaisusarja 27(2016).

44

Hulleman, C. S., Godes, O., Hendricks, B. L., & Harackiewicz, J. M. (2010). Enhancing interest and performance with a utility value intervention. Journal of Educational Psychol-ogy, 102(4), 880–895.

IBM SPSS (2014). Missing Values 23.

Kokkonen, J., Kokkonen, M., & Yli-Piipari, S. (2013). Koululiikuntaan liittyvät suoriutumis-kokemukset ja arvostukset liikunnan arvosanan selittäjinä. Kasvatus: Suomen kasva-tustieteellinen aikakausikirja, 44(5), 522–532.

Mattila, M. (2003a). Otos ja otantamenetelmät. MOTV – Menetelmäopetuksen tietovaranto, verkko-oppimisympäristön tekstiosio 21.1.2003 (s. 31–634). Tampere: Yhteiskuntatie-teellinen tietoarkisto.

Mattila, M. (2003b). Puuttuvat havainnot. MOTV – Menetelmäopetuksen tietovaranto, verkko-oppimisympäristön tekstiosio 21.1.2003 (s. 62–64). Tampere: Yhteiskuntatie-teellinen tietoarkisto.

Mattila, M. (2003c). Faktorianalyysi. MOTV – Menetelmäopetuksen tietovaranto, verkko-op-pimisympäristön tekstiosio 21.1.2003 (s. 110–115). Tampere: Yhteiskuntatieteellinen tietoarkisto.

Mattila, M. (2003d). Muuttujien muunnokset. MOTV – Menetelmäopetuksen tietovaranto, verkko-oppimisympäristön tekstiosio 21.1.2003 (s. 56–58). Tampere: Yhteiskuntatie-teellinen tietoarkisto.

Mattila, M. (2003e). Regressioanalyysi. MOTV – Menetelmäopetuksen tietovaranto, verkko-oppimisympäristön tekstiosio 21.1.2003 (s. 99–109). Tampere: Yhteiskuntatieteellinen tietoarkisto.

Metsämuuronen, J. (2010). Tutkimuksen tekemisen perusteet ihmistieteissä 4 (tutkijalaitos, e-kirja 1.painos). International Methelp Oy.

Metsämuuronen, J. (2011). Tutkimuksen tekemisen perusteet ihmistieteissä 4 (korjattu tutkija-laitos, e-kirja 1.painos). International Methelp Oy.

MTV3. (2016). Miksi tämä sallitaan vuodesta toiseen? Pojat laahaavat pahasti jäljessä pe-ruskoulussa. Saatavilla osoitteesta http://www.mtv.fi/uutiset/kotimaa/artikkeli/miksi-tama-sallitaan-vuodesta-toiseen-pojat-laahaavat-pahasti-jaljessa-peruskou-lussa/6172874

Nummenmaa, L. (2009). Käyttäytymistieteiden tilastolliset menetelmät (3.painos uud.laitos). Helsinki: Kustannusosakeyhtiö Tammi.

Osborne, J. W., & Costello, A. B. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment Re-search & Evaluation, 10(7), 1–9.

Osborne, J. W. (2015). What is Rotating in Exploratory Factor Analysis? Practical Assess-ment, Research & Evaluation, 20(2), 2.

Paaso, E. (2003). Summamuuttuja. MOTV – Menetelmäopetuksen tietovaranto, verkko-oppi-misympäristön tekstiosio 21.1.2003 (s. 59–61). Tampere: Yhteiskuntatieteellinen tietoarkisto.

Petrocelli, J. V. (2003). Hierarchical multiple regression in counseling research: Common problems and possible remedies. Measurement and evaluation in counseling and de-velopment, 36(1), 9–22.

45

Rawlings, A., Tapola, A., & Niemivirta, M. (2016). Predictions of temperament on course-specific motivational appraisals and achievement in general upper secondary school. Paper presented at the JURE 2016 Conference, University of Helsinki, Finland.

Schiefele, U. (2009). Situational and Individual Interest. Teoksessa K.R. Wentzel, & A. Wig-fiels (toim.), Handbook of Motivation at School (s. 197–222). Taylor & Francis e-Li-brary.

Schmitt, T. A. (2011). Current methodological considerations in exploratory and confirmatory factor analysis. Journal of Psychoeducational Assessment, 29(4), 304–321.

Silvia, P. J. (2008). Interest—The curious emotion. Current Directions in Psychological Sci-ence, 17(1), 57–60.

Taanila, A. (2010). Lineaariset regressiomallit. Saatavilla osoitteesta http://myy.haaga-he-lia.fi/~taaak/m/regressio.pdf

Taanila, A. (2012). Tilastollinen päättely. Saatavilla osoitteesta http://myy.haaga-he-lia.fi/~taaak/p/

Tapola, A., & Niemivirta, M. (2014). Kiinnostus – tunteiden kuningatar vai kesytön Tarzan? Teoksessa L. Uusitalo-Malmivaara (toim.), Positiivisen psykologian voima (s. 294–317). Jyväskylä: PS-Kustannus.

Tutkimuseettisen neuvottelukunan ohje. (2012). Hyvä tieteellinen käytäntö ja sen loukkaus-epäilyjen käsitteleminen Suomessa. Tutkimuseettinen neuvottelukunta, TENK. Saata-villa osoitteesta http://www.tenk.fi/fi/htk-ohje.

Trautwein, U., Marsh, H. W., Nagengast, B., Lüdtke, O., Nagy, G., & Jonkmann, K. (2012). Probing for the multiplicative term in modern expectancy–value theory: A latent inter-action modeling study. Journal of Educational Psychology. Advance online publica-tion. doi: 10.1037/a0027470.

Tsai, Y. M., Kunter, M., Lüdtke, O., Trautwein, U., & Ryan, R. M. (2008). What makes les-sons interesting? The role of situational and individual factors in three school sub-jects. Journal of Educational Psychology, 100(2), 460–472.

Vehkalahti, K. (2008). Kyselytutkimuksen mittarit ja menetelmät. Helsinki: Kustannusosakeyhtiö Tammi.

Walker, J., & Madden, S. (2008). Factor analysis, path analysis, and structural equation mod-eling. Teoksessa J. Walker & S. Madden (toim.), Statistics in Criminology and Crimi-nal Justice: Analysis and Interpretation, 3rd edition, (s. 325–351). USA: Jones & Bart-lett Publishers.

Wigfield, A., & Eccles, J. S. (2000). Expectancy–value theory of achievement motiva-tion. Contemporary educational psychology, 25(1), 68–81.

Wigfield, A., Tonks, S., & Klauda, S. L. (2009). Expectancy-Value Theory. Teoksessa K.R. Wentzel, & A. Wigfields (toim.), Hanbook of Motivation at School (s. 55–76). Taylor & Francis e-Library.

Yong, A. G., & Pearce, S. (2013). A Beginner’s Guide to Factor analysis: Focusing on Ex-ploratory Factor Analysis. Tutorials in Quantitative Methods for Psychology, 9(2), 79–94.

46

Liite 1, Muuttujien sisältö ja niitä vastaavat lyhenteet

LYHENNE MUUTTUJAN SISÄLTÖ

AI_pkpaatto Äidinkielen peruskoulun päättötodistuksen arvosana

V21_h_ÄI Äidinkieli hyödyllinen

V21_k_ÄI Äidinkieli kiinnostava

AI1a_1a Tämä kurssi on kiinnostava

AI1a_2a Kurssin aiheet ja tehtävät ovat todella vaikeita

AI1a_3a Opiskelu tällä kurssilla on todella uuvuttavaa

AI1a_4a Teen paljon töitä oppiakseni kurssin asiat

AI1a_5a Kurssin sisällöt ovat mielenkiintoisia

AI1a_6a Tämä kurssi stressaa minua

AI1a_7a Kurssin aiheet ovat todella tylsiä

AI1a_8a Teen aina kurssiin liittyvät kotitehtävät

AI1a_9a Kurssi on helppo

AI1a_10a Panostan tosissani kurssin suorittamiseen

AI1a_11a Kuinka varma olet, että pystyt omaksumaan kurssin oppisisällöt riittävän hy-vin?

AI1a_12a Kuinka varma olet, että läpäiset kurssin?

AI1_arvos Äidinkielen 1.kurssin (AI1) arvosana

47

Liite 2, Teoreettinen faktoriratkaisu

Muuttujat Teoreettinen faktoriratkaisu

• AI1a_1a

• AI1a_2a

• AI1a_3a

• AI1a_4a

• AI1a_5a

• AI1a_6a

• AI1a_7a

• AI1a_8a

• AI1a_9a

• AI1a_10a

• AI1a_11a

• AI1a_12a

F1, Kiinnostus äidinkielen kurssia kohtaan

• AI1a_1a � Tämä kurssi on kiinnostava • AI1a_5a � Kurssin sisällöt ovat mielenkiintoisia • AI1a_7a � Kurssin aiheet ovat todella tylsiä

F2, Kurssin arvioitu kuormittavuus (strain)

• AI1a_2a � Kurssin aiheet ja tehtävät ovat todella vaikeita • AI1a_3a � Opiskelu tällä kurssilla on todella uuvuttavaa • AI1a_6a � Tämä kurssi stressaa minua • AI1a_9a � Kurssi on helppo

F3, Kurssiin panostaminen

• AI1a_4a � Teen paljon töitä oppiakseni kurssin asiat • AI1a_8a � Teen aina kurssiin liittyvät kotitehtävät • AI1a_10a � Panostan tosissani kurssin suorittamiseen

F3, Kurssin liittyvät onnistumisodotukset

• AI1a_11a � Kuinka varma olet, että pystyt omaksumaan kurssin oppisisällöt riittävän hyvin?

• AI1a_12a � Kuinka varma olet, että läpäiset kurssin?

48

Liite 3, Muuttujien normaalisuustestit

Muuttujat, Pairwise Kolmogorov-Smirnov vinous g1 huipukkuus

g2 testisuure df p

AI_pkpaatto .242 156 .000 .075 -.370

V21_h_ÄI .214 154 .000 -.968 .670

V21_k_ÄI .172 155 .000 -.457 -.263

AI1a_1a .173 143 .000 -.181 -.462

AI1a_2a .203 143 .000 .317 -.664

AI1a_3a .191 143 .000 .588 -.068

AI1a_4a .167 142 .000 .025 -.604

AI1a_5a .176 143 .000 -.266 -.213

AI1a_6a .207 143 .000 .524 -.260

AI1a_7a .160 141 .000 .082 -.689

AI1a_8a .214 143 .000 -.641 -.434

AI1a_9a .196 143 .000 -.384 .044

AI1a_10a .217 143 .000 -.381 -.532

AI1a_11a .221 142 .000 -.686 .646

AI1a_12a .224 143 .000 -.896 .550

AI1_arvos .204 168 .000 .095 -.212

49

Liite 4, Muuttujakohtainen puuttuvien havaintojen vaihtelu

MUUTTUJA VASTANNEET PUUTTUVAT KATO % YHTEENSÄ

AI_pkpaatto 156 16 9,3 % 172

V21_h_ÄI 154 18 10,5 % 172

V21_k_ÄI 155 17 9,9 % 172

AI1a_1a 143 29 16,9 % 172

AI1a_2a 143 29 16,9 % 172

AI1a_3a 143 29 16,9 % 172

AI1a_4a 142 30 17,4 % 172

AI1a_5a 143 29 16,9 % 172

AI1a_6a 143 29 16,9 % 172

AI1a_7a 141 31 18,0 % 172

AI1a_8a 143 29 16,9 % 172

AI1a_9a 143 29 16,9 % 172

AI1a_10a 143 29 16,9 % 172

AI1a_11a 142 30 17,4 % 172

AI1a_12a 143 29 16,9 % 172

AI1_arvos 168 4 2,3 % 172

0

20

40

60

80

100

120

140

160

180

200

Muuttujakohtainen puuttuvien havaintojen vaihtelu

Vastanneet Puuttuvat havainnot

50

Liite 5, ML-menetelmällä ekstraktoitujen muuttujien kommunaliteetit

Osiot 1-12 Kommunaliteetti

AI1a_1a, Tämä kurssi on kiinnostava .786

AI1a_2a, Kurssin aiheet ja tehtävät ovat todella vaikeita .621

AI1a_3a, Opiskelu tällä kurssilla on todella uuvuttavaa .554

AI1a_4a, Teen paljon töitä oppiakseni kurssin asiat .501

AI1a_5a, Kurssin sisällöt ovat mielenkiintoisia .808

AI1a_6a, Tämä kurssi stressaa minua .357

AI1a_7a, Kurssin aiheet ovat todella tylsiä .466

AI1a_8a, Teen aina kurssiin liittyvät kotitehtävät .376

AI1a_9a, Kurssi on helppo .277

AI1a_10a, Panostan tosissani kurssin suorittamiseen .767

AI1a_11a, Kuinka varma olet, että pystyt omaksumaan kurssin op-pisisällöt riittävän hyvin?

.615

AI1a_12a, Kuinka varma olet, että läpäiset kurssin? .565

Osiot 1-12 ilman osiota 9 Kommunaliteetti

AI1a_1a, Tämä kurssi on kiinnostava .776

AI1a_2a, Kurssin aiheet ja tehtävät ovat todella vaikeita .543

AI1a_3a, Opiskelu tällä kurssilla on todella uuvuttavaa .610

AI1a_4a, Teen paljon töitä oppiakseni kurssin asiat .482

AI1a_5a, Kurssin sisällöt ovat mielenkiintoisia .821

AI1a_6a, Tämä kurssi stressaa minua .366

AI1a_7a, Kurssin aiheet ovat todella tylsiä .480

AI1a_8a, Teen aina kurssiin liittyvät kotitehtävät .360

AI1a_10a, Panostan tosissani kurssin suorittamiseen .795

AI1a_11a, Kuinka varma olet, että pystyt omaksumaan kurssin op-pisisällöt riittävän hyvin?

.654

AI1a_12a, Kuinka varma olet, että läpäiset kurssin? .543

51

Liite 6, Scree-testien kuvaajat ja arvioidut suunnanmuutospisteet1

1 Suunnanmuutospisteen kuvaaminen ja tulkitseminen, esim. Costello & Pearce, 2013, 84-85.

suunnanmuutospiste

Scree-testi: osiot 1-12, osio 9 poistettu

Scree-testi: osiot 1-12

suunnanmuutospiste

52

Liite 7, Summamuuttujien kuvailu, jakaumat ja normaalisuus

Kiinnostus äidinkielen kurssia kohtaan

• AI1a_1a � Tämä kurssi on kiinnostava • AI1a_5a � Kurssin sisällöt ovat mielenkiintoisia • AI1a_7a � Kurssin aiheet ovat todella tylsiä � muuttujan suunta käännetty • Cronbachin alfa (α) = .839

Kurssin liittyvät onnistumisodotukset

• AI1a_11a � Kuinka varma olet, että pystyt omaksumaan kurssin oppisisällöt riittävän hyvin? • AI1a_12a � Kuinka varma olet, että läpäiset kurssin? • Cronbachin alfa (α) = .698

Kurssiin panostaminen

• AI1a_4a � Teen paljon töitä oppiakseni kurssin asiat • AI1a_8a � Teen aina kurssiin liittyvät kotitehtävät • AI1a_10a � Panostan tosissani kurssin suorittamiseen • Cronbachin alfa (α) = .732

Kurssin arvioitu kuormittavuus (strain)

• AI1a_2a � Kurssin aiheet ja tehtävät ovat todella vaikeita • AI1a_3a � Opiskelu tällä kurssilla on todella uuvuttavaa • AI1a_6a � Tämä kurssi stressaa minua • Cronbachin alfa (α) = .709

Summamuuttujat Kolmogorov-Smirnov vinous g1 huipukkuus g2 testisuure df p

Kurssi_kiinnostus .091 141 .006 -.044 -.445

Kurssi_odotukset .134 142 .000 -.641 .234

Kurssi_panostaminen .090 142 .007 -.042 -.436

Kurssi_kuormittavuus .097 143 .002 .308 -.393

53