Вы находитесь на странице: 1из 173

E-izobraževanje v visokem šolstvu

Znanstvene monografije
Fakultete za management Koper

Glavni urednik
prof. dr. Egon Žižmond
Uredniški odbor
doc. dr. Roberto Biloslavo
izr. prof. dr. Štefan Bojnec
izr. prof. dr. Slavko Dolinšek
doc. dr. Justina Erčulj
doc. dr. Tonči A. Kuzmanić
izr. prof. dr. Zvone Vodovnik
 -
E-izobraževanje
v visokem šolstvu
Viktorija Sulčič

Management
E-izobraževanje
v visokem šolstvu
doc. dr. Viktorija Sulčič
Strokovna recenzenta · prof. dr. Vasja Vehovar
in izr. prof. dr. Matjaž Debevc
Izdala in založila · Univerza na Primorskem,
Fakulteta za management Koper,
Cankarjeva ,  Koper
Risbe, oblikovanje in fotografija
na naslovnici · Alen Ježovnik
Naklada ·  izvodov
Maj 
©  Fakulteta za management Koper
Monografija je izšla s finančno podporo
Agencije za raziskovalno dejavnost
Republike Slovenije

 – Kataložni zapis o publikaciji


Narodna in univerzitetna knjižnica, Ljubljana
:
..:
 Viktorija
 ,

E-izobraževanje v visokem šolstvu / Viktorija Sulčič. –
Koper : Fakulteta za management, . -
(Znanstvene monografije Fakultete
za management Koper,  -)
 ----
.- 
0 Kazalo

Seznam preglednic · 
Seznam slik · 
 Uvod · 
 Razvoj in značilnosti e-izobraževanja · 
.  za podporo izobraževalnega procesa skozi zgodovino · 
. Razširjenost e-izobraževanja · 
. Teorije učenja ter njihova povezava z e-izobraževanjem · 
. Vloge udeležencev izobraževanja in njihove interakcije · 
 Modeli e-izobraževanja · 
. Vpetost ponudnika e-izobraževanj v trg e-izobraževanj · 
. Vrednostna veriga e-izobraževanja · 
. Institucionalni model e-izobraževanja · 
. Modeli na ravni izobraževalnega procesa · 
 Ovire za uspešen konec e-izobraževanja · 
. Ovire z vidika študenta · 
. Ovire z vidika učitelja in metod poučevanja · 
. Ovire z vidika vsebin e-izobraževanja · 
. Ovire z vidika izobraževalne institucije · 
 Konceptualni model dejavnikov učinkovitega kombiniranega
e-izobraževanja (e) · 
. Učinkovitost e-izobraževanja · 
. Opredelitev dejavnikov · 
 Analiza dejavnikov učinkovitosti na primeru študentov
Fakultete za management Koper · 
. Metodologija raziskovanja · 
. Učinkovitost anketiranih študentov · 
. Demografske značilnosti · 
. Osebnostne značilnosti · 
. Opremljenost študentov · 
. Računalniška in internetna pismenost · 
. Pripravljenost za e-izobraževanje · 


Kazalo

. Odnos do študija in motiviranost · 


. Kombinirano e-izobraževanje · 
. Podpora mentorja · 
 Testiranje modela e  · 
. Testiranje modela e na primeru študentov
Fakultete za management Koper · 
. Optimiranje modela e · 
 Sklepna razmišljanja · 
. Ključne ugotovitve in razprava · 
. Smeri nadaljnjega raziskovanja · 
Literatura · 
Priloge · 


0 Seznam preglednic

. Virtualne univerze  glede na intenzivnost uporabe  · 


. Virtualne univerze  po skupinah · 
. Vpliv uporabe  v zavodih terciarnega izobraževanja · 
. Spletne strani med zavodi terciarnega izobraževanja · 
. Spletna učna okolja v zavodih terciarnega izobraževanja · 
. Teorije učenja in njihova uporaba v e-izobraževanju · 
. Vloga študentov in način izvedbe izobraževanj · 
. Teorije poučevanja in modeli izobraževalnega procesa · 
. Ocene osipa odraslih udeležencev e-izobraževanj · 
. Zaznavanje ovir e-izobraževanj · 
. Dejavniki, ki vplivajo na osip študentov · 
. Predmeti, vključeni v raziskavo · 
. Potek anketiranja in odzivnost anketirancev · 
. Ocena nalog in mnenje o pridobljenem znanju · 
. Demografske značilnosti študentov · 
. Demografske značilnosti – medsebojna povezanost spremenljivk · 
. Demografske značilnosti – linearna regresijska analiza (odvisna
spremenljivka: ocena predmeta) · 
. Demografske značilnosti – linearna regresijska analiza (odvisna
spremenljivka: pridobljeno znanje) · 
. Ocene osebnostnih značilnosti pred izvedbo predmeta · 
. Ocena sprememb osebnostnih značilnosti zaradi uporabe  pri
izvedbi predmeta · 
. Osebnostne značilnosti – regresijska analiza (odvisna spremenljivka:
pridobljeno znanje) · 
. Opremljenost študentov in dostop do interneta · 
. Opremljenost domačih računalnikov in dostop do interneta · 
. Opremljenost in dostop do interneta – medsebojna povezanost med
spremenljivkami · 
. Sposobnost uporabe računalnika in računalniških rešitev · 
. Sposobnost uporabe računalnika – medsebojna povezanost med
spremenljivkami · 
. Pogostost uporabe interneta in stroški uporabe interneta · 
. Matrika posameznih komponent · 
. Regresijska analiza – vpliv uporabe interneta na mnenje o


Seznam preglednic

pridobljenem znanju · 


. Primerjava pripravljenosti za e-izobraževanje · 
. Pripravljenost za e-izobraževanje – medsebojna povezanost
med spremenljivkami · 
. Pripravljenost za e-izobraževanje – regresijska analiza (odvisna
spremenljivka: mnenje o pridobljenem znanju) · 
. Primerjava obremenitve študentov · 
. Obremenitev študentov – medsebojna povezanost
med spremenljivkami · 
. Obremenitev študentov – linearna regresijska analiza (odvisna
spremenljivka: mnenje o pridobljene znanju) · 
. Motivacija ob začetku in ob koncu izvedbe predmetov ter
zadovoljstvo študentov s fakulteto · 
. Motiviranost – medsebojna odvisnost med spremenljivkami · 
. Motiviranost študentov – linearna regresijska analiza (odvisna
spremenljivka: mnenje o pridobljenem znanju) · 
. Motiviranost študentov – linearna regresijska analiza (odvisna
spremenljivka: ocena predmeta) · 
. Vstop, pogostost in čas vključevanja v e-učilnico · 
. Mnenja o e-učilnici · 
. Primerjava povprečnih ocen mnenj o gradivih · 
. Mnenje o izvedbi predmetov · 
. Želeno število srečanj v živo · 
. Primerjava povprečnih ocen mnenj o študijskih dejavnostih · 
. Kombinirano e-izobraževanje – medsebojna povezanost
med spremenljivkami · 
. Kombinirano e-izobraževanje – regresijska analiza (odvisna
spremenljivka: mnenje o pridobljenem znanju) · 
. Vloga mentorja pri študiju · 
. Vloga mentorja – medsebojna povezanost med spremenljivkami · 
. Mentorska podpora – regresijska analiza (odvisna spremenljivka:
mnenje o pridobljenem znanju) · 
. Vloga mentorja – regresijska analiza (odvisna spremenljivka:
tedenska ocena mentorjevega dela) · 
. Velikost skupine – regresijska analiza (odvisna spremenljivka: ocena
predmeta) · 
. Uporaba e-učilnice pri učiteljih FM · 
. Dejavniki in spremenljivke modela e · 
. Model e – korelacijska preglednica – . del · 
. Model e – korelacijska preglednica – . del · 
. Vpliv dejavnikov e na oceno predmeta · 
. Vpliv vseh dejavnikov e na mnenje o pridobljenem znanju · 


Seznam preglednic

. Vpliv vseh dejavnikov e na mnenje o pridobljenem znanju brez


binarnih spremenljivk · 
. Vpliv predhodno izbranih dejavnikov e na mnenje o
pridobljenem znanju · 
. Vpliv predhodno izbranih e na mnenje o pridobljenem znanju
ob izločitvi vzroka multikolinearnosti · 
. Vpliv predhodno izbranih e na mnenje o pridobljenem znanju
ob izločitvi vzroka multikolinearnosti in brez binarnih
spremenljivk · 
. Vpliv izbranih dejavnikov e na mnenje o pridobljenem
znanju · 
. Vpliv spremenljivk o izvedbi predmeta na mnenje o pridobljenem
znanju · 
. Vpliv izhodnih osebnostnih značilnosti na mnenje o pridobljenem
znanju · 
. Vpliv izbranih dejavnikov e na mnenje o pridobljenem znanju –
izbirni predmet · 
. Primerjava stroškov · 
. Primerjava stroškov klasične in e-izvedbe v dveh letih · 
. Sprejem in zavrnitev hipotez raziskave · 


0 Seznam slik

. Mejniki razvoja  glede na uporabljeno  · 


. Rast trga e-izobraževanj v  · 
. Projekti in organizacije na področju kakovosti e-izobraževanja v
Evropi · 
. Izdatki za  v letu  · 
. Skupni izdatki za izobraževanje v letu  · 
. Število ponudnikov e-izobraževanja (e) po slovenskih regijah · 
. Sestavine e-izobraževanja · 
. Interaktivnost posameznega medija glede na prilagodljivost časa in
prostora · 
. Generična veriga e-izobraževanja · 
. Vrednostna veriga e-izobraževanja · 
. Model e-izobraževanja  (Demand-Driven Learning Model) · 
. Proces priprave za izvedbo učnega načrta · 
. Sestavine pedagoškega metamodela · 
. E-izobraževalni proces · 
. Medsebojna povezanost osnovnih procesov e-izobraževanja · 
. Institucionalni model e-izobraževanja · 
. Skupina dejavnikov modela e · 
. Povezava med povprečno študentovo oceno mentorja in tedenskim
povprečnim številom prispevkov mentorja na študenta · 
. Vpliv neodvisnih spremenljivk na oceno predmeta – histogram
standardiziranih ostankov linearne regresijske funkcije · 
. Vpliv neodvisnih spremenljivk na oceno predmeta – grafikon P–P za
kumulativo standardiziranih ostankov linearne regresijske
funkcije · 
. Vpliv neodvisnih spremenljivk na oceno predmeta – razsevni
grafikov standardiziranih ostankov linearne regresijske funkcije · 
. Vpliv neodvisnih spremenljivk na mnenje o pridobljenem znanju –
histogram standardiziranih ostankov linearne regresijske
funkcije · 
. Vpliv neodvisnih spremenljivk na mnenje o pridobljenem znanju –
grafikon P–P za kumulativo standardiziranih ostankov linearne
regresijske funkcije · 
. Vpliv neodvisnih spremenljivk na mnenje o pridobljenem znanju –


Seznam slik

razsevni grafikov standardiziranih ostankov linearne regresijske


funkcije · 
. Vpliv izbranih neodvisnih spremenljivk na mnenje o pridobljenem
znanju – histogram standardiziranih ostankov linearne regresijske
funkcije · 
. Vpliv izbranih neodvisnih spremenljivk na mnenje o pridobljenem
znanju – grafikon P–P za kumulativo standardiziranih ostankov
linearne regresijske funkcije · 
. Vpliv izbranih neodvisnih spremenljivk na mnenje o pridobljenem
znanju – razsevni grafikov standardiziranih ostankov linearne
regresijske funkcije · 
. Statistično značilni dejavniki e, ki vplivajo na oceno
predmeta · 
. Statistično značilni dejavniki e, ki vplivajo na mnenje o
pridobljenem znanju · 
. Prikaz medsebojnih vplivov spremenljivk na pridobljeno znanje · 
. Model stroškov e-izobraževanja · 
. Vloga izobraževalne institucije pri učinkovitem kombiniranem
e-izobraževanju · 


1 Uvod

Razvoj informacijsko-komunikacijske tehnologije () in njeno inten-


zivno uvajanje v družbo spreminja organiziranost in delovanje podje-
tij in države ter strukturo potrebnih znanj za delo v novonastalih okoli-
ščinah, kar je predvideno tudi z akcijskim načrtom eEurope (eEurope+
). Evropa postaja na znanju temelječa družba. Znanje postaja vir
konkurenčne prednosti ter eden od pogojev za enakopravno vključeva-
nje posameznih gospodarstev med razvite države.
Podatki Eurostata (glej http://epp.eurostat.ec.europa.eu) o uporabi ra-
čunalnikov doma kažejo na zaostanek slovenskega prebivalstva z nižjo in
srednje formalno izobrazbo za prebivalstvom   in  .¹ Boljši po-
ložaj glede na države  dosega slovensko prebivalstvo z visoko formalno
izobrazbo.² V dobrem položaju so tudi slovenski študenti.³ Podobno je
iz podatkov Eurostata mogoče razbrati tudi za uporabo interneta, saj je
v Sloveniji med formalno bolj izobraženim prebivalstvom več uporab-
nikov interneta kot med enako izobraževanim prebivalstvom v državah
.⁴ Ti podatki kažejo na to, da se računalnik in internet v terciarnem
izobraževanju v Sloveniji pogosto uporabljata, zato ne vidimo ovir, da se
e-izobraževanje v Sloveniji pri tem delu prebivalstva ne bi moglo širiti
tako intenzivno, kot se širi v državah .
Aktivna uporaba  v državah  je na primer razvidna iz projekta
eEurope (), ki predvideva, da naj bi bili vsi učenci  ob koncu šola-

. Pregledani podatki prikazujejo uporabo računalnika doma v zadnjih treh mesecih.


Tako je v državah   računalnik doma uporabljalo  % prebivalstva z nižjo formalno
izobrazbo ( – %), v Sloveniji pa  %. V skupini s srednjo formalno izobrazbo je
takšnih uporabnikov v državah    % (   %) prebivalstva, v Sloveniji pa le
 %.
. Pri uporabi računalnika doma v zadnjih treh mesecih, se del slovenskega prebival-
stva z visoko izobrazbo z  % uvršča pred države   ( %) in tudi pred države  
( %).
. Med slovenskimi študenti jih je v zadnjih treh mesecih računalnik doma upora-
bljalo  %. V državah   in državah   pa je takšnih študentov  %.
. Po podatkih Eurostata (glej http://epp.eurostat.ec.europa.eu)  % slovenskega pre-
bivalstva z visoko izobrazbo uporablja internet vsak teden (   %,    %). Med
študenti je delež uporabnikov interneta  % (   %,    %).


 Uvod

nja informacijsko (računalniško) pismeni. V Sloveniji je raziskava (Les-


jak idr. ), pokazala, da imajo študenti⁵ v raziskavo vključenih fakul-
tet in visokih šol⁶ ob prehodu iz sekundarnega v terciarno izobraževa-
nje, razen povprečnega poznavanja programa Word,⁷ sorazmerno skro-
mno računalniško in internetno znanje⁸ in to kljub projektu , ki je bil
usmerjen v računalniško opismenjevanje v zavodih primarnega⁹ in se-
kundarnega izobraževanja. Ob tem pa moramo upoštevati, da v anketi
ugotovljena računalniška in internetna pismenost študentov ne izraža ra-
čunalniške in internetne pismenosti celotne slovenske mladine, saj je ta
veliko nižja med mladino, ki ne študira.¹⁰
Uvajanje  v izobraževanje povzroča številne spremembe. Po eni
strani se, predvsem z razvojem interneta, povečuje dostopnost izobraže-
vanja, po drugi strani pa se spreminja proces poučevanja in učenja ter se-
veda sama organiziranost, upravljanje in vodenje izobraževanj in izobra-
ževalnih zavodov (Sulčič , –). Do zdaj se je  v izobraževalnih
zavodih uporabljala predvsem za podporo administrativno-upravljalnih
procesov ( ;  , ), kar pomeni, da so z  slabo pod-
prti ključni – izobraževalni procesi izobraževalnih zavodov. Očitno je na-
čin uvajanja  v izobraževalne zavode podoben zgodnjemu uvajanju

. Študenti, zajeti v raziskavo, so bili v času trajanja projekta  vključeni v primarno


ali sekundarno izobraževanje.
.  – Ekonomsko-poslovna fakulteta v Mariboru,  – Fakulteta za družbene
vede v Ljubljani in  – Visoka šola za management v Kopru.
. Povprečna ocena na lestvici od  do :  ,;  in  ,.
. Povprečna ocena sposobnosti uporabe (od  do ) programa Excel:  ,;  ,;
 ,. Povprečna ocena sposobnosti uporabe programa Access:  ,;  ,; 
,. Povprečne ocene uporabe programov Word, Excel, Access ter interneta in e-pošte:
 ,;  ,;  ,.
. Iz poročila o uporabi  v osnovnih šolah (Gerlič ) je razvidno, da je bilo v
letih – največ sredstev namenjenih nabavi strojne računalniške opreme, manj
pa za nabavo programske opreme. Avtor poročila meni, da je razlog za manjšo uporabo
računalnika pri pouka pomanjkanje programske opreme. Slabi rezultati poskusov infor-
matizacije osnovnih šol se kažejo tudi v slabi izkoriščenosti razpoložljive opreme v šolah,
saj ima , % osnovnih šol računalniško opremo v popoldanskem času izkoriščeno le
med  in  %.
. Raziskava  je pokazala, da dosežena izobrazba pomembno vpliva tako na pose-
dovanje osebnega računalnika kot na aktivno uporabo interneta (Vehovar in Vukčevič,
). Osebe z višjo izobrazbo imajo v večjem deležu doma osebni računalnik in po-
gosteje uporabljajo internet kot osebe z nižjo izobrazbe (prav tam). Ker pa je uporaba
osebnega računalnika in interneta pogoj za pridobitev računalniške in internetne pi-
smenosti, lahko sklepamo, da so osebe, vključene v izobraževanje, bolj računalniško in
internetno pismene.


Uvod 

 v podjetjih, kjer so bili najprej podprti transakcijski procesi (ope-


rativni procesi v računovodstvu, financah in na kadrovskem področju)
(Turban, McLean in Wetherbe , ).
Med pionirji uvajanja  v izobraževanje so nedvomno podjetja in
zavodi, ki izvajajo študij na daljavo. Študij na daljavo () je dokaj stara
izobraževalna oblika, saj je v svetu poznana že celo stoletje (Saba ;
glej tudi spletno stran univerze Penn State, http://www.worldcampus.psu.edu),
po nekaterih virih celo več kot dve stoletji (Holmberg ). V prvotnem
obdobju poznamo  predvsem kot dopisno izobraževanje, saj so se
študentom gradiva v papirni obliki pošiljala po klasični pošti. Učitelj
je študentu svoje komentarje, pripombe in ocene izdelkov pošiljal po
klasični pošti. Sinonimi za  so se z razvojem in uporabo  spre-
minjali. Tako so ga v . letih prejšnjega stoletja, ob uporabi sodobnih
avdio- in videonaprav, poznali kot teleizobraževanje (slika .). V zadnjih
dvajsetih letih, ko se v izobraževalni proces uvajajo računalniki in se pri
izvedbi izobraževalnega procesa v zadnjem desetletju uporablja internet
ter različna multimedijska gradiva, pa predvsem kot študij prek interneta
(online študij).
Z razvojem , predvsem zaradi prostorske in časovne ločenosti uči-
telja in učenca/študenta, kar je osnovna značilnost , so se razvile
različne metode poučevanja, ki so učenca/študenta postavljale v aktiv-
nejšo vlogo, kot jo poznamo v tradicionalnem izobraževanju (v učil-
nici/predavalnici). Aktivno vlogo učenca/študenta poudarjajo tudi iz-
sledki sodobne pedagogike in didaktike ter predvidene spremembe izo-
braževanja v informacijski družbi ( , ). Vključevanje  v
izobraževanje zahteva ustrezno usposobljenost učiteljev in mentorjev
ter njihovo naklonjenost , kar je pokazala tudi naša raziskava (po-
glavje ).
Pozitivni učinki , predvsem glede uporabljenih metod in oblik
poučevanja, narekujejo uvajanje teh metod v tradicionalno izobraževa-
nje. Glede na to, da izobraževanje lahko poteka prek interneta ali intra-
neta tudi v prostorih samega zavoda ali podjetja, je boljše kot o 
govoriti o elektronskem izobraževanju oziroma o e-izobraževanju. E-
izobraževanje je izobraževanje, pri katerem se učencu/študentu študijska
gradiva posredujejo po elektronskih medijih (internetu, intranetu, eks-
tranetu, satelitih, avdio-/videonapravah, zgoščenkah) (povzeto po Inter-
netTime Group, glej http://www.internettime.com). Ključna značilnost
ni več prostorska (ali časovna) ločitev udeležencev izobraževanja (v učil-
nici/predavalnici ali na daljavo), zaradi česar se je  kot način štu-


 Uvod

dija uvajal na začetku, temveč spremenjen način dela, ki ga intenzivna


uporaba  povzroča (in omogoča).  omogoča, da se izobraževanje
lahko bolje prilagaja potrebam in (z)možnostim udeležencev izobraže-
vanja, torej odjemalcem izobraževalnih storitev. Lahko bi celo govorili,
da se storitev prilagaja potrebam odjemalcev, kar je trend v poslovnem
svetu.
Tako kot uvajanje  v podjetja zahteva prenovo poslovnih procesov,
tudi uvajanje  v izobraževanje zahteva prenovo izobraževalnih pro-
cesov, česar se pogosto ne zavedamo. Nekatere raziskave (Russell ;
glej tudi http://nosignificantdifference.wcet.info/index.asp) dokazujejo,
da se učni rezultati (angl. learning outcomes) študentov, ki so si zna-
nje pridobili pri predmetih, podprtih z , ne razlikujejo pomembno
od učnih rezultatov, pridobljenih pri klasično izvedenih predmetih. Pri
tem se postavlja vprašanje, ali se izobraževanje v primerjalnih tečajih
(online izvedenih tečajih) izvaja z uporabo  prilagojenimi metodami
in oblikami učenja, ali pa  le podpira način dela, ki je enak delu v
klasičnem izobraževanju. Omenjene raziskave (prav tam) tega ne nava-
jajo. Ugotovitve The National Center for Academic Transformation ka-
žejo, da uvajanje  v izobraževalne zavode terciarnega izobraževanja
izboljšuje učne rezultate in hkrati vpliva tudi na znižanje stroškov izo-
braževanja. Ugotovitve so rezultat raziskave, v katero je bilo vključenih
 visokošolskih zavodov, ki so izvedli projekt uvajanja . Osnovna
značilnost vseh raziskanih projektov je bila, da so se uvajanja  v iz-
obraževanje lotili s celovito prenovo izobraževalnih procesov, torej so
visokošolski zavodi spremenili način poučevanja in učenja, metode in
oblike dela s študenti in seveda tudi študijska gradiva. S takšnim pristo-
pom so dokazali, da je izboljšanje učnih rezultatov in znižanje stroškov
izobraževanja mogoče doseči le s prenovo izobraževalnih procesov (glej
http://www.thencat.org).
Izobraževanje prek interneta (online izobraževanje) je pritegnilo po-
zornost tudi drugih, ne samo izobraževalnih okolij. Tako se prek intra-
neta, interneta in ekstraneta izobražujejo zaposleni v podjetjih, s čimer
podjetja povečujejo vrednost človeškega premoženja. Pridobivanje no-
vih znanj je namreč pomembno tako za posameznika, ki si s tem po-
večuje zaposlitvene možnosti, kot tudi za podjetje in državo, ki si tako
povečujeta človeško premoženje in konkurenčno prednost.
E-izobraževanje postaja za družbo in izobraževalne zavode zanimivo
tudi zaradi uvajanja konceptov vseživljenjskega učenja (Trunk in Sul-
čič ) ter naraščajočega pomena znanja, ki tako pri nas ( ;


Uvod 

 ) kot v tujini (Vasquez Bronfman , ) povzroča na-
raščajoče povpraševanje¹¹ po različnih izobraževalnih oblikah. V Slo-
veniji število vpisanih v visokošolske zavode v letih – nara-
šča hitreje kot v državah , in sicer s povprečno letno stopnjo , %
(v državah   je povprečna letna stopnja , %, v državah   pa
, %) (glej http://epp.eurostat.ec.europa.eu). Naraščajočemu povpraše-
vanju po raznovrstnih izobraževalnih programih v svetu sledijo izobra-
ževalni zavodi, ki ponujajo nove oblike izobraževanja, pogosto podprte
z , predvsem internetom. Tako je trg e-izobraževanja najhitreje ra-
stoči trg v Severni Ameriki. Visoko rast (-odstotno povprečno letno
stopnjo rasti) izdatkov za e-izobraževanje je leta  napovedal tudi 
(http://www.idc.com). Naraščajoči trg e-izobraževanj oziroma e-tečajev
še ne pomeni, da se izboljšuje ponudba izobraževanj in da se s tem ši-
rijo možnosti za pridobivanje novih znanj. Tako na primer raziskava
Laure Overton () navaja podatek, da je  % projektov za uvaja-
nje e-izobraževanja v angleška poslovna okolja neuspešnih. Mungania
() v svojih raziskavah o proučevanju ovir za vključitev in uspešen
konec e-izobraževanj navaja, da  % udeležencev e-izobraževanj, ki se v
ameriških podjetjih izvajajo prek interneta (online), iz različnih vzrokov
ne konča uspešno. Glede na tehnološko zahtevnost e-izobraževanj, ki so
prosto dostopna na trgu (angl. courses on shelves), je takšen neuspeh na
eni strani slaba promocija e-izobraževanja na splošno, na drugi strani pa
ekonomsko neupravičena naložba ponudnika oziroma izvajalca izobra-
ževanj.
Internacionalizacija izobraževanja vodi v vse večjo konkurenco med
univerzami, ki svoj prostor na trgu iščejo v novih strategijah in poslovnih
modelih za razvoj in izvedbo izobraževalnih programov (Seufert ).
Seufert (, ) povezuje vzroke za hitro rastoči trg e-izobraževanja z
dejstvom, da je e-izobraževanje zlitje različnih področij – področja teh-
nologije, sprememb v družbi, zabave, sprememb na področju usposab-
ljanja v podjetjih in nove paradigme izobraževanja, ki izobraževanje pre-
mika od poučevanja k učenju (Meister v Seufert , ). Nova paradi-

. Od študijskega leta / do študijskega leta / se je število vpisanih


na redni študij visokošolskega izobraževanja večalo s povprečno letno stopnjo , %, šte-
vilo vpisanih na izredni študij pa s povprečno letno stopnjo , % ( , ). Po
zadnjih podatkih  () se število vpisanih študentov v letih – ni pove-
čevalo s tako visokimi letnimi stopnjami, vendar so povprečne letne stopnje še vedno
visoke. Tako število vpisanih študentov narašča s povprečno letno stopnjo , %, število
študentov izrednega študija pa s povprečno stopnjo , %.


 Uvod

gma izobraževanja poudarja aktivno vlogo učencev/študentov, ki so se


sposobni učiti samostojno, zato jim je izobraževanje ukrojeno po meri.
Učenje poteka kot proces, s katerim se učimo učiti in se pripravimo za
vseživljenjsko učenje (Delors , ).
Uvajanje e-izobraževanja v visoko šolstvo podpira prizadevanja bo-
lonjske deklaracije. Takšen študij je dosegljiv od kjer koli in kadar koli,
kar olajša in pospešuje mobilnost študentov, saj se študenti lahko vklju-
čijo v študij na univerzah po vsem svetu, ne da bi zapustili domači kraj.
Potreba po večjem vključevanju  v izobraževanje in vpliv  na
zmanjševanje digitalnega razkoraka (ločnice) sta bila opredeljena tudi v
državnem programu Republika Slovenija v informacijski družbi (
).
Raziskovalno delo Munganie () je na primeru e-izobraževanj
v ameriških podjetjih razširilo raziskave na področju ovir za online
študij na daljavo. V naši raziskavi smo se usmerili na proučevanje e-
izobraževanja, ki poteka po modelu kombiniranega e-izobraževanja.
Kombinirani model e-izobraževanja (angl. blended learnirng, mixed le-
arning) je izobraževanje, pri katerem se online izobraževanje (izobraže-
vanje prek interneta) dopolnjuje s klasično izvedenim izobraževanjem.
Namen naše raziskave je proučiti dejavnike, ki vplivajo na učinkovitost
študija¹² izvedenega po modelu kombiniranega e-izobraževanja. Razi-
skav na področju dejavnikov e-izobraževanja ni veliko. Z iskanjem prek
iskalnega agenta Copernic (različica .), ki iskane pojme išče prek dva-
najstih iskalnikov, smo . .  našli  zadetkov na temo »factors of
e-learning«. Seznam zadetkov je vključeval prispevke, članke in komen-
tarje knjig. Večina prispevkov obravnava motivacijske vidike za vklju-
čitev v e-izobraževanje. Tako na primer Kamal in Lee () prikazu-
jeta rezultate raziskave, opravljene na prvi malezijski virtualni univerzi.
Avtorja sta proučevala razloge oziroma motivacijske nagibe za vključi-
tev v e-izobraževanje. Na osnovi proučevanega sta poskušala oblikovati
najpomembnejše motivacijske dejavnike e-izobraževanja in njihovo po-
vezljivost z nekaterimi drugimi osebnostnimi značilnostmi, kot so spol,
starost, zakonski stan, delovna doba in program študija. Raziskava, ki
je vključevala  podiplomskih študentov, ni pokazala statistično značil-

. S pojmom učinkovitost študija mislimo na t. i. prehodnost študentov, ki jo Bev-


čeva, kot vodja projekta, ( , ) opredeljuje kot notranjo ekonomsko učinkovi-
tost izobraževanja. V praksi se prehodnost študentov pogosto napačno opredeljuje kot
uspešnost študija.


Uvod 

nih medsebojnih povezav med spremenljivkami. Zanimiva je raziskava


Nian-Shinga in Kan-Mina (), ki sta na primeru . podiplomskih
študentov, vključenih v predmet Računalniška omrežja in internet, pro-
učevala dejavnike e-izobraževanja ter ugotovila, da na dosežke študen-
tov vplivajo študijske navade in obiskanost predavanj oziroma priso-
tnost na predavanjih. V raziskavi nista ugotovila statistično značilnih
medsebojnih odvisnosti (korelacij) med proučevanimi spremenljivkami
(na primer osebnostnimi značilnostmi študentov, predhodnimi izku-
šnjami študentov, njihovimi sposobnostmi, pismenostjo). Jitgarun in
drugi () so v raziskavi, opravljeni med . študenti na univerzi
v Bangkoku, opredelili  glavnih dejavnikov, ki vplivajo na izvedbo e-
izobraževanja na njihovi univerzi in pojasnjujejo , % variance učin-
kovitega e-izobraževanja.
Obe predstavljeni študiji sta narejeni na primeru podiplomskih štu-
dentov v Aziji, ki se razlikujejo od dodiplomskih študentov. Poleg tega
sta študiji za hitro spreminjajoče se področje, kot je e-izobraževanje, so-
razmerno stari. Glede na to, da obstajajo kulturne in tudi druge razlike
med vzhodom in zahodom, se postavlja vprašanje, ali so dognanja pred-
stavljenih študij prenosljiva v zahodni izobraževalni prostor.
Razvojne smernice na področju  postavljajo pred zavode terciar-
nega izobraževanja priložnosti in izzive uvajanja  v izobraževalni pro-
ces. Glede na omenjene raziskave o neuspešnosti projektov za uvajanje
 v izobraževanje (Overton ) in neuspešnosti končanja e-tečajev
(Mungania ) se postavlja vprašanje, kako in pod kakšnimi pogoji
uvesti , da bi bilo e-izobraževanje učinkovito, kar pomeni, da bi ome-
jene vire izobraževalnega zavoda uporabili racionalno in dosegli zasta-
vljene cilje – učinkovito končanje študija.
V okviru raziskave, s pomočjo katere želimo odgovoriti na vprašanje,
ali je kombinirano e-izobraževanje učinkovito e-izobraževanje na ter-
ciarnem nivoju, na osnovi pregledane literature in dosedanjih raziskav
(Sulčič in Lesjak od –) predvidevamo, da bomo z raziskavo po-
trdili ali ovrgli naslednje trditve oziroma hipoteze:
. Demografske značilnosti – spol, starost, predizobrazba, nimajo sta-
tistično značilnega vpliva na učinkovitost e-izobraževanja.
. Študenti, ki više ocenjujejo svoje osebnostne lastnosti, so pri e-
izobraževanju učinkovitejši.
. Študenti, ki imajo doma računalnik z dostopom do interneta, so pri
e-izobraževanju učinkovitejši.


 Uvod

. Računalniško in internetno bolj pismeni študenti so pri e-izobraževanju


učinkovitejši.
. Motivirani študenti in študenti, ki se želijo izobraževati, so pri e-
izobraževanju učinkovitejši od svojih kolegov.
. Študenti, ki se navdušujejo nad  in možnostjo njene uporabe v
vsakdanjem življenju, so pri e-izobraževanju učinkovitejši.
. Kombinacija srečanj v živo in e-učilnice ima vpliv na učinkovitost
študija, in sicer so pri študiju učinkovitejši študenti predmetov z
večjim deležem srečanj v živo.
. Študenti v manjših skupinah so pri študiju učinkovitejši od študen-
tov, pri katerih se izobraževalni proces izvaja v večjih skupinah.
. Navzočnost in strokovna usposobljenost učitelja/mentorja ima sta-
tistično značilen vpliv na učinkovitost študija, saj predvidevamo, da
je povezava med navzočnostjo in strokovno usposobljenostjo učite-
lja/mentorja in učinkovitostjo študentov pozitivna.
Z rezultati raziskave bomo dopolnili in posodobili obstoječe vede-
nje o dejavnikih e-izobraževanja ter visokošolskim izobraževalnim za-
vodom pomagali pri odločitvi o najprimernejšem načinu izvedbe e-
izobraževanja v manjših izobraževalnih okoljih. Dosedanje raziskave
študija na daljavo temeljijo na proučevanju večjih izobraževalnih sredin,
v katerih je vključeno večje število študentov,¹³ ki večinoma študirajo
online, torej brez neposrednih srečanj v živo.

. Na najbolj znani univerzi za  – Open University (http://www.open.ac.uk) štu-


dira . dodiplomskih in . podiplomskih študentov. Po slovenski statistiki je
bilo leta  ( ) na vseh visokošolskih zavodih, skupaj z absolventi, . do-
diplomskih študentov, kar je le , % dodiplomskih študentov . Največja slovenska
fakulteta – Ekonomska fakulteta Univerze v Ljubljani je leta  imela »le« . dodi-
plomskih študentov. Vseh študentov v Sloveniji – dodiplomskih in podiplomskih je bilo
v študijskem letu / . ( ).


2 Razvoj in značilnosti
e-izobraževanja

V Lizbonski deklaraciji so človeški viri in njihovo znanje opredeljeni kot


ključni dejavnik inovacij in razvoja posameznih nacionalnih gospodar-
stev (prirejeno po  ), ki bodo  pripeljali do najbolj konku-
renčnega in na znanju temelječega subjekta. Takšen cilj bo mogoče do-
seči le z intenzivnim uvajanjem  v izobraževanje ter prenovo izobra-
ževalnih procesov. Spremembe, ki jih  povzroča v družbi, so široke
in globoke, saj se zaradi  spreminja delovanje družbe kot celote. Te
spremembe marsikdo enači s spremembami, ki jih je povzročilo odkritje
parnega stroja v . stoletju (Saba ) oziroma s spremembami obeh
industrijskih revolucij v . in . stoletju ( ). Evropska komisija
v svojem poročilu ( ) govori o digitalni revoluciji, ki spreminja
načine delovanja vseh udeležencev družbe (podjetij, posameznikov in
države). Znanje postaja ena najpomembnejših dobrin na znanju teme-
lječe družbe (Saba ). Poti do znanje so različne, ena od njih je e-
izobraževanje.
E-izobraževanje je izobraževanje, pri kateri se uporablja . Andrago-
ški center Slovenije () (Zagmajster , ) e-izobraževanje oprede-
ljuje kot sodobno različico študija na daljavo (angl. Distance Education),
saj poudarja prostorsko ločenost učitelja in udeleženca, ki je za študij na
daljavo bistvena.  oziroma internet se v tem primeru uporablja za dis-
tribucijo izobraževalnih vsebin in za dvosmerno komunikacijo. Menimo,
da je e-izobraževanje ustrezen generičen izraz tudi za izobraževanje ali
učenje, ki poteka na primer z uporabo zgoščenk, brez povezave z inter-
netom. Takšen način učenja se lahko uporablja za samoizobraževanje ali
pa za dopolnitev klasičnega pouka v razredu, kjer učitelj in učenec nista
več prostorsko ločena. Za takšen način izobraževanja je bil že pred poja-
vom interneta, v začetku . let prejšnjega stoletja, v uporabi izraz raču-
nalniško podprto učenje (angl. computer-based learning). Učenje lahko
tako poteka tudi brez povezave z internetom (angl. off-line).
Na problem ustreznih pojmov je opozorila tudi raziskava  (Za-
gmajster , ), kjer sami ponudniki izobraževanj za odrasle svoja e-


 Razvoj in značilnosti e-izobraževanja

izobraževanja različno poimenujejo.¹


Angleška agencija Becta,² ki podpira uvajanje  v izobraževanje v
Veliki Britaniji, prek svojega spletnega informacijskega središča 
( ) e-izobraževanje pojmuje zelo široko. Tako pod pojmom e-
izobraževanje pojmuje že uporabo elektronskih namesto klasičnih pro-
sojnic. O e-izobraževanju govorimo tudi takrat, ko se klasično izobra-
ževanje dopolnjuje s sestavinami e-izobraževanja ali se vsebine (tečaji,
predmeti) prek interneta izvajajo delno ali v celoti. Naše pojmovanje e-
izobraževanja je bliže pojmovanju agencije Becta kot -ovem pojmo-
vanju.
Na izraz e-izobraževanje lahko gledamo z dveh vidikov – sistemskega
in procesnega. S sistemskega vidika govorimo o e-izobraževanju kot
zbirki vsebin, podprtih z . Tako na primer govorimo o ponudni-
kih e-izobraževanj, kjer mislimo na ponudnike vsebin podprtih z  –
po navadi se te vsebine posredujejo prek interneta. S procesnega vidika
pa je e-izobraževanje način izvajanja izobraževalnega procesa.

. IKT za podporo izobraževalnega procesa skozi zgodovino

Pionirji uvajanja  v izobraževanje so nedvomno institucije, ki se z


izobraževanjem ukvarjajo na daljavo. Študij na daljavo je oblika izobra-
ževanja, za katero je značilno, da (Keegan , ; Bregar , ):
• sta učitelj in učenec³ prostorsko in časovno ločena, kar  loči
od klasičnih oblik izobraževanja, ki jih angleški avtorji navajajo kot
»face-to-face« izobraževanje;
•  organizira izobraževalna institucija, ki načrtuje in pripravlja
študijska gradiva ter učencem ponuja podporo, kar  razlikuje
od osebnega, neformalnega izobraževanja in t. i. samoizobraževa-
nja;
• izobraževalna institucija ponuja možnost dvosmerne komunika-
cije, kar  razlikuje od drugih oblik uporabe  v izobraževa-
nju;

. Učenje na daljavo, e-učenje, učenje na daljavo s pomočjo medmrežja, e-podprto


učenje, e-tečaj, e-šola, e-poučevanje, spletno učenje . . . (Zagmajster ,  in ).
. British Educational Communications and Technology Agency.
. Učenec je generičen izraz za učečega se udeleženca učnega (izobraževalnega) pro-
cesa. V tej vlogi lahko nastopa učenec, dijak, študent, če gre za učečega se v formalnih
oblikah izobraževanja za pridobitev izobrazbe oziroma udeleženec, slušatelj v primerih
usposabljanj ali pa uporabnik izobraževanja, če gre za neformalne oblike izobraževanja.


 za podporo izobraževalnega procesa skozi zgodovino .

• sta učitelj in učenec povezana prek različnih medijev, na primer ti-


skanih gradiv, avdio- in videomedijev ter računalniških medijev.
Ker gre pri  za prostorsko ločitev poučevanja (angl. Distance Tea-
ching) in učenja (angl. Distance Learning), moramo vedeti, da govorimo
o  le, če sta ti dve fazi ne glede na prostorsko in časovno ločitev, po-
vezani.
Če gledamo na slovenski prevod pojma , bi bilo primernejše upo-
rabljati izraz izobraževanje na daljavo (), ki vključuje poučevanje kot
organizirano obliko izobraževanja in učenje/študij kot proces, ki spremi-
nja vedenje, informiranost, znanje, razumevanje, stališča, spretnosti in
zmožnosti (povzeto po uradni opredelitvi učenja /  v
Marentič Požarnik , ). Pri učenju gre torej za dejavnost učenja, ki
je lahko neodvisna od organiziranih oblik izobraževanja. Izraz  se v
slovenskem prostoru ni tako uveljavil kot izraz . Zato ne preseneča,
da se tudi pri e-izobraževanju pogosteje uporablja izraz e-učenje kot e-
izobraževanje, čeprav je razlika med učenjem in izobraževanjem očitna.
Zaradi prostorske in časovne ločenosti učitelja in učenca so izvajalci
 iskali možnosti za prenos študijskih gradiv od institucije (učitelja)
do učenca. Na začetku razvoja so izobraževalne institucije študijska gra-
diva študentom posredovala po klasični pošti, zaradi česar je  po-
znan kot dopisno izobraževanje (angl. Correspondence Education). Tak-
šno izobraževanje je v svetu znano že več kot dvesto let⁴ (Holmberg ).
Klasično pošto je v začetku . let prejšnjega stoletja zamenjala radijska
tehnologija. Prvo radijsko izobraževalno oddajo so leta  predvajali
na univerzi v Salt Lake Cityju (država Utah). Temu zgledu so sledile še
druge univerze po  (Saba ). V . letih . stoletja je bilo izde-
lanih kar nekaj evalvacijskih študij o učinkovitosti radia in učenja. Saba
() omenja Levensonove raziskave iz leta .
Leta  je državna univerza v Iowi (Iowa State University – )
pridobila licenco za izobraževalno televizijo ( – Educational Tele-
vision) in leta  kot prva začela oddajati izobraževalne programe. V
letu  so televizijske izobraževalne oddaje začeli predvajati tudi na dr-
žavni univerzi v Pennsylvaniji (Penn State University, ), kjer so do
leta  v svoje izobraževalne programe vgradili številne tehnologije –
na primer satelitski video (satellite interactive-compressed video), raču-
nalniške programe, elektronsko pošto, zvočne odzivnike.

. Po Holmbergovih navedbah () se je prvi dopisni tečaj prek časopisa The Boston
Gazette oglaševal že leta .


 Razvoj in značilnosti e-izobraževanja

V  so se univerze začele povezovati v internet v . letih prejšnjega


stoletja, kar je spodbudilo razmišljanje o možnosti vključevanja računal-
niških omrežij v izobraževanje (Saba ). Internet se je v izobraževa-
nje, tako kot na druga poslovna in zasebna področja, začel množično
povezovati šele s pojavom svetovnega spleta.⁵ Svetovni splet je omogočil
uporabo interneta tudi tehnično manj izobraženemu uporabniku raču-
nalnika. Dostop do različnih multimedijskih vsebin (prvotno besedilo
in slike, pozneje animacije, zvok in video) je mogoč prek poljubnega
spletnega brskalnika (angl. browser), kot so Internet Explorer, Mozilla,
Opera, Safari.
S prenosom izobraževanja oziroma študija na internet se je pojavil
izraz študij prek interneta oziroma online študij. V angleško govorečem
svetu se uporabljata pojma »online education« in »online study«. Ello-
umi (, ) online študij pojmuje kot razširjeno obliko .
V praksi se izraz online študij pogosto uporablja namesto pojma e-
izobraževanje, ki pa poleg učenja oziroma študija prek interneta vklju-
čuje veliko več.
V Sloveniji se za izobraževanje (učenje) prek interneta pogosto upo-
rablja sinonim spletno (podprto) učenje. Z iskanjem prek iskalnika Najdi.si
smo pod ključno besedo »spletno učenje« dobili kar  zadetkov (. .
), medtem ko smo za »online učenje« (angl. Online Learning) našli
le  zadetkov. Spletno učenje poteka prek interneta. Državna univerza v
Pennsylvaniji takšnemu študiju pravi tehnološko podprto učenje (angl.
Technology based study) oziroma izvedbo svojega študijskega programa
prek interneta poimenuje z izrazom »svetovni kampus« (angl. World
Campus, glej Http://www.worldcampus.psu.edu/AboutUs.shtml). Prek
World Campusa lahko študirajo študenti z vsega sveta. V angleško go-
vorečih okoljih zasledimo tudi izraze, kot so »web-supported«, »web-
based«, »web-enabled«, »network«, »virtual« in »web-enhance« učenje.
 se je prvotno uporabljala predvsem za izobraževanje učiteljev, sam
 pa so še vedno pojmovali kot manjvredno obliko izobraževanja. Za-
nimivo je, da celo , kot vodilna država na področju uvajanja , niso
doživele večjih premikov, dokler se za spremembe ni zavzela politika. Po
juniju , ko je v ameriškem kongresu spregovoril Allen Greenspan in
poudaril jakost sprememb, ki jih  povzroča v družbi, pa so začele
množično nastajati virtualne univerze in  se je začel širiti po ameri-

. Svetovni splet (angl. Word Wide Web), kot najbolj uporabljena storitev interneta,
je razvil Tim Berners-Lee v fizikalnem laboratoriju  v Ženevi leta  (Alter ).


 za podporo izobraževalnega procesa skozi zgodovino .

1728 1921 1950 1997


The Boston Izobraževalne Izobraževalni Nastajanje
Gazette ponudi oddaje na programi na virtualnih univerz
prvi dopisni tečaj radiu televiziji v ZDA

Tehnologija Televizijski in sa-


Klasična pošta Radijski oddajniki Internet
prenosa gradiv telitski oddajniki

Ime izobraže- Dopisno Online


Teleizobraževanje
vanja/študija izobraževanje izobraževanje

 . Mejniki razvoja  glede na uporabljeno 

ških državah (Saba ).


Državna univerza v Pennsylvaniji, eden od pionirjev  v , je
spletno tehnologijo začela uporabljati šele leta , ko so razvili t. i.
sistem »World Campus«. Poleg spletne tehnologije, kot distribucijskega
medija za študijska gradiva, še vedno uporabljajo tiskana gradiva za t. i.
neodvisno učenje (angl. Independent Learning), kjer se študenti v izobra-
ževalni proces vključujejo tudi med letom, ne samo ob za četku semestra,
kot je to značilno za t. i. izobraževanje »World Campus«. Kljub starosti
samega  je torej uporaba spletne tehnologije na njegovem področju
še zelo mlada. Kronološki pregled razvoja  prikazuje slika ..
Bates (, ) govori o treh generacijah :
. generacija , pri kateri prevladuje uporaba ene tehnologije (na
primer klasična pošta, radio, televizija). Neposredna komunikacija
med institucijo (učiteljem) in študenti je skromna. Mentorji in uči-
telji izdelke študentov le ocenjujejo in jim dajejo povratne informa-
cije;
. generacija  združuje raznovrstno tehnologijo – na primer po-
sebej za  pripravljena tiskana gradiva, ki podpirajo radijske ali
televizijske oddaje. Peters (v Bates , ) to generacijo  ime-
nuje industrijski način izvajanja izobraževanja, saj se v takšen način
študija lahko vključi večje število študentov. V tem obdobju nasta-
jajo t. i. »mega univerze« s po . in več študenti. Masovna in
centralizirana proizvodnja standardiziranih (kakovostnih) gradiv je
glede na veliko število študentov sorazmerno poceni. Takšne uni-
verze so na primer britanska in turška odprta univerza (The Open
University, Anadolu Open University) ter španska državna univerza
za študij na daljavo (Universisad Nacional de Educación a Distan-
cia);


 Razvoj in značilnosti e-izobraževanja

. generacija  temelji na dvosmerni komunikaciji med študentom


in učiteljem ter med študenti samimi. Campion in Renner ter Far-
nes (Bates , ) to generacijo  opisujejo kot postindustrij-
sko izobraževanje ali na znanju temelječe izobraževanje. Izobraže-
vanja v . generaciji so prilagojena študentom ter z razmeroma niz-
kimi stroški hitro pripravljena. Takšna izobraževanja ponujajo t. i.
dvojne univerze (angl. dual mode university), ki poleg tradicional-
nega izobraževanja ponujajo tudi , in manjše izobraževalne in-
stitucije. Tretja generacija  poudarja kritično mišljenje in dia-
log. V praksi se uporabljajo izsledki konstruktivistične teorije uče-
nja (prav tam). Razvoj . generacije  je povezan z razvojem in-
terneta in svetovnega spleta.
.g⁶ na svojih spletnih straneh (http://www.netg.com)
ne govori o študiju na daljavo temveč o e-izobraževanju, katerega za-
četke povezuje z začetkom uporabe računalnika v izobraževanju ozi-
roma usposabljanju (angl. training), čeprav se izraz e-izobraževanje za-
čenja množično uporabljati šele z uporabo interneta za poslovne na-
mene in z nastankom različnih oblik e-poslovanja ( a). Tako
.g e-izobraževanje razvršča v štiri obdobja, in sicer:
. Pred letom : računalniško vodeno usposabljanje (angl. Instructor-
Led Training), ki je po navadi povezano z visokimi stroški razvoja
gradiv, saj so ta vezana na računalniško opremo. Takšna oprema je
na primer interaktivni video, ki ga je tržilo podjetje Visage.
. –: obdobje multimedije (angl. Multimedia Era) je povezano
s prenosljivimi računalniško podprtimi gradivi oziroma računalni-
ško podprtim izobraževanjem/usposabljanjem (angl.  – com-
puter based training). Prenosljivost je v neposredni povezavi z ra-
zvojem zgoščenke ter standardi za zapis podatkov, do katerih je
mogoče dostopati iz različnih računalnikov.⁷ Prenosljivost in do-
stopnost računalniško podprtega izobraževanja je tako povezana z
razvojem standardov za zgoščenke (angl. -).
. –: prvi val e-izobraževanja je povezan z razvojem sple-
tne tehnologije, e-pošte, različnih multimedijskih predvajalnikov

. .g je ena od vodilnih in starejših podjetji, ki se ukvarjajo z uporabo


 v izobraževanju. Z e-izobraževanjem se ukvarjajo že od leta .
. V začetku . Let prejšnjega stoletja so se na trgu pojavili prvi  osebni računal-
niki (Bellis b. l.), nato so jim sredi . let sledili t. i.  združljivi osebni računalniki, ki
so bili zaradi nižje cene dostopni tudi fizičnim osebam.


 za podporo izobraževalnega procesa skozi zgodovino .

20.000

16.000

12.000

8.000

4.000

0
1997 2001 2002 2003 2005

 . Rast trga e-izobraževanj v  (povzeto po Mungania , )

(angl. media players), tehnologije strujanja avdio- in videoposnet-


kov (angl. streamed audio/video) in drugih tehnologij, ki omogo-
čajo t. i. spletno podprto izobraževanje (angl.  based training).
. Od  naprej: drugi val e-izobraževanja, ki temelji na mrežnih
programskih rešitvah in širokopasovnem dostopu do interneta. V
tem obdobju se v izobraževanje vključujejo mentorji, ki študente
podpirajo v realnem času in tako izboljšujejo izobraževalni proces.
Tehnologija omogoča sprotno posodabljanje gradiv.
Trg e-izobraževanj postaja hitro rastoč trg v , kar je razvidno tudi
iz slike ., ki prikazuje rast trga e-izobraževanja.
Z e-izobraževanjem je povezanih še nekaj drugih izrazov, ki se večkrat
neustrezno zamenjujejo. Tako v literaturi zasledimo predvsem pojma od-
prto in prilagodljivo učenje.
Odprto učenje, ki se v angleško govorečem okolju pogosto napačno za-
menjuje z izrazom študij na daljavo. Po Batesu (, ) je odprto učenje
predvsem pristop oziroma politika vključevanja študentov v študij. Od-
prava ovir za vključitev v izobraževanje je temeljni cilj odprtega pristopa.
Odprtost se ne kaže samo pri vključitvi v izobraževanje, ampak tudi pri
izvajanju. Tako na primer ljudje s slabšim vidom lahko spremljajo pre-
davanja prek avdioposnetkov (prav tam).
Prilagodljivo učenje⁸ se glede na geografske, socialne, časovne in druge
omejitve posameznikov lahko izvaja na daljavo ali pa tudi prek klasič-

. V slovenskem izobraževalnem prostoru je za prilagodljivo učenje pogosto v uporabi


izraz fleksibilno učenje.


 Razvoj in značilnosti e-izobraževanja

nih učilnic. V nasprotju z odprtima učenjem kot pristopom (filozofijo


po Batesu) je prilagodljivo učenje metoda poučevanja (prav tam) in tako
bliže pojmu izobraževanja (študija) na daljavo. Institucija, ki izvaja ,
lahko omogoča večjo ali manjšo prilagodljivost študija in pri tem upo-
rablja (ali pa ne) odprti pristop. Odprti pristop ima na primer britanska
odprta univerza (angl. The Open University), ki je sinonim za  v
Evropi in svetu. Na drugi strani pa na primer  izvaja tudi univerza
Britanske Kolumbije (angl. University of British Columbia – ), ven-
dar morajo študenti za vstop na univerzo izpolnjevati številne pogoje.
 sicer študij izvaja na daljavo, vendar takšen način študija izbirajo
tudi študenti, ki živijo v neposredni bližini univerze, predvsem zaradi
prilagodljivosti, ki jo študij omogoča (Bates , ). Prilagodljivi zna-
čaj študija omogoča, da študenti laže usklajujejo študij z družinskimi in
poslovnimi obveznostmi (prav tam).
Za potrebe naše raziskave je predvsem pomemben izraz kombinirano
e-izobraževanje (angl. blended learnirng, mixed learning). Kombinirani
model e-izobraževanja je izobraževanje, pri katerem se online izobraže-
vanje (izobraževanje prek interneta) dopolnjuje s klasično izvedenim iz-
obraževanjem (na primer s predavanji, seminarji ali vajami). S takšnim
načinom izvedbe predmetov izobraževalne institucije lahko izkoristijo
vse prednosti online izobraževanja (na primer prilagodljivost časa in
prostora, nižji stroški izvedbe, lažja dostopnost) in prednosti klasičnega
izobraževanja (na primer neposredni osebni stik med študenti ter med
študenti in učitelji, neposredna skupinska interakcija).

. Razširjenost e-izobraževanja


..     -
V Evropi se je uvajanje  v družbo začelo pozneje kot v , kjer
je uvajanje potekalo hitro in učinkovito ( a).  v Evropi se
je začela uporabljati konec leta , ko je Evropska komisija s projek-
tom eEurope ( ) sprožila dejavnosti za enakopravno vključitev
vseh prebivalcev članic  v na znanju temelječo družbo. Evropa kot
najbolj konkurenčna in dinamična na znanju temelječa družba, ki bo
sposobna trajnostnega razvoja z visoko stopnjo zaposljivosti in socialno
kohezijo, je opredeljena tudi v Lizbonski deklaraciji. Projekt eEurope in
Lizbonska deklaracija se dopolnjujeta ( ). V pobudi eEurope je
poudarjena socialna in digitalna vključenost, za katero je potrebna dolo-
čena raven računalniške in internetne pismenosti (digitalne pismenosti)


Razširjenost e-izobraževanja .

( b). Dejstvo je, da je bil na začetku leta  dostop do inter-
neta v Evropi drag, počasen in ne preveč varen. Poleg tega so internet
uporabljali le redki računalniško in internetno pismeni posamezniki. V
tem času na internetu ni bilo veliko uporabnih storitev in vsebin (prav
tam). Glede na razmere, ki so vladale ob začetku leta , se je projekt
eEurope usmeril v tri točke:
• razvoj hitrega in varnega ter poceni dostopa do interneta,
• naložbe v ljudi in njihove spretnosti,
• spodbujanje uporabe interneta.
Izboljšanje razmer za dostop do interneta je mogoč le z odpravo dr-
žavnih monopolov na področju telekomunikacij, zato so bile dejavnosti
usmerjene v liberalizacijo nacionalnih trgov telekomunikacijskih stori-
tev.
Prvi rezultati eEurope so bili opazni že sredi leta , saj se je delež
gospodinjstev z dostopom do interneta z  % v letu  dvignil na  %
v letu  ( ).
Tako Lizbonska deklaracija kot eEurope vidita konkurenčnost evrop-
skega gospodarstva v prenovi izobraževanja, ki vključuje e-izobraževanje
in vseživljenjsko učenje. Eden od pogojev za uvedbo e-izobraževanja, in
tudi enakopravne vključenosti v družbo znanja, je računalniška in in-
ternetna pismenost. Pomen pridobitve sposobnosti za uporabo  so
poudarili tudi na srečanjih Evropske komisije v Stockholmu leta ,
Barceloni leta  in Bruslju leta  ( b, ).
Dejavnosti eEurope se izvajajo prek akcijskih načrtov (angl. Action
Plans): junija  je bil sprožen akcijski načrt, imenovan eEurope ,
junija  pa akcijski načrt eEurope . V okviru načrtov eEurope so
se razvile različne pobude, na primer eGovernment, eHealt in eContent
( ). Za e-izobraževanje sta pomembni pobudi eLearning in Era-
smus Mundus, ki spodbujata online izobraževanje v državah . Z e-
izobraževanjem bodo evropske visokošolske institucije laže uresničevale
cilje pobude Erasmus Mundus.
Akcijski načrt eLearning, ki je slonel na programu eEurope, je bil
sprejet leta  za obdobje –. Dejavnosti akcijskega načrta
eLearning so bile usmerjene v pospeševanje gradnje kakovostne infra-
strukture ob sprejemljivih stroških, v pospeševanje sodelovanja med čla-
nicami  (javnih in zasebnih izobraževalnih institucij) na področju
uporabe  v izobraževanju in usposabljanju, v izmenjavo mnenj, iz-
kušenj in primerov dobre prakse, sklepanje partnerstev, prek katerih se


 Razvoj in značilnosti e-izobraževanja

oblikujejo razmere za razvoj vsebin in izobraževalnih storitev, itn. Ak-


cijski načrti eLearning poudarja sodelovanje in povezovanje vseh udele-
žencev izobraževanja na vseh ravneh – lokalni, regionalni, nacionalni in
na ravni .
Akcijski načrt eLearning se je uresničeval prek instrumentov Socrates,
Leonardo da Vinci in programa Mladina (angl. Youth), ki uporabo 
za izobraževalne namene oz. e-izobraževanje še posebno poudarjajo. E-
izobraževanje je poudarjeno tudi v evropskih okvirnih programih za raz-
iskave in razvoj, zlasti v projektih eVsebine, ki spodbujajo nastanek digi-
talnih vsebin, njihov dostop, uporabo in ponovno uporabo – eContent
za obdobje – in eContentPlus za obdobje – (;
Evropska komisija ). Sodelovanje, predvsem do univerzitetnega izo-
braževanja, podpira projekt eTwinning.⁹
Vse dejavnosti na področju e-izobraževanja so torej usmerjene v do-
seganje ciljev Lizbonske deklaracije. Napredek v prodoru interneta med
prebivalstvom držav  in v uporabi računalnikov in interneta spremlja
Eurostat. Kljub napredku na tem področju pa je še vedno precej držav, v
katerih na šolah pride na en računalnik po več kot  učencev (Grčija,
Poljska, Latvija, Slovaška), ugotavlja poročilo Evropske komisije (
b) o doseganju ciljev Lizbonske deklaracije in med drugim opozarja,
da bo v prihodnje treba dopolniti indikatorje za spremljanje izobraževa-
nja in usposabljanja.
Možnosti razvoja e-izobraževanja v evropskih državah so odvisne tudi
od vlaganja v . Iz slike . je razvidno, da so deleži izdatkov v 
nad povprečjem držav  v skandinavskih državah, Nemčiji, Franciji, na
Nizozemskem in v Združenem kraljestvu. Slovenija je z , %  pod
povprečjem  .
Nikakor pa Slovenija ne zaostaja pri skupnih izdatkih za izobraževanje
na vseh ravneh izobraževanja (slika .).
V skladu s pobudo eEurope se  v izobraževanje uvaja v vseh evrop-
skih državah (Sulčič idr. ).
E-izobraževanje se uvaja na visokošolske zavode različno intenzivno –
od podpore izvedbe posameznih predmetov do online izvedbe celotnega
študijskega programa. Kakovost izvedbe je različna. Skrb za kakovostno
izvedbo e-izobraževanja v  se kaže v evropski fundaciji za kakovostno
e-izobraževanje (angl. European Foundation for Quality in e-Learning –
). Fundacija je bila ustanovljena julija  kot projekt Evropske

. eTwinning – spletna stran: http://www.etwinning.net/ww/en/pub/etwinning/index.htm.


Razširjenost e-izobraževanja .

komisije, v katerem so združeni trije prejšnji evropski projekti na pod-


ročju kakovosti e-izobraževanja (glej http://www.qualityfoundation.org):
•  – Supporting Excellence in E-Learning¹⁰ – konzorcij, katerega
delovanje je usmerjeno v proučevanje vplivov politike kakovosti na
e-izobraževanje na lokalni in regionalni ravni. Rezultati projekta
so usmerjeni v uvajanje in merjenje ter zagotavljanje kakovosti e-
izobraževanja, tudi prek evropske blagovne znamke kakovosti, ki bi
jo pridobila kakovostna e-izobraževanja (angl. European Award for
Quality).
•  – European Quality Observatory¹¹ – projekt, v okviru katerega
je nastal model za opis, analizo in primerjavo različnih pristopov na
področju zagotavljanja kakovosti. Model  temelji na opisu me-
tapodatkov učnega objekta (angl. Learning Object Metadata) (Hil-
derbrandt ).
•  – Sustainable Environment for the Evaluation of Quality
in E-Learning¹² – projekt, ki povezuje pobudo e (e-Learning
Industry Group) ter številne strokovne organizacije in združenja
s področja izobraževanja in usposabljanja. Projekt je koordinirala
mreža .¹³
Medsebojne povezave različnih pobud, ki delujejo na področju kako-
vosti e-izobraževanja prikazuje slika ..

..   


Na področju visokega šolstva so zlasti zanimive t. i. virtualne univerze
oziroma virtualni kampusi, ki so se razmahnili v zadnjih desetih letih
(eLearningeuropa.info ). Virtualna univerza ponuja prilagodljivost
študija in možnost vključevanja študentov z vsega sveta. Delovanje vir-
tualnih univerz je proučeval  in jih predstavil v študiji, ki je
vključevala deset virtualnih univerz z vsega sveta (D’Antoni ). Med
evropskimi univerzami je študija proučila špansko univerzo iz Katalo-
nije (Universitat Oberta de Catalunya) in francosko virtualno univerzo

.  – http://ec.europa.eu/education/programmes/elearning/projects_/seel.pdf.


.  – http://www.eqo.info/index.cfm.
.  – http://www.education-observatories.net/seequel/index.
.  je evropska inovacijska in raziskovalna mreža, ustanovljena leta  v
Bruslju kot evropska gospodarska interesna skupina. Njen namen je zagotavljati infor-
macije za razumevanje trga  v izobraževanju in usposabljanju ter med seboj povezo-
vati vse zainteresirane udeležence. Več o mreži  na http://www.menon.org/.


 Razvoj in značilnosti e-izobraževanja

MENON – European Innovation and Research Network – 1999 SEEL – Sup-


porting Excellence
eLIG – e-Learning Industry Group – 2002 in e-Learning
EDEN – European Distance and E-Learning Network – 1991
ElfEL – European Institute for e-Learning – 2001 SEEQUEL – Sus-
tainable Environment
EuroPACE for the Evaluation of
Quality in E-Learning
ESIB – The National Unions of Students in Europe
2003–2004
University of Reading, VB
University of Edinburgh, VB
CEDEFOP – European Centre for the Development of EFQUEL – European
Vocational Training Founfation for Quality
in e-Learning
European Schoolnet

The Department of Information System for Production


and Operation Management, Nemčija
EQO – European
ENPO – Ecole Nationale des Ponts et Chausées, Francija Quality Observatory

CERTH – The Centre for Reasearch and Technology


Hellas, Grčija

MMB – Institut für Medien- und Kompetenz-


forschubg, Nemčija

 . Projekti in organizacije na področju kakovosti e-izobraževanja v Evropi

5
4
3
2
1
0
EU 25
Belgija

Nizozemska
Nemčija

Grčija
Danska

Italija

Slovenija

VB

Japonska
Romunija
Češka

Francija

Finska

ZDA
Irska

Švedska
Estonija

Latvija
Litva
Španija

Madžarska

Portugalska

Bolgarija

Švica
Avstrija
Poljska

Norveška
Slovaška

 . Izdatki za  v letu  (delež  v odstotkih)

– L’Université virtuelle en Pays de la Loire. Raziskava je pokazala, da


so izhodišča za ustanovitev virtualnih univerz različna. Medtem ko je
bila španska univerza namensko ustanovljena za izvajanje študija na da-
ljavo,¹⁴ je francoska virtualna univerza ustanovljena kot konzorcij petih
visokošolskih institucij (D’Antoni ). Poleg omenjenih dveh mode-

. Katalonska virtualna univerza je bila ustanovljena že leta  (D’Antoni ).


Razširjenost e-izobraževanja .

9
8
7
6
5
4
3
2
1
0
Belgija

Nemčija

Grčija
Danska

Italija

VB

Japonska
Romunija
Češka

Francija

Finska

ZDA
EU 25

Irska
Estonija

Latvija
Litva

Portugalska

Švedska
Španija

Madžarska
Nizozemska

Švica
Avstrija
Poljska

Bolgarija
Slovenija

Norveška
Slovaška
 . Skupni izdatki za izobraževanje v letu  (delež  v odstotkih)

lov virtualnih univerz te lahko nastanejo na osnovi obstoječih klasičnih


univerz (primer ameriške univerze v Marylandu – angl. University of
Maryland) ali kot podjetje (primer NetVasity, Indija) (prav tam). Pri-
zadevanja za ustanovitev vseevropske virtualne univerze ter pospeševa-
nje e-izobraževanja predvsem na tehničnem področju se kažejo tudi v
mreži univerz in njihovih partnerjev na področju izobraževanja in uspo-
sabljanja – Euro (http://www.europace.org). Medevropsko omrežje
Euro vključuje  članov, med katerimi je  univerz (Euro).¹⁵
Med člani mreže Euro je tudi Slovenija.¹⁶
Ustanavljanje virtualnih univerz je v tesni povezavi z naglim razvojem
elektronskega poslovanja (e-poslovanja) v poslovnem svetu, ki je znan
pod imenom »dotcom boom«. Vendar tako kot propad številnih podjetij,
ki so v e-poslovanju videla le hiter zaslužek, so tudi virtualne univerze
naletele na težave. Univerze po svetu so ugotovile, da je povpraševanje
po online študiju manjše od napovedi navdušencev (MacLeod a).
Tako je na primer leta  prišla pobuda za ustanovitev britanske
e-univerze (angl.  eUniversities – e) z namenom, da v svet po-
nese sloves britanske odprte univerze (Open University). e, kot e-

. Čeprav mreža Euro deluje na številnih projektih, prek svojih spletnih strani
ponujajo le štiri tečaje, vendar spletna stran ni bila posodobljena že tri leta. Tudi drugače
so bile zadnje spremembe na spletni strani decembra .
. V mrežo Euro sta vključena Andragoški center Slovenije in Univerza v Ljub-
ljani (http://www.europace.org/member/index.html).


 Razvoj in značilnosti e-izobraževanja

stičišče britanskih univerz, je bil ustanovljen leta  in šele marca 
je začel izvajati prve online tečaje. Novembra istega leta je  britanskih
univerz ponujalo tečaje prek e, predvsem s področja poslovnih ved,
okoljskih študij, znanosti in tehnologije za vsega  študentov, kar je v
primerjavi z načrtovanimi . zelo malo (MacLeod a). Zamude
pri začetku izvajanja e-izobraževanja je takratni vicekancler Michaela
Driscoll opravičeval z zahtevnostjo projekta, predvsem pa z velikimi fi-
nančnimi vlaganji v potrebno tehnologijo ter dolgotrajnimi dogovori s
partnerji, ki naj bi zagotovili vsebine e-izobraževanja (prav tam). Kljub
velikopoteznim napovedim je e leta  doživel polom (MacLeod
b). Polomu pobude so botrovale zgrešene naložbe¹⁷ in sočasna kriza
t. i. dotcom podjetij (prav tam). Zaradi slabe izkušnje z e sta se
spremenila odnos do uporabe  v izobraževanju, predvsem pa raz-
mišljanje o pomenu posameznih vidikov. Jasno je bilo, da ključ uspeha
e-izobraževanja ni v tehnologiji.
Elloumi (, ) vidi vzroke za propad virtualnih univerz v visokih
stroških , slabih odločitvah, konkurenci in manjkajoči ustrezni po-
slovni strategiji, predvsem pa slabi oceni trga.
Nekaj neuspešnih projektov virtualnih univerz je bilo v istem ob-
dobju tudi v . MacLeod (a) navaja kar nekaj projektov, med
njimi projekt kolumbijske univerze (Columbia University), imenovan
Fathom.com,¹⁸ ter projekt newyorške univerze (New York University –
 Online).¹⁹
Primer propada virtualnih univerz je pokazal, da je online izobraževa-
nje smiselno dopolnjevati s klasično izvedenimi predavanji – srečanji v
živo, kar je poznano pod pojmom kombinirano e-izobraževanje.

. MacLeod (b) nakazuje probleme z razvojem lastnega  v sodelovanju s kor-
poracijo . Po mnenju korporacije  je bil takšen razvoj potreben, saj na trgu ni
bilo okolja, ki bi zadovoljilo potrebe potencialnih udeležencev. Odločitev se je pokazala
za neprimerno, saj so obstoječe univerze, ki naj bi prek e ponujale e-izobraževanja,
imele vsebine že razvite prek Web ali Blackboarda in svojih vsebin niso bile pripra-
vljene ponujati prek drugega učnega okolja. Tako je tudi e začel uporabljati Blackbo-
ard.
. Projekt Fathom.com je bil ustanovljen  in je propadel  (Hane ; Ma-
cLeod a).
.  Online, ki je bila ustanovljen leta , so ukinili novembra .


Razširjenost e-izobraževanja .

 . Virtualne univerze  glede na intenzivnost uporabe 


Vodilne Skeptične Sodelovalne Samozadostne
 %  %  %  %

..    ²⁰


Svetovalna agencija   Managament je v letu / za
Evropsko komisijo opravila študijo o modelih virtualnih univerz v 
(  Management ). Pod pojmom virtualna univerza so
mišljene vse univerze, ki  uporabljajo za podporo administrativnih in
izobraževalnih procesov. Kot vidimo, je pojmovanje virtualnih univerz
danske študije širše kot pojmovanje, predstavljeno v prejšnjem poglavju.
Študija temelji na intervjujih z nacionalnimi in regionalnimi predstav-
niki, eksperti in udeleženci ter na analizi vprašalnikov, ki so jih izpolnje-
vale univerze držav članic . V študijo niso zajete univerze z manj kot
 študenti.
Danska študija je univerze iz držav članic  razvrstila v  skupine
(preglednica .):
• vodilne univerze,
• sodelovalne univerze,
• samozadostne univerze in
• skeptične univerze.
Med vodilne univerze (angl. front-runners universities) je raziskava
uvrstila  % univerz iz držav članic . Univerze te skupine intenzivno
uporabljajo  v tradicionalnem izobraževanju (t. i. on-campus tea-
ching) in številne tečaje – predmete (courses) izvajajo online. Poleg pred-
metov, ki so sestavni del študijskih programov za pridobitev izobrazbe
(angl. basic academic training), izvajajo tudi predmete v študijskih pro-
gramih za izpopolnjevanje (angl. supplementary training). Čeprav so to
vodilne univerze pri uvajanju e-izobraževanja, je med njimi le ena uni-
verza, ki izvaja izobraževanje predvsem online. Tretjina univerz te sku-
pine ( %) izvaja online – % predmetov. V online izvedbo je tako
vključenih  % študentov teh univerz. Takšen obseg online izvedenih
predmetov (– %) v programih za izpopolnjevanje omogoča četrtina
univerz te skupine.
V posamezno izvedbo online predmeta – tečaja se je večinoma mo-
goče prijaviti elektronsko. Čeprav kar  % teh univerz omogoča spletno

. povzeto po študiji   management ().


 Razvoj in značilnosti e-izobraževanja

(online) prijavo na online tečaj, pa je elektronska prijava na izpit mo-


goča le pri  % vodilnih univerz. Zanimivo je, da imajo tri četrtine teh
univerz tudi formalno strategijo uvajanja  v izobraževanje. Velik del
sredstev za naložbe v  zagotavlja sama univerza ( % univerz).
Največ vodilnih univerz je v Španiji ( %) in Veliki Britaniji ( %). V
skupini vodilnih univerz so univerze vseh velikosti;  % teh univerz ima
od  do  tisoč študentov,  % pa od  do  tisoč študentov. Vodilne
univerze zelo poudarjajo medsebojno sodelovanje.
Med sodelovalne univerze (angl. co-operating universities) je študija
uvrstila  % univerz. V tej skupini so univerze vseh velikosti; na slabi tre-
tjini ( %) študira od  do  tisoč študentov. V primerjavi z vodilnimi
univerzami te univerze ne izvajajo tako velikega števila online tečajev, če-
prav  uporabljajo intenzivno, vendar v večji meri za podporo preda-
vanj (predstavitve PowerPoint). E-izobraževanje v obsegu  % tečajev in
več ponuja le  % univerz te skupine oziroma v programih za izpopol-
njevanje  % univerz. Čeprav je pozitiven odnos študentov in admini-
strativnega osebja do  v tej skupini univerz enak odnosu obeh skupin
udeležencev vodilnih univerz, je akademsko osebje te skupine univerz
manj naklonjeno  kot akademsko osebje vodilnih univerz.
Tudi elektronska prijava na tečaj/predmet večinoma ni množično raz-
vita. Kljub temu pa intenzivno sodelujejo z domačimi in tujimi univer-
zami.
Več kot polovica teh univerz ( %) ima formalno strategijo uvajanja
 v izobraževanje. Sredstva za naložbe v  zagotavljata institucija
( %) in država ( %). Največji delež teh univerz je v Nemčiji in na
Švedskem (po  %).
V skupino samozadostnih univerz (angl. self-sufficient universities)
študija uvršča večji del univerz –  %.  za podporo administrativ-
nih procesov in procesov na področju izobraževanja uporabljajo enako
intenzivno kot sodelovalne univerze. Imajo tudi sorazmerno pozitiven
odnos do , čeprav imajo večjo skupino učiteljev, ki so do uporabe
 skeptični. Po uporabi  v izobraževanju se ne razlikujejo veliko
od univerz prvih dveh skupin, saj kar  % teh univerz online izvaja  %
in več predmetov študijskih programov za pridobitev izobrazbe ter  %
predmetov v študijskih programih za izpopolnjevanje. So pa te univerze
manj naklonjene sodelovanju z drugimi univerzami in tudi pobudam
. Manj kot  % univerz je vključenih v kakršno koli sodelovanje na
nacionalni ravni in le  % univerz te skupine sodeluje z drugimi tujimi
univerzami in drugimi ponudniki izobraževanja.  % teh univerz je pre-


Razširjenost e-izobraževanja .

cej velikih, saj imajo več kot . študentov.


Zanimivo je, da ima kar  % teh univerz formalno strategijo uvajanja
 v izobraževanje. Večina sredstev za naložbe v  zagotavljajo uni-
verze same ( %). Več kot tretjina univerz ( %) je poudarila pomen
financiranja naložb v  s strani države.
Zanimivo je, da čeprav ima Velika Britanija  % univerz v skupini
vodilnih univerz, je kar  % univerz iz skupine samozadostnih univerz
prav iz Velike Britanije.
Zadnja skupina univerz so t. i. skeptične univerze (angl. skeptical uni-
versities). V to skupino sodi  % univerz iz držav članic . Te univerze
v uporabi  zelo zaostajajo, tako z vidika podpore administrativnih
kot tudi iz vidika izobraževalnih procesov. Le dobra desetina teh univerz
( %) ima formalno strategijo uvajanja . Čeprav je odnos do  na
teh univerzah zelo različen, med akademskim osebjem prevladuje od-
klonilen odnos do  ( % učiteljev je skeptičnih glede uporabe ).
Med administrativno-upravnim osebjem in med študenti je takšnih le
 %. Le nekaj manj kot  % učiteljev, managementa in študentov ima
pozitiven odnos do .
Uvajanje  v skupini skeptičnih univerz ni med njihovimi predno-
stnimi nalogami, čeprav se sredstva za naložbe zagotavljajo iz različnih
virov – lastnih in državnih virov ter sredstev  ( %). Delež sredstev
 je opazen, ker univerze sami  ne dajejo velik poudarek in v 
niso pripravljene vlagati veliko. Nobena od teh univerz ne izvaja več kot
 % predmetov online. V primerjavi s samozadostnimi univerzami pa
univerze te skupine nekoliko bolj sodelujejo z drugimi univerzami.
Največ skeptičnih univerz je v Italiji ( %) in Nemčiji ( %).
Preglednica . prikazuje deleže univerz posameznih skupin po drža-
vah članicah .
Danska študija (  Management ) ugotavlja, da je in-
tenzivna uporaba  odvisna od:
• podpore na različnih ravneh – tako ravni , kot tudi na nacionalni
in lokalni (univerzitetni) ravni;
• strategije uvajanja , ki naj bi bila opredeljena na ravni institucije
in na ravni države;
• podpore managementa univerze;
• možnosti širjenja primerov dobre prakse, za kar naj bi se vzposta-
vile številne informacijske točke (portali), prek katerih bi se širili
primeri dobre prakse;


 Razvoj in značilnosti e-izobraževanja

 . Virtualne univerze  po skupinah


Država Vodilne Sodelovalne Samozadostne Skeptične
univerze univerze univerze univerze
Avstrija % % % %
Belgija % % % %
Danska % % % %
Finska % % % %
Francija % % % %
Nemčija % % % %
Grčija % % % %
Irska % % % %
Italija % % % %
Nizozemska % % % %
Portugalska % % % %
Španija % % % %
Švedska % % % %
Velika Britanija % % % %
Povzeto in prirejeno po   Management .

• sodelovanja med izobraževalnimi in neizobraževalnimi, predvsem


zasebnimi, institucijami.

.. -  


Ponudnikov e-izobraževanj v Sloveniji kljub prodoru interneta med
slovensko prebivalstvo,²¹ ni veliko. Slika . prikazuje ponudnike e-
izobraževanj iz dveh raziskav, ki sta ju opravili Andragoški center Slo-
venije () (Zagmajster ), in raziskava  – Raba interneta v Slo-
veniji (Vehovar idr. ).
Iz slike . je razvidno, da se število ponudnikov e-izobraževanj iz obeh
raziskav sicer razlikuje, vendar je v obeh primerih največ ponudnikov v
osrednjeslovenski regiji, sledita podravska in gorenjska regija.
Metodologija zbiranja podatkov obeh raziskav se razlikuje.  je zbi-
ral podatke vseh ponudnikov e-izobraževanj za odrasle (tudi ponudni-
kov neformalnega izobraževanja), raziskava  pa je v raziskavo vklju-
čevala le ponudnike formalnega izobraževanja na terciarni ravni (dodi-
plomsko in podiplomsko izobraževanje). Razlike med prikazanimi po-
datki ponudnikov e-izobraževanj (slika .) izhajajo tudi iz različnega

. Podrobnosti smo navedli v . poglavju.


Razširjenost e-izobraževanja .

Zasavska 0
1
Jugovzhodna Slovenija 0
2
Goriška 0
2
Spodnjesavska 1
2
Savinjska 2
1
Pomurska 0
0
Koroška 0
0
Obalno-kraška 2
1
Podravska 4
4
Notranjsko-kraška 1
0
Gorenjska 3
3
Osrednjeslovenska 10
15

 . Število ponudnikov e-izobraževanja (e) po slovenskih regijah (svetlo sivo
– raziskava Andragoškega centra Slovenije (Zagmajster ), temno sivo –
raziskava Raba interneta v Sloveniji (Vehovar idr. ))

pojmovanja e-izobraževanja ter metodologije zbiranja podatkov.  je


podatke zbral na osnovi pregleda ponudbe izobraževanj in učenja za od-
rasle v šolskem letu / ter s pomočjo raziskave spletnih virov (Za-
gmajster , ),  pa na osnovi ankete, ki je bila na zavode terciar-
nega izobraževanja poslana po pošti; anketirance, ki se na poslano anketo
niso odzvali, so k tem spodbudili še po telefonu (Vehovar idr. ).
 je raziskavo izvajal od junija do septembra  (Zagmajster
). V raziskavo so zajeli  izvajalcev programov za izobraževanje
odraslih (prav tam, ) ter ugotovili, da je med njimi le , % ponudnikov
e-izobraževanj (prav tam, ). Med ponudniki e-izobraževanj prevladu-
jejo predvsem zasebne šole. Največ ponudnikov e-izobraževanj je v osre-
dnjeslovenski regiji. Pregled izobraževalnih programov je pokazal, da je
med  ponujenimi programi (, % vseh izobraževalnih programov za
odrasle), , % javno veljavnih, ostali pa nimajo javne veljave (prav tam,


 Razvoj in značilnosti e-izobraževanja

 . Vpliv uporabe  v zavodih terciarnega izobraževanja


Uporaba  vpliva na izboljšanje delovanja na področju . . . M 
. . . raziskovanja , ,
. . . delovanja strokovnih služb , ,
. . . izobraževanja , ,
. . . podpore vodenja zavodov , ,
. . . delovanja z okoljem zavoda , ,
Povzeto po Vehovar idr. , .
Opomba:  = aritmetična sredina,  = standardni odklon

). Med programi prevladujejo tisti za splošno neformalno izobraževa-


nje (, %). Programov za pridobitev izobrazbe je , %, programov
za usposabljanje pa le , % (prav tam, ). Vsebinsko gledano , %
programov pokriva jezikovno izobraževanje, , % pa področje raču-
nalniškega opismenjevanja.
Razvoj e-izobraževanja v Sloveniji sistematično spremljajo raziskave
. Zadnja raziskava o izobraževanju je bila izvedena v zimskem seme-
stru / (Vehovar idr. ). Raziskava temelji na vprašalniku, ki
sledi zahtevam Eurostata in se uporablja za zbiranje indikatorjev Evrop-
ske unije (prav tam, ). Po pošti so bili k izpolnjevanju vprašalnika po-
vabljeni vsi slovenski zavodi terciarnega izobraževanja, ki so bili v študij-
skem letu / aktivni. Odziv na anketo je bil ,-odstoten.
Zavodi terciarnega izobraževanja so vpliv  na posamezna področja
delovanja zavoda ocenjevali po petstopenjski lestvici, kjer je ocena  po-
menila, da  ne prispeva k boljšemu delu zavoda, ocena , pa je pome-
nila, da bo uporaba  prinesla pomembne izboljšave na posameznem
področju. Zanimivo je, da izpolnjevalci anket največje izboljšave vidijo
na področju raziskovanja in pri delu strokovnih služb. Podrobnosti so
prikazane v preglednici ..
Pomena vpliva  se bolj zavedajo na zasebnih ( = ,) kot na jav-
nih zavodih ( = ,) ter na višjih ( = ,) kot na visokih šolah ( = ,).
Glede na področje izobraževanja je pozitiven učinek uporabe  v izo-
braževanju najbolj viden na področju medicine in zdravstva ter tehnike
in naravoslovja (obe področj  = ,) in najmanj na področju humani-
stike ( = ,) (Vehovar idr. , ).
Opredelitve e-izobraževanja se razlikujejo že med strokovnjaki s pod-
ročja e-izobraževanja (podpoglavje .), zato ne preseneča, da vodstveni
kader zavodov terciarnega izobraževanja e-izobraževanje različno poj-
muje. Medtem ko nekateri o e-izobraževanju govorijo že, če učitelji ko-


Razširjenost e-izobraževanja .

 . Spletne strani med zavodi terciarnega izobraževanja


Zavod/področje izobraževanja Spletne strani (deleži zavodov*)
Z osnovnimi Posodobljene Interaktivne
informacijami
Lastnina zavoda
Javni   
Zasebni   
Področje izobraževanja
Medicina in zdravstvo   
Družboslovje in izobraževanje   
Ekonomske in poslovne vede   
Tehnika in naravoslovje   
Humanistika   
Povprečje /   
Povprečje /   
 * V odstotkih. Povzeto po Vehovar idr. , –, .

municirajo s študenti prek e-pošte ali na predavanjih uporabljajo elek-


tronske prosojnice (na primer prosojnice PowerPoint), oziroma če štu-
denti na internetu iščejo študijske vire, pa je za druge e-izobraževanje le,
če je izvedba predmetov podprta z ustreznim virtualnim učnim okoljem
oziroma s sistemom za upravljanje učnega procesa (angl.  – Lear-
ning Management System). Zato so bila odgovori na vprašanja o razšir-
jenosti e-izobraževanja v slovenskih zavodih terciarnega izobraževanja
pridobljeni na dva načina – uporaba spletnih strani oziroma njihova in-
teraktivnost ter uporaba virtualnih učnih okolij.
Spletne strani posameznih predmetov lahko vsebujejo le osnovne po-
datke o predmetih – na primer ime predmeta, seznam učnih ciljev, poda-
tek o nosilcu oziroma izvajalcih predmetov ipd. Anketiranci so odgovar-
jali na vprašanja o pogostosti posodabljanja spletnih strani ter o njihovi
interaktivnosti.²² Podatki po lastnini zavodov in področjih izobraževanja
so prikazani v preglednici ..
Iz preglednice . je razvidno, da so spletne strani zasebnih zavo-
dov ( %) bolj posodobljene od spletnih strani javnih zavodov ( %).
Javni zavodi imajo v povprečju manjši delež interaktivnih spletnih strani.
Glede na področje izobraževanja so v najslabšem položaju študenti hu-

. Spletna stran je interaktivna, če omogoča interakcijo med študenti ali interakcijo
med študenti in zavodom oziroma učiteljem – na primer forum za komunikacijo, oddaja
dokumentov prek spletne strani.


 Razvoj in značilnosti e-izobraževanja

 . Spletna učna okolja v zavodih terciarnega izobraževanja


Zavod/področje izobraževanja Uporaba spletnega učnega okolja (deleži zavodov*)
Lastnina zavoda
Javni 
Zasebni 
Področje izobraževanja
Medicina in zdravstvo 
Družboslovje in izobraževanje 
Ekonomske in poslovne vede 
Tehnika in naravoslovje 
Humanistika 
Povprečje / 
 * V odstotkih. Povzeto po Vehovar idr. , .

manistike, saj so spletne strani njihovih zavodov v povprečju najmanj


posodobljene ( %), pa tudi najmanj interaktivne. Nizko stopnjo inte-
raktivnosti imajo tudi zavodi s področja medicine in zdravstva ( %).
Povprečno tretjina zavodov s področja ekonomskih in poslovnih ved
ter družboslovja in izobraževanja svojim študentov ponuja interaktivne
spletne strani.
Primerjava povprečnih podatkov za študijski leti / in /
(preglednica .) kaže pozitiven premik v smeri večanja deleža zavodov
s posodobljenimi in interaktivnimi spletnimi stranmi.
V slovenskem visokošolskem izobraževalnem prostoru sta v uporabi
tuji komercialni spletni učni okolji Web in Blackboard.²³ Poleg tujih
učnih okolij slovenski zavodi uporabljajo -²⁴ ter predvsem Moodle,
katerega popularnost zaradi odprtokodnosti in cenovne dostopnosti, ra-
ste.²⁵ Nekateri zavodi uporabljajo spletna učna okolja, ki so jih sami raz-
vili. Preglednica . prikazuje povprečne deleže zavodov, ki uporabljajo
različna spletna učna okolja.
Iz preglednice . je razvidno, da povprečno  % zavodov terciarnega
izobraževanja vsaj en predmet izvaja prek spletnega učnega okolja. Sicer

. Web in Blackboard sta se februarja  združila


(http://www.blackboard.com/webct).
. - – več informacij na http://dl.ltfe.org/login_ltfe.asp.
. Na spletni strani Moodle (http://moodle.org/sites/) je bilo . .  prijavljenih
 slovenskih uporabnikov virtualnega učnega okolja Moodle ( slovenskih uporabni-
kov Moodla svoje uporabe ne želi javno objaviti), medtem ko jih je bilo na primer . .
 le .


Teorije učenja ter njihova povezava z e-izobraževanjem .

so pa spletnea učna okolja najpogosteje v uporabi na zavodih s področja


ekonomskih in poslovnih ved, medtem ko zavodi s področja humanistike
v študijskem letu / spletnih učnih okolij pri izvedbi predmetov
niso uporabljali.

. Teorije učenja ter njihova povezava z e-izobraževanjem


Čeprav je  temeljni oziroma materialni pogoj e-izobraževanja, pa
sama nima značilnega vpliva na učinkovitost e-izobraževanja. Clark
() je že leta  sprožil polemiko s trditvijo, da je  le medij za di-
stribucijo gradiv, ne pa sredstvo za izboljšanje učnih rezultatov. Podobni
rezultati izhajajo tudi iz obširne Russellove študije (Russel ; glej tudi
www.nosignificantdifference.org), ki ugotavlja, da med rezultati klasič-
nega in online izobraževanja ni statistično značilnih razlik. Zato Russell
predlaga ustrezno prilagoditev klasičnih vsebin (tečajev) za e-izvedbo
(Russell , xiii).
Ally (, ) ugotavlja, da so strategije poučevanja veliko pomemb-
nejše od same uporabe  v izobraževanju. Strategije poučevanja so od-
visne od številnih dejavnikov, predvsem pa od udeležencev izobraževa-
nja, ravni izobraževanja, izobraževalnih vsebin in namena izobraževanja
(npr. formalno ali neformalno izobraževanje).
Dagger in Wade () sta pri raziskovanju vzrokov za velik osip ude-
ležencev online izobraževanja (več v poglavju ) vzroke pripisala neak-
tivnosti udeležencev v učnem procesu. Celo uvedba prilagojenih multi-
medijskih gradiv ni zmanjšala neuspešnosti študija, kar dodatno potrjuje
pomen uporabljenih metod poučevanja in učenja pri online izobraževa-
nju.
Začetno uvajanja računalniško podprtega učenja je temeljilo pred-
vsem na Skinnerjevi behavioristični teoriji učenja (Marentič Požarnik
, ; Ally , ). Skinner je učenje opredelil kot razmeroma trajno
spremembo v vedenju (Marentič Požarnik , ), h kateremu vodi
ustvarjanje zvez med dražljaji in odzivi nanje, torej med vedenjem, ki
ga želimo doseči oziroma preprečiti, in podkrepitvami, ki spodbujajo
(pozitivne podkrepitve) ali zavračajo (negativne podkrepitve) takšno ve-
denje. Sodobnejša oblika takšnega operativnega ali instrumentalnega
pogojevanja v izobraževanju je dajanje povratne informacije učencu o
(pravilno/napačno) opravljeni nalogi. Povratna informacija naj bi bila
čimprejšnja in pretežno pozitivna (Marentič Požarnik , ). Po be-
havioristični teoriji učenja je znanje organizirana zbirka asociativnih
in spretnostnih sestavin, ki jih je učenec zbral s svojo dejavnostjo – z


 Razvoj in značilnosti e-izobraževanja

učenjem (Mayes in Freitas , ) in vnovičnim utrjevanjem. Ob upo-


števanju behavioristične teorije učenja, pri programiranem ali pri raču-
nalniško podprtem učenju, učno snov razdelimo na manjše dele, ki jih
končamo z vprašanjem ali nalogo. Rešitvi ali odgovoru sledi povratna in-
formacija o pravilnosti reševanja, ki deluje kot instrument podkrepitve
(Marentič Požarnik , ; Ally , ).
Kognitivna teorija učenja zanika predpostavko, da je človek nepopisan
list (tabula rasa), katerega vedenje se oblikuje le na osnovi dražljajev in
podkrepitev. Zagovorniki kognitivne teorije učenja poudarjajo pomen
notranjih (spoznavnih) procesov v človeških možganih, na osnovi ka-
terih se obstoječe znanje (kognitivne strukture) nadgrajujejo in dopol-
njujejo (prirejeno po Marentič Požarnik , –). Kognitivna teorija
učenja poudarja motivacijo in razmišljanje ter miselne sposobnosti in
napore učenca (Ally , ). Učenec je torej aktiven udeleženec pro-
cesa učenja, ki sprejete podatke in informacije predeluje in obdeluje ter z
njimi nadgrajuje obstoječe znanje. Pri tem učenec uporablja kratkotrajni
in dolgotrajni spomin. Ko učenec sprejema podatke in informacije²⁶ iz
okolja, se te shranijo v kratkotrajni spomin. Če je podatkov preveč ali
pa so za uporabnika nerazumljivi oziroma nepomembni (brez seman-
tične in pragmatične razsežnosti), se podatki izgubijo. V kratkotrajnem
spominu se podatki in informacije obdelajo in po približno  sekundah
prenesejo v trajni spomin. Neučinkovita predelava podatkov in informa-
cij v t. i. delovnem ali kratkotrajnem spominu povzroči izgubo podatkov
in informacij. Podatki se tako ne prenesejo v trajni spomin (Ally ,
). Informacije se v dolgotrajnem spominu hranijo v obliki mreže, to je
vozlišč, med katerimi obstajajo določene povezave (Ally , ). Zna-
nje po kognitivni teoriji učenja je torej rezultat interakcije med novimi
izkušnjami posameznika in strukturo za razumevanje, ki si jo ustvarimo
pred tem (Mayes in Freitas , ).
Poznavanje procesa učenja je pomembno za ustvarjanje strategije e-
izobraževanja. Vključevanje spoznanj kognitivne teorije v e-izobraževanje
se kaže v tem, da so gradiva zasnovana tako, da pritegnejo pozornost
učenca, s čimer je poskrbljeno za hiter prenos podatkov in informacij
v delovni oziroma kratkotrajni spomin. Sama pozornost učenca še ni
dovolj, saj so zmogljivosti kratkotrajnega spomina omejene in subjek-
tivne (različne glede na starost, predizobrazbo, učne navade, motivira-

. Informacija je podatek, ki je sintaktično pravilen, ima za uporabnika sporočilno


(semantično) in uporabno (pragmatično) vrednost.


Teorije učenja ter njihova povezava z e-izobraževanjem .

nost . . .). Gradiva pri e-izobraževanju morajo biti pripravljena tako, da


učencu/študentu pomagajo pri obdelavi in shranjevanju podatkov in
informacij. Kognitivna teorija učenja prepoznava pomen razlik med po-
sameznimi učenci, zaradi česar je pri načrtovanju e-izobraževanj treba
upoštevati različne učne stile, ki vplivajo na sprejem, obdelavo in posre-
dovanje podatkov in informacij. Sprejem informacij in njihovo prepo-
znavanje je že leta  obravnaval Kolb (Ally , ).
Konstruktivistična teorija učenja trdi, da se znanja ne da prenesti na
primer od učitelja do učenca, saj si posameznik znanje, na osnovi lastne
miselne dejavnosti, izgrajuje sam (Marentič Požarnik , ). Učenec
informacije interpretira na osnovi osebne izkušnje ter jih po obdelavi in
interpretaciji pretvori v znanje (Ally , ). Socialni konstruktivisti so
dejavnost posameznika razširili na njegovo interakcijo z okoljem ter po-
udarili pomen skupinskega sodelovanja v procesu nastajanja (konstrui-
ranja) znanja.
Pri e-izobraževanju lahko glede na zastavljene cilje uporabljamo spo-
znanja vseh treh teorij, ki so nazorno prikazane v preglednici ..
Pri načrtovanju izobraževalnega procesa lahko dejavnosti usmerimo
na učenca (študenta), na znanje, na ocenjevanje ali na skupnost. Tako
govorimo o štirih pristopih, ki se vse bolj prepletajo (Bransford, Brown
in Cocking ; Anderson , –):

• K učencu usmerjen učni proces ali k učenju usmerjen proces (Ander-


son , ), pri katerem se upoštevajo tudi potrebe učitelja, in-
stitucije in širše skupnosti in učencu zagotavljajo podporo. Učitelj
si želi opredeliti učenčevo predznanje, na osnovi katerega učenec
gradi novo znanje. Prav tako se upoštevajo še druge značilnosti, na
primer jezikovne in kulturne značilnosti, in temu se prilagodi učni
proces. Te značilnosti so še posebno pomembne, kadar je v online
izobraževanje vključenih več udeležencev iz različnih kulturnih in
jezikovnih okolij.
• K znanju usmerjen učni proces. Brez znanja kritično mišljenje ni mo-
goče, zato mora biti učni proces usmerjen tudi v pridobivanje zna-
nja. Pridobivanje znanja je v klasičnem in v z  podprtem učnem
procesu precej podobno. Uporaba interneta le širi možnosti upo-
rabe številnih virov, s čimer se sicer pojavlja tudi nevarnost preve-
likega obsega različnih virov in odmik od bistva, zato mora učitelj
postaviti ogrodje vsebin, na osnovi katerega študenti gradijo svoje
znanje.


 Razvoj in značilnosti e-izobraževanja

 . Teorije učenja in njihova uporaba v e-izobraževanju


Teorija/cilj Uporaba v e-izobraževanju
Behaviorizem
Učenje dejstev • Izpostaviti učne rezultate.
• Omogočiti preverjanje doseženih rezultatov.
• Preverjanje doseženega znanja mora vsebovati povratne
informacije.
• Vsebine morajo biti razdeljene na manjše dele – od enostavnejših
do zahtevnejših vsebin, od teorije do prakse, s čimer se spodbuja
učenje.
Kognitivna teorija
Spoznavanje • Zaradi različnih učnih stilov študentu omogočiti zaznavanje
procesov in informacij na čim več načinov.
principov • Pomembne stvari morajo biti postavljene v sredino zaslona in se
morajo brati od leve proti desni.
• Študenta je treba opozoriti na ključne pojme, vsebine.
• Izpostaviti namen študija določenih vsebin.
• Vsebine morajo biti prilagojene predznanju študenta.
• Strategije poučevanja morajo omogočati povezovanje obstoječega
znanja z novim – z uvodnimi (motivacijskimi) vprašanji, testi za
preverjanje predznanja, s čimer aktiviramo študentove obstoječe
kognitivne strukture.
• Paziti moramo, da informacij ni preveč – od pet do devet alinej na
zaslon (Millerjo priporočilo v Ally , ).
• Dejavnosti morajo biti prilagojene različnim učnim stilom.
• Različnim učnim stilom je prilagojena tudi mentorska podpora
študentov.
• Uporabiti je treba različne načine motivacije študentov.
• Študente je treba spodbujati, da razmišljajo o doseženem znanju
in zasledujejo svoj napredek.
• Uporabljati je treba primere iz prakse.
• Za poglobitev znanja je treba študente navajati, da izdelujejo
miselne sheme – vzorce (Bonk & Reynolds v Ally , ).
Nadaljevanje na naslednji strani

• K ocenjevanju usmerjen proces, pri katerem je bolj kot zunanje oce-


njevanje, poudarjeno preverjanju znanja, s čimer motiviramo ter
informiramo študenta in učitelja. Online izobraževanje omogoča
številne priložnosti za preverjanje znanja, ki učitelja lahko razbre-
menijo. Pri velikem številu študentov se znatno podaljša čas, ki ga
učitelji uporabijo za ocenjevanje izdelkov oziroma nalog študentov.
Zato je v ocenjevanje oziroma preverjanje znanja smiselno vključiti
možnosti, ki jih ponuja e-izobraževanje – na primer e-testiranje z


Vloge udeležencev izobraževanja in njihove interakcije .

 . Nadaljevanje s prejšnje strani


Konstruktivizem
Analitično • Učenje mora temeljiti na dejavnosti študentov, ne pa na
razmišljanje in sprejemanju znanja.
povezovanje • Študenti je treba uvesti v skupinsko delo, ki jih bo pripravilo za
stvarno okolje.
• Študentom mora biti omogočen nadzor nad učnim procesom.
• Študenti morajo dobiti priložnost in čas za refleksijo.
• Vsebine morajo vsebovati primere, ki študentom osmislijo
naučene vsebine.
• Način študij mora omogočati interakcijo z drugimi in okoljem.

različnimi vrstami vprašanj, samoocenjevanje in kolegialno ocenje-


vanje (angl. Peer-to-peer assesment). Alternativni načini preverja-
nja znanja, kamor sodi tudi samoocenjevanje in kolegialno ocenje-
vanje, se v novejši pedagoški praksi vse bolj uporabljajo in postajajo
vse bolj cenjeni (Marentič Požarnik , ).
• K oblikovanju skupnosti usmerjen učni proces omogoča vključitev
kritične družbene sestavine učenja. Spletna tehnologija omogoča
tako sinhrono kot asinhrono sodelovanje, ki imata svoje prednosti
in slabosti (Anderson , ). Največja nevarnost sodelovalnega
dela je v tem, da se z njim omejuje prilagodljivost časa, ki pomeni
veliko prednost online izobraževanja. Sodelovalno delo študentov
namreč zahteva večkratno oglašanje v spletnem ali virtualnem uč-
nem okolju, kar pomeni, da morajo študenti temu ustrezno prila-
goditi druge svoje obveznosti. Sodelovalno delo je pomembno tudi
zato, ker z njim učimo študente živeti skupaj, kar je eden od šti-
rih stebrov vzgoje in izobraževanja, ki jih predlaga  (Delors
, –).
Izbira strategije poučevanja je tako odvisna od udeležencev izobraže-
vanja, ravni izobraževanja, izobraževalnih vsebin in namena izobraževa-
nja ter teorij, ki jim posamezni učitelj oziroma institucija daje prednost.

. Vloge udeležencev izobraževanja in njihove interakcije


Tako kot v klasičnem izobraževanju sta tudi pri e-izobraževanju glavna
udeleženca izobraževalnega procesa učitelj in učenec – študent. Izobra-
ževalna institucija organizira e-izobraževanje s pomočjo , ki se upo-
rablja za podporo administrativnim in izobraževalnim procesom. 
tako podpira evidence učencev (na primer vpis/izpis, opravljanje štu-
dijskih obveznostih), evidence učiteljev (kadrovski podatki o učiteljih),


 Razvoj in značilnosti e-izobraževanja

Učitelj

Izobraže-
valna inštitucija
(izvedba in pod-
pora e-izobra-
ževanju)

Učenec Gradiva

 . Sestavine e-izobraževanja

evidence sredstev v izobraževalni instituciji (stalnih in gibljivih sredstev)


ter finančne tokove institucije. Bolj kot administrativni procesi in upo-
raba  za njihovo podporo nas zanima uporaba  za podporo iz-
obraževalnega procesa, v katerem imata glavno vlogo učitelj in učenec.
Učitelj prek gradiv in dejavnosti učencev organizira, spodbuja in izvaja
proces učenja, zato smo gradiva umestili kot pomembno sestavino iz-
obraževalnega procesa. Govorimo torej o treh pomembnih sestavinah
e-izobraževanja – učencu, učitelju in gradivih (slika .).
Pod gradiva mislimo vse razpoložljive vire, ki jih je mogoče uporabiti v
izobraževalnem procesu, ne samo z učnim načrtom predpisane učbenike
ali skripta. Gradiva so lahko članki, razprave, aktualne novice vseh vrst
(pisne, avdio, video), blogi ipd. Na osnovi različnih virov učitelj dobi
ideje in namige za uvajanje novih strategij poučevanja, zato je na sliki .
vrisana dvosmerna povezava med učiteljem in gradivi.
E-izobraževanje je organizirana oblika izobraževalnega procesa, zno-
traj katerega potekajo številne interakcije. Z vidika kakovostnega e-
izobraževanja niso pomembne le interakcije med posameznimi skupi-
nami, na primer med učiteljem in učenci, temveč tudi interakcije znotraj
skupine udeležencev, na primer med učenci. Interakcije so pomembne
tudi pri klasičnem izobraževanju, saj je učenje socialen, interaktiven pro-
ces, pri katerem učenci dobijo informacije, vzorce mišljenja ter strategije
reševanja problemov (Marentič Požarnik , ). E-izobraževanje se
v tem pogledu od klasičnega izobraževanja razlikuje po tem, da  po-


Vloge udeležencev izobraževanja in njihove interakcije .

Interaktivnost
Klasična
učilnica
Računalniško
Avdio- in podprto
videokonferenca izobraževanje

Radio

TV
Dopisno
izobraževanje

Prilagodljivost prostora in časa


 . Interaktivnost posameznega medija glede na prilagodljivost časa
in prostora (prirejeno po Anderson , )

nuja številne različne načine interakcij med študenti ter med študenti
in učiteljem. Z  podprte interakcije med udeleženci izobraževanja
omogočajo manjšo ali večjo prilagodljivost časa in prostora (slika .).²⁷
Moore () je pri študiju na daljavo opredelil tri oblike interakcije:
študent–gradivo, študent–učitelj in študent–študent. Anderson (,
) je dodal še interakcije: učitelj–učitelj, učitelj–gradivo, gradivo–gradivo.
Tako lahko pri e-izobraževanju govorimo o različnih interakcijah:
• Interakcijo študent–študent zelo poudarjajo predvsem konstruktivi-
sti zaradi pomena medvrstniške interakcije. Sodelovalno delo omo-
goča razvoj kritičnega mišljenja ter ustvarja možnosti za oblikova-
nje t. i. učnih skupnosti, prek katerih študenti razvijajo medosebne
spretnosti (prav tam).
• Komunikacija med študenti in učitelji je podprta s sinhrono (video,
avdio) in asinhrono komunikacijo (forumi).
• Interakcija študent–gradivo je prisotna tako v klasičnem kot tudi v
z  podprtem izobraževanju, saj študenti za študij uporabljajo
različna gradiva. Spletno podprto izobraževanje omogoča, da ima
študent poleg pisnih gradiv dostop tudi do številnih drugih, multi-

. Poudariti je treba, da je v klasični predavalnici res največ možnosti za interakcijo


med študenti ter med študenti in učiteljem, vendar se postavlja vprašanje, kako inten-
zivna je lahko interakcija ob večjem številu študentov, kar je zlasti značilno za poslovne
šole. V prenapolnjenih predavalnicah se medsebojna interakcija med študenti teže vzpo-
stavi. Komunicirajo le študenti, ki so pogumnejši in samozavestnejši. Tako nekateri štu-
denti nikoli ne izrazijo svojega mnenja ali svojih pogledov.


 Razvoj in značilnosti e-izobraževanja

medijskih, gradiv. Z vidika interakcije med gradivom in študentom


so zanimiva predvsem gradiva, prek katerih dobi študent odziv na
svoje dejavnosti–na primer povratna informacija o pravilno rešeni
nalogi.
• Interakcija učitelj–učitelj omogoča sodelovanje učiteljev in izme-
njavo izkušenj ter primerov dobre prakse.
• Učitelji se pojavljajo kot avtorji gradiv – interakcija učitelj–gradivo,
ki jih med izvedbo preverjajo in po potrebi dopolnjujejo ali spremi-
njajo.
• Interakcija gradivo–gradivo je bila opredeljena najpozneje. Gradiva
lahko vsebujejo številne druge vire informacij, ki se ob spremembi
samodejno dopolnjujejo in posodabljajo.
Ob intenzivnejši uporabi  se v izobraževalnem procesu poveča šte-
vilo udeležencev, saj učitelj sam ne more pripraviti tehnološko zahtevnih
gradiv. Pri institucijah, ki študij izvajajo na daljavo, se pojavi potreba
po organizatorjih – koordinatorjih  ter strokovnem osebju (tehnič-
nem in administrativnem osebju), ki ponuja podporo učiteljem in štu-
dentom. Elloumi (, –) med udeležence izobraževalnega procesa
uvršča tudi načrtovalce – oblikovalce tečajev oziroma izobraževanj (angl.
Instructional designers) ter strokovnjake s področja uporabe , ki so-
delujejo v fazi priprave izobraževanj in izdelave gradiv (multimedijskih
vsebin). Gradiva oziroma vsebine izobraževanj lahko izobraževalna in-
stitucija nabavi tudi na trgu.
Vloge, ki jih imajo posamezni udeleženci e-izobraževanja, način ko-
munikacije med njimi ter intenzivnost uporabe , posredno vplivajo
na uspešnost končanja e-izobraževanja (več v poglavju ). Premik iz po-
učevanja v učenje povzroča premik izobraževalnega procesa k učencu
– študentu, ki postaja aktivni udeleženec in soustvarjalec izobraževa-
nja. Vloga udeleženca ni odvisna le od izobraževalne strategije, ki te-
melji na izbrani teoriji učenja, temveč tudi od vsebin, ki so predmet e-
izobraževanja, ter ciljev, ki jih z e-izobraževanjem želimo doseči. Če so
cilji posameznega izobraževanja povezani le s pridobivanjem določenih
spretnosti (angl. Skills), si bo študent te spretnosti lahko pridobil z ra-
čunalniško podprtim izobraževanjem (angl. Computer based learning –
). Računalniško podprti sistem izobraževanja omogoča študentu iz-
vajanje večjega števila ponavljajočih se nalog. Če pa želimo doseči višje
ravni znanja, razviti sposobnosti logičnega razmišljanja, analize in sin-
teze, razviti sposobnosti sodelovanja v skupini ipd., moramo vloge ude-


Vloge udeležencev izobraževanja in njihove interakcije .

 . Vloga študentov in način izvedbe izobraževanj


Neodvisno, interaktivno učenje Odvisno, pasivno učenje
• Klasične oblike izobraževanje () • Klasične knjige
•  gradivo • Izročki predavanj na spletu
• Študij na daljavo • Video in avdio posnetki
• Online sodelovanje • Računalniško podprto izobraževanje
• Fleksibilno interaktivno izobraževanje
s podporo mentorja
 Prirejeno po Flood .

ležencev v e-izobraževanju zastaviti drugače.


Postavitev vlog študentov v povezavi z različnimi izvedbami e-izobraževanj
prikazuje preglednica ..
Študent je v pasivni vlogi pri branju knjig ali zapiskov, ki so dostopni
na internetu in si jih pozneje natisne. Poslušanje avdioposnetkov ozi-
roma gledanje videoposnetkov ali televizijskih oddaj učenca prav tako
postavlja v pasivno vlogo, razen če teh dejavnosti ne povezuje z na primer
pisanjem zapiskov. Učenje postane aktivno, ko različne vire informacij
povežemo z dejavnostjo študentov, vzpodbudimo dejavnost med samimi
študenti ali vzpostavimo dejavnosti med študenti in učitelji/mentorji.
Ponavljajoče se reševanje (interaktivnih) nalog na računalniku nam si-
cer omogoča pridobivanje določenih spretnosti, vendar se pogosto zgodi,
da je študent precej pasiven, saj le ponavlja že naučene ali vnaprej pred-
vidljive rešitve.


3 Modeli e-izobraževanja

Uporaba  odpira za visokošolske institucije nove možnosti vključe-


vanja na trg izobraževanj, kjer postaja konkurenca vse večja.¹ Za uvaja-
nje kakovostnega in trajnostnega e-izobraževanja je treba poznati učinke
uporabe  na visokošolski izobraževalni prostor ter učinke na sam iz-
obraževalni proces, ki ga izvaja izobraževalna institucija. Prepoznati mo-
ramo torej zunanje in notranje učinke uporabe . Pri zunanjih učinkih
uporabe  proučujemo predvsem vpetost ponudnika e-izobraževanj
v trg e-izobraževanj oziroma povezanost ponudnika e-izobraževanj z
njegovim okoljem. Vpetost ponudnika e-izobraževanj lahko proučimo
s Porterjevim modelom konkurenčnih silnic in z vrednostno verigo e-
izobraževanja. Pri proučevanju notranjih vidikov uporabe  moramo
vključiti vse udeležence izobraževalnega procesa, predvsem študente v
vlogi odjemalcev storitev, ter njihovih značilnosti. Prepoznavanje učin-
kov je potrebno za vzpostavitev ustrezne strategije uvajanja in izvajanja
e-izobraževanja (Engelbrecht , ).
Poslovna in akademska izobraževalna okolja zasledujejo naslednje tri
cilje (Engelbrecht , ):
• povečevanje in vzdrževanje kakovostnih izobraževalnih programov,
• izboljšanje dostopnosti izobraževanja,
• zniževanje stroškov izobraževanja.
Diferenciacija izdelkov oziroma storitev in zniževanje stroškov je kot
vir konkurenčne prednosti opredelil že Porter (, ). Visokošolska
izobraževalna institucija lahko konkurenčno prednost doseže z dosto-
pnejšimi in kakovostnejšimi študijskimi programi ali pa s sorazmerno
nižjimi stroški.

. Vpetost ponudnika e-izobraževanj v trg e-izobraževanj


Pri zasledovanju svojih ciljev se izobraževalne institucije srečujejo s šte-
vilnimi priložnostmi in nevarnostmi, ki jih lahko opredelimo tudi s Por-
terjevim modelom konkurenčnih silnic (Porter , ; Laudon in La-

. Pulichino () v svojem poročilu potrjuje stalno rast trga e-izobraževanj.


 Modeli e-izobraževanja

udon , ; Quick.com ; Tutoru ; Engelbrecht ,


). Silnice vplivajo na tržno strukturo – konkurenco, ki velja na trgu e-
izobraževanj. Ne glede na profitno naravnanost izobraževalnih institucij,
ob upoštevanju Porterjevega modela konkurenčnih silnic, lahko oprede-
limo pet silnic, ki vplivajo na ravnanje izobraževalne institucije pri uva-
janju in izvajanju e-izobraževanja (povzeto po Engelbrecht , –;
Laudon in Laudon , –; Elloumi , -):
• Konkurenca med obstoječimi ponudniki e-izobraževanj – uporaba in-
terneta se predvsem zaradi nizkih vstopnih stroškov širi na vsa pod-
ročja družbe, tudi na področje izobraževanja. Tako visokošolske in-
stitucije del ali celoten študijski program ponujajo prek interneta
oziroma spletno tehnologijo uporabljajo za dopolnitev klasično iz-
vedenih študijskih programov. Spletno tehnologijo začenjajo upo-
rabljati tudi institucije, ki so študij na daljavo še do nedavnega izva-
jale le klasično. Večanje števila ponudnikov na eni strani povzroča
pritisk na znižanje cen e-izobraževanj, na drugi strani pa tudi zah-
teve po višji kakovosti e-izobraževanj.²
• Pogajalska moč kupcev, ki povprašujejo po izobraževalnih storitvah
oziroma e-izobraževanju. Povpraševanje po izobraževanju se pove-
čuje predvsem z uveljavljanjem konceptov vseživljenjskega učenja
in s potrebami po pridobitvi novih znanj, saj obstoječa znanja za-
radi naglega tehnološkega napredka hitro zastarevajo. Potencialni
udeleženci izobraževanj lahko zdaj zbirajo med številnimi študij-
skimi programi, ki jih ponujajo profitne in neprofitne izobraževalne
institucije z vsega sveta.
• Pogajalska moč ponudnikov – v upanju za povečanje števila študen-
tov izobraževalne institucije intenzivno vlagajo v e-izobraževanje.
Nekatere univerze se medsebojno povezujejo, ustvarjajo partner-
stva s podjetji, ki niso s področja izobraževanja,³ na primer s pod-
jetji s področja računalništva in informatike, ali pa za izvedbo e-
izobraževanja iščejo celo zunanje izvajalce (angl. outsourcing) – po-
godbeno zaposlene učitelje, ki so cenejši kot polno zaposleni učitelji
na izobraževalni instituciji. Redno zaposleni učitelji na visokošol-
skih institucijah se namreč vse pogosteje bolj kot s kakovostjo po-

. Zniževanje stroškov in diferenciacija izdelkov (storitev) sta možnosti za pridobiva-


nje in vzdrževanje konkurenčne prednosti (Porter , –).
. Težnje po povezovanju in ustanavljanju konzorcijev je ugotovila tudi študija danske
agencije   Management, katere ugotovitve prikazujemo v poglavju .


Vpetost ponudnika e-izobraževanj v trg e-izobraževanj .

učevanja ukvarjajo z raziskovalno dejavnostjo, saj je ta odmevnejša


in bolj prepoznavna.
• Nevarnost vstopa novih konkurentov – na trgu e-izobraževanj se po-
javljajo novi ponudniki, ki se do nedavnega niso ukvarjali z izo-
braževanjem. Tako na primer podjetja, ki so še do nedavnega izo-
braževalnim institucijam ponujale le tehnično podporo, danes tudi
sama ponujajo e-izobraževanja.⁴ Nekatera, predvsem večja podje-
tja, imajo lastna e-izobraževanja. Lee (Engelbrecht , ) omenja
celo podjetja, ki za svoje zaposlene izvajajo akreditiran študij .
Nastajajo tudi univerze, ki svojo izobraževalno dejavnost opravljajo
izključno prek interneta – t. i. virtualne univerze (več v podpoglavju
..).
• Nevarnost nadomestkov (substitutov) – omenili smo že, da se na trgu
pojavljajo novi ponudniki, ki se do nedavnega niso ukvarjali z izo-
braževanjem. Ponudba za notranje zaposlene se hitro razširi tudi na
druge potencialne udeležence izobraževanja.⁵

Glede na dostopnost tehnologije, nizke vstopne stroške in veliko pov-


praševanje po e-izobraževanju je trg e-izobraževanj hitro rastoči trg.
Strateško oziroma konkurenčno prednost je mogoče pridobiti in ob-
držati z zniževanjem stroškov, diferenciacijo izdelkov oziroma storitev
ali s kombinacijo obojega (Porter v Elloumi , ). Položaj izobraže-
valnih institucij je sicer nekoliko drugačen od položaja tržno usmerjenih
podjetij na trgu, čeprav nekatera izobraževalna okolja delujejo popol-
noma tržno, brez sredstev države. Kot primer zniževanja stroškov Ello-
umi (, ) navaja univerzo v Phoenixu (http://www.phoenix.edu),
ki je ugotovila, da se glavnina stroškov nanaša na stroške akademskega
osebja, prostorov in opreme ter stroškov osebja podpornih dejavnosti. V
ta namen so se odločili, da bodo na tem področju stroške znižali. Delo
učiteljev je po navadi usmerjeno na več področij. Poleg izobraževalnega
in raziskovalnega dela, so dejavni tudi na sami instituciji in v okolju. Na
 so določili, da mora učitelj za prvo izvedbo predmeta (angl. Co-
urse) porabiti  ur. Zmanjšali so podporo študentom in odrekli so se

. Takšni dve podjetji sta na primer 


(http://www.convergys.com/employeecare_learning.html) in SkillSoft
(http://www.skillsoft.com/).
. Primer podjetja , ki je znano kot dobavitelj računalniške opreme
(http://www.learndell.com/dell/).


 Modeli e-izobraževanja

raziskovalni dejavnosti.  financirajo lastniki in šolnine.⁶


Diferenciacijo izdelkov oziroma storitev je teže doseči, saj si vse viso-
košolske institucije prizadevajo izvesti kakovostne študijske programe ali
posamezne tečaje, kar pomeni, da se študijski programi in tečaji medse-
bojno le malenkostno razlikujejo. Razlike so v načinu izvedbe, predvsem
pa v podpori za študente. Elloumi (, ) navaja primer čikaške on-
line univerze Capella (Capella University Online), ki je pripravila akre-
ditirane programe po meri trga dela. Prednost si bodo institucije lahko
zagotovile s tem, da bodo ponujale programe oziroma vsebine, ki bodo
zadovoljile zahteve trga dela – torej bodo temeljile na razvoju kompetenc,
ki jih trg dela išče.
Elloumi (, ) Porterjevemu modelu dodaja še potrebno usmeri-
tev v značilnosti ciljnih skupin, ki je pomembna predvsem zaradi global-
nega značaja online izobraževanja. S tem ko izobraževalna institucija po-
nuja programe, prilagojene za različne učne stile učencev, pridobi kon-
kurenčno prednost pred drugimi ponudniki e-izobraževanj.

. Vrednostna veriga e-izobraževanja


Za boljše razumevanje procesov, ki se dogajajo v izobraževalni institu-
ciji, bomo uporabili generično vrednostno verigo. Vrednostno verigo je
za potrebe industrijskih podjetij zasnoval Porter (Porter , ; Pučko
, –), za potrebe izobraževalnih institucij pa jo je pozneje pri-
lagodil Stacey (). Izobraževalne institucije terciarnega izobraževa-
nja izvajajo izobraževalno in raziskovalno dejavnost. V nadaljevanju se
bomo omejili le na izobraževalno dejavnost, znotraj katere so določene
dejavnosti temeljne, saj brez njih ne bi bilo izobraževalne dejavnosti,
druge pa so pomožne oziroma podporne. Podporne dejavnosti pomagajo
pri nemotenem izvajanju temeljnih dejavnosti izobraževalnih procesov
(slika .).
Dejavnost e-izobraževanja se izvaja prek petih zaporedno povezanih
faz:
• Načrtovanje e-izobraževanja, kjer se pripravi načrt za izvedbo e-
izobraževanja ter okolje, v katerem se bo predmet/program izvajal
(spletno učno okolje ali podoben spletni portal). V tej fazi izobra-
ževalna institucija nabavi tudi vse potrebne vire in gradiva, ki jih
bo uporabila pri razvoju vsebin e-izobraževanja in strategij pouče-

. University of Phoenix je največja akreditirana zasebna univerza v Severni Ameriki


(glej http://www.phoenix.edu).


Vrednostna veriga e-izobraževanja .

Načrtovanje Izvajanje
Temeljne Izdelava Objava Podpora
e-izobra- e-izobra-
dejavnosti gradiv gradiv študentom
ževanja ževanja

Razvoj tehnoloških rešitev e-izobraževanja

Podporne Vzpostavitev infrastrukture e-izobraževanja


dejavnosti
Zagotavljanje človeških virov

Vzpostavitev infrastrukture institucije

 . Generična veriga e-izobraževanja (prirejeno po Elloumi , )

vanja. Porter v svojem modelu ta člen vrednostne verige imenuje


notranja logistika.
• Izdelava gradiv oziroma priprava vsebin e-izobraževanja v različnih
oblikah in formatih (multimedijska gradiva).
• Objava gradiva na spletnem portalu ali v spletnem učnem okolju. V
tej fazi vključimo študente, ki so vpisali posamezni predmet. Gre za
prenos (distribucijo) gradiv od institucije oziroma učitelja do štu-
dentov.
• Izvajanje e-izobraževanja, kjer se predmet izvaja v skladu z učnim
načrtom in načrtom izvedbe.
• Podpora študentom – glede na strategije poučevanja študenti do-
bijo različno podporo in pomoč. Pomoč je lahko vezana na vsebine
predmeta (mentorska podpora), uporabo učnega okolja (tehnična
podpora) ali samo izvedbo predmeta (na primer roki za opravljanje
preverjanja znanja, prijava na izpit).
Za nemoten potek temeljnih dejavnosti mora izobraževalna institucija
zagotoviti podporne dejavnosti, in sicer:
• Vzpostaviti mora ustrezno infrastrukturo, ki se uporablja tudi za
druga področja delovanja institucije, in infrastrukturo za potrebe
e-izobraževanja. S tem mislimo na omrežno infrastrukturo in raču-
nalniško opremo ter tudi na ustrezno programsko opremo in orodja
za načrtovanje ter izdelavo gradiv.
• Izobraževalna tehnologija se hitro spreminja, zato mora izobraže-
valna institucija zagotoviti ustrezen tehnološki razvoj, zlasti, če je
izvedba e-izobraževanja ena od strateških usmeritev izobraževalne
institucije.


 Modeli e-izobraževanja

Izvedba e-izobraževanja

Trg
Omrežja in druga računalniška oprema Portali e-izobra-
Vsebine
e-učilnice ževanja
Orodja za IS za Distribucija
izdelavo izvedbo in komuni-
gradiv eI kacija

 . Vrednostna veriga e-izobraževanja (povzeto po Stacey )

• Pri e-izobraževanju sodelujejo številni strokovnjaki s predmetnega,


pedagoškega in tehničnega področja, ki jih mora izobraževalna in-
stitucija zagotoviti, ko je to potrebno. Osebje je lahko zaposleno na
instituciji ali pa delo opravlja po pogodbi – za čas projekta (na pri-
mer za čas izvedbe posameznega predmeta). Način zaposlitve po-
membno vpliva na stroške izvedbe e-izobraževanja. Na stroške iz-
vedbe e-izobraževanja vpliva tudi obseg dela akademskega osebja,
ki ga nameni raziskovalni ali izobraževalni dejavnosti.⁷
Z ekonomskega vidika je pomembno, kako posamezne dejavnosti
vplivajo na stroške, prihodke in ustvarjanje premoženja. S prepoznavo
strateških dejavnosti ter njihovim upravljanjem lahko institucije prido-
bijo strateško konkurenčno prednost, in sicer z zniževanjem stroškov ali
z boljšo kakovostjo.
Stacey () je Porterjevo generično verigo vrednosti priredil za e-
izobraževanje (slika .).
Staceyjevo () vrednostno verigo sestavljajo:
• Vsebine – izobraževalna institucija ponuja posamezne tečaje, pred-
mete ali cele študijske programe. Vsebine so lahko akreditirane ali
neakreditirane. Visokošolske institucije po navadi ponujajo posa-
mezne predmete akreditiranega študijskega programa na trgu terci-
arnega izobraževanja.
• Omrežja in druga računalniška oprema – za izvedbo e-izobraževanja
potrebujemo ustrezno infrastrukturo – omrežja (žična in brez-
žična), strežnike in drugo računalniško opremo.

. O problemu prevelikega izpostavljanja raziskovalne dejavnosti namesto izobraže-


valne dejavnosti akademskega osebja sta pisala Pocklington in Tupper () ter opozo-
rila na problem kakovosti izvedbe izobraževanja.


Vrednostna veriga e-izobraževanja .

• Orodja za izdelavo gradiv – za izdelavo multimedijskih gradiv potre-


bujemo ustrezna orodja – licenčno programsko opremo. Pri razvoju
e-gradiv lahko uporabimo tudi odprtokodne programske rešitev, s
čimer vplivamo na višino stroškov za razvoj učnih gradiv. Na vi-
šino stroškov za razvoj gradiv vpliva tudi odločitev o intenzivnosti
uporabe  v e-izobraževanju (na primer stopnja interaktivnosti
gradiv, obseg video- in avdioposnetkov). Ne glede na ceno orodij
za izdelavo gradiv moramo biti pozorni, da orodja podpirajo uve-
ljavljene standarde na tem področju. Zdaj se priporoča, da orodja
podpirajo standard .⁸
• Informacijski sistem () za izvedbo e-izobraževanja – za potrebe e-
izobraževanja se uporabljajo različni sistemi za upravljanje vsebin
in udeležencev izobraževanja. Tako sta v uporabi sistem za uprav-
ljanje učenja (angl. Learning Management System – ) in sistem
za upravljanje vsebin (angl. Learning Content Management System
– ). Tudi na področju sistemov  lahko najdemo licenčne
proizvode (na primer Web ali Blackboard) ali pa odprtokodne
sisteme (na primer Moodle, Claroline, , Ganesha, Sakai), z
uporabo katerih znižamo stroške izvedbe e-izobraževanja.
• Distribucija in komunikacija – vsebine tečaja ali predmeta lahko na
internetu objavimo prek spletnih strani, po navadi pa prek že ome-
njenih sistemov , ki imajo vgrajen tudi sistem za komunika-
cijo med študenti ter med študenti in učitelji. Komunikacija, ki je
osnova sodelovalnega dela med študenti, je lahko sinhrona ali asin-
hrona.
• Portali, e-učilnice – portali, sistemi  in  so medij, prek ka-
terega vsebine tečajev in predmetov pridejo do kupca – učenca ozi-
roma študenta. Portali so lahko integrirani v poslovni portal ozi-
roma spletno stran izobraževalne institucije ali pa so ločeni in na-
menjeni izključno e-izobraževanju.
• Trg e-izobraževanja je zelo širok, saj zajema vse ravni izobraževanja.

.  – Sharable Courseware Object Reference Model, je standard, ki vsebuje


zbirko navodil za delo z učnimi objekti ter omogoča vnovično uporabo in izmenjavo
učnih objektov, neodvisno od uporabljenega učnega okolja, če je le okolje  zdru-
žljivo. Izmenljivost in vnovična uporabljivost učnih objektov je največja odlika standarda
. Osnutek standarda je bil pripravljen leta , različica . pa je v uporabi od leta
 (Sulčič idr. , –). Do zdaj je standard doživel številne izboljšave. Od zadnje
različice iz leta  –  , je zdaj na trgu tretja različica. Več na spletni strani
 – http://www.adlnet.gov/scorm/index.cfm.


 Modeli e-izobraževanja

V okviru raziskave proučujemo le terciarno izobraževanje, zato je


trg e-izobraževanj omejen le na področje terciarnega izobraževanja.

. Institucionalni model e-izobraževanja


 je dostopna vsem morebitnim ponudnikom e-izobraževanj, vendar
sama dostopnost spletne tehnologije še ni zagotovilo za kakovostno iz-
vedbo e-izobraževanj. Zato so, glede na silnice, ki delujejo na trgu, in
ob upoštevanju vrednostne verige e-izobraževanj, nastajali različni mo-
deli e-izobraževanj. Osnovni namen modelov je pomoč ponudnikom e-
izobraževanj pri kakovostni in učinkoviti izvedbi e-izobraževanja. Pri pr-
vih modelih je bil poudarek predvsem na tehnologiji, šele pozneje pa so
v ospredje prišli drugi vidiki – na primer pedagoški, didaktični, soci-
ološki, ekonomski in pravni vidik. Pomen poznavanja teorij učenja in
poučevanja poudarja tudi Rovai (), saj tehnologija za posredovanje
gradiv (od izobraževalne institucije do študenta) ni ključni dejavnik ka-
kovostnega učenja (Ally , ). Načrtovanje izobraževalnega procesa
izpostavlja tudi študija Masie Centra (), pri kateri so ugotovili, da
se slabo načrtovanje pojavlja kot pomemben dejavnik osipa udeležencev
online izobraževanj.
MacDonaldova in sodelavci () so na osnovi konstruktivistične te-
orije učenja poskušali zasnovati model, s katerim bi se izobraževalna in-
stitucija odzvala na zahteve trga. Po njihovem mnenju je za pridobitev
konkurenčne prednosti na trgu treba upoštevati zadovoljstvo uporab-
nikov storitev – študentov. Na tej osnovi je MacDonaldova s sodelavci
() razvila model e-izobraževanja – model  (Demand-Driven
Learning Model), ki naj bi bil izobraževalnim institucijam v pomoč pri
pripravi, izvedbi in evalvaciji e-izobraževanja. Model prikazuje slika ..
Model  je razvila akademska raziskovalna skupina v sodelovanju
s strokovnjaki iz podjetij. Strokovnjaki iz podjetij so postavili zahtevo, da
se v model, poleg zadovoljstva študentov vključijo tudi znanja, uporabna
na trgu dela (MacDonald in drugi ). Gradnja modela izhaja iz pred-
postavke, da si odjemalec storitev – kupec oziroma študent želi kakovo-
stnih vsebin in kakovostne izvedbe e-izobraževanja, kar vodi k doseganju
boljših učnih rezultatov, do katerih, po konstruktivistični teoriji učenja,
pride z aktivnim učenjem in interakciji študentov z drugimi udeleženci
e-izobraževanja (študijskimi kolegi, učitelji, mentorji).
Model  sestavljajo (MacDonald in drugi ):

• Osnove za učinkovito izobraževanje (v originalu angl. Superior Struc-


Institucionalni model e-izobraževanja .

Sprotna Stalno
evalvacija Rezultati prilagajanje
programa in izboljšave

Vsebine Distribucija Storitve

Osnova za učinkovito izobraževanje

Potrebe in Učno Evalvacija,


Strategije
motiviranost okolje in cilji ustreznost/
poučevanja
študentov programa dostopnost

 . Model e-izobraževanja  (Demand-Driven Learning Model)


(priprejeno po MacDonald idr. )

ture), ki so osnova za doseganje veče kakovosti e-izobraževanja, v


skladu z zahtevami študentov. V osnove so MacDonaldova in sode-
lavci vključili:
. zaznavanje potreb potencialnih študentov in prilagajanje vsebin
učnim stilom, izkušnjam in znanju študentov;
. motiviranost študentov – e-izobraževanje mora z vsebino, dis-
tribucijo in načinom izvedbe poskrbeti za dodatno motivacijo
študentov;
. sodelovalno in zdravo učno okolje, v katerem so študenti in uči-
telji enakovredni udeleženci učne skupnosti;
. cilje programa, ki bodo doseženi z vsebino, načinom distribucije
in načinom izvedbe e-izobraževanja;
. primerne strategije poučevanja, ki prek načrtovanih dejavnosti
študentov, načinov preverjanja in ocenjevanja znanja vodijo do
načrtovanih učnih rezultatov;
. sprotno spremljavo in vrednotenjem dela študentov. Pri tem
se uporabljajo različne evalvacijske metode, s katerimi dodatno
motiviramo študente pri opravljanju študijskih obveznosti;
. dostopnost do primernih vsebin (prek številnih internetnih po-
vezav).
• Zahteve kupcev, ki so vezane na e-izobraževanje, torej na vsebine,
distribucijo in izvedbo e-izobraževanja oziroma opravljanje stori-
tev.


 Modeli e-izobraževanja

. Vsebine morajo biti razumljive in jasne, primerne za ciljno sku-


pino študentov (stopnjo izobraževanja in raven razumevanja),
vsebinsko ustrezne in relevantne. Vsebine morajo biti preizku-
šene in preverjene ter povezane s stvarnostjo v delovnem okolju.
. Način distribucije mora omogočati enostavno uporabo vsebin.
Spletne strani morajo imeti nazorno in jasno navigacijo, biti
morajo posodobljene in spletne povezave morajo biti aktivne.
Vsebine morajo biti študentom posredovane tako, da je omo-
gočena določena stopnja interaktivnosti. Glede na različne učne
stile študentov naj bi bile vsebine posredovane v različnih obli-
kah oziroma prek različnih medijev.
. Izvedba e-izobraževanja za izobraževalno institucijo je opra-
vljanje storitev. V ta namen mora izobraževalna institucija štu-
dentom zagotoviti ustrezno administrativno, strokovno in teh-
nično podporo, ki skrbi za nemoteno dostopnost in izvedbo
e-izobraževanja.
• Rezultati, ki so v skladu s pričakovanji kupca, to je študenta. Študent
mora biti zadovoljen z načinom izvedbe študija, s pridobljenim zna-
njem in spretnostmi, ki jih bo lahko unovčil na trgu dela.
• Sprotna evalvacija programa omogoča stalno prilagajanje in izboljše-
vanje same izvedbe kot tudi modela, ki bi sčasoma vodil v standard
za spletno podprto učenje (angl. Web-based Learning).
Prednost modela  je v spodbujanju akademskega osebja k pre-
vzemu proaktivne vloge pri uporabi  za izobraževalne namene, pred-
vsem pa poudarjanje treh zahtev kupcev (študentov): vsebine, distribu-
cije in izvedbe e-izobraževanja. Model omogoča razumevanje pomena
vlaganja v  za učinkovit odziv na zahteve trga (Engelbrecht , ).
Predstavljeni model e-izobraževanja poudarja pomen evalvacije, ki
mora biti sestavni del strateškega načrta e-izobraževanja. Zadovoljiti
moramo potrebe odjemalcev storitev (študentov ali njihovih deloda-
jalcev), izdelati in distribuirati kakovostna učna gradiva in ustvariti učne
skupnosti, ki v medsebojni interakciji gradijo znanje. Kakovostno e-
izobraževanje mora biti administrativno, strokovno in tehnično pod-
prto.

. Modeli na ravni izobraževalnega procesa


Pri načrtovanju izobraževalnega procesa moramo imeti v mislih rezul-
tate, ki jih morajo udeleženci izobraževanja – študenti doseči. Učni re-


Modeli na ravni izobraževalnega procesa .

Opredelitev
dejavnosti študenta

Opredelitev načina
Opredelitev učnih
preverjanja doseženih
rezultatov
rezultatov

Evalvacija doseženih
rezultatov

 . Proces priprave za izvedbo učnega načrta (prirejeno po Mayes in Freitas
, )

zultati morajo biti v skladu s kurikulumom, metodami poučevanja in


učnim okoljem ter jih je mogoče preveriti z načrtovanimi metodami pre-
verjanja in ocenjevanja znanja. V ta namen je treba načrtovati dejavnosti
študentov in učiteljev ter načine, kako preverjati dosežene rezultate na
vsakem koraku (slika .).
Načrtovanje izobraževalnega dela, prikazanega na sliki ., temelji na
konstruktivistični teoriji učenja (povzeto po Mayes in Freitas , ), ki
smo jo predstavili v poglavju .
Na ravni samega izobraževalnega procesa se pojavljajo številni drugi
modeli, ki na osnovi teorij učenja predvidevajo različne metode pouče-
vanja, način vključevanja študentov, njihovo medsebojno povezovanje,
podporo mentorja. Tako so modeli e-izobraževanja (na ravni samega iz-
obraževalnega procesa) lahko usmerjeni na učne rezultate (behaviori-
stična teorija učenja), na dejavnosti posameznika ter na preverjanje in
ocenjevanje znanja (kognitivna teorija učenja) ali na skupinsko delo in
diskusije ter na oblikovanje virtualnih skupnosti (konstruktivistična te-
orija učenja).
Na učne rezultate usmerjeni modeli dajejo prednost učnim rezultatom,
ki jih morajo udeleženci izobraževanja doseči. Takšni modeli so se razvili
iz modela načrtovanja izobraževalnega dela (angl. Instructional Design
Models), ki poudarja pomen pedagogike in upoštevanja značilnosti on-
line učenja (Engelbrecht , ). Modeli načrtovanja izobraževalnega
dela temeljijo na procesu načrtovanja, razvoja in izvedbe izobraževanja,
kar se seveda izvaja tudi v klasični učilnici. Engelbrechtova (, –


 Modeli e-izobraževanja

) je na osnovi primerjave različnih modelov e-izobraževanja postavila


skupna izhodišča za načrtovanje izobraževalnega dela. Treba je:
• analizirati potrebe po e-izobraževanju, predvsem primernost ozi-
roma ustreznost takšnega načina izobraževanja v primerjavi s kla-
sično izvedenimi izobraževanji; pri analizi je pomemben tudi stro-
škovni vidik izvedenega izobraževanja;
• proučiti profil študenta, v katerega vključimo njegove potrebe in
pričakovanja. Profil študenta vključuje na primer starost, spol, kul-
turno okolje, delovne izkušnje, predznanje, računalniško in inter-
netno pismenost študentov itn;
• opredeliti nivo podpore institucije, ki je odvisna od vizije in stra-
tegije uvajanja e-izobraževanja, ponudnice e-izobraževanja, od teh-
nološke in strokovne usposobljenosti strokovnega kadra ter opre-
mljenosti ponudnice e-izobraževanja;
• opredeliti pedagoški vidik e-izobraževanja, ki temelji na teorijah
učenja (poglavje ) ter razvojni strategiji institucije glede upora-
bljene tehnologije.
Večina računalniško podprtih e-izobraževanj izhaja iz natančne opre-
delitve učnih rezultatov ter predvidenih spretnosti in veščin, ki naj bi jih
študent dosegel. Tehnologija v takšnih modelih prevzame vlogo simu-
lacij, sredstva za predstavitve ter za preverjanja in ocenjevanja znanja.
Na učne rezultate je usmerjen tudi model učnih objektov, ki temelji na
zahtevi po vnovični uporabi posameznih učnih objektov v istem ali dru-
gem kontekstu (Mayes in Freitas , ; Sulčič idr. , –). Vno-
vična uporaba učnih objektov ima seveda ekonomske prednosti (nižji
stroški na enoto), vendar se odpira vprašanje vključenosti človeškega de-
javnika (mentorja) kot pomembnega dejavnika uspešnosti študija, kot
bomo videli v poglavju . Po tem modelu študent le prejema znanje, ki
mu je prek učnih objektov ponujeno, nima pa možnosti ustvarjanja zna-
nja na osnovi individualne, predvsem pa skupinske dejavnosti, čemur
daje prednost konstruktivistična teorija učenja (Mayes in Freitas ,
). Učenja namreč ne moremo enačiti s prenosom znanja, ko bi bilo do-
volj, da študentu posredujemo kakovostno znanje prek različnih e-gradiv
(Koper , ). Poleg znanja, ki ga posredujemo študentu, so za učenje
pomembne interakcije študenta z gradivom in interakcije med študenti,
reševanje različnih teoretičnih in praktičnih problemov ter druge oblike
dejavnosti. Na teh osnovah so na odprti nizozemski univerzi (Open Uni-
versiteit Nederland) začeli graditi sistem, s katerim so opredelili t. i. štu-


Modeli na ravni izobraževalnega procesa .

dijske enote (angl. Units of study) (Koper , ). Študijske enote so
lahko različnih vrst in velikosti (študijski program, tečaj, delavnica, lek-
cija) in se lahko različno izvajajo (online, kombinirano online in v živo)
in prek različnih medijev (papir, splet, e-knjige). Študijske enote lahko
opišemo s pomočjo jezika  (angl. Educational Modelling Language
– ).⁹
Model študijskih enot je s pedagoškega vidika zasnovan širše kot mo-
del učnih objektov, saj študijska enota vsebuje več različnih učnih objek-
tov. Učni objekti vsebujejo le metapodatke o samem učnem objektu ter
podatke o njegovem obnašanju, ne vsebujejo pa podatkov o celotni štu-
dijski enoti oziroma o lekciji, predmetu, študijskem programu. Koper
(, ) navaja, da model učnih objektov ne vsebuje dovolj podatkov
za gradnjo zahtevnejših in prilagodljivih študijskih enot. Pri modelu uč-
nih objektov pogrešamo podatke o tem, kako se različni učni objekti (na
primer razlaga snovi, vaje za utrjevanje znanja) povezujejo med seboj in
kakšna je struktura študijske enote. Prav v ta namen je bil razvit opisni
jezik , s katerim se (Koper , ):
• opiše tip učnega objekta in se umesti v semantično mrežo;
• zgradi okvir, v katerem se opišejo odnosi in povezave med tipizira-
nimi učnimi objekti;
• opredelita struktura vsebine in obnašanje posameznih vrst učnih
objektov.
Iz opisa je razvidno razmerje med učnimi objekti in študijskimi eno-
tami. Pedagoški metamodel (slika .) je sestavljen iz štirih modelov (Ko-
per , –):
• modela učenja, ki opisuje, kako v skladu s teorijami učenja poteka
učenje, predvsem pa interakcija študenta z gradivom, vrstniki, vir-
tualnimi skupnostmi, okoljem in drugimi učnimi situacijami;
• enot študijskega modela, v katerem so opisane interakcije znotraj
študijske enote, predvsem vloga vseh udeležencev izobraževalnega
procesa (učiteljev in učencev), učni cilji in ciljne skupine, druge
značilnosti učencev (na primer učni stili), področje študija, način
izvajanja učne enote ter preverjanje in ocenjevanje znanja;

.  je jezik, s katerim opisujemo študijske objekte. Razvijajo ga na odprti nizo-


zemski univerzi že od leta  (Koper ). Specifikacijo , različico ., je februarja
 potrdil tehnični odbor  (glej http://www.imsglobal.org), avgusta  pa je bila
objavljena tudi končna različica .. Ocenjuje se, da bo  postal standard, kakršen je
na primer  (Klebl ).


 Modeli e-izobraževanja

Teorije
učenja

Enote
Model Domenski
študijskega
učenja model
modela

 . Sestavine pedagoškega metamodela (povzeto po Koper , )

• domenskega modela, ki opisuje tip vsebin in njihovo organizacijo


(na primer vsebine s področja ekonomije, prava, managementa
itn.); vsako področje študija ima namreč lastno strukturo znanja,
kompetenc ter spretnosti, zato se modeli poučevanja med področji
razlikujejo – na primer poučevanje matematike se precej razlikuje
od poučevanja filozofije;
• teorij učenja, ki opisujejo teorije ter metode in načine učenja in po-
učevanja, na katere se nanaša študijska enota.
Model študijskih enot z vključevanjem interakcij študenta z okoljem
in vrstniki ter njegovim vključevanjem v virtualne skupnosti že delno
posega na področje modelov, ki temeljijo na kognitivni teoriji učenja,
oziroma modelov, ki so usmerjeni k dejavnostim posameznika, prever-
janje in ocenjevanje znanja (slika .). Podobno se umeščajo tudi inteli-
gentni sistemi za usposabljanje, kakršen je na primer  Tutor¹⁰ (Smith
; Mayes in Freitas , ). Inteligentni sistemi za usposabljanje so
nadgradnja t. i. računalniško podprtih izobraževanj. Vsebujejo številna
pravila, ki so osnova za novo znanje. Sistem predvideva tudi napačne
poteze študenta in ga smiselno usmerja k zastavljenim ciljem.¹¹
Na kognitivni teoriji slonijo modeli, kakršen je model Sandy Britain in
Olega Liberja (Mayes in Freitas , ).¹² Model, ki je bil narejen leta

.  Tutor sta razvila Anderson in Reser leta  (Smith ). S primeri, ki
jih udeleženec tečaja izvaja (angl. learning by doing), se nauči osnovnih načel pro-
gramiranja s programskim jezikom  (Smith ).  Tutor temelji na pro-
gramskem jeziku  (t Processing), ki ga je leta  razvil John McCarthy (glej
http://searchsoa.techtarget.com).
. Tako na primer  Tutor vsebuje  t. i. produkcijskih pravil za izdelavo pro-
grama v programskem jeziku , ki se jih mora naučiti študent, kakor tudi  pred-
videnih napak, ki jih običajno delajo začetniki (Smith ).
. Model sloni na Beerovem kibernetskem modelu ter konverzacijskem modelu Lau-


Modeli na ravni izobraževalnega procesa .

 in revidiran leta , je bil razvit z namenom spodbujanja rabe


virtualnih učnih okolij za nadaljnje izobraževanje. Model se je hitro raz-
širil predvsem v visokem šolstvu (prav tam). Z vključitvijo konverzacij-
skega modela Lauillardove so se v virtualna učna okolja začela vgrajevati
različna orodja, ki so omogočala diskusijo, interakcijo in refleksijo uče-
čih. Konverzacijski model Laurillardinove je imel velik vpliv na razvoj e-
izobraževanja v Veliki Britaniji, kjer se v izobraževalni proces intenzivno
vključuje dialog med učiteljem in študentom (Mayes in Freitas , ).
Interakcijo med učencem in mentorjem zelo poudarja model Dialo-
gPlus, ki so ga razvili na angleški univerzi v Southamptonu (University
of Southampton). V ta namen so razvili številna orodja, ki mentorju
omogočajo učinkovito načrtovanje učnih dejavnosti, prek katerih štu-
dent dosega učne rezultate predvidene z učnim načrtom. Poleg modela
DialogPlus uvrščamo med modele, ki slonijo na konstruktivistični teoriji
učenja, tudi mrežni model učenja  (slika .). Model je bil razvit v
Angliji. Goodyear je s sodelavci na univerzi Lancaster (Lancaster Univer-
sity) zasnoval pedagoški okvir, ki je v pomoč mentorjem pri organizaciji
mrežnega učenja v virtualni skupnosti. Mentor prek nalog sproži dejav-
nosti študentov, s katerimi študenti dosegajo učne rezultate. Pomemben
poudarek je na t. i. virtualnih skupnostih in online (mrežnem) sodelo-
vanju študentov. (Mayes in Freitas , –.)
Računalniško podprto načrtno učno okolje (angl. Computer-supported
intentional learning environments – ) omogoča gradnjo znanja.
, kot izdelek za podporo sodelovalnega dela, je izdelal Apple leta
 ter ga leta  preoblikoval v spletno različico, ki ga tržijo pod
imenom Knowledge Forum.¹³ Forum znanja je okolje, ki omogoča, da
člani virtualne skupnosti skupaj gradijo znanje. Posamezniki dodajajo
različna gradiva in vire, diskutirajo, dopolnjujejo in kritizirajo. Takšen
način učenja pomeni odmik od klasičnega poučevanja in veliko spre-
membo v vlogah udeležencev izobraževalnega procesa. Vsi sodelujoči,
kot del širše virtualne skupnosti, postajajo ustvarjalci znanja.
Prepletanje kognitivne teorije znanja s konstruktivistično teorijo je za-
slediti tudi v modelu e-dejavnosti, ki ga je Salmonova poimenovala »E-
tivities«. Salmonova opisuje petstopenjski model nastajanja učeče se sku-
pnosti. Od uvodne motivacije, online socializacije, izmenjave informacij,
grajenja znanja do razvoja, v katerem študenti postanejo odgovorni za

illardove (Mayes in Freitas , –, ).


. Http://www.knowledgeforum.com


 Modeli e-izobraževanja

 . Teorije poučevanja in modeli izobraževalnega procesa


Teorija/usmer. modela Modeli e-izobraževalnega procesa
Behaviorizem
V učne rezultate • Model e- • Model študijskih
usposabljanja enot
• Model učnih
objektov
• Računalniško pod-
prto izobraževanje
Kognitivna teorija
V dejavnosti posa- • Model dialoga • Inteligentni siste- •  – računalni-
meznika, v ocenje- in konverzacije mi za usposablja- ško podprto načr-
vanje in dialog nje tno učno okolje
Konstruktivizem
V skupinsko delo • Model DialogPlus
in diskusijo; obli- • CSALT – mrežni
kovanje virtualnih model učenja
skupnosti
Prirejeno po Mayes in Freitas , .

svoje učenje in učenje skupine (Salmon , –).


Predstavljeni modeli dokazujejo, da postaja e-izobraževanje vse bolj
usmerjeno v oblikovanje virtualnih (učečih) se skupnosti, kjer vsi udele-
ženci prispevajo h gradnji in ustvarjanju znanja. Vloge vseh udeležencev
so se z uvedbo online izobraževanja precej spremenile. Tako učitelj vse
bolj postaja le moderator virtualne učne skupnosti, študenti pa njeni ak-
tivni soustvarjalci. Te spremembe pa, kot smo že poudarili, nujno vodijo
k prenovi izobraževalnih procesov.
Povzetek teorij v povezavi s predstavljenimi modeli prikazuje pregle-
dnica ..


4 Ovire za uspešen konec
e-izobraževanja

E-izobraževanje v  postaja vse bolj zanimivo predvsem za podjetja,


kjer se delež e-izobraževanj v primerjavi z drugimi oblikami izobraževa-
nja in usposabljanja stalno povečuje (Mungania , ). Rezultati razi-
skav kažejo na velik osip (angl. drop-out)¹ udeležencev online izobraže-
vanj, zaradi česar se v podjetjih želje managerjev po zamenjavi klasičnega
izobraževanja z e-izobraževanjem ne uresničujejo (Mungania ; Ma-
sie Center ; Tyler-Smith ). Carrova () na osnovi raziskav
na ameriških univerzah ocenjuje, da je osip pri online izobraževanju za
– % večji od osipa pri klasičnem izobraževanju. Iz prikaza osipa v
preglednici . je mogoče razbrati neenotnost ocen osipa.
Razlike v osipu izhajajo tudi iz metodologije merjenja osipa, saj neka-
tere institucije ne prikazujejo izstopa iz e-izobraževanja v t. i. prehodnem
obdobju na začetku izvajanja predmeta (Carr ), ko študenti predmet
lahko zapustijo in se jim na primer že vplačana šolnina za predmet lahko
povrne. Tyler-Smith () navaja, da je osip v  na dodiplomskem
izobraževanju med  in  %. Pri ocenah osipa rednih študentov so po
njegovih navedbah podatki enotnejši, kot pri navajanju osipa študentov
e-izobraževanja.
Primerjava online izobraževanja, še prej izobraževanja na daljavo, in
klasičnega izobraževanja zanima raziskovalce že od vsega začetka. Znana
je zbirka raziskav (Russell ; glej tudi www.nosignificantdifference.org),
ki izkazuje, da med učnimi rezultati (angl. Learning outcomes), doseže-
nimi z izobraževanjem na daljavo, in učnimi rezultati klasičnega izobra-
ževanja ni statistično značilnih razlik. Bolj kot učni rezultati pa so zani-
mive razlike v osipu med online in klasičnim izobraževanjem. Velik osip
pomeni na eni strani neracionalno rabo virov institucije, na drugi strani

. V anglosaški literaturi zasledimo različne pojme za nedokončanje tečaja/predmeta


ali izobraževanja. Poleg izraza »drop-out« srečamo izraz »attrition«. Lahko se zgodi, da
študenti pri študiju ne napredujejo, ker niso opravili vseh študijskih obveznosti, vendar
študija ne opustijo. V našem izobraževalnem sistemu jih evidentiramo kot ponavljavce.
Študenti pa lahko študij iz različnih razlogov tudi opustijo. Za to bi bil bolj ustrezen
angleški izraz »attrition«. Martinezova () tudi omenja izraz »stop-out«, s katerim
označuje študente, ki s študijem prenehajo, pa se kasneje vrnejo in študij dokončajo.


 Ovire za uspešen konec e-izobraževanja

 . Ocene osipa odraslih udeležencev e-izobraževanj


Ocena osipa Avtor in leto objave rezultata
–% Forester  (v Dagger in Wade ); Flood 
> % Mungania ; Masie Center ()
> % Carter  (v Tyler-Smith )
–% Ridley in Sammour  (v Diaz ); Frankola  (v Masie
Center )
–% Diaz 

pa pri neuspešnih študentih povzroča nižjo motiviranost za nadaljnje


(vseživljenjsko) izobraževanje. Zaradi tega so raziskovalci svoje razisko-
vanje usmerili v ugotavljanje vzrokov za osip. Mungania (, ) na-
vaja Charnerjeve in Fraserjeve raziskave iz leta , ki sta vzroke iskala
v socialno-ekonomskem statusu študentov, rasi in prejšnjih izobraže-
valnih izkušnjah. Fahy (prav tam) je leta  ugotovil vpliv finančnih
zmožnosti študentov, geografskih omejitev, naklonjenosti študentov do
izobraževanja po meri študentov. Tinto je o ovirah, ki narekujejo izstop
iz terciarnega izobraževanja, pisal že leta , ko je vzpostavil najpo-
gosteje omenjeni model osipa (v Draper ). Ovire za uspešen konec
študija je Tinto videl v posamezniku, instituciji in drugih zunanjih vpli-
vih (Mungania , ). Ponujal je rešitev za zmanjšanje osipa in sicer
je rešitev mogoče iskati v večji medsebojni integraciji študentov in inte-
graciji študentov s samo institucijo, kar je po navadi značilno za redne
študente (Tyler-Smith ). Simpson () poudarja pomen predho-
dnih (pozitivnih) izkušenj z e-izobraževanjem, saj na primer britansko
odprto univerzo² zapusti kar  % študentov že pred prvim izpitnim ro-
kom.
Zanimive rezultate o vzrokih za osip e-izobraževanj v  je dobil
Masie Center (, ii).³ V triletni raziskavi so ugotavljali razlike med
uspešno končanimi izobraževanji, ki se izvajajo na različne načine – na
daljavo⁴ je izobraževanje uspešno končalo , % študentov, klasično iz-
vedena izobraževanja pa , % študentov.

. Britanska odprta univerza (The Open University) je referenčna institucija za izva-


janje , ki se v zadnjih letih izvaja predvsem prek interneta.
. -odstoten osip udeležencev v izobraževanju v podjetjih na osnovi raziskav Mei-
sterove (v Seufert , ) in od - do -odstoten osip po ugotovitvah Frankolove (v
Masie Center ).
. V raziskavo je bilo vključenih . online izvedenih in . klasično izvedenih
izobraževanj oziroma tečajev (angl. Courses) (Masie Center , ).


Ovire za uspešen konec e-izobraževanja 

Prvotne raziskave so vzroke za velik osip iskale predvsem v tehno-


logiji. Schilke (v Mungania , ) je leta  na osnovi proučeva-
nja online izvedenega študija na daljavo izoblikoval model petih ovir e-
izobraževanja. Ovire izhajajo iz študenta, procesa pridobivanja znanja,
tehnologije, institucije in drugih zunanjih vplivov – okoliščin.
Mungania⁵ (, –) je model petih ovir nadgradila še z dvema
vrstama ovir: organizacijskimi ovirami in ovirami, povezanimi z vsebi-
nami oziroma gradivi e-izobraževanja. V svoji doktorski raziskavi je pro-
učevala značilnosti udeležencev izobraževanj, ki se v celoti izvajajo on-
line. V raziskavo je bilo vključenih  udeležencev podjetij iz različnih
sektorjev. Udeleženci so delali v podjetjih s področja proizvodnje  (N
= ), petrokemične industrije (N = ), javnega šolstva (N = ), zdrav-
stvenih storitev (N = ), trgovine na veliko (N = ), svetovanja o 
(N = ) in vojske (N = ). Model Muganie () tako obsega ovire,
ki so povezane:
• z ovirami, vezanimi na študenta, v katere je vključila strah pred neu-
spehom, zaupanje v e-izobraževanje, predznanje, sposobnost prila-
gajanja spremembam, fizično in psihično zdravje, komunikacijske
spretnosti in zadovoljstvo ter ponos odraslega (angl. Adult pride);
• z učnimi stili študenta, kamor je Mungania (, ) poleg same
usklajenosti študentovih učnih stilov z vgrajenimi učnimi stili e-
izobraževanja vključila tudi naklonjenost različnim izobraževal-
nim medijem, predvsem odnos do , občutek osamljenosti pri
e-izobraževanju, sprejemljivost mentorsko podprtega izobraževa-
nja, možnost dostopa do mentorja, odnos do neosebnega značaja
e-izobraževanja;
• z metodami in oblikami poučevanja (angl. Instructional barriers),
ki vključujejo ovire, vezane na online učitelja/mentorja, načrt iz-
vedbe in samo delo učitelja v online okolju. Tako je v to skupino
ovir (Mungania , ) vključen slab načrt izvedbe predmeta
ter nizka kakovost gradiv, pogostost povratnih informacij, pomanj-
kljiva možnost spremljanja lastnega napredka, omejena interakcija
študenta, težaven dostop do gradiv in pomanjkljiva navigacija, te-
žave pri prenosu znanja iz teorije v prakso, preveč informacij in
preveč povezav, vezanih na tečaj, stalno spreminjanje zahtev, neu-

. Doktorska disertacije Munganiejeve () je ena novejših in obsežnejših raziskav


o ovirah za uspešen konec e-izobraževanj. Avtorica je povezala in nadgradila številne
prejšnje raziskave, zato smo njene izsledke vzeli za nadaljnja razmišljanja.


 Ovire za uspešen konec e-izobraževanja

strezna struktura ocenjevanja, nezmožnost tiskanja ali prenosa gra-


div v svoj računalnik;
• z ovirami, vezanimi na izvajalca e-izobraževanja (organizacijske
ovire), v katere je (prav tam, ) vključila nenaklonjenost vod-
stva in drugih zaposlenih v e-izobraževanju, pomanjkanje znanja
za načrtovanje in izvajanje e-izobraževanja (tehničnega in peda-
goškega), naklonjenost organizacijske kulture e-izobraževanju, te-
žave z upravljanjem e-izobraževanj, kakovost tehnične podpore,
pomanjkljiva kredibilnost izobraževanj ter težave pri poznejšem
priznavanju opravljenih izobraževanj;
• s primernostjo gradiv za ciljno skupino – gradiva morajo biti prilago-
jena ciljni skupini ter dovolj zahtevna in kakovostna;
• s tehnologijo, predvsem primernostjo uporabljene tehnologije – stro-
škovna in zmogljivostna primernost, konsistentnost dostopa do e-
izobraževanj, hitrost in zanesljivost internetne povezave, zaščita po-
datkov pred vdori in izgubo, primernost spletnega učnega okolja
(sistema );
• z drugimi okoliščinami in zunanjimi vplivi, ki vplivajo na potek štu-
dija. Mungania (, ) je v to skupino vključila sposobnosti
usklajevanja različnih družbenih vlog študentov (poklic, družina,
študij), nepredvidene dejavnike, ki vplivajo na prekinitev študija,
pomanjkanje časa za študij, težave, vezane na upravljanje časa (angl.
Time Management).
Zaznavanje ovir⁶ e-izobraževanja je subjektivno. Iz preglednice . je
razvidno, da so najbolj zaznane ovire, ki izvirajo iz okolja, najmanj pa
ovire, ki imajo izvor v osebnostnih značilnostih.
Razlike v dojemanju ovir se kažejo tudi med sektorji, iz katerih pri-
hajajo udeleženci – študenti e-izobraževanj. Študenti iz podjetij s pod-
ročja svetovanja o  se bolj zavedajo ovir, povezanih z značilnostmi
študenta, kot v drugih sektorjih. Najmanj ovir na tem področju vidijo v
petrokemični industriji (Mungania , –).
Statistično značilne razlike so opazili med podjetji s področja sveto-
vanja o  in drugimi sektorji (Mungania , ), medtem ko se
podjetja petrokemične industrije po zaznavanju ovir statistično značilno
ne razlikujejo od drugih, kar je najbrž posledica majhnega vzorca (N =

. Anketiranci so ovire e-izobraževanja ocenjevali na petstopenjski lestvici, kjer so z


oceno  ocenili, da posamezna značilnost ni ovira za dokončanje e-izobraževanja, ocena
 pa pomeni veliko oviro za dokončanje e-izobraževanja.


Ovire z vidika študenta .

 . Zaznavanje ovir e-izobraževanj

Organizacijske
Vplivi okolja
Tehnologija

Primernost

Poučevanje

Značilnosti
študentov

Povprečje
Učni stili
vsebin

ovire
Proučevani sektorji
Proizvodnja  , , , , , , , ,
Petrokemična industrija , , , , , , , ,
Javno šolstvo , , , , , , , ,
Zdravstveno zavarovanje , , , , , , , ,
Trgovina na veliko , , , , , , , ,
Svetovanje o  , , , , , , , ,
Vojska , , , , , , , ,
Povzeto po Mungania , –.

) (preglednica .). Vplivi okolja (situacijske ovire) so najbolj zaznane


ovire.
Proučevanje ovir za uspešno e-izobraževanje bomo v raziskavi upora-
bili le kot ogrodje za vzpostavitev modela dejavnikov, ki vplivajo na učin-
kovito e-izobraževanje. Zato bomo v nadaljevanju ovire proučevali iz vi-
dika sestavin e-izobraževanja (slika .), na katerih v nadaljevanju gra-
dimo model dejavnikov učinkovitega e-izobraževanja. Tako bomo ovire
predstavili:
• z vidika študenta,
• z vidika učitelja in metod poučevanja,
• z vidika vsebin e-izobraževanja,
• z vidika izvajalca izobraževanja – institucije.

. Ovire z vidika študenta


Študenti se med seboj razlikujejo ne samo po osebnostnih značilnostih,
ki vplivajo na njihovo vztrajnost, samonaravnanost in samodisciplino ter
motivacijo (Martinez ), temveč tudi po svojih pričakovanjih, s kate-
rimi vstopajo v e-izobraževanje. Tinto () je visoka pričakovanja štu-
dentov označil kot enega od petih pogojev za uspešen konec študija. Štu-
dent mora čutiti pripadnost instituciji, zato so pomembni pogosti stiki
s šolskim osebjem (akademskim, strokovnim in administrativnim ose-
bjem) ter drugimi študijskimi kolegi na fakulteti. Tinto () govori o
povezanosti študenta s študijskimi kolegi in akademskim okoljem. Na-
dalje Tinto (prav tam) poudarja pomen akademske, socialne in osebne


 Ovire za uspešen konec e-izobraževanja

podpore študentu. Pomen vključevanja podpore za študente že v fazi ra-


zvoja e-izobraževanja poudarja tudi Martinezova (). Podpora je po-
membna že takoj na začetku študija, saj kot kažejo raziskave osipa na
britanski odprti univerzi (Simpson ),  % študentov zapusti štu-
dij še pred prvim izpitnim rokom. Podpora je lahko strukturirana, na
primer v obliki poletnih predpripravljalnih programov (angl. Summer
bridge programs), mentorskega programa, ali manj strukturirana in se
na primer izvaja prek pogovornih ur učitelja.
Mungania (, –) navaja številne ovire, ki so vezane na posa-
meznika. Tako izpostavlja učne stile in odnos do izobraževalnih medi-
jev, pričakovanja študentov, prejšnje izkušnje z e-izobraževanjem, spo-
sobnost za prilagajanje na spremembe ter sprejemanje sprememb, mo-
tivacijo, sposobnost upravljanja s časom ter psihično in fizično zdravje
študenta. Martinezova () izpostavlja pomen samodiscipline in sa-
monadzora. Takšni študenti po navadi izkazujejo večjo motiviranost in
so pri študiju vztrajnejši (prav tam) ter manj dovzetni za zunanje moteče
vplive, ki bi narekovali opustitev študija (Tyler-Smith ). Z motečimi
vplivi Tyler-Smith () misli na tehnične težave z računalnikom ali
internetnim dostopom, pritiske na delovnem mestu in v družini ter na
težave z usklajevanjem časa. Dejavnik zunanjih vplivov oziroma drugih
okoliščin v svoj model vključuje tudi Mungania ().
Splošne sposobnosti študenta niso dovolj za uspešen študij. Palloff
in Pratt (glej http://www.pbl-online.org) navajata številne dejavnike, ki
vplivajo na uspešen konec študija:
• motiviranost za pridobivanje novega znanja,
• sposobnost samostojnega in neodvisnega učenja,
• sposobnost analize, evalvacije in sinteze,
• sposobnost načrtovanja časa, postavljanja ciljev in prioritet ter spo-
sobnost sledenja tako zastavljenim načrtom,
• sposobnost reševanja problemov,
• osnovna računalniška in internetna pismenost.
Medtem ko sta motiviranost in neodvisnost prirojeni značilnosti, so
druge značilnosti lahko razvite ali naučene v času študija. Ta spoznanja
je smiselno vključiti v načrtovanje e-izobraževanj.
Mungania (, –) poudarja, da študent razume svoj položaj in
odgovornost, ki jo ima kot e-študent. Odgovornosti, ki jo mora študent
prevzeti za svojo uspešnost, ne morejo nadomestiti še tako kakovostne


Ovire z vidika študenta .

spremembe drugih dejavnikov – kot na primer tehnologije, organiza-


cije ali izvedbe e-izobraževanja (Mungania , ). To odgovornost bi
lahko enačili s samodisciplino, kot jo izpostavljajo nekateri drugi avtorji
(Martinez , Bandura v Tyler-Smith ).
Motivacija se na splošno pojavlja kot najpogosteje izpostavljen de-
javnik, ki vpliva na uspešnost študentov (Tyler-Smith ; Mungania
; Masie Center ), zato je pomembno, da so strategije motivi-
ranja študentov vključene v strategije uvajanja e-izobraževanja (Masie
Center , ). Po raziskavi Masie Centra () je kar  % anketiran-
cev motivacijo izpostavilo za najpomembnejši dejavnik za uspešen konec
e-izobraževanja. Na drugi strani pa  % anketirancev e-izobraževanja ni
uspešno končalo zaradi pomanjkanja motivacije.
Z vidika študenta ovire, ki jih je Mungania (, ) povezala s štu-
dentom in učnimi stili, različno vplivajo na konec e-izobraževanja. Med
ovire, ki so vezane na študenta, uvrščamo tudi ovire, ki jih je Munga-
nia (, ) uvrstila med ovire okolja. V tej skupini ovir je proučevala
vpliv sposobnosti študenta na usklajevanje različnih vlog in odgovorno-
sti, ki jih imajo študenti v vsakodnevnem življenju, ter ovire, ki vplivajo
na potek študija. Iz preglednice . je razvidno, da so prav ovire te sku-
pine najpogosteje zaznane ovire (Mungania , ).
Mungania (prav tam) je ugotovila povezavo med samoučinkovitostjo
študentov pri e-izobraževanju in intenzivnostjo zaznavanja ovir za uspe-
šen konec e-izobraževanja. V okviru samoučinkovitosti e-izobraževanja
(angl. eLearning Self-Efficacy) je zbrala stališča študentov do štiriindvaj-
setih trditev o odnosu do računalnika, sposobnostih uporabe računal-
nika in odnosu do uporabe računalnika pri delu in učenju (, –
). Opazila je, da študenti, ki imajo pozitiven odnos do računalnika, ki
v računalniku vidijo orodje za laže opravljanje dela in sredstvo za prido-
bivanje znanja ter imajo sebe za vešče uporabnike računalnika, zaznavajo
manj ovir. Analiza podatkov je pokazala, da ovire, vezane na študenta,
učne stile in ovire, ki izvirajo iz okolja, statistično značilno vplivajo na
jakost zaznavanja ovir za e-izobraževanje (Mungania , ). Posa-
mezniki, ki so računalniško manj pismeni, zaznavajo več ovir (Mungania
, ).
Problem neusklajenosti lastnih učnih stilov z učnimi stili, ki so bili
vključeni v e-izobraževanje je kot razlog za osip navedlo  % anketiran-
cev (Masie Center ). Tretjina anketirancev (, %) pa meni, da je
razlog za nedokončana e-izobraževanja časovna neusklajenost zasebnih
in študijskih obveznosti (prav tam).


 Ovire za uspešen konec e-izobraževanja

Preglednica . prikazuje značilnosti posameznika, ki statistično zna-


čilno vplivajo/ne vplivajo za predčasno prekinitev e-izobraževanja.
Na zaznavanje ovir e-izobraževanja imajo statistično značilen vpliv
tudi računalniška usposobljenost ter samo-učinkovitost e-izobraževanja.
Manj računalniško pismeni študenti ter študenti z manjšo samoučinko-
vitostjo e-izobraževanja zaznajo več ovir kot študenti, ki so vešči uporabe
računalnika in izkazujejo večjo samoučinkovitost e-izobraževanja.

. Ovire z vidika učitelja in metod poučevanja


Omenili smo že pomen integracije študentov med seboj in njihovo in-
tegracijo v akademsko okolje, kot jo je poimenoval Tinto (). Med
študenti, ki so aktivno vključeni v študijski proces, je opaziti manjši osip
(prav tam). Aktivne metode poučevanja, posebno če vključujejo skupin-
sko delo in intenzivno interakcijo med študenti ter med študenti in uči-
teljem, pozitivno vplivajo na uspešnost dokončanja študija. Za prema-
govanje ovir za dokončanje študija je v načrt izvedbe predmeta in samo
izvedbo predmeta treba vključiti (Mungania , ; Tinto ):

• jasno in nedvoumno predstavitev predmeta ter pričakovanja učite-


lja glede potrebnega dela študentov, predvsem pa merila ocenjeva-
nja;
• jasna in natančna navodila za študij;
• spremljanje dela študenta, ki vključuje tudi sprotno preverjanje
znanja ter druge informacije, s katerimi je študentu omogočeno
spremljanje lastnega napredka.

Online podporo mentorja je kot pomemben dejavnik uspešnega konca


e-izobraževanja⁷ izpostavila tudi raziskava Masie Centra ().
Učne stile ter njihovo povezavo z ovirami za uspešen konec e-izobraževanja
smo izpostavili že pri ovirah, vezanih na študenta. Poznavanje ciljne
skupine ter učnih stilov potencialnih študentov je nujno pri načrtova-
nju učinkovitega e-izobraževanja, zato mu moramo posvetiti posebno
pozornost; prav tako metodam poučevanja, saj študenti posamezne me-
tode različno sprejemajo.

.  % anketirancev je online podporo mentorja navedlo kot dejavnik, ki je vplival na


uspešen konec e-izobraževanja (Masie Center ).


 . Dejavniki, ki vplivajo na osip študentov
Dejavnik Na osip statistično značilno . . .
. . . vpliva . . . ne vpliva
• Starost – Mungania ()
Giles ter Feldahaus (v Murgania )
Willging in Johnson ()
• Spol Masie Center () Mungania ()
• Zakonski stan – Mungania ()
• Rasa – Mungania ()
• Poklicni položaj Mungania () –
• Posedovanje računalnika in dostop do interneta Masie Center  –
• Računalniška in internetna pismenost Mungania () –
• Predhodne izkušnje z e-izobraževanjem Simpson () –
Mungania ()
• Motivacija Frankola (v Tyler-Smith ) –
Masie Center 
• Osebnostne značilnosti – samo-učinkovitost, Mungania () –
sposobnost organiziranosti
• Pomanjkanje časa Frankola (v Tyler-Smith ) –
Ovire z vidika učitelja in metod poučevanja


• Neprimernost tečaja Frankola (v Tyler-Smith ) –
• Nestrokovnost mentorja/učitelja Frankola (v Tyler-Smith ) –
.

• Neusklajenost učnih stilov e-izobraževanja Masie Center  –


z lastnimi učnimi stili
 Ovire za uspešen konec e-izobraževanja

. Ovire z vidika vsebin e-izobraževanja


Ovire, ki so vezane na vsebine e-izobraževanja, je Mungania () raz-
vrstila v različne skupine: skupina ovir na ravni vsebin, skupina ovir na
ravni poučevanja in delno tehnološke ovire.
Da bi omilili ovire, ki vplivajo na osip študentov, moramo pri načrto-
vanju in izdelavi gradiv paziti na naslednje (Mungania , ):
• razumljivost študijskih gradivih, ki naj bi bila po obsegu optimalna;
gradiva naj bi bila nivojsko zgrajena (od lažjih vsebin do težjih),
vendar naj ne bi vsebovala odvečnih povezav in informacij, saj se
je prevelika količina informacij pokazala za eno od ovir za uspešen
konec e-izobraževanj;
• interaktivna gradiva morajo biti pregledna in morajo omogočati
enostavno navigacijo po gradivu;
• vsebine morajo biti predstavljene tako, da omogočajo povezavo te-
orije s prakso;
• študenti si želijo gradiva prenesti v svoj računalnik in jih uporabljati
tudi brez internetne povezave ali pa si gradiva natisniti; nezmožnost
prenosa gradiva in njihov izpis je pri študentih, vključenih v razi-
skavo, Mungania navedla kot vzrok za opustitev študija.

. Ovire z vidika izobraževalne institucije


Izobraževalna institucija (zavod ali podjetje), ki organizira e-izobraževanje,
mora biti ustrezno tehnološko in pedagoško (andragoško) usposobljena
za izvedbo e-izobraževanja. Dosedanje raziskave (Mungania ; Mesie
Center ) so pokazale, da so institucionalne ovire na ravni terciar-
nega izobraževanja povezane tudi z institucionalno kulturo, ki mora biti
naklonjena uvajanju e-izobraževanja. Prav tako mora biti podjetniška
kultura v podjetjih, v katerih se zaposleni izobražujejo prek interneta,
naklonjena tovrstnemu izobraževanju. Podpora vodstva in sodelavcev
pomembno vpliva na uspešnost dokončanja e-izobraževanj.
Na ravni institucije moramo izpostaviti še akreditiranost izobraže-
vanj – predmetov, študijskih programov (delov študijskih programov),
ki se izvajajo prek interneta. Nezaupanje v e-izobraževanje in bojazen,
da opravljenega izobraževanja študenti pozneje ne bodo mogli uvelja-
vljati oziroma se jim izobraževanje ne bo priznalo na trgu dela, je med
organizacijskimi ovirami izpostavila tudi Mungania (, ).
Organizacijske ovire so bile pri raziskavi Muganienije (, ) po-
stavljene nizko ( = ,) (preglednica .). V skupino organizacijskih


Ovire z vidika izobraževalne institucije .

ovir je Mungania poleg težav, povezanih s kredibilnostjo e-izobraževanj


in možnostjo poznejšega priznavanja doseženih kvalifikacij, uvrstila tudi
ovire, ki izvirajo iz nezadovoljivega upravljanja e-izobraževanj – upra-
vljanja na ravni tečajev, vsebin in uporabnikov.
Tehnološke ovire je Mungania (, ) sicer obravnavala kot ločeno
skupino ovir, vendar po naši oceni sodijo med ovire na institucionalni
ravni. Kot vzrok za osip študentov lahko vpliva:
• otežen dostop do strežnika e-izobraževanj,⁸ s tem mislimo tako na
težave, povezane z dostopom do strežnika, kot na težave, povezane
z uporabo vsebin e-izobraževanj;
• težavnost uporabe spletnega učnega okolja (Mungania , –
).
Po raziskavi Masie Centra () je tehnologija, predvsem dostop do
interneta, ovira le za , % anketirancev, čeprav se je korelacija med do-
stopnostjo do interneta in uspešnostjo konca online izobraževanja poka-
zala za statistično značilno (Masie Center ). Vedeti pa moramo, da
so bili anketiranci raziskave Masie Centra dobro opremljeni z računal-
niki (, % jih je imelo kabelski dostop do interneta ali  dostop)
in da so izkazali visoko računalniško in internetno pismenost ( % an-
ketirancev se je izreklo za dobre uporabnike računalnika). Tehnologija
nima statistično značilnega vpliva na druge ovire, tudi po ugotovitvah
Muganijeve ne, saj je le orodje za izvedbo e-izobraževanja.
Institucija mora študentom zagotoviti ustrezno tehnično, strokovno
in administrativno podporo ter, kot smo že omenili, predvsem podporo
strokovno usposobljenega mentorja, kar smo poudarili že pri ovirah, po-
vezanih z učiteljem. Težave, povezane s pomanjkljivo podporo, so bile
nakazane že v raziskavi Masie Centra (). Za zmanjšanje osipa mora
institucija zagotoviti motivatorje e-izobraževanja. Največkrat to vlogo
odigrajo kar mentorji, ki prevzamejo tudi pomoč pri reševanju lažjih
tehničnih težav oziroma posredniško vlogo do tehnične podpore.
Ker je pomanjkanje časa ena od resnih ovir za uspešen konec e-
izobraževanja, mora izobraževalna institucija poskrbeti za izvedbo, ki
bo študentom omogočala nemoteno opravljanje študijskih obveznosti.
To je pomembno predvsem, ko se elektronsko izvaja celoten študijski
program.
Na učinkovitost e-izobraževanja statistično značilno vplivajo:

. Težave bi se lahko pojavile zaradi slabega vzdrževanja strežnika in infrastrukture ter


napak v delovanju opreme v instituciji.


 Ovire za uspešen konec e-izobraževanja

• študentska samoučinkovitost za e-izobraževanje,


• študentska ocena sposobnosti uporabe računalnika in sama uspo-
sobljenost za uporabo računalnika,
• sektor, iz katerega udeleženec e-izobraževanja izhaja.
Študenti z manjšo samoučinkovitostjo za e-izobraževanje ter manj ra-
čunalniško in internetno pismeni študenti zaznajo več ovir, ki ogrožajo
njihov uspešen konec e-izobraževanja. Zato je za izobraževalno institu-
cijo pomembno, da ovire prepozna in jih poskuša odpravljati (Mugani
, ), če ima nanje vpliv.


Konceptualni model dejavnikov

5 učinkovitega kombiniranega
e-izobraževanja (DUKeI)

V . poglavju smo predstavili modele, ki izhajajo iz različnih vidikov e-


izobraževanja:
• vpetosti ponudnika e-izobraževanj v trg e-izobraževanj;
• institucionalnega vidika;
• vidika posameznega izobraževalnega procesa.
Preden bomo vzpostavili model dejavnikov učinkovitega kombinira-
nega e-izobraževanja bomo predstavili še lasten model e-izobraževanja.
E-izobraževanje je proces (slika .), v katerega vstopajo različni ude-
leženci: učitelji/mentorji, študenti, razvijalci e-izobraževanja in drugi,
predvsem administrativno, tehnično in strokovno osebje, ki izvaja pod-
porne dejavnosti e-izobraževanja. Neposreden rezultat e-izobraževalnega
procesa so študenti z razvitimi tržno iskanimi kompetencami. Gradiva,
ki nastanejo za potrebe izvajanja e-izobraževanja na izobraževalni insti-
tuciji, se lahko ponujajo na trgu – ali v obliki gradiv ali pa celo v izvedbi
celotnega izobraževanja (posameznih predmetov, delavnic, dela študij-
skega programa ali celotnega študijskega programa).
E-izobraževanje se izvaja v okviru pravno-formalnih predpisov in
ob upoštevanju značilnosti družbenega okolja. Na način izvajanja e-
izobraževanja pa tudi na nadaljnji razvoj vplivajo razmere na trgu e-
izobraževanj (in tudi razmere na trgu klasičnih izobraževanj) ter spre-
membe na področju poučevanja in razvoja .
V izobraževalni instituciji se izvajajo trije osnovni procesi (slika .):
• razvoj e-izobraževanja, ki vključuje tudi distribucijo e-izobraževanj,
• izvedba e-izobraževanja,
• evalvacija e-izobraževanja.
Vsi trije procesi se izvajajo na ravni posameznega predmeta (tečaja) in
na ravni institucije, ki izvaja študijski program.
V fazi razvoja e-izobraževanja mora izobraževalna institucija oprede-
liti strategijo e-izobraževanja, ki poleg vizije razvoja e-izobraževanja na
instituciji vključuje:


 Konceptualni model dejavnikov

Pravno-formalni okviri
Razmere na trgu Razvoj IKT

Študenti
Učitelji/mentorji Dipomanti
Udeleženci Izobraževalni proces Rezultati Gradiva
Razvijalci
e-izobraževanja
Drugo osebje Infrastruktura

Razvojne smernice na področju Širše družbeno okolje


pedagogike, didaktike
in andragogike

 . E-izobraževalni proces

Razvoj Izvedba

Virtualno
učno okolje
(LMS)

Evalvacija

 . Medsebojna povezanost osnovnih procesov e-izobraževanja

• način vključevanja  v izobraževalni proces (na primer način in


pogostost kombiniranja izvedbe prek interneta s klasično izvede-
nimi oblikami dela),
• vrsto spletnega učnega okolja – sistema ,
• vlogo, pristojnosti in odgovornosti razvijalcev vsebin, učiteljev,
mentorjev ter drugih udeležencev e-izobraževanja (administrativ-
nega, tehničnega in strokovnega osebja),
• metode poučevanja in učenja glede na kurikulum, vsebine in pred-
videne učne rezultate posameznih predmetov,
• priporočljive načine preverjanja in ocenjevanje znanja,
• tehnologijo in obliko e-gradiv,


Konceptualni model dejavnikov 

• standarde izdelave multimedijskih gradiv (na primer uporaba stan-


darda ),
• postopke presoje in vrednotenja procesa razvoja e-izobraževanja,
• postopke izboljšav samih strategij za izvedbo e-izobraževanj ter po-
stopke za dopolnjevanje gradiv.
Pomen razvoja sta poudarila tudi Khan in Joshi (, –), saj
se v tej fazi postavijo temelji e-izobraževanja. Razvoj, kot ga poimenu-
jemo mi, sta sicer delila v več faz – načrtovanje, oblikovanje in izdelavo.
Ločeno sta obravnavala distribucijo in objavo gradiv ter samo vzdrže-
vanje, ki smo ga mi vključili v izvedbo izobraževanja. Med procese e-
izobraževanja sta vključila tudi trženje e-izobraževanj, saj sta procese
snovala na primeru tržno naravnane institucije e-izobraževanja.
Izvedba e-izobraževanja sloni na strategiji e-izobraževanja. Pomembni
udeleženci e-izobraževanja so študenti kot koristniki storitev e-izobraževanja
ter učitelji in mentorji v vlogi organizatorja in izvajalca e-izobraževanja.
Učitelji in mentorji nastopajo tudi kot (so)ustvarjalci in snovalci e-
izobraževanj. Za vzdrževanje obstoječih in razvoj novih e-izobraževanj
so zelo pomembne izkušnje vseh udeležencev e-izobraževanj – učiteljev
in mentorjev ter tudi študentov.
Celoten proces razvoja, izvedbe in vzdrževanja e-izobraževanj potre-
buje široko tehnično, strokovno in administrativno podporo. Kakovostno
in predvsem učinkovito e-izobraževanje je dosegljivo le prek procesov
stalnih izboljšav, ki so del evalvacijskih postopkov. Evalvacija naj bo več-
plastna – sprotna in končna (Khan in Joshi , ). Vidiki evalvacije
so različni (prirejeno po Khan in Joshi , –):
• jezikovni vidik, kjer se presoja primernost uporabljenega jezika za
ciljno populacijo; vsebine morajo biti lahko berljive in razumljive
ter hkrati strokovne;
• tehnični vidik, kjer presojamo tehnično brezhibnost gradiva: delo-
vanje interaktivnih povezav, logičnost navigacije, delovanje anima-
cij in video-/avdioposnetkov;
• ustreznost slikovnega gradiva, ki mora biti nazorno in poučno in ne
sme žaliti etičnih značilnosti ali čustev posameznikov, kar je pred-
vsem pomembno, ko so gradiva namenjena različnim etičnim sku-
pinam;
• načini preverjanja in ocenjevanja znanja (doseganje učnih rezulta-
tov);


 Konceptualni model dejavnikov

Infrastruktura

Študenti Izvedba eI

Učinkovito eI
Gradiva
Učitelji/
mentorji Strategije
poučevanja

Razvijalci Razvoj eI

Podpora eI

Rezultati evalvacije Evalvacija eI

 . Institucionalni model e-izobraževanja

• uporabniški vmesnik, ki mora biti enostaven, pregleden in na pogled


prijeten;
• poučevanje in učenje – presoja ustreznosti uporabljenih metod pou-
čevanja, tako glede na strategije poučevanja kot tudi glede na dose-
žene učne rezultate.

Za naše razumevanje e-izobraževanja moramo v evalvacijske postopke


e-izobraževanja vključiti vse procese, ki so vezani na razvoj, izvedbo in
evalvacijo e-izobraževanja. Tudi sama evalvacija je odvisna od presoje.
Samo s takšnim pristopom lahko dosežemo učinkovito e-izobraževanje.
E-izobraževanje se lahko izvaja le ob ustrezni infrastrukturi ter ob ad-
ministrativni, tehnični in strokovni podpori. Infrastruktura e-izobraževanja
so omrežna in računalniška oprema ter računalniške rešitve, ki so po-
trebne za vzpostavitev, razvoj, izvedbo in vzdrževanje e-izobraževanja.
Poleg sistemskih računalniških rešitev, ki so potrebne za delovanje sa-
mega omrežja in druge računalniške opreme, mora institucija e-izobraževanja
zagotoviti še orodja za izdelavo gradiv ter spletno učno okolje (), če
je tako opredeljeno v strategiji e-izobraževanja.
Slika . prikazuje institucionalni model e-izobraževanja, ki ponazarja
prepletanje posameznih dejavnosti in procesov.


Učinkovitost e-izobraževanja .

. Učinkovitost e-izobraževanja


Ekonomski leksikon (Baletić , ) učinkovitost opredeljuje kot spo-
sobnost za doseganje rezultatov. Ekonomska učinkovitost pomeni raz-
merje med vrednostjo proizvodnje oziroma vrednostjo prodanih stori-
tev in stroški, ki so bili potrebni za realizacijo proizvodov/storitev. Učin-
kovitost lahko opredelimo tudi kot razmerje med izhodnimi količinami
(angl. Output) in vhodnimi porabljenimi viri za proizvodnjo izhodnih
količin (angl. Input). Tako učinkovitost (angl. Efficiency) opredeljuje
tudi Rumble (, ). Izračun koeficienta učinkovitosti zahteva ovre-
dnotenje izhodnih količin, s čimer pri izobraževanju naletimo na težave.
V izobraževalni proces vstopajo ljudje – študenti, učitelji in drugo stro-
kovno, administrativno in tehnično osebje, oprema, gradiva in drugi viri
za izvedbo izobraževalnega procesa. Iz izobraževalnega procesa pa iz-
stopajo študenti z opravljenimi študijskimi obveznostmi, ki jih je težko
ovrednotiti, zato bolj kot o učinkovitosti izobraževanja kot razmerju
med vrednostjo izhodnih in vhodnih količin govorimo o stroškovni učin-
kovitosti izobraževanja. To pomeni, da za proizvod – diplomanta izva-
jamo izobraževalni proces z minimalnimi stroški.
Na koncu . in v začetku . let prejšnjega stoletja (Rumble , )
je bilo na področju stroškovne učinkovitosti izobraževanja, predvsem ob
uvajanju novih tehnologij, precej raziskav. Od leta  raziskave na tem
področju podpira tudi . V . letih prejšnjega stoletja so v 
raziskovali stroškovno učinkovitost izobraževalnega radia in televizije
(prav tam). Leta  je tudi britanska odprta univerza izvedla primer-
jalno analizo svojih programov študija na daljavo s programi tradicio-
nalnih univerz v Veliki Britaniji. Wagner, avtor raziskave (prav tam), je
ugotavljal ponavljajoče se stroške (angl. Recurrent Costs) na ekvivalen-
tnega študenta tradicionalnih univerz in odprte univerze. Raziskava je
pokazala, da so ponavljajoči se stroški na dodiplomskega študenta tra-
dicionalnih univerz v primerjavi s stroški  ,-krat večji (oziroma
za podiplomskega študenta ,-krat večji). Razlike izhajajo tudi iz načina
študija na odprti univerzi oziroma že iz samega odprtega pristopa,¹ ko
se študijske obveznosti opravljajo drugače kot pri klasičnem študiju. Iz-
kušnje angleške primerjalne študije so pokazale, da je metodologiji izra-

. Na univerzi so priznavali tudi kreditne točke, ki so jih študenti dosegli v prejšnjem


izobraževanju, kar pomeni, da so študenti na odprti univerzi študirali manj kot na neka-
terih drugih klasičnih univerzah in s tem povečevali učinkovitost izobraževanja na odprti
univerzi.


 Konceptualni model dejavnikov

čuna, predvsem kadar primerjamo različne izobraževalne institucije med


seboj, treba posvetiti posebno pozornost (Rumble , –).
Ugotavljanje ekonomske učinkovitosti  se razlikuje od ugotavlja-
nja učinkovitosti, ki jo bomo uporabili za potrebe naše raziskave. Ne
samo zaradi načina izobraževanja (kombiniran način pri posameznih
predmetih), temveč tudi zaradi števila študentov, uporabnikov izobra-
ževalnih storitev. Teh je na naših izobraževalnih zavodih veliko manj kot
na zahodu.
Levin (, ) povezuje načine merjenja učinkovitosti e-izobraževanja
z odločitvenimi problemi oziroma ciljem, ki ga želi institucija doseči.
Tako lahko na primer institucija meri učinkovitost študija s:
• številom diplomantov,
• številom osipnikov, ki iz različnih razlogov ne uspejo končati pro-
grama oziroma izobraževanja,
• zadovoljstvom študentov,
• zaposljivostjo diplomantov na ustreznih delovnih mestih (uspeš-
nost študija),
• uvrstitvijo študentov v druge izobraževalne programe (na primer
nadaljevanje izobraževanja na višji ravni).
Levin (, ) ločuje med presojo učinkovitosti in presojo stro-
škovne učinkovitosti izobraževanja. Za potrebe naše raziskave bomo
učinkovitost e-izobraževanja opredelili z dveh vidikov:
• z vidika ocene predmeta (izpita),
• z vidika mnenja o pridobljenem znanju.
Zavedamo se, da je vidik ocene predmeta ozek, saj bi bilo primernejše
proučevati učinkovitost študija z vidika opravljanja vseh študijskih ob-
veznosti – časa, ki ga študent potrebuje, da konča izobraževanje na izo-
braževalni instituciji, in povprečne ocene študija. Glede na to, da izvajalk
e-izobraževanja na terciarni ravni izobraževanja še ni veliko, teh raziskav
v Sloveniji še ne moremo izpeljati. Zato je naša raziskava omejena na
proučevanje dejavnikov, ki so vezani na posamezne predmete. Ker pa bi
se kljub temu dotaknili vsebinskega vidika učinkovitosti (znanja), smo v
model vključili mnenje o pridobljenem znanju. Znanje, ki je uporabno
na trgu, je vključeno tudi v model , ki smo ga predstavili v podpo-
glavju ..
Zavedamo se, da je presoja pridobljenega znanja z vidika študentov
subjektivna ocena, vendar je znanje v družboslovju teže ugotoviti kot na


Opredelitev dejavnikov .

primer v naravoslovnih ali v tehničnih znanostih.

. Opredelitev dejavnikov


Za učinkovito e-izobraževanje je treba e-izobraževanje razviti, ga učin-
kovito izvesti ter izobraževalni proces stalno izboljševati.
V poglavju  smo predstavili ovire, ki povzročajo, da študenti predča-
sno zapustijo online izobraževanje. V okviru naše raziskave se ne bomo
ukvarjali z ovirami, temveč z dejavniki, ki vplivajo na učinkovitost e-
izobraževanja. Kljub temu naša raziskava večkrat vključuje tudi ovire,
saj se med dejavniki, za katere menimo, da vplivajo na učinkovitost e-
izobraževanja, pojavljajo tudi tisti, ki smo jih navedli med ovirami.
Za izhodišče dejavnikov učinkovitega e-izobraževanja bomo vzeli
opredeljene procese in udeležence e-izobraževanja. Tako na eni strani
proučujemo dejavnike, vezane na študente, na drugi strani pa dejavnike,
ki so vezani na izvedbo predmeta – način izvedbe, gradiva, dejavnosti
študentov in mentorsko podporo; gre torej za dejavnike, vezane na stra-
tegije poučevanja (in učenja) in na neposredno izvedbo predmeta.
Za e-izobraževanje so potrebne ustrezna opremljenost – infrastruk-
tura ter razvite sposobnosti uporabe računalnikov in interneta. Ker pro-
učujemo učinkovitost študija, ki se izvaja kot kombinirano e-izobraževanje,
menimo, da je pomembna tudi opremljenost študentov.
Pri študentih nas zanimajo demografske značilnosti študentov (spol,
starost, zaposlitev, status študenta oziroma način študija) in osebnostne
značilnosti, ki so povezane s študijem oziroma pripravljenostjo študen-
tov za študij.
Način poučevanja je odvisen od vrste predmeta, stilov poučevanja uči-
teljev in drugih dejavnikov. V raziskavi smo se omejili na kombiniran
način e-izobraževanja, zato nas zanimajo način izvedbe predavanj in vaj
ter dejavnosti študentov v e-učilnici, njihov odnos do takšnega načina
izvajanja, vloga mentorja itn.
Na osnovi prebrane literature, ki smo jo predstavili v teoretičnem delu,
smo nanizali dejavnike, ki bi po naši oceni lahko vplivali na oceno pred-
meta ali mnenje o pridobljenem znanju. Nanizane dejavnike smo potem
razporedili v skupine dejavnikov, ki jih prikazujemo na sliki ..
V skupini demografskih značilnosti študentov smo proučevali:
• spol študentov;
• starost študentov;
• način končanja srednje šole – matura ali zaključni izpit oziroma


 Konceptualni model dejavnikov

Demografske značilnosti
Ocena
Osebnostne značilnosti predmeta
Infrastruktura
Računalniška in internetna pismenost Študenti
Uporaba storitev interneta
Pripravljenost za e-izobraževanje
Učinkovit
Odnos do študija študij

Izvedba eI Učne strategije


Podpora mentorja in gradiva

Pridobljeno
znanje
 . Skupina dejavnikov modela e

poklicna matura (študenti, ki so svoje srednješolsko izobraževanje


končali z maturo, so obiskovali gimnazijski srednješolski program,
srednje strokovno in poklicno izobraževanje pa se konča s poklicno
maturo oziroma pred uvedbo poklicne mature leta  (po pravil-
niku o poklicni maturi) z zaključnim izpitom);
• končni uspeh v srednji šoli;
• zaposlitev – obseg dela;
• delovna doba;
• način študija – redni ali izredni študij.
V skupini osebnostnih značilnosti smo proučevali osebnostne značil-
nosti ob vključitvi v predmet in ob koncu izvedbe predmeta, saj nas je
zanimal učinek uporabe  v izobraževalnem procesu. Tako smo prou-
čevali:
• študijske sposobnosti,
• komunikativnost,
• ustvarjalnost,
• organizacijske sposobnosti,
• sposobnosti vodenja,
• samoiniciativnost,
• vztrajnost.
Opremljenost študentov in dostop do interneta sta potrebna infra-
struktura za vključitev študentov v e-izobraževanje. V raziskavi smo pro-


Opredelitev dejavnikov .

učevali opremljenost domačih računalnikov (možnosti uporabe multi-


medije) ter način dostopa do interneta. Za uporabo tehnološko zahtev-
nejših in multimedijsko naravnanih gradiv je potreben kabelski ali 
dostop do interneta.
V skupini računalniške in internetne pismenosti smo proučevali:
• splošne sposobnosti uporabe računalnika;
• sposobnosti uporabe računalniških programov² (Word, Excel, sple-
tni brskalnik – na primer Internet Explorer in program za e-pošto);
• uporabo interneta oziroma internetnih storitev; proučevali smo
uporabo storitev za zabavo in razvedrilo (na primer poslušanje
glasbe, prenos filmov, igranje igric) in uporabo storitev e-poslovanja
(na primer nakupovanje prek interneta, poslovanje z banko ali
javno upravo prek interneta);
• čas uporabe interneta na teden;
• stroške uporabe interneta.
V skupini dejavnikov, ki izkazujejo pripravljenost študentov za e-
izobraževanje, smo proučevali:
• odnos študentov do ;
• pripravljenost študentov za samoizobraževanje;
• pripravljenost študentov za vseživljenjsko izobraževanje;
• potrebo po stikih s kolegi;
• sodelovanje z učiteljem po e-pošti;
• željo po izobraževanju prek interneta.
Skupina dejavnikov, ki izraža odnos študentov do študija in motivira-
nost študentov, je vključevala:
• ure dela študentov –  (angl. Workload), ki smo jih spremljali s
tedenskimi anketami;
• mnenje o več oziroma manj vloženem delu, o katerem so študenti
poročali v končni anketi;
• motiviranost za študij – preverjali smo motiviranost ob vključitvi
študentov v predmet in motiviranost ob koncu izvedbe predmeta;
• zadovoljstvo s šolo;

. Programi Word, Excel in Internet Explorer so blagovne znamke podjetja Micro-


soft (www.microsoft.com). Ker te programe in uporablja največ uporabnikov osebnih
računalnikov, smo njihove blagovne znamke uporabili za jasnejšo opredelitev na primer
programa za urejanje besedil, programa za urejanje razpredelnic itn.


 Konceptualni model dejavnikov

• povprečno oceno študija.


V skupini dejavnikov kombiniranega e-izobraževanja smo proučevali:
• sprejem e-učilnice ter odnos študentov do e-učilnice;
• odnos študentov do študijskih gradiv ter način njihove uporabe (že-
lja po interaktivnem gradivu, izpis gradiva);
• odnos študentov do izvedbe predmeta;
• odnos študentov do sprotnega dela oziroma do študijskih dejavno-
sti, ki so se izvajale v e-učilnici;
• želeno število srečanj v živo.
Zadnja skupina je zajemala mentorsko podporo, in sicer smo prouče-
vali:
• študentovo oceno mentorjevega dela;
• mnenje o dostopnosti učitelja/mentorja ter o možnosti mentorjeve
zamenjave učitelja;
• mnenje o vplivu dela mentorja na uspešnost oziroma učinkovitost
študija.


Analiza dejavnikov učinkovitosti

6 na primeru študentov Fakultete


za management Koper

Dejavnike, predstavljene v prejšnjem poglavju, smo proučevali na pri-


meru Fakultete za management Koper (v nadaljevanju ), ki izvaja do-
diplomske in podiplomske študijske programe s področja ekonomskih in
poslovnih ved. V študijskem letu / je  začela izvajati bolonj-
ske študijske programe . stopnje, in sicer visokošolski strokovni študijski
program Management ( ) ter istoimenski univerzitetni študijski
program ( ). Oba študijska programa trajata tri leta in omogo-
čata nadaljevanje študija na . stopnji bolonjskih študijskih programov
ali pa na podiplomskih študijskih programih, akreditiranih v skladu z
zakonodajo, veljavno pred sprejetjem zakona o visokem šolstvu leta 
(i ). Z vpisom prvih študentov v bolonjske študijske programe
. stopnje se je končal vpis študentov v triletni visokošolski strokovni
program Management ( ), sprejet v skladu z veljavno zakonodajo
pred i .
V raziskavi se tako prepletajo podatki iz predmetov, ki so del študij-
skih programov pred akreditacijo bolonjskih študijskih programov, in iz
predmeta, ki je že del novega študijskega programa in se izvaja v obeh
bolonjskih študijskih programih . stopnje (visokošolskem strokovnem
in univerzitetnem) (preglednica .).
Še pred akreditacijo bolonjskih študijskih programov smo v obstoječe
predmete vgrajevali priporočila bolonjske deklaracije glede obremenitve
študentov¹ ter priporočila o uporabi aktivnih metod poučevanja. Zato v
študijskem letu / ni bilo zadržkov za skupno izvedbo predmeta
Digitalna ekonomija in e-poslovanje ( ) in E-poslovanje (/
). Izvedba je zanimiva tudi zato, ker smo predmet izvajali skupaj za
študente, ki študirajo po načinu rednega in izrednega študija.
V nadaljevanju prikazujemo metodologijo zbiranja in metodologijo
obdelave podatkov, opredeljujemo učinkovitost e-izobraževanja ter de-

. Za pridobitev   mora povprečen študent za povprečno oceno (prav dobro –


) vložiti od  do  ur svojega dela, v kar so vključeni navzočnost na organiziranih
izobraževalnih oblikah (predavanjih, vajah, seminarjih), študij literature, priprava pisnih
izdelkov, priprava na izpit in opravljanje izpita.


 Analiza dejavnikov učinkovitosti

 . Predmeti, vključeni v raziskavo


Predmet Oznaka Vrsta predmeta Študijski program 
Informatika  Obvezni – . letnik   
Digitalna ekonomija e Izbirni – . ali . letnik   
in e-poslovanje
E-poslovanje eP Izbirni – . letnik   in   
  – visokošolski strokovni študijski program,  – univerzitetni študijski
program.

javnike e-izobraževanja in njihov vpliv na učinkovitost e-izobraževanja.


Glede na to, da se prek e-učilnice² izvaja manjše število predmetov, smo
proučevali vpliv posameznih spremenljivk na oceno predmeta, ne pa
na povprečno oceno študija. Poleg vpliva posameznih spremenljivk na
oceno predmeta smo proučevali tudi vpliv spremenljivk na mnenje štu-
dentov o pridobljenem znanju. Naša dognanja temeljijo predvsem na
raziskavi izvedbe dveh predmetov – obveznega in izbirnega, ki se izva-
jata na rednem ali izrednem študiju.

. Metodologija raziskovanja


..   
Podatke, s katerimi bomo preizkušali dejavnike učinkovitega e-izobraževanja,
smo ob izvedbi predmetov na kombiniran način e-izobraževanja, zbrali
z raziskovalnim delom zadnjih dveh let. Podatki so bili zbrani z vprašal-
niki, ki so bili v izpolnjevanje ponujeni elektronsko (prek e-učilnice), z
izjemo enega vprašalnika, ki smo ga študentom ponujali v tiskani raz-
ličici. Čas anketiranja, način anketiranja med posameznimi skupinami
študentov, število v predmet vključenih študentov (N) in število študen-
tov, ki je anketo izpolnilo (n), je razvidno iz preglednice ..
Pri številu vključenih študentov upoštevamo število študentov, ki so
obiskovali predavanja, ne pa tistih, ki so imeli predmet vpisan v indeks.
Pri študentih, ki študirajo izredno, se namreč dogaja, da izbirni predmet
vpišejo, vendar se potem odločijo, da predmeta v tekočem študijskem
letu ne bodo opravljali. V raziskavo smo tako vključili  študentov s
,-odstotno povprečno odzivnostjo.

. E-učilnica je sinonim za spletno učno okolje, ki ga na  uporabljajo za podporo


izobraževalnega dela. Za odprtokodno rešitev Moodle (www.moodle.org) so se odločili
že v študijskem letu /, ko so začeli uvajati e-izobraževanje. E-učilnica, ki jo upo-
rabljajo tudi za podporo projektnega in sodelovalnega dela na fakulteti, je dostopna prek
naslova: www.eucilnica.si.


Metodologija raziskovanja .

 . Potek anketiranja in odzivnost anketirancev


Predmet Čas Način N n Delež*
e (izredni) – /
Vhodna anketa . .–. .  e-oblika   ,
Končna anketa . .  papir   ,
e (redni in izredni) – /
Vhodna anketa ..–. .  e-oblika   ,
Končna anketa . .–. .  e-oblika   ,
Informatika (redni) – /
Vhodna anketa . .–. .  e-oblika   ,
Končna anketa . .–. .  e-oblika   ,
 * V odstotkih.

Anketiranje študentov je potekalo na začetku, ob vključevanju študen-


tov v e-učilnico, vmesno – tedensko in ob koncu izvedbe predmeta, za
kar smo uporabili različne vprašalnike. Posamezni vprašalniki imajo raz-
ličen namen:
• Vstopno anketiranje študentov je namenjeno preverjanju računalni-
ške in internetne pismenosti študentov, zbiranju podatkov o upo-
rabi  in storitvah, ki jih  omogoča, naklonjenosti posame-
znim oblikam in načinom študija ter zaznavanju pomembnosti po-
sameznih dejavnikov učinkovitega študija.
• Z vmesnim anketiranjem zbiramo podatke o porabljenem času štu-
dentov za opravljanje študijskih obveznosti (angl. Workload), mne-
nja o izvedbi predmeta v preteklem tednu ter mnenja študentov o
gradivih. Študenti tedensko ocenjujejo tudi delo svojega mentorja.
• S končnim anketiranjem študentov dobimo informacije o izvedbi
predmeta, o sprejemu e-učilnice, odnosu do študijskih gradiv in
študijskih dejavnostih ter mnenje o vplivu e-izobraževanja na ne-
katere njihove osebnostne značilnosti.
Elektronska izvedba anketiranja nam omogoča, da prek vpisne številke
podatke iz anket dopolnimo še s podatki o študentih, na primer z uspe-
šnostjo študenta pri opravljanju študijskih obveznosti, s podatki o njego-
vem delu (iz vmesnih anket), s pogostostjo pristopa k izpitu (podatek iz
izpitne evidence v visokošolskem informacijskem sistemu). Iz tako sesta-
vljenih podatkov smo pred končno obdelavo podatkov vpisno številko,
ki izraža identiteto študenta, nadomestili s tekočo številko zapisa v dato-
teki, s čimer je bila zagotovljena anonimnost anketiranja.


 Analiza dejavnikov učinkovitosti

Podatke iz e-anket smo uredili v programu Excel ter jih nato uvozili
v program za statistično obdelavo podatkov  (različica . in raz-
ličica .). Podatki so prikazani z opisno statistiko ter z zahtevnejšimi
statističnimi metodami, ki so podrobneje prikazane v nadaljevanju ().

..   


Veliko število zbranih podatkov smo razvrstili v skupine (npr. spol, sta-
rost, način končanja srednje šole, končni uspeh v srednji šoli, obseg dela,
delovna doba in način študija v skupino demografskih značilnosti), ki
smo jih predstavili v podpoglavju . Pri takšnem združevanju smo upo-
rabili enostavne matematične metode ali pa metodo glavnih komponent.
Metodo glavnih komponent () smo uporabili povsod, kjer so po-
datki to dopuščali. Primernost podatkov za njihovo združevanje z 
smo preizkušali na tri načine. Izračunali smo:
• Kaiser-Mayer-Olkinovo () statistiko, ki meri moč povezave
med spremenljivkami in zavzema vrednosti med  in . V naši razi-
skavi smo za spodnjo mejo vzeli , ( ≥ ,), kot priporoča
Garson ().
• Chronbachovo alpho, ki pojasni delež variance potencialne nove
spremenljivke, če bi vanjo združili predvidene spremenljivke, za ka-
tere smo izvedli izračun. Po Garsonu () naj bi bila vrednost
alpha statistike vsaj ,, vendar navaja, da se nekateri raziskovalci
odločajo za višjo vrednost – ,. Tudi mi smo za mejo spreje-
mljivosti vzeli vrednost ,. Chronbahovo alpho lahko oprede-
limo tudi kot korelacijski koeficient (medsebojno povezanost izbra-
nih spremenljivk), kar pomeni, da vrednost alphe , pomeni zelo
močno korelacijo med izbranimi spremenljivkami (prav tam).
• Bartlettov test, s katerim preverjamo hipotezo, ali je korelacijska
matrika podatkov enotska. Če je stopnja tveganja (Sig.) ≤ ,, po-
tem lahko zavrnemo ničelno domnevo in sprejmemo sklep, da ko-
relacijska matrika ni enaka enotski, kar pomeni, da so opazovane
spremenljivke, ki jih želimo združiti z , do določene mere med
seboj povezane.
Če podatki niso bili primerni za uporabo  (alpha < ,,  <
,, Bartlettov test: Sig. > ,), smo nove spremenljivke tvorili z enostav-
nimi matematičnimi metodami. Tako je bila vrednost novoustvarjene
spremenljivke izračunana kot vsota vrednosti posameznih spremenljivk


Metodologija raziskovanja .

(na primer opremljenost domačih računalnikov v podpoglavju ) ali kot


povprečje vrednosti posameznih spremenljivk.
Med posameznimi podatki skupine oziroma pozneje podatki modela
(poglavje ), smo izračunali medsebojne povezave. Statistično značilne
povezave oziroma korelacije smo prikazali v korelacijskih preglednicah,
ki jim sledi opisna razlaga.
Vplive posameznih neodvisnih spremenljivk na odvisno spremen-
ljivko smo ugotavljali z regresijsko analizo. V regresijskih preglednicah
so prikazani³ regresijski koeficienti (B) in njihova statistična značilnost,
ki jo opredeljuje t-test in stopnja tveganja (P). Stopnja tveganja (P) nam
pove, ob kakšnem tveganju lahko zavrnemo ničelno domnevo, da je po-
samezen regresijski koeficient B enak  in da nima vpliva na odvisno
spremenljivko.
V preglednicah prikazujemo tudi analizo variance (F-test), s katerim
testiramo model kot celoto in ustrezno stopnjo tveganja (P). Multipli
determinacijski koeficient (R2 ) pove delež variance odvisne spremen-
ljivke, ki je pojasnjena z linearnim vplivom v model vključenih neod-
visnih spremenljivk. V naši raziskavi sta neodvisni spremenljivki ocena
predmeta in mnenje o pridobljenem znanju (pridobljeno znanje).
Za preverjanje izpolnjevanja predpostavk linearnosti regresijskega
modela smo uporabili grafični tehniki, in sicer:
• Na skupni sliki smo prikazali histogram standardiziranih vrednosti
ostankov in linijski prikaz normalne porazdelitve. Ostanki naj bi bili
razporejeni čim bolj normalno, da bi lahko sprejeli linearni model
regresijske funkcije ( = , in  = ,).
• Razsevni grafikon, ki ponazarja odvisnost standardiziranih vre-
dnosti ostankov od standardiziranih ocen odvisne spremenljivke.
Ostanki naj ne bi kazali medsebojne povezave – korelacije med
ostanki in ocenjeno vrednostjo odvisne spremenljivke, kar pomeni,
da v modelu ni heteroskedastičnosti. V nasprotnem primeru je na-
mesto linearne regresijske funkcije treba vzeti drugačen tip regresij-
ske funkcije ali pa preveriti ustreznost modela.
Za regresijsko analizo smo izbrali metodo Stepwise, ki preverja, ali po-
samezna spremenljivka statistično značilno vpliva na odvisno spremen-
ljivko. Če vpliv ni statistično značilen, program  spremenljivko iz-
loči iz modela, v nasprotnem primeru pa jo v modelu zadrži. Merilo za

. Pojasnila pojmov so povzeta po Rogelj , –.


 Analiza dejavnikov učinkovitosti

vključevanje in izločanje spremenljivk, ki je že programsko nastavljeno,


nismo spreminjali (stopnja značilnosti za vključitev spremenljivke v mo-
del je ,, stopnja značilnosti za izključitev iz modela pa ,).
Vsaka dodana spremenljivka v model spremeni vrednost determina-
cijskega koeficienta, zato v rezultatih regresijske analize prikazujemo po-
pravljene determinacijske koeficiente (popr. R2 ) (angl. Adjusted R2 ).

. Učinkovitost anketiranih študentov


S pojmom učinkovitost študija mislimo na t. i. prehodnost študentov, ki
jo Bevčeva ( , ) opredeljuje kot notranjo ekonomsko učinko-
vitost izobraževanja. V praksi se prehodnost študentov pogosto napačno
opredeljuje kot uspešnost študija, ki je vezana na zaposljivost študentov.
Pogled na učinkovitost e-izobraževanja smo opredelil v podpoglavju
. V okviru naše raziskave bomo proučevali opravljen izpit, saj smo se
že v uvodu omejili na proučevanje dejavnikov, ki so vezani na učinko-
vitost študentov pri opravljanju študijskih obveznosti pri posameznih
predmetih. Ker ocene ne kažejo vedno doseženih učnih dosežkov in ker
smo v raziskavo vključili dva različna predmeta, katerih znanja ni mo-
goče primerjati med seboj, smo študente vprašali za mnenje o pridoblje-
nem znanju. Na petstopenjski lestvici⁴ so študenti presojali pridobljeno
znanje pri predmetu, ki se je izvajal prek e-učilnice, z znanjem, ki ga
pridobijo pri klasično izvedenem predmetu. Da bi zagotovili primerlji-
vost izpitnih ocen izbirnega in obveznega predmeta, smo pri obveznem
predmetu upoštevali le ocene tekočih študijskih obveznosti (nalog), ne
pa ocen e-izpita. Primerjavo povprečnih ocen nalog oziroma izpita in
mnenje o pridobljenem znanju prikazujemo v preglednici .. Z neodvi-
snim t-testom smo ugotavljali statistično značilne razlike med posame-
znimi skupinami študentov - med študenti rednega in izrednega študija
ter med študenti izbirnega in obveznega predmeta. Statistično značilne
razlike med študenti rednega in izrednega študija ter med študenti izbir-
nega in obveznega predmeta smo opazili le pri mnenju o pridobljenem
znanju (P < ,).
Z metodo glavnih komponent smo poskušali obe spremenljivki zdru-
žiti v eno spremenljivko, vendar spremenljivki ne izpolnjujeta pogojev
za uporabo  (poglavje ),⁵ zato spremenljivk ne bomo združevali in
bomo vplive posameznih dejavnikov na učinkovitost študija obravnavali

.  pomeni, da študenti pridobili več znanja,  pa, da so pridobili manj znanja.


. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


Demografske značilnosti .

 . Ocena nalog in mnenje o pridobljenem znanju


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Ocena nalog (izpita)a , , , – –
Pridobili več znanjab , , , , ,
 a Razpon ocen od  do  ( = pozitivna ocena). b Ocenjevalna lestvica –: 
= manj znanja,  = več znanja.

ločeno za oceno predmeta in ločeno za mnenje o pridobljenem znanju.


To odločitev podpirajo tudi rezultati Russellove raziskave (Russell ),
ki kažejo, da med online izobraževanjem in klasično izvedenim izobraže-
vanjem v pridobljenem znanju ni statistično značilnih razlik. Iz naše raz-
iskave namreč izhaja, da predvsem študenti izrednega študija statistično
značilno visoko ocenjujejo pridobljeno znanje pri kombinirano izvede-
nem predmetu v primerjavi s klasično izvedenim predmetom, kar poraja
razmišljanje, da študenti pridobijo neka druga znanja, ki niso neposre-
dno povezana z vsebinami predmeta. Pridobljena znanja so nedvomno
povezana z metodami in načini poučevanja, ki smo jih vključili v izvedbo
predmeta. Tako so na primer pri skupinskem delu morali študenti delo
organizirati, se medsebojno dogovarjati in usklajevati ter se skupini tudi
prilagajati. Opravljanje dejavnosti je od študentov zahtevalo pogostejšo
uporabo računalnika in interneta, kot je v navadi pri klasični izvedbi.

. Demografske značilnosti


V skupini demografskih značilnosti smo zajeli podatke, prikazane v pre-
glednici ..
Obvezni predmet se izvaja v drugem letu študija, izbirni predmet pa
v tretjem letu študija, zato je povprečen študent obveznega predmeta
star  let, študent izbirnega predmeta pa  let. Glede na to, da gre za
študente rednega študija, so odstopanja od povprečja majhna – , leta,
čeprav je najstarejši študent rednega študija star  (za izbirni predmet)
oziroma  let (študent obveznega predmeta). Študenti izrednega študija
so v povprečju , leta starejši. Podobno razliko med študenti rednega in
izrednega študija smo zasledili tudi pri primerjavi študentov prvih dveh
izvedb izbirnega predmeta ( let) (Sulčič , ).
Za potrebe nadaljnje analize smo preoblikovali naslednje spremen-
ljivke:
• Predmet – spremenljivko smo spremenili v binarno (dihotomno)


 Analiza dejavnikov učinkovitosti

 . Demografske značilnosti študentov


Spremenljivke Značilnosti Izb. predmet Obv. predmet
Red. študij Izr. študij Red. študij
() () () () () ()
Spol Moški  ,  ,  ,
Ženski  ,  ,  ,
Način končanja Zaključni izpit  ,  ,  ,
srednje šole Poklicna matura  ,  ,  ,
Matura  ,  ,  ,
Zaposlitev Za nedoločen čas – –  , – –
(izredni) Za določen čas – –  , – –
Delate občasno – –  , – –
Nezaposleni – –  , – –
Delo ob študiju Redno  , – –  ,
(redni) Občasno  , – –  ,
Le med počitnicami  , – –  ,
Redko kdaj  , – –  ,
Ne  , – –  ,
Število ur dela M , , , – – –
na teden  , , , – – –
Delovna doba M , ,  – – –
 , , – – – –
Starost M , , , – – –
 , , , – – –
Min/Maks / / / – – –
Uspeh zadnjega let– M , , , – – –
nika srednje šole  , , , – – –
  = aritmetična sredina,  = standardni odklon,  = ni podatka. Naslovi
stolpcev: () število, () delež v odstotkih.

spremenljivko, kjer vrednost  pomeni obvezni predmet, vrednost


 pa izbirni predmet.
• Delovna doba in delovni čas – vse manjkajoče vrednosti so rezultat
tega, da anketirani študenti ne delajo in nimajo nič let delovne dobe,
zato smo manjkajoče vrednosti nadomestili z vrednostjo .
V preglednici . prikazujemo medsebojno povezanost oziroma sta-
tistično značilne korelacije med spremenljivkami, ki označujejo demo-
grafske značilnosti študentov, ter oceno predmeta in mnenjem o prido-
bljenem znanju.


Demografske značilnosti .

 . Demografske značilnosti – medsebojna povezanost spremenljivk


Spremenljivke . . . . . . .
. Predmet – – – – – – –
. Spol – – – – – – –
. Starost ,a – – – – – –
. Način študija ,a – ,a – – – –
. Delovne ure ,b – – ,a – – –
. Delovna doba ,a – ,a ,a – – –
. Uspeh v srednji šoli – – – – – – –
. Ocena predmeta – – ,b – –,a ,b ,b
. Pridobljeno znanje ,a – ,a ,a – ,a –
 a statistično značilna korelacija pri P = ,; b statistično značilna korelacija
pri P = ,.

Iz preglednice . lahko razberemo, da so višje ocene pri predmetu


dosegli starejši študenti (korelacijski koeficient ,), z več let delovne
dobe (korelacijski koeficient ,) in študenti, ki so imeli boljši uspeh ob
zaključku srednje šole (korelacijski koeficient ,). Službene obremeni-
tve (delovne ure) so v negativni korelaciji z oceno predmeta (korelacijski
koeficient –,), kar pomeni, da so študenti, ki delajo več ur na teden,
dosegli nižjo oceno pri predmetu in nasprotno. Zanimive so korelacije o
doseženem znanju, saj so študenti, ki menijo, da so pridobili več znanja,
starejši (korelacijski koeficient ,), študirajo izredno (korelacijski koe-
ficient ,) in imajo daljšo delovno dobo (korelacijski koeficient ,).
Korelacije s predmetom kažejo, da študenti izbirnega predmeta menijo,
da so pridobili več znanja kot pri klasično izvedenih predmetih (korela-
cijski koeficient ,). Študenti izbirnega predmeta so starejši (korelacij-
ski koeficient ,). Zanimivo je, da nismo opazili nobenih medsebojnih
povezav med spolom in drugimi proučevanimi spremenljivkami (pre-
glednica .).
Vpliv spremenljivk iz preglednice . na oceno predmeta in mnenje o
pridobljenem znanju smo preverili še z linearno regresijsko analizo. Re-
zultati linearne regresijske analize bodo osnova za izbiro ustreznih spre-
menljivk za nadaljnjo analizo.
Med vsemi demografskimi spremenljivkami, predstavljenimi v pre-
glednici ., na oceno predmeta statistično značilno vplivajo delovne
ure, ki jih študenti opravijo vsak dan na svojih delovnih mestih, starost
študentov in končni uspeh v srednji šoli. Starejši študenti in študenti, ki
so bili že v srednji šoli uspešnejši, dosegajo višje ocene tudi pri predmetu.


 Analiza dejavnikov učinkovitosti

 . Demografske značilnosti – linearna regresijska analiza (odvisna


spremenljivka: ocena predmeta)
Vključene spremenljivke B t P
Delovne ure –, –, ,
Starost , , ,
Uspeh v srednji šoli , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so predmet,
spol, način študija in delovna doba.

 . Demografske značilnosti – linearna regresijska analiza (odvisna


spremenljivka: pridobljeno znanje)
Vključene spremenljivke B t P
Način študija , , ,
Predmet , , ,
Spol , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so predmet,
spol, način študija in delovna doba.

Študenti, ki v službi delajo dalj časa, dosegajo nižje ocene. Delovne ure,
starost in uspeh v srednji šoli pojasnijo , % variance ocene predmeta
ob nevključenih drugih spremenljivkah, ki bodo prikazane pozneje.
Iz regresijske analize (preglednica .) izhaja, da na mnenje o prido-
bljenem znanju statistično značilno vplivajo način študija, vrsta pred-
meta in spol študentov. Tako so študenti izrednega študija in študenti
izbirnega predmeta, po lastni presoji, pridobili več znanja pri izvedbi
predmeta prek e-učilnice kot njihovi kolegi rednega študija in obveznega
predmeta. Študentke so v primerjavi z moškimi kolegi pridobile več zna-
nja. Vse tri neodvisne spremenljivke pojasnjuje ,-odstotna variabil-
nosti spremenljivke mnenje o pridobljenem znanju ob drugih nespre-
menjenih okoliščinah. Ostale spremenljivke iz preglednice ., ki smo jih
vključili v model, so bile z metodo Stepwise iz modela izločene, saj na
pridobljeno znanje nimajo statistično značilnega vpliva.
Glede na ugotovitve linearne regresijske analize (preglednica . in
preglednica .) bomo v nadaljnjo obdelavo prenesli spremenljivke: de-
lovne ure, starost, uspeh v srednji šoli, način študija, predmet in spol
študentov.

. Osebnostne značilnosti


Študenti so v vhodni anketi ocenjevali nekatere svoje osebnostne značil-
nosti. Za uspešen študij je pomembna predvsem motivacija, ki jo obrav-


Osebnostne značilnosti .

 . Ocene osebnostnih značilnosti pred izvedbo predmeta


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Študijske sposobnosti , , , , –
Komunikativnost , , – – –
Ustvarjalnost , , , , ,
Org. sposobnosti , , , , –
Sposobnosti vodenja , , , , –
Povprečje , , , – –
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

 . Ocena sprememb osebnostnih značilnosti zaradi uporabe  pri
izvedbi predmeta
Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Samoiniciativnost , , , , ,
Komunikativnost , , , , ,
Ustvarjalnost , , , , ,
Org. sposobnosti , , , , –
Sposobnosti vodenja , , , – –
Vztrajnost , , , , ,
Povprečje , , , – –
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

navamo v podpoglavju , ter nekatere druge osebnostne značilnosti, ki


jih prikazujemo v preglednici ..
Ob začetku izvedbe predmeta so študenti ocenjevali svoje osebnostne
značilnosti z ocenami od  do , kjer je ocena  pomenila najvišjo oceno.
Iz preglednice . je razvidno, da so svoje sposobnosti (v povprečju) naj-
više ocenili izredni študenti izbirnega predmeta, najnižje pa študenti ob-
veznega predmeta, ki študirajo redno. Razlike v ocenjevanju izhajajo tudi
iz presoje sprememb, ki so bile posledica uvajanja  v izvedbo pred-
meta (preglednica .). Ocenjevanje je potekalo na petstopenjski lestvici,
kjer ocena  pomeni močno strinjanje s trditvijo o izboljšanju sposobno-
sti, ocena  pa, da se s trditvijo sploh ne strinjajo.
Iz preglednice . je razvidno, da je raziskava o spremembah osebno-
stnih značilnostih zaradi uporabe  pokazala več statistično značilnih
razlik med študenti rednega in izrednega študija ter med študenti ob-


 Analiza dejavnikov učinkovitosti

 . Osebnostne značilnosti – regresijska analiza (odvisna


spremenljivka: pridobljeno znanje)
Vključene spremenljivke B t P
Izhodne značilnosti , , ,
 F = ,; P = ,; popr. R2 = ,. Izključena je spremenljivka vhodne
značilnosti.

veznega in izbirnega predmeta, kot je pokazala primerjava ocen oseb-


nostnih značilnosti ob vključitvi v predmet (preglednica .). Čeprav
so študenti izrednega študija že ob vključitvi v predmet višje ocenje-
vali svoje osebnostne značilnosti, so tudi po koncu izvedbe predmeta za-
znane spremembe zaradi uvedbe  v izobraževalni proces ocenili više.
Sprotno delo očitno izboljšuje vztrajnost študentov. Po mnenju študen-
tov so se osebnostne značilnosti najbolj izboljšale pri študentih izbirnega
predmeta izrednega študija, najmanj pa pri študentih obveznega pred-
meta rednega študija.
Za nadaljnjo analizo smo z metodo glavnih komponent⁶ oceno oseb-
nostnih značilnosti združili v eno novo spremenljivko (vhodne značilno-
sti). Nova spremenljivka pojasnjuje , % variabilnosti petih spremen-
ljivk iz preglednice ..
Enako⁷ smo združili tudi spremenljivke, ki ponazarjajo spremembo
osebnostnih značilnosti zaradi uporabe  v izobraževanju. Novoobli-
kovana spremenljivka (izhodne značilnosti) pojasnjuje , % variabil-
nosti šestih spremenljivk iz preglednice ..
S korelacijsko matriko smo ugotovili, da je spremenljivka izhodne zna-
čilnosti v pozitivni korelaciji z mnenjem o pridobljenem znanju (korela-
cijski koeficient ,), kar smo preverili še z linearno regresijsko analizo.
Rezultate prikazuje preglednica ..
Iz preglednice . je razvidno, da variabilnost izhodnih značilnosti
pojasni , % variabilnosti mnenja o pridobljenem znanju. Vhodne zna-
čilnosti nimajo statistično značilnega vpliva na mnenje o pridobljenem
znanju. Statistično značilnega vpliva vhodnih in izhodnih spremenljivk
na oceno predmeta nismo zaznali. Kljub temu bomo v nadaljnjo obde-
lavo prenesli obe spremenljivki, saj bi se ob vplivu kakšne druge spre-
menljivke lahko pokazal statistično značilen vpliv na eno od odvisnih
spremenljivk.

. Alpha = ,;  = ,; Bartlettov test: Sig. ,.


. Alpha = ,;  = ,; Bartlettov test: Sig. ,.


Opremljenost študentov .

. Opremljenost študentov


Računalniška opremljenost študentov ter njihov dostop do interneta
sta eden od osnovnih materialnih pogojev za uvedbo in izvedbo e-
izobraževanja. Zato opremljenost študentov preverimo že na začetku
izvedbe predmeta. Če študenti nimajo ustrezne opreme, jim to zagotovi
fakulteta.⁸
Iz preglednice . je razvidno, da so študenti izrednega študija bolje
opremljeni kot študenti, ki študirajo redno. Študenti, ki so si izbrali iz-
birni predmet s področja informatike, so bolje opremljeni kot študenti
obveznega predmeta, kar seveda ne preseneča, saj so si študenti pred-
met izbrali zato, ker jih področje informatike oziroma e-poslovanja še
posebno zanima. Tako ima več študentov izbirnega predmeta doma ra-
čunalnik (, % študentov rednega in , % študentov izrednega štu-
dija). Študenti izbirnega predmeta imajo boljši tudi način dostopa do
interneta (, % študentov rednega študija in , % študentov izbir-
nega predmeta, ki študirajo izredno, ima kabelski ali  dostop do
interneta). Domači računalniki študentov izbirnega predmeta so bolje
opremljeni kot računalniki študentov obveznega predmeta. Podrobnosti
so razvidne iz preglednice ..
Spremenljivke, ki prikazujejo opremljenost računalnika, smo zdru-
žili v novo spremenljivko, ki ponazarja opremljenost študentov. V novo
spremenljivko smo združili vsoto vrednosti posameznih spremenljivk.
Na osnovi izračuna Cronbachove alphe (,) se nismo odločili za
združevanje spremenljivk z metodo glavnih komponent, saj je bila alpha
nižja od spodnje sprejemljive meje (,) (podpoglavje ).
Razlike med povprečnim številom enot računalniške opreme, ki jih
vsebuje osebni računalnik študentov izbirnega predmeta () in študen-
tov obveznega predmeta () so razvidne iz preglednice ..
Tudi za dostop do interneta smo ustvarili novo spremenljivko, in si-
cer smo dostope do interneta razvrstili v dve skupini – počasnejši do-
stop (vrednost ) in hitrejši dostop (vrednost ).⁹ V skupino počasnej-
šega dostopa smo združili klasično telefonsko linijo, linijo  in mo-
bilno omrežje, v hitrejši dostop pa omrežje  in kabelsko omrežje. Iz

. Računalniška učilnica je bila vsak delovnik za uro ali dve rezervirana za študente
predmeta, ki se izvaja prek e-učilnice.
. Za potrebe regresijske analize smo spremenljivke pozneje spremenili v binarni spre-
menljivki, kjer je vrednost  označevala počasnejši dostop do interneta, vrednost  pa
hitrejši dostop do interneta.


 Analiza dejavnikov učinkovitosti

 . Opremljenost študentov in dostop do interneta


Spremenljivke Značilnosti Izb. predmet Obv. predmet
Red. študij Izr. študij Red. študij
() () () () () ()
Doma imate Z dostopom  ,  ,  ,
računalnik do interneta
Brez dostopa  ,  ,  ,
do interneta
Nimate računalnika  ,  ,  ,
Opremljenost Zvočna kartica  ,  ,  ,
računalnika Tiskalnik  ,  ,  ,
Optični čitalnik  ,  ,  ,
Zapisovalnik  ,  ,  ,
zgoščenk
Internetna kamera  ,  ,  ,
Način dostopa Klasična telefonska  ,  ,  ,
do interneta linija
Linija   ,  ,  ,
Mobilno omrežje – – – –  ,
Omrežje   ,  ,  ,
Kabelsko omrežje  ,  ,  ,
Ponudnik Arnes  , – –  ,
internetnih storitev Siol.net  ,  ,  ,
Telemach  ,  ,  ,
Amis.net  ,  ,  ,
Volja.net  ,  ,  ,
Drugo  ,  ,  ,
 Naslovi stolpcev: () število, () delež v odstotkih.

preglednice . je razvidno, da imajo študenti izbirnega predmeta (),


ki študirajo izredno, hitrejši dostop do interneta kot študenti rednega
študija (obveznega in izbirnega predmeta) ter tudi boljšo opremljenost
računalnikov.
Pri opremljenosti smo opazili le statistično značilne razlike med štu-
denti rednega in izrednega študija (P = ,). Med študenti izbirnega in
obveznega predmeta nismo zaznali statistično značilnih razlik.
Pri dostopu do interneta smo ugotovili statistično značilne razlike pri
študentih rednega in izrednega študija ter pri študentih obveznega in iz-
birnega predmeta (preglednica .).
Med spremenljivkama opremljenost in dostop do interneta obstaja


Računalniška in internetna pismenost .

 . Opremljenost domačih računalnikov in dostop do interneta


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Opremljenosta , , , ,
Dostop do internetab , , , , ,
 a povprečno število enot, vgrajenih v domači računalnik; b  = počasen dostop
do interneta,  = hiter dostop do interneta.

 . Opremljenost in dostop do interneta – medsebojna povezanost


med spremenljivkami
Spremenljivke . . . .
. Dostop do interneta – – – –
. Opremljenost ,a – – –
. Ocena predmeta – – – –
. Pridobljeno znanje – – – –
a
 Statistično značilna korelacija pri P = ,.

medsebojna statistično značilna povezava (korelacijski koeficient ,)


(preglednica .).
Nobena od obeh spremenljivk ni statistično značilno povezana z
oceno pri predmetu (preglednica .) kot tudi ne z mnenjem o pri-
dobljenem znanju, zato smo se odločili, da spremenljivk ne bomo zdru-
ževali, temveč bomo obe spremenljivki obravnavali v končni analizi, saj
v povezavi s kakšnim drugim dejavnikom morda posredno vplivata na
oceno predmeta ali na mnenje o pridobljenem znanju.

. Računalniška in internetna pismenost


Opremljenost in dostop do interneta sta le osnova za uporabo računal-
nika in interneta. Bolj kot opremljenost pa je pomembna sposobnost
uporabe računalnika in interneta. V raziskavo smo vključili poznavanje
osnovnih računalniških rešitev – urejevalnika besedil (na primer Word),
programa za delo z razpredelnicami (na primer Excel) ter programa za
pregledovanje spletnih strani (na primer Internet Explorer) in programa
za pregledovanje e-pošte. Primerjavo povprečnih vrednosti prikazujemo
v preglednici ..
Statistično značilne razlike amo zaznali (preglednica .) le pri pov-
prečnih ocenah študentov izbirnega in obveznega predmeta, medtem ko
med študenti izrednega in rednega študija statistično značilnih razlik ni


 Analiza dejavnikov učinkovitosti

 . Sposobnost uporabe računalnika in računalniških rešitev


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Sposobnosti uporabe , , , – –
osebnega računalnika
Sposobnosti uporabe – – – – –
• programa Word , , , , –
• programa Excel , , , – –
• brskalnika  , , , , –
• e-pošte , , , , –
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

 . Sposobnost uporabe računalnika – medsebojna povezanost med


spremenljivkami
Spremenljivke . . . . .
. Sposobnost uporabe računalnika – – – – –
a
. Sposobnost uporabe pograma Word , – – – –
. Sposobnost uporabe programa Excel ,a ,a – – –
. Sposobnost uporabe brskalnika ,a ,a ,a – –
a a a a
. Sposobnost uporabe e-pošte , , , , –
. Ocena predmeta – – – – ,b
. Pridobljeno znanje – – – – –
Opomba: a statistično značilna korelacija pri P = ,; b statistično značilna korelacija pri
P = ,.

zaznati.
Preverili smo še medsebojno povezanost posameznih spremenljivk ter
njihov vpliv na oceno in mnenje o pridobljenem znanju (preglednica
.).
Iz preglednice . je razvidno, da je ocena predmeta statistično zna-
čilno povezana le s sposobnostmi uporabe e-pošte (korelacijski koefi-
cient ,). Kljub temu smo se odločili, da pri končnem modelu upo-
števamo tudi druge spremenljivke, povezane z računalniško pismeno-
stjo. Zato smo ocene sposobnosti uporabe računalniških programov ter
splošno oceno o uporabi računalnika združili v eno spremenljivko. Pri
tem smo uporabili metodo glavnih komponent¹⁰ in spremenljivke, ve-
zane na uporabo štirih osnovnih računalniških rešitev (Word, Excel, ,

. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


Računalniška in internetna pismenost .

e-pošta), ter splošno oceno uporabe računalnika združili v eno spremen-


ljivko. Nova spremenljivka, ki smo jo imenovali uporaba računalnika,
pojasnjuje , % variance združenih spremenljivk.
Vpliv uporabe računalnika na oceno predmeta ter na mnenje o pri-
dobljenem znanju smo preverili še z regresijsko analizo, vendar nismo
ugotovili statistično značilnega vpliva. Kljub temu smo se odločili, da
bomo spremenljivko, ki izraža sposobnost uporabe računalnika, prenesli
v nadaljnjo analizo, saj bi spremenljivka ob vključevanju nekaterih dru-
gih spremenljivk lahko imela posreden vpliv na oceno predmeta ali na
mnenje o pridobljenem znanju.
V nadaljevanju raziskave smo proučevali uporabo interneta. Študen-
tom smo poponujali izbor možnosti uporabe interneta, pri katerih so
študenti na štiristopenjski lestvici¹¹ ocenjevali pogostost uporabe inter-
neta (preglednica .).
V preglednici . prikazujemo tudi čas uporabe interneta na me-
sec ter povprečne mesečne stroške uporabe interneta. Študenti so po-
dali svoje mnenje o višini stroškov. Razlike v stroških uporabe interneta
med študenti sicer niso statistično značilne, kljub temu pa je zanimivo,
da študenti izrednega študija v povprečju porabijo več denarja za inter-
net, čeprav ocenjujejo, da stroški uporabe interneta niso tako visoki, kot
to menijo njihovi kolegi na rednem študiju. Očitno imajo zaposleni, z re-
dnimi dohodki, drugačen odnos do denarja oziroma stroškov kot redni
(nezaposleni) študenti.
Večino statistično značilnih razlik med skupinami študentov rednega
in izrednega študija ter med skupinama študentov izbirnega in obve-
znega predmeta je opaziti pri storitvah e-poslovanja (e-nakupovanje, e-
bančništvo, e-uprava, e-turizem) (preglednica .).
Trinajst spremenljivk¹² iz preglednice . smo poskušali združiti z
metodo glavnih komponent¹³ v novo spremenljivko. Tako smo dobili
štiri komponente, ki pojasnjujejo , % variance trinajstih spremen-
ljivk. Struktura posameznih komponent je razvidna iz preglednice ..
Komponente smo poimenovali uporaba interneta – Ki , kjer je i od  do .
Poleg oznak komponent, ki jih bomo uporabili v nadaljnji analizi, v pre-
glednici . prikazujemo področje uporabe interneta, ki ga posamezna

.  – nikoli,  – redko,  – občasno,  – pogosto.


. Izločili smo uporabo e-pošte, ker smo sposobnosti uporabe e-pošte upoštevali že
pri računalniški in internetni pismenosti.
. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


 Analiza dejavnikov učinkovitosti

 . Pogostost uporabe interneta in stroški uporabe interneta


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Prek interneta . . .
• prenašam glasbo , , , – –
• prenašam filme , , , – –
• poslušam radio , , , – –
• gledam  , , , – ,
• se udeležujem , , , – ,
klepetalnic
• se udeležujem , , , , –
zvočnih klepetalnic
• igram igrice , , , – –
• uporabljam e-pošto , , , – –
• iščem študijska , , , – –
gradiva
• iščem delo , , , – –
• nakupujem , , , , ,
• opravljam storitve , , , , ,
e-bančništva
• poslujem z e-upravo , , , , ,
• opravljam turistične , , , , ,
storitve
Uporaba interneta na , , , – –
mesec (v urah)
Ocena stroškov , , , – –
interneta
Povprečna mesečna , , , – –
poraba (v evrih)
 Ocenjevalna lestvica od –, kjer  = nikoli,  = redko,  = občasno,  = po-
gosto.

komponenta vsebuje v največji meri.


Prva komponenta (uporaba interneta – K1 ) še najenakomerneje pov-
zema značilnosti uporabe interneta oziroma uporabo storitev e-poslovanja,
saj vsebuje na primer , spremenljivke e-nakupovanja, , e-bančništva
itn. Druga komponenta (uporaba interneta – K2 ) vsebuje predvsem spre-
menljivke, ki so vezane na zabavno uporabo interneta – prenos glasbe,
prenos filmov, uporabo klepetalnic . . . Tretja komponenta (uporaba in-
terneta – K3 ) vsebuje , vrednosti spremenljivke uporabe interneta


Računalniška in internetna pismenost .

 . Matrika posameznih komponent


Prek interneta . . . K1 K2 K3 K4
prenašam glasbo , , –, ,
prenašam filme , , –, ,
poslušam radio , , –, ,
gledam  , , –, –,
se udeležujem klepetalnic , , , –,
se udeležujem zvočnih klepetalnic , , , –,
igram igrice , , , –,
iščem študijska gradiva , –, , ,
iščem delo , –, , ,
nakupujem , –, –, ,
opravljam storitve e-bančništva , –, –, ,
poslujem z e-upravo , –, –, ,
opravljam turistične storitve , –, , –,
 K1 – e-poslovanje, K2 – zabava, K3 – študij/delo, K4 – multimedijske vsebine.

 . Regresijska analiza – vpliv uporabe interneta na mnenje o


pridobljenem znanju
Vključene spremenljivke B t P
Uporaba interneta – K1 , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so uporaba
interneta – K2 , uporaba interneta – K3 in uporaba interneta – K4 .

za iskanje študijskih gradiv in , spremenljivke, povezane z uporabo


interneta za iskanje študentskega (in drugega) dela, kar pomeni, da je
ta spremenljivka bolj neposredno povezana z uporabo interneta za ne-
posredne dejavnosti (študijske in obštudijske) študentov. Četrta kom-
ponenta vsebuje značilnosti, povezane s prenašanjem multimedijskih
vsebin – glasbe (,), filmov (,) in študijskih gradiv (,).
Z regresijsko analizo smo preverili odvisnost ocene predmeta ali mne-
nja o pridobljenem znanju od štirih komponent uporabe interneta. Sta-
tistično značilen vpliv ima le prva komponenta (preglednica .).
Vpliv prve komponente uporabe interneta na mnenje o pridobljenem
znanju je sicer majhen, saj pojasni le , % variabilnosti mnenja o prido-
bljenem znanju.
V nadaljnjo analizo bomo prenesli vse štiri komponente, ki pojasnju-
jejo uporabo interneta, saj bomo ob vključitvi drugih spremenljivk lahko
ugotovili statistično značilni vpliv katere od komponent na oceno pred-


 Analiza dejavnikov učinkovitosti

 . Primerjava pripravljenosti za e-izobraževanje


Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Odnos do  , , , , –
Pripravljenost za , , – – –
samoizobraževanje
Potreba po , , – – ,
vseživljenjskem
izobraževanju
Potreba po stikih s , , , , ,
kolegi
Sodelovanje z učiteljem , , – – ,
prek e-pošte
Izobraževanje prek , , , , ,
interneta
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

meta ali mnenje o pridobljenem znanju.

. Pripravljenost za e-izobraževanje


Po predvidevanjih (Pulichino ) bo e-izobraževanje način izobraže-
vanja, ki bo zavzemalo večji del izobraževalnega trga, kar pomeni, da
se morajo študenti že v času pridobitve formalne izobrazbe pripraviti
na takšen način izobraževanja. Potrebo po vseživljenjskem izobraževa-
nju poudarja tudi bolonjska deklaracija.
Za e-izobraževanje morajo imeti študenti sprejemljiv odnos do . V
raziskavi smo ugotovili, da obstajajo statistično značilne razlike med štu-
denti izbirnega in obveznega predmeta. Študenti izbirnega predmeta so
v povprečju izkazali bolj sprejemljiv odnos do . Razlika je statistično
značilna (preglednica .) (P = ,).
Vprašanj o samoizobraževanju in vseživljenjskem izobraževanju ni-
smo zastavljali študentom obveznega predmeta, zato v preglednici .
prikazujemo le podatke za študente izbirnega predmeta. Čeprav so štu-
denti izrednega študija v povprečju nekoliko bolj pripravljeni na samoi-
zobraževanje, razlika ni statistično značilna. Se pa študenti izrednega štu-
dija bolj zavedajo potrebe po vseživljenjskem izobraževanju, kar je naj-
brž posledica tudi njihovega statusa, saj se v izobraževanje vračajo po že
končanem (ali prekinjenem) formalnem izobraževanju (P = ,).
Za študij, ki poteka prek interneta, je lahko prevelika potreba po sti-


Pripravljenost za e-izobraževanje .

kih s kolegi omejitev, saj se študenti srečujejo le prek interneta. Je pa


res, da srečanja v živo nadomestijo številne interakcije med študenti ter
študenti in mentorjem, zaradi česar potreba po stikih s kolegi tako ne
pomeni ovire za študij. Izredni študij po navadi poteka v skrajšanem ob-
segu predavanj, zato večja potreba po srečanjih v živo med študenti iz-
rednega študija ne preseneča. Razlike med obema vrstama predmetov in
med študenti rednega in izrednega študija so statistično značilne (pre-
glednica .).
Študenti izrednega študija so izkazali večjo pripravljenost za izobra-
ževanje prek interneta kot študenti rednega študija. Študenti izrednega
študija so bolj kot študenti rednega študija navdušeni tudi nad možno-
stjo sodelovanja z učiteljem prek e-pošte.
Glede na vsebine izbirnega predmeta (e-poslovanje) ne preseneča, da
so študenti izbirnega predmeta izkazali večjo pripravljenosti izobraževa-
nja prek interneta kot študenti obveznega predmeta.
Iz pregleda medsebojnih povezav (preglednica .) vidimo, da vse
spremenljivke, razen želje po izobraževanju prek interneta, pozitivno ko-
relirajo z odnosom do . Zelo visoka statistično značilna korelacija se
je pokazala med pridobljenim znanjem in željo po izobraževanju prek
interneta (korelacijski koeficient ,), kar pomeni, da študenti, ki bi štu-
dirali prek interneta, menijo, da so s takšnim načinom študija pridobili
več znanja kot pri klasičnem načinu študija. Več znanja so pridobili tudi
študenti, ki so bolj pripravljeni za samoizobraževanje (korelacijski koefi-
cient ,) in imajo pozitiven odnos do  (korelacijski koeficient ,).
Študenti, ki se navdušujejo nad , imajo tudi višje ocene pri pred-
metu (korelacijski koeficient ,).
Zanimivo je, da je mnenje o pridobljenem znanju v pozitivni korela-
ciji z ocenjeno potrebo po stikih s kolegi (korelacijski koeficient ,).
Študenti, ki se zavedajo pomena vseživljenjskega izobraževanja, bi se iz-
obraževali prek interneta (korelacijski koeficient ,). Potreba po vse-
življenjskem izobraževanju je v pozitivni korelaciji tudi s spremenljivko
sodelovanje z učiteljem prek e-pošte (korelacijski koeficient ,), kar
ne preseneča, saj so posamezniki, ki se zavedajo pomena vseživljenjskega
izobraževanja, za izobraževanje najbrž pripravljeni uporabiti različne na-
čine in medije.
Vpliv spremenljivk iz preglednice . na oceno predmeta in na mne-
nje o pridobljenem znanju smo preverili še z regresijsko analizo.
Na oceno predmeta ne vpliva nobena od spremenljivk, ki so prika-
zane v preglednici .. Na mnenje o pridobljenem znanju statistično


 Analiza dejavnikov učinkovitosti

 . Pripravljenost za e-izobraževanje – medsebojna povezanost


med spremenljivkami
Spremenljivke . . . . .
. Odnos do  – – – – –
. Izobraževanje prek interneta – – – – –
. Potreba po vseživljenjskem ,b ,b – – –
izobraževanju
. Potreba po stikih s kolegi ,b ,a ,b – –
. Pripravljenost za samoizobraževanje ,b – ,a – –
. Sodelovanje z učiteljem prek e-pošte ,b – ,a – ,a
. Ocena predmeta ,b – – – –
. Pridobljeno znanje ,b ,a – ,b –
 a statistično značilna korelacija pri P = ,; b statistično značilna korelacija
pri P = ,.

 . Pripravljenost za e-izobraževanje – regresijska analiza (odvisna


spremenljivka: mnenje o pridobljenem znanju)
Vključene spremenljivke B t P
Izobraževanje prek interneta , , ,
2
 F = ,; P = ,; Popr. R = ,. Izključene spremenljivke so odnos do
, potreba po vseživljenjskem izobraževanju, potreba po stikih s kolegi, pripravljenost
na samoizobraževanje in sodelovanje z učiteljem prek e-pošte.

značilno vpliva le spremenljivka o pripravljenosti za izobraževanje prek


interneta, kar je pokazala tudi regresijska analiza (preglednica .).
Iz preglednice . je razvidno, da je vpliv pripravljenosti za izobra-
ževanje prek interneta velik, saj ob drugih nespremenjenih okoliščinah,
pripravljenost za izobraževanje prek interneta pojasnjuje kar , % va-
riabilnosti mnenja o pridobljenem znanju.
Zaradi velikega vpliva pripravljenosti za izobraževanje prek interneta
na mnenje o pridobljenem znanju, bomo spremenljivko prenesli v na-
daljnjo obdelavo.

. Odnos do študija in motiviranost


..  
Študij v e-učilnici zahteva aktivno udeležbo študentov. Učitelj že v na-
črtu izvedbe načrtuje dejavnosti, ki naj bi študenta, v skladu z ,
obremenile za – ur za  kreditno točko () predmeta. V predvi-
den čas študija so vključena srečanja v živo, samostojno delo študentov
doma ali v šoli – študij literature, priprava nalog, ponavljanje in utrjeva-


Odnos do študija in motiviranost .

nje snovi; skupinsko delo študentov – načrtovanje in usklajevanje sku-


pinskega dela, terenske vaje, in druge oblike dela, predvidene z načrtom
izvedbe predmeta. V ure dela študentov () je vključeno tudi prever-
janje in ocenjevanje znanja.
Pri načrtovanju predmetov za izvedbo v e-učilnici smo načrtovali tudi
ure dela študentov, zato smo že v fazi načrtovanja zastavili sistem spre-
mljanja njihove obremenitve. Spremljanje in preverjanje obremenitve
študentov je potekalo na dveh ravneh:
• prek tedenskih mnenjskih anket, ko so študenti vsak teden prek an-
ket v e-učilnici sproti poročali o porabljenem času za opravljanje
tekočih študijskih obveznosti (preglednica .:  – vsota teden-
skih anket);
• na koncu izvedbe predmeta, ko so študenti poročali o povprečnem
številu ur, ki so jih porabili za opravljanje študijskih obveznosti
(preglednica .:  skupaj – ob koncu izvedbe).
Za študente rednega študija obveznega predmeta smo organizirali šest
srečanj v  tednih. Študenti so se srečanj udeleževali različno intenzivno,
zato smo s končno anketo preverili delež predavanj, ki so se jih študenti
udeležili. Povprečna udeležba predavanj študentov je bila ,-odstotna.
Delež udeležbe smo upoštevali tudi pri preračunu celotne obremenitve
študentov (preglednica .).
Iz preglednice . je razvidno, da se mnenja o vloženem delu v študij
razlikujejo. Na eni strani imamo tedensko zbrane podatke, ki so po naši
oceni bolj verodostojni, saj so študenti sporočali podatke iz preteklega
tedna, ko so imeli še dokaj stvaren občutek o obsegu vloženega dela, na
drugi strani pa podatke, ki so bili zbrani ob koncu izvedbe predmeta – po
osmih oziroma  tednih, ko je bil občutek za porabljen čas že nekoliko
zamegljen. V končni anketi smo študente spraševali še za mnenje o tem,
kolikšen je delež odstopanja med delom vloženim v predmet, ki se je iz-
vajal prek e-učilnice, in delom, ki ga študenti po navadi vložijo v študij
klasično izvedenih predmetov. Študenti so odstopanja ocenjevali s + ozi-
roma – odstotki. Iz preglednice . je razvidno, da nastajajo razlike med
podatki o vloženem delu po končnih anketah in podatki, ki so bili zbrani
s tedenskimi anketami. Pri študentih rednega študija se podatki med se-
boj ne razlikujejo pomembno (povečanje za , % za študente izbirnega
predmeta oziroma za , % za študente obveznega predmeta), medtem
ko se podatki študentov izrednega študija razlikujejo kar za , %. Pri
študentih izbirnega predmeta, ki študirajo izredno, so bila odstopanja


 Analiza dejavnikov učinkovitosti

 . Primerjava obremenitve študentov


Spremenljivke Izbirni predmet Obv. pred.
Red. študij Izr. študij Red. študij
 – tedensko anketiranje
 – vsota tedenskih anket , , ,
Srečanja v živo (v urah)   
Udeležba na predavanjih (v ,
odstotkih)
 – skupaj , , ,
Kreditne točke ()   
Ure za   , , ,
 – končno anketiranje
Povpr. porabljen čas za študij , , ,
(v urah na teden)
Trajanje (v tednih)   
 skupaj – ob koncu izvedbe , , ,
Indeks ( konec/ tedensko) , , ,
Za koliko odstotkov ste več delali? , , ,
   – skupaj = vsota tedenskih anket + ure srečanj v živo × udeležba na
predavanjih.  Ure za   =  – skupaj ÷ kreditne točke.   skupaj – ob koncu
izvedbe = povpr. porabljen čas za študij × trajanje.

 . Obremenitev študentov – medsebojna povezanost


med spremenljivkami
Spremenljivke . . .
.  – vsota tedenskih anket – – –
. Za koliko odstotkov ste delali več? ,b – –
. Ocena predmeta ,b – –
. Mnenje o pridobljenem znanju – – –
b
 Statistično značilna korelacija pri P = ,.

med delom pri e-izobraževanju in klasičnim izobraževanjem ocenjena z


nižjim odstotkom (, %) kot študentih rednega študija (, %).
Razlika med podatki o vloženem delu ob koncu izvedbe predmeta se
statistično značilno razlikuje med študenti izrednega in rednega študija
(P = ,) ter med študenti obveznega in izbirnega predmeta (P = ,).
Iz korelacijske preglednice (preglednica .) vidimo, da so študenti, ki
so med izvedbo predmeta poročali o večjem številu ur vloženih v študij,
dosegli višjo oceno kot kolegi, ki so v študij vložili manj dela (korela-
cijski koeficient ,). Pokazala se je tudi medsebojna pozitivna poveza-


Odnos do študija in motiviranost .

 . Obremenitev študentov – linearna regresijska analiza (odvisna


spremenljivka: mnenje o pridobljene znanju)
Vključene spremenljivke B t P
Za koliko odstotkov ste delali , –, ,
več?
 F = ,; P = ,; popr. R2 = ,. Izključena spremenljivka:  – vsota
tedenskih anket.

nost med dejansko vloženim delom v študij in mnenjem večje oziroma


manjše obremenitve pri e-študiju (korelacijski koeficient ,).
Vpliv obremenitve študentov na mnenje o pridobljenem znanju in
oceno predmeta smo preverili še z regresijsko analizo. Pokazal se je le
statistično značilen vpliv mnenja o več oziroma manj vloženem delu na
mnenje o pridobljenem znanju (preglednica .).
Mnenje o več (manj) vloženem delu pri predmetu pozitivno vpliva
na mnenje o več (manj) pridobljenem znanju. Glede na to, da je poda-
tek o tedensko porabljenem času za študij bolj verodostojen kot ocena
večj (manj) vloženega dela, bomo v nadaljnjo obdelavo poleg odstotka
o več/manj vloženem delu prenesli tudi podatek iz tedenskih mnenjskih
anket ( – vsota tedenskih anket).

.. 
Motiviranost kot pomemben dejavnik učinkovitosti študija smo prou-
čevali ob začetku izvedbe predmeta. Zanimala pa nas je tudi morebitna
sprememba motiviranosti zaradi uvedbe  v izobraževalni proces. Štu-
denti so spremembe motiviranosti ocenjevali po petstopenjski lestvici,
kjer je ocena  pomenila, da se sploh ne strinjajo s trditvijo, ocena  pa,
da se zelo strinjajo s trditvijo, da bi bili zaradi izvedbe predmeta po kom-
biniranem načinu e-izobraževanja bolj motivirani.
Čeprav so študenti izbirnega predmeta, ki študirajo izredno, že pred
vključitvijo v predmet svojo motiviranost za študij ocenili više od štu-
dentov rednega študija, so tudi po koncu izvedbe predmeta spremembe
motiviranosti ocenjevali više. K večji motiviranosti je najbrž prispevalo
več sodelovanja in komunikacije med študenti ter boljši uspeh na izpitu,
kot ga študenti izrednega študija dosegajo po navadi. Razlike med pov-
prečnimi ocenami med vrsto predmeta in načinom študija so statistično
značilne (preglednica .).
Med študenti izbirnega in obveznega predmeta ter med študenti izre-
dnega in rednega študija ni opaziti statistično značilnih razlik (pregle-


 Analiza dejavnikov učinkovitosti

 . Motivacija ob začetku in ob koncu izvedbe predmetov ter


zadovoljstvo študentov s fakulteto
Spremenljivki Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test - P t-test - P
Vstopna motivacija , , , , ,
Ocena spremembe , , , , ,
motivacije
Zadovoljstvo s fakulteto , , , – –
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

 . Motiviranost – medsebojna odvisnost med spremenljivkami


Spremenljivke . . . .
. Vstopna motivacija – – – –
. Sprememba motivacije zaradi  ,b – – –
. Zadovoljstvo s  ,a ,a – –
. Ocena študija ,b – ,a –
. Ocena predmeta – – – ,a
. Pridobljeno znanje ,b ,a ,a –
 a Statistično značilna korelacija pri P = ,; b statistično značilna korelacija
pri P = ,.

dnica .) glede zadovoljstva s študijem na fakulteti. Prejšnje raziskave


so pokazale, da so študenti, ki so bolj zadovoljni s šolo, uspešnejši pri
študiju (Sulčič , ). V naši raziskavi smo potrdili, da obstaja pove-
zanost med motiviranostjo za študij in učinkovitostjo (korelacijski ko-
eficient ,) ter zadovoljstvom s fakulteto (korelacijski koeficient ,)
(preglednica .).
Mnenje o pridobljenem znanju se je pokazalo statistično značilno po-
vezano z vstopno motivacijo (korelacijski koeficient ,) in z zadovolj-
stvom s šolo (korelacijski koeficient ,). Študenti, ki menijo, da so z
e-izobraževanjem pridobili več znanja, menijo tudi, da je uporaba 
pri izobraževalnem procesu pozitivno vplivala na njihovo motiviranost
za študij (korelacijski koeficient ,).
Ocena predmeta je v pozitivni korelaciji le s povprečno oceno študija
(korelacijski koeficient ,), kar pomeni, da so višje ocene pri predmetu
dobili študenti, ki imajo višje tudi povprečne ocene študija, kar je razu-
mljivo.
Vpliv spremenljivk (preglednica .) na oceno predmeta in na mne-
nje o pridobljenem znanju smo preverili še z regresijsko analizo in ugo-


Kombinirano e-izobraževanje .

 . Motiviranost študentov – linearna regresijska analiza (odvisna


spremenljivka: mnenje o pridobljenem znanju)
Vključene spremenljivke B t P
Sprememba motivacije zaradi  , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so vstopna
motivacija, zadovoljstvo s fakulteto in ocena študija.

 . Motiviranost študentov – linearna regresijska analiza (odvisna


spremenljivka: ocena predmeta)
Vključene spremenljivke B t P
Ocena študija , , ,
 F = ,; P = ,; R2 = ,. Izključene spremenljivke so vstopna moti-
vacija, sprememba motivacije zaradi  in zadovoljstvo s fakulteto.

tovili, da variabilnost spremembe motivacije zaradi  pojasni , %


variabilnosti mnenja o pridobljenem znanju, ob drugih nespremenjenih
okoliščinah. Vse druge spremenljivke so bile z metodo Stepwise izločene,
kar pomeni, da nimajo statistično značilnega vpliva na mnenje o prido-
bljenem znanju.
Preverili smo še vpliv spremenljivk na oceno predmeta in ugotovili, da
, % variabilnosti ocene predmeta pojasnjuje variabilnost ocene študija
(preglednica .).
Spremenljivki o vstopni motivaciji in spremenjeni motivaciji smo po-
skušali združiti v eno spremenljivko, vendar je že alpha pokazala nepri-
mernost takšne združitve (,), pa tudi  je bil nižji (,), kot
ga predvidevata Garson () in StatSoft (). Zato v nadaljnjo sta-
tistično obdelavo prenašamo spremenljivko, ki vsebuje oceno o spreme-
njeni motivaciji zaradi uporabe  v izobraževanju. Poleg tega v nadalj-
njo obdelavo prenašamo tudi oceno študija.

. Kombinirano e-izobraževanje


E-izobraževanje se razlikuje od klasičnega izobraževanja po vključeva-
nju  v izobraževalni proces. V našem primeru gre za vključevanje e-
učilnice, prek katere potekajo študijske dejavnosti. Študijske dejavnosti
so naravnane tako, da zahtevajo, da se študenti najmanj trikrat na teden
vključujejo v e-učilnico. Zato smo na koncu izvedbe predmetov preverili
pogostost in način vključevanja študentov v e-učilnico. Glede na to, da
smo na začetku izvedbe poskrbeli za razpoložljivost računalniške učil-
nice najmanj dve uri na dan, nas je zanimalo tudi, od kod študentje so


 Analiza dejavnikov učinkovitosti

 . Vstop, pogostost in čas vključevanja v e-učilnico


Spremenljivke Značilnosti Izb. predmet Obv. predmet
Red. študij Izr. študij Red. študij
() () () () () ()
Vstop v Samo od doma  ,  ,  ,
e-učilnico Pretežno od doma  ,  ,  ,
Pretežno iz šole/službe  ,  ,  ,
Samo iz šole/službe  ,  ,  ,
Od drugod  , – –  ,
Pogostost Vsak dan  ,  ,  ,
obiskovanja > –krat na teden  ,  ,  ,
e-učilnice
Od - do -krat na teden  ,  ,  ,
-krat na teden – – – –  ,
Dnevi Kadar koli  ,  ,  ,
vključevanja Med delovnikom  ,  ,  ,
v e-učilnico
Ob koncu tedna  ,  ,  ,
Čas Dopoldne  ,  ,  ,
vključevanja Popoldne  ,  ,  ,
v e-učilnico
Zvečer  ,  ,  ,
Ponoči  ,  ,  ,
Kadar koli – – – –  ,
 Naslovi stolpcev: () število, () delež v odstotkih.

opravljali študijske dejavnosti.


Iz preglednice . je razvidno, da večina študentov dostopa do e-
učilnice od doma oziroma pretežno od doma (izbirni predmet: , %
študentov rednega študija, , % študentov izrednega študija, obvezni
predmet: , %), kar pomeni, da sta oprema domačih računalnikov in
način dostopa do interneta pomembna.
E-učilnica je najbolje sprejeta med študenti izbirnega predmeta, ki
študirajo izredno (preglednica .).
Študenti izbirnega predmeta e-učilnico sprejemajo kot enostavno,
urejeno in za študij prijazno okolje (preglednica .).
Mnenja o e-učilnici smo združili v novo spremenljivko, kot povprečje
vseh treh spremenljivk. Izračunana povprečja prikazujemo v preglednici
.. Iz povprečij so razlike med posameznimi skupinami študentov še
očitnejše in tudi statistično značilne. Za potrebe nadaljnje analize pa smo


Kombinirano e-izobraževanje .

 . Mnenja o e-učilnici


Spremenljivke Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test - P t-test - P
E-učilnica je prijazno , , , , ,
okolje.
E-učilnica je enostavna , , , , ,
za uporabo.
E-učilnica je pregledno , , , , ,
urejena.
Povprečje , , , , ,
Sposobnost uporabe e- , , , , –
učilnice (ocena štud.)
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

z metodo glavnih komponent¹⁴ oblikovali novo spremenljivko, ki poja-


snjuje , % variance združenih spremenljivk.
Študenti menijo, da so dobro usposobljeni za uporabo e-učilnice (pre-
glednica .), študenti izbirnega predmeta bolj od študentov obveznega
predmeta, kar je glede na vsebine izbirnega predmeta tudi razumljivo.
Statistično značilne razlike med skupinami študentov je opaziti tudi
glede mnenj o gradivih (preglednica .). Predvsem je opaziti razlike
med študenti rednega in izrednega študija ter med študenti izbirnega
in obveznega predmeta. Za študente obveznega predmeta so bila gra-
diva precej manj razumljiva, kot so bila gradiva razumljiva študentom
izbirnega predmeta, čeprav so gradiva pripravili isti avtorji. Za mnenja
o gradivih smo uvedli novo spremenljivko, kot povprečje vse treh spre-
menljivk (preglednica .).
Gradiva so bila podobno kot e-učilnica, bolje sprejeta pri študentih
izrednega kot pri študentih rednega študija. Študenti izrednega študija
(,) kažejo tudi večje zanimanje za interaktivna gradiva kot študenti re-
dnega študija (, oziroma ,). Študenti obveznega predmeta niso nav-
dušeni nad interaktivnimi gradivi (,). Podatki so zanimivi, če jih pri-
merjamo s podatkom o deležu izpisa gradiv, ki so bila dostopna prek
e-učilnice. Študenti so izpisali¹⁵ povprečno , % gradiv, kar je manj,

. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


. Študentom smo v anketi ponujali štiri možnosti – gradiva so lahko natisnili v ce-
loti, v večji meri, v manjši meri ali nič. Pri preračunu deleža natisnjenih gradiv, smo
odgovore za izpis v celoti vzeli -odstotni izpis, izpis v večji meri -odstotni izpis in


 Analiza dejavnikov učinkovitosti

 . Primerjava povprečnih ocen mnenj o gradivih


Spremenljivke Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Gradiva so razumljiva. , , , , ,
Gradiva so pregledna. , , , , –
Obseg gradiv je , , , , ,
primeren.
Povprečje , , , , ,
Želijo interaktivna , , , , ,
gradiva.
Delež izpisa gradiv , , , , ,
(v odstotkih).
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

kot smo ugotovili v prejšnjih raziskavah (Sulčič , ), ko so študenti


v povprečju natisnili  % gradiv. Pogostejše izpisovanje študijskih gra-
div med študenti izrednega študija kot med študenti rednega študija so
pokazale tudi prejšnje raziskave (Sulčič a, –), kar kaže na ve-
stnejši odnos študentov izrednega študija do samega študija.
Za potrebe nadaljnje raziskave smo spremenljivke iz preglednice . z
metodo glavnih komponent¹⁶ združil v eno spremenljivko. Novonastala
spremenljivka, ki smo jo poimenovali gradiva, pojasnjuje , % vari-
ance združenih spremenljivk.
Izvedba predmeta v e-učilnici se razlikuje od izvedbe predmeta v kla-
sični učilnici. Prvotno navdušenje, ki smo ga zaznali ob poskusnem uva-
janju e-učilnice v izobraževanje, se je poleglo. Študenti že vnaprej vedo,
kaj lahko od izvedbe pričakujejo, saj se informacije o načinu izvajanja
predmetov ter o obveznostih študentov širijo prek študentskih forumov.
Zanimiva je primerjava odgovorov na vprašanje, ali je izvedba lažja ozi-
roma napornejša od klasično izvedenih predmetov. Očitno je, kot bomo
pozneje videli, da so imeli študenti stalno občutek, da morajo biti ak-
tivni in, da delajo veliko več kot pri drugih predmetih, čeprav jim je po
drugi strani ugajala prilagodljivost študija. Način izvedbe predmetov je
študentom namreč olajšal usklajevanje drugih študijskih in osebnih ob-
veznosti, saj so te študijske obveznosti lahko opravljali od koder koli in

za izpis v manjši meri -odstotni izpis. Če študenti gradiv niso natisnili, smo upoštevali
-odstotni izpis.
. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


Kombinirano e-izobraževanje .

 . Mnenje o izvedbi predmetov


Spremenljivke Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Izvedba je v skladu s , , , , ,
pričakovanji.
Izvedba je lažja. , , , , ,
Izvedba je zanimivejša. , , , , ,
Izvedba je napornejša , , , – –
od klasičnega študija.
Izvedba je cenejša od , , , , ,
klasičnega študija.
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

kadar koli. Primerjavo mnenj o izvedbi prikazujemo v preglednici ..


Izvedba predmeta na kombiniran način je bila težja oziroma ni bila
lažja, predvsem za študente obveznega predmeta, ki so se tudi na pogo-
vornih urah in prek e-pošte pritoževali, da morajo delati preveč. Sicer pa
se povprečne ocene študentov glede zahtevnejše izvedbe statistično ne
razlikujejo (preglednica .).
Spremenljivke, vezane na izvedbo e-izobraževanja iz preglednice .,
smo z metodo glavnih komponent¹⁷ združili v eno spremenljivko, ki po-
jasnjuje , % variance združenih spremenljivk.
Model kombiniranega e-izobraževanja se je pri izbirnem in obveznem
predmetu razlikoval oziroma so razlike izvirale predvsem iz načina štu-
dija. Za študente izrednega študija organiziramo le dve srečanji v živo.
Prvo srečanje je namenjeno spoznavanju študentov med seboj ter sezna-
njanju študentov z načinom izvedbe predmeta. Drugo, zadnje, srečanje
je namenjeno predstavitvi izdelkov ter pogovoru o izvedbi. Študenti ob-
veznega predmeta so enotno menili, da je srečanj ( v  tednih) očitno
preveč. Le  % študentov obveznega predmeta je za več kot  srečanj.
Študenti bi si želeli povprečno , srečanja v živo oziroma  % predvi-
denih srečanj za klasično izvedbo. Študenti izbirnega predmeta si želijo
povprečno , srečanja (študenti izrednega študija) oziroma , srečanja
(študenti rednega študija). Glede na osem tedensko izvedbo to pomeni
od , do , % izvedenih srečanj. Po naši oceni sta nujno potrebni vsaj
dve srečanji, koristno pa bi bilo izvesti še eno vmesno srečanje, kar bi
pozitivno vplivalo na motivacijo študentov.

. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


 Analiza dejavnikov učinkovitosti

 . Želeno število srečanj v živo


Spremenljivke Izbirni predmet Obv. pred.
Red. študij Izr. študij Red. študij
Izobraževanje prek interneta , , ,
Srečanj v živo bi lahko bilo manj. , , ,
Želeni delež srečanj v živo. ,% ,% ,%
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

 . Primerjava povprečnih ocen mnenj o študijskih dejavnostih


Spremenljivke Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Na dejavnosti ste se , , , , ,
navadili brez težav.
Dejavnosti niso , , , , ,
zahtevne.
Dejavnosti so jasno , , , , ,
opredeljene.
Opravljanje dejavnosti , , , , ,
ustreza.
Sodelovanje v skupini , , , – ,
vam ni povzročalo težav.
Dejavnosti so ravno , , , , ,
prav obsežne.
Dejavnosti dajo , , , , ,
predmetu praktičnost.
Povprečje , , , , ,
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

Iz preglednice . je razvidno, da so si študenti rednega študija želeli


več srečanj v živo. Razlika je statistično značilna (P = .).
Pri izbirnem predmetu je končni uspeh študentov temeljil na uspehu
pri tedenskih študijskih dejavnosti. Dejavnosti so bile med študenti iz-
birnega predmeta bolje sprejete kot med študentih obveznega predmeta
(preglednica .). Študenti izrednega študija so v dejavnostih videli
praktično naravnanost predmeta. Študenti rednega študija pa po navadi
študirajo ob koncu izvedbe predmeta, če sistem preverjanja in ocenje-
vanja znanja ni načrtovan drugače, zato so jim bile sprotne dejavnosti v
breme.
Spremenljivke, vezane na dejavnosti, smo z metodo glavnih kompo-


Kombinirano e-izobraževanje .

 . Kombinirano e-izobraževanje – medsebojna povezanost


med spremenljivkami
Spremenljivke . . . .
. E-učilnica – – – –
. Gradiva ,a – – –
. Izvedba ,a ,a – –
. Dejavnosti ,a ,a ,a –
. Želen delež srečanj v živo (%) – – –,a –,b
. Ocena predmeta – – – –
. Pridobljeno znanje ,a ,a ,a ,a
 a Statistično značilna korelacija pri P = ,; b statistično značilna korelacija
pri P = ,.

nent združili v eno spremenljivko,¹⁸ ki pojasnjuje , % variance zdru-


ženih spremenljivk.
Za novo ustvarjene spremenljivke smo preverili še povezanost spre-
menljivk z oceno predmeta in mnenjem o pridobljenem znanju.
Študenti, ki so dobro sprejeli e-učilnico in gradiva, menijo, da so prek
kombiniranega e-izobraževanja pridobili več znanja (korelacijski koefi-
cient , oziroma ,). Enako menijo tudi študenti, ki so dobro sprejeli
takšen način izvedbe (korelacijski koeficient ,), in študenti, ki jim de-
javnosti (korelacijski koeficient ,) niso povzročale težav. Študenti, ki
jim izvedba in dejavnosti niso ustrezale, bi želeli več srečanj v živo; štu-
denti, ki so dobro sprejeli izvedbo predmeta in dejavnosti, pa bi želeli
manj srečanj (korelacijska koeficienta –, in –,), saj očitno lahko
prek e-učilnice študirajo brez težav.
Z regresijsko analizo smo preverili še neposredni vpliv spremenljivk
na oceno predmeta in na mnenje o pridobljenem znanju, ter ugotovili le
vplive na mnenje o pridobljenem znanju (preglednica .).
E-učilnica, gradiva in izvedba e-izobraževanja pojasnijo , % varia-
bilnosti mnenja o pridobljenem znanju, ob drugih nespremenjenih oko-
liščinah. Največji vpliv na mnenje o pridobljenem znanju ima sprejetje
izvedbe e-izobraževanja (pojasni kar , % variabilnosti mnenja o pri-
dobljenem znanju).
V nadaljnjo obdelavo bomo tako prenesli spremenljivke:
• e-učilnica,
• gradiva,

. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


 Analiza dejavnikov učinkovitosti

 . Kombinirano e-izobraževanje – regresijska analiza (odvisna


spremenljivka: mnenje o pridobljenem znanju)
Vključene spremenljivke B t P
Izvedba , , ,
Gradiva , , ,
E-učilnica , , ,
 F = ,; P = ,; popr. R2 = ,. Izključeni spremenljivki: dejavnosti
in želen delež srečanj v živo.

• izvedba.
Poleg tega bomo prenesli še spremenljivko želeno število srečanj v živo,
saj nas zanima optimalna kombinacija srečanj v živo in e-učilnice.

. Podpora mentorja


Podporo mentorja bomo predstavili z dveh vidikov – študentskega in
učiteljskega vidika. Podatke za prikaz študentskega vidika črpamo iz an-
ket predmetov, vključenih v raziskavo, podatke za prikaz učiteljskega vi-
dika pa smo zbrali z ločeno anketo.

..  


Na fakulteti razvijamo mentorsko podprt sistem e-izobraževanja, pri ka-
terem učitelj – mentor spremlja dejavnosti študentov v e-učilnici. Od
načina izvedbe je odvisno, kolikšno vlogo bo imel mentor v e-učilnici.
Pri obeh v raziskavo vključenih predmetih je mentor študente spodbujal,
dodatno pojasnjeval navodila za delo, usmerjal delo študentov, ocenjeval
izdelke študentov, jim pomagal pri vsebinskih in tudi pri tehničnih vpra-
šanjih, vezanih na uporabo e-učilnice. Seveda je bila raven pooblastil (na
primer ocenjevanje nalog) odvisna od usposobljenosti mentorja. Men-
torsko vlogo lahko opravlja asistent ali pa dodatno usposobljen (starejši)
študent, ki pozna vsebino predmeta. Asistenti naloge študentov tudi oce-
njujejo, medtem ko jih starejši kolegi le spremljajo in motivirajo ter skr-
bijo za dodatno razlago in pojasnjevanje. Če pri predmetu sodelujejo sta-
rejši študenti se ti pri svojem delu usklajujejo s pedagoško usposobljenim
mentorjem. Usklajevanje poteka prek posebnega učiteljskega foruma, ki
deluje znotraj e-učilnice.
Po mnenju študentov mentor lahko nadomesti učitelja (preglednica
.), saj študenti vsebine predmeta spoznavajo prek različnih pisnih vi-
rov, ki so dostopni prek e-učilnice. Mentor skrbi, da študenti študija ne
opustijo oziroma da redno opravljajo z načrtom izvedbe predvidene štu-


Podpora mentorja .

 . Vloga mentorja pri študiju


Spremenljivke Izbirni predmet Obvezni Izr. : red. Izb. : obv.
predmet študij predmet
Red. študij Izr. študij Red. študij t-test – P t-test – P
Mentor lahko , , , – –
nadomesti učitelja.
Tedenska ocena dela , , , , ,
mentorja.
Mentor izboljša vašo , , , , ,
uspešnost pri študiju.
Učitelj je bil laže , , , , ,
dosegljiv.
 Ocenjevalna lestvica –, kjer  = nizka ocena,  = visoka ocena.

dijske obveznosti. Obseg in vsebina študijskih dejavnosti sta odvisna od


predmeta. Pri predmetih, vključenih v raziskavo, so študenti opravljali
tedenske naloge, ki so jih pretežno delali skupinsko. Mnenje študentov o
zamenljivosti učitelja z mentorjem sicer ni statistično značilno različna
med študenti izbirnega in obveznega predmeta, pa tudi med povpreč-
nimi ocenami rednega in izrednega študija ni statistično značilnih razlik.
Smo pa statistično značilne razlike ugotovili pri povprečnih ocenah
mentorjevega dela in vpliva mentorjevega dela na uspešnost študija (pre-
glednica .). Študenti izrednega študija so v povprečju više ocenili
mentorjevo delo (,) kakor tudi vpliv njegovega dela (,) na njihovo
uspešnost. Razlike najbrž izhajajo iz načina izvajanja klasičnega izre-
dnega študija, ko je stik študentov z učiteljem omejen na čas izvajanja
predavanj. Ta se izvajajo v skrčenem obsegu ob koncu tedna. Boljšo do-
stopnost učitelja so potrdili študenti rednega in izrednega študija.
S korelacijsko preglednico smo preverili še medsebojno povezanost
spremenljivk, vezanih na vlogo mentorja in oceno predmeta oziroma
mnenje o pridobljenem znanju (preglednica .).
Na mnenje o pridobljenem znanju so pozitivno vplivale vse spremen-
ljivke iz preglednice ., ter še dodatno potrdile vlogo mentorja v e-
izobraževanju.
Vpliv vloge mentorja v e-izobraževanju na mnenje o pridobljenem
znanju smo preverili z regresijsko analizo in ugotovili statistično znači-
len vpliv vloge mentorja na mnenje o pridobljenem znanju (preglednica
.).
Vloga mentorja pojasni , % variabilnosti mnenja o pridobljenem


 Analiza dejavnikov učinkovitosti

 . Vloga mentorja – medsebojna povezanost med spremenljivkami


Spremenljivke . . . .
. Mentor lahko nadomesti učitelja. – – – –
. Tedenska ocean dela mentorja. ,a – – –
. Mentor izboljša uspešnost študija. ,a ,a – –
. Učitelj je bil laže dosegljiv. ,a ,a ,a –
. Ocena predmeta – – – –
. Pridobljeno znanje ,a ,a ,a ,a
a
 Statistično značilna korelacija pri P = ,.

 . Mentorska podpora – regresijska analiza (odvisna spremenljivka:


mnenje o pridobljenem znanju)
Vključene spremenljivke B t P
Mentor izboljša uspešnost študija. , , ,
Tedenska ocena dela mentorja. , , ,
Učitelj je bil laže dosegljiv. , , ,
 F = ,, P = ,, popr. R2 = ,. Izključena spremenljivka je mentor
lahko nadomesti učitelja.

znanju.
Spremenljivke o vlogi mentorja smo z metodo glavnih komponent¹⁹
združili v eno spremenljivko, ki pojasnjuje , % variabilnosti štirih
spremenljivk. Novo spremenljivko, ki smo jo poimenovali vloga men-
torja, bomo prenesli v nadaljnjo analizo.
Iz preglednice . je razvidno, da ima mentor vpliv na pridobljeno
znanje študentov. Mentorjeva vloga je še posebno cenjena pri študentih
izrednega študija (preglednica .).
E-izobraževanje raziskovalno spremljamo že od začetkov uvajanja na
fakulteti – od študijskega leta /. Prvo skupino študentov je asi-
stentka spremljala v celoti, saj je bila skupina študentov sorazmerno
majhna –  študentov rednega študija. Za naslednjo izvedbo v študij-
skem letu / smo za podporo študentom izrednega študija mo-
rali vključiti večje število mentorjev, tudi iz skupine študentov prejšnje
generacije. Za te študente smo pred začetkom izvedbe predmeta izvedli
tritedensko usposabljanje za mentorje e-izobraževanja, ki smo ga razvili
na fakulteti.
Glede na to, da smo v mentoriranje vključili različno usposobljene

. Alpha = ,;  = ,; Bartlettov test: Sig. = ,.


Podpora mentorja .

4
Ocena študenta

0
0,28 0,48 0,54 0,70 0,83 0,95 1,30 1,64 2,70
Objave mentorja

 . Povezava med povprečno študentovo oceno mentorja in tedenskim


povprečnim številom prispevkov mentorja na študenta

mentorje, nas je zanimalo, ali usposobljenost mentorjev in njihove dejav-


nosti (število odgovorov) vplivajo na oceno študentov o delu mentorjev.
V preglednici . smo videli, da študentova ocena mentorjevega dela
namreč statistično značilno vpliva na mnenje o pridobljenem znanju.
Namensko smo vzeli podatke istega (izbirnega) predmeta, saj so vsebine
in dejavnosti predmeta ter način izvedbe med seboj primerljivi. Analizo
vpliva dejavnosti mentorja na oceno mentorja prikazujemo na osnovi
podatkov, zbranih pri izvedbah izbirnega predmeta:
• v študijskem letu /, ko je bilo v e-učilnico vključenih 
študentov izrednega študija,
• v študijskem letu /, ko je sodelovalo  študentov (re-
dnega in izrednega študija).
Iz e-učilnice smo zbrali podatek o številu objav mentorjev in številu
objav študentov. Pri obeh predmetih je bilo vključenih sedem različnih
mentorjev (dva mentorja sta bila vključena v obe izvedbi). Glede na to,
da je bila dinamika dejavnosti po tednih različna in da so bile skupine
različno velike, smo analizo podatkov izvedli na osnovi preračuna pov-
prečnega števila objav (mentorjev oziroma študentov) na študenta in na
teden. Povprečno število objav mentorja na teden na študenta prikazu-
jemo na sliki ..
Iz slike . je razvidno, da se s številom prispevkov mentorja (dejav-
nost mentorja) viša tudi študentova ocena mentorja, kar pomeni, da de-
javnost mentorja v e-učilnici vpliva na višino ocene mentorjevega dela.


 Analiza dejavnikov učinkovitosti

 . Vloga mentorja – regresijska analiza (odvisna spremenljivka:


tedenska ocena mentorjevega dela)
Vključene spremenljivke B t P
Povprečna dejavnost mentorja , , ,
 F = ,; P = ,; popr. R2 = ,. Izključena spremenljivka je dejavnosti
študentov.

 . Velikost skupine – regresijska analiza (odvisna spremenljivka:


ocena predmeta)
Vključene spremenljivke B t P
Velikost skupine –, –, ,
 . F = ,; P = ,; popr. R2 = ,. Ni izključenih spremenljivk.

Povezanost smo preverili še z regresijsko analizo, in sicer smo preverili


vpliv dejavnosti študentov in dejavnosti mentorjev na oceno mentorja.
Rezultati linearne regresije so razvidni iz preglednice ..
Vpliv povprečne dejavnosti mentorja na oceno mentorjevega dela
je pokazala tudi regresijska analiza. Variabilnost povprečne dejavnosti
mentorja pojasni , % variabilnosti študentove ocene mentorjevega
dela. Rezultat regresijske analize lahko pojasnimo tudi tako – če mentor
na teden na študenta objavi povprečno en prispevek več, se študentova
ocena njegovega dela poviša za , točke.
Preverili smo tudi, ali ima velikost skupine statistično značilen vpliv
na oceno predmeta ali mnenje o pridobljenem znanju. Ugotovili smo le
statistično značilen vpliv na oceno predmeta (preglednica .). Vendar
smo vpliv velikosti skupine na oceno predmeta zaznali le pri izbirnem
predmetu, ki se je izvajal v študijskem letu / in v študijskem letu
/, kjer je sodelovalo več različnih mentorjev in tudi skupine so
bile različno velike – od  do  študentov. Pri obveznem predmetu sta
sodelovali dve mentorici, ki sta mentorirali po dve enakovredni skupini.
Variabilnost velikosti skupine pojasni sicer le  % variabilnosti ocene
predmeta, vendar je vpliv statistično značilen. Študenti iz večjih skupin
so dosegli nižjo oceno pri predmetu, in sicer če se je skupina povečala za
enega študenta, se je povprečna ocena skupine znižala za , ocene.
Ker model e gradimo na podatkih izbirnega in obveznega pred-
meta, spremenljivke o velikosti skupine ne bomo prenesli v nadaljnjo ob-
delavo, saj v proučevani skupini (študenti izbirnega in obveznega pred-
meta) spremenljivka nima statistično značilnega vpliva na oceno pred-
meta ali na mnenje o pridobljenem znanju.


Podpora mentorja .

 . Uporaba e-učilnice pri učiteljih FM


Spremenljivka M
Vloženo delo pri pripravi predmeta +,%
Vloženo delo pri izvedbi predmeta +,%
Podpora izvedbe predmeta ,%
Nadomestitev klasičnih oblik dela ,%
Optimalni delež srečanj v živo ,%
 M = aritmetična sredina.

..    


Z odločitvijo za vpeljavo mentorsko podprtega sistema e-izobraževanja
je povezano tudi usposabljanje za učitelje in mentorje e-izobraževanja,
ki ga na Fakulteti za management izvajamo že od leta . Do zdaj smo
na  usposobili  učiteljev in visokošolskih sodelavcev (več v Sulčič in
Sulčič ).
Ob koncu študijskega leta / smo anketirali tudi učitelje ,
saj smo želeli proučiti še učiteljski vidik e-izobraževanja. K izpolnjevanju
ankete v pisni obliki, ki je bila posredovana prek e-pošte, je bilo povablje-
nih  redno in  pogodbeno zaposlenih učiteljev. Na anketo je odgo-
vorilo  redno zaposlenih učiteljev in visokošolskih sodelavcev oziroma
, % v času anketiranja redno zaposlenih učiteljev na . V anketi je
sodelovalo , % moških in , % žensk, katerih povprečna starost je
, leta ( = ,). Med anketiranci jih je bilo , % habilitiranih v na-
ziv asistent, , % v naziv predavatelj ali višji predavatelj in , % v naziv
docent ali v višji naziv. Največ anketirancev (, %) je na  zaposlenih
v obsegu  % ali več, , % v obsegu nad  % do  % delovnega časa
in , % anketirancev v obsegu do  % delovnega časa. Anketirani uči-
telj ima povprečno , let delovne dobe, od tega v izobraževanju , leta,
na  pa , leta.
Mentoriranje študentov so večinoma opravljali asistenti, ki tudi dru-
gače sodelujejo pri klasični izvedbi predmetov. Učitelje smo spraševali o
pogostosti vključevanja e-učilnice v izvedbo predmeta, o vloženem delu
v pripravo in izvedbo predmeta ter o optimalnem številu srečanj v živo.
Rezultati so razvidni iz preglednice ..
Po mnenju učiteljev priprava predmeta za izvedbo v e-učilnici zahteva
povprečno , % več dela kot priprava predmeta za klasično izvedbo.
Izvedba predmeta v e-učilnici pa po mnenju učiteljev zahteva , % več
dela kot izvedba predmeta v klasični predavalnici. Več vloženo delo v fazi


 Analiza dejavnikov učinkovitosti

priprave predmeta je povezano predvsem s pripravo natančnih navodil


za delo ter s pripravo študijskih gradiv, ki so prilagojena samostojnemu
študiju.
V študijskem letu / so učitelji  izvedbo predmetov podprli
z e-učilnico ,-odstotno. Približno enaka sta tudi predlagana deleža na-
domestitve klasičnih predavanj (, %) oziroma optimalni deleži srečanj
v živo (, %). To na primer pomeni, da bi po mnenju anketiranih učite-
ljev  v enem semestru izvedli – srečanj v živo. Število srečanj v živo
za redni študij je smiselno tudi iz naših osebnih izkušenj. Za študente iz-
rednega študija oziroma za strnjene izvedbe izobraževalnega procesa pa
je srečanj v živo lahko manj – od  do  srečanja. Če primerjamo pov-
prečno število srečanj v živo, ki so jih predlagali študenti (preglednica
.), s podatki učiteljev, vidimo, da si študenti rednega študija želijo več
srečanj v živo (, % študenti izbirnega predmeta, , % študenti obve-
znega predmeta), medtem ko je delež srečanj v živo študentov izrednega
študija (, %) blizu deleža, ki ga predlagajo učitelji (, %).


7 Testiranje modela DUKeI 14

. Testiranje modela DUKe I na primeru študentov


Fakultete za management Koper
V poglavju  smo analizirali posamezne dejavnike učinkovitosti e-izobra-
ževanja, njihove medsebojne povezave ter vplive na oceno in na mnenje
o pridobljenem znanju. Z regresijskimi analizami smo ugotovili, da ne-
katere od spremenljivk vplivajo na oceno predmeta, druge na mnenje o
pridobljenem znanju. Spremenljivke, ki so izkazale vpliv ali pa za katere
pričakujemo, da bi ob delovanju drugih dejavnikov lahko izkazale vpliv
na oceno predmeta ali na mnenje o pridobljenem znanju, smo prenesli v
model e in jih prikazujemo v preglednici .. V preglednici . pri-
kazujemo dejavnike po posameznih skupinah ter njihov vpliv na oceno
predmeta oziroma pridobljeno znanje.
Za model  spremenljivk smo izdelali korelacijsko preglednico, v ka-
teri prikazujemo statistično značilne medsebojne korelacije (preglednica
.).
Iz korelacijske preglednice lahko razberemo, da so zaposleni študenti
oziroma študenti, ki delajo več ur na teden, študenti izrednega študija
(korelacijski koeficient ,). Študenti izrednega študija so starejši (ko-
relacijski koeficient ,), bolje opremljeni z računalniško opremo (ko-
relacijski koeficient ,), imajo hitrejši dostop do interneta (korelacijski
koeficient ,) in internet uporabljajo intenzivneje (korelacijski koefici-
ent ,). Glede na to, da so dobro sprejeli e-učilnico (korelacijski koefi-
cient ,), gradiva za študij (korelacijski koeficient ,), izvedbo pred-
meta (korelacijski koeficient ,) in da cenijo vlogo mentorja v e-učilnici
(korelacijski koeficient ,), ne preseneča, da bi se brez težav lahko izo-
braževali prek interneta (korelacijski koeficient ,). Tudi med načinom
študija in pridobljenim znanjem je pozitivna statistično značilna korela-
cija, kar pomeni, da študenti izrednega študija menijo, da so z izvedbo
predmeta prek e-učilnice (korelacijski koeficient ,) pridobili več zna-
nja kot pri klasično izvedenih predmetih. Glede na to, da študenti izre-
dnega študija dobro sprejemajo e-izobraževanje, ne preseneča negativna
korelacija s potrebnimi srečanji v živo (korelacijski koeficient –,), ki


 Testiranje modela e 

 . Dejavniki in spremenljivke modela e


Dejavniki/spremenljivke Vpliv na oceno Vpliv na znanje
. Demografske značilnosti
Delovne ure ×
Način študija ×
Predmet ×
Spol ×
Starost ×
Uspeh v srednji šoli ×
. Osebnostne značilnosti
Vhodne značilnosti
Izhodne značilnosti ×
. Opremljenost študentov
Opremljenost
Dostop do interneta
. Računalniška in internetna pismenost študentov
Uporaba računalnika
Uporaba interneta – K1 ×
Uporaba interneta – K2
Uporaba interneta – K3
Uporaba interneta – K4
. Pripravljenost za e-izobraževanje
Izobraževanje prek interneta ×
. Motiviranost in odnos do študija
% več dela ×
 – vsota tedenskih anket
Sprememba motivacije ×
Ocena študija ×
. Kombinirano izobraževanje
E-učilnica ×
Gradiva ×
Izvedba ×
Želeno število srečanj v živo
. Mentorska podpora
Vloga mentorja ×

ponazarja, da študenti izrednega študija želijo manj srečanj v živo. Oči-


tno jim mentor, katerega vlogo v e-učilnici so dobro sprejeli, uspešno
nadomešča učitelja, komunikacija v e-učilnici pa neposredne stike s štu-


 . Model e – korelacijska preglednica – . del
Spremenljivke             
. Delovne ure – – – – – – – – – – – – –
. Način študija ,a – – – – – – – – – – – –
. Predmet ,b ,a – – – – – – – – – – –
. Spol – – – – – – – – – – – – –
. Starost – ,a ,b – – – – – – – – – –
. Uspeh v srednji šoli – – – – – – – – – – – – –
. Vhodne značilnosti – – – – – – – – – – – – –
. Izhodne značilnosti – ,a ,a ,b ,a – – – – – – – –
. Opremljenost – ,a – –,a ,b – ,b – – – – – –
. Dostop do interneta – ,a ,a – ,b –,b – – ,a – – – –
. Pismenost – – ,a – – – ,a – – ,a – – –
. Upor. interneta – K1 – ,a ,a –,b ,a – ,a ,b ,a ,a ,a – –
. Upor. interneta – K2 – – – –,a –,a – – – ,a ,a – – –
. Upor. interneta – K3 – – – – – – ,a – ,a – ,a – –
. Upor. interneta – K4 – – – – –,a – – ,a – – ,a – –
. Izobr. prek interneta – ,a ,a – ,a – ,a ,a ,b – – ,a –
. % več dela – – – – – – – –,b – – – – –
.  ted. ankete – – – – – – – – – – – – –
. Sprememba motivacije – ,a ,a ,b ,a – ,b ,a – – – ,a –
. Ocena študija – – – – – ,a – – – – – – –
. E-učilnica – ,a ,a ,b – – – ,a – – – – –


. . . na primeru študentov Fakultete za management Koper

. Gradiva – ,a ,a – ,a – ,a ,a ,b – – ,a –


. Izvedba – ,a ,a – ,a – ,b ,a ,b – – ,a –
.

. Srečanja v živo – –,a –,b – –,b – – – – –,b –,b –,a –


. Vloga mentorja – ,a ,b – ,b – – ,a – – – ,b –
. Pridobljeno znanje – ,a ,a – ,a – – ,a – – – ,a –
. Ocena predmeta –,a – – – ,b ,b – – – – – – –
a
 Statistično značilna korelacija pri P = ,. b statistično značilna korelacija pri P = ,.
 . Model e – korelacijska preglednica – . del
Spremenljivke            
. Delovne ure – – – – – – – – – – – –
. Način študija – – – – – – – – – – – –
. Predmet – – – – – – – – – – – –

. Spol – – – – – – – – – – – –
. Starost – – – – – – – – – – – –


. Uspeh v srednji šoli – – – – – – – – – – – –
. Vhodne značilnosti – – – – – – – – – – – –
. Izhodne značilnosti – – – – – – – – – – – –
. Opremljenost – – – – – – – – – – – –
. Dostop do interneta – – – – – – – – – – – –
. Pismenost – – – – – – – – – – – –
. Upor. interneta – K1 – – – – – – – – – – – –
. Upor. interneta – K2 – – – – – – – – – – – –
Testiranje modela e 

. Upor. interneta – K3 – – – – – – – – – – – –


. Upor. interneta – K4 – – – – – – – – – – – –
. Izobr. prek interneta – –,b – – – – – – – – – –
.% več dela ,b – –,a – – – – – – – – –
.  ted. ankete – – – – – – – – – – – –
. Sprememba motivacije – – ,a –,b – – – – – – – –
. Ocena študija – – – – – – – – – – – –
. E-učilnica – ,a ,a –,a – ,a – – – – – –
. Gradiva – – ,a –,a – ,a – ,a – – – –
. Izvedba – – ,a –,a – ,a – ,a ,a – – –
. Srečanja v živo – – –,b – – –,b – – – –,a – –
. Vloga mentorja – – ,a –,b – ,a – ,a ,a ,a –,b –
. Pridobljeno znanje – – ,a – – ,a – – ,a ,a – ,a
. Ocena predmeta – – – – ,b – ,a – – – – –
a
 Statistično značilna korelacija pri P = ,. b statistično značilna korelacija pri P = ,.a
. . . na primeru študentov Fakultete za management Koper .

dijskimi kolegi v živo.


Pri študentih izbirnega predmeta, ki je povezan z uporabo , se je
pokazala le ena negativna korelacija. Študenti izbirnega predmeta si ne
želijo veliko srečanj v živo (korelacijski koeficient –,). Vse druge stati-
stično značilne korelacije s predmetom so pozitivne. Tako imajo študenti
izbirnega predmeta hitrejši dostop do interneta (korelacijski koeficient
,), so boljši uporabniki računalnika (korelacijski koeficient ,) in
internet uporabljajo intenzivneje (korelacijski koeficient ,). Študenti
izbirnega predmeta so dobro sprejeli e-učilnico (korelacijski koeficient
,), gradiva (korelacijski koeficient ,), način izvedbe predmeta (ko-
relacijski koeficient ,) in mentorjevo delo v e-učilnici (korelacijski ko-
eficient ,).
Manj srečanj v živo si želijo tudi starejši študenti (–,), saj očitno
prek e-učilnice laže usklajuje svoje poklicne, zasebne in študijske obve-
znosti. Starejši študenti so namreč zaposleni in študirajo na izreden na-
čin. Srečanja v živo so manj potrebna tudi pri študentih, ki imajo hitrejši
dostop do interneta (korelacijski koeficient –,), so boljši uporabniki
interneta (korelacijski koeficient –,) in internet uporabljajo inten-
zivno (korelacijski koeficient –,). Tudi med študenti, ki bi se brez težav
izobraževali prek interneta, srečanja v živo niso tako potrebna (korelacij-
ski koeficient –,). Srečanja v živo niso potrebna niti pri študentih, ki
so zadovoljni z izvedbo predmeta prek e-učilnice (korelacijski koeficient
–,) in menijo, da so zaradi e-izobraževanja postali še bolj motivirani
za študij (korelacijski koeficient –,).
Statistično značilno se je pokazalo nekaj korelacij s spolom. Tako so
študentke više ocenile spremembe osebnostnih značilnosti zaradi upo-
rabe  v izobraževanju (korelacijski koeficient ,). Više so ocenile
tudi izboljšanje motivacije za študij (korelacijski koeficient ,). Očitno
je uporaba  bolje vplivala na študentke kot študente. Študentke so
tudi bolje sprejele e-učilnico (korelacijski koeficient ,). Imajo pa zato
moški kolegi bolje opremljene domače računalnike (korelacijski koefici-
ent –,) in so intenzivnejši uporabniki interneta (korelacijski koefici-
ent –,), tudi za zabavo in sprostitev (korelacijski koeficient –,).
Omenili smo že, da starejši študenti študirajo izredno (korelacijski ko-
eficient ,). Kar nekaj zanimivih korelacij se je pokazalo povezanih s
starostjo. Tako so starejši študenti bolje opremljeni (korelacijski koefici-
ent ,), imajo hitrejši dostop do interneta (korelacijski koeficient ,)
ter internet uporabljajo intenzivneje kot njihovi mlajši kolegi (korelacij-
ski koeficient ,). Starejši študenti so dobro sprejeli študijska gradiva


 Testiranje modela e 

(korelacijski koeficient ,), način izvedbe predmeta (korelacijski koe-


ficient ,) in vlogo mentorja v e-učilnici (,). Starejši študenti bi se
izobraževali prek interneta (korelacijski koeficient ,) in želijo si manj
srečanj v živo (korelacijski koeficient –,). Starejši študenti menijo, da
je takšen način izobraževanja pozitivno vplival na njihovo motivacijo za
študij (korelacijski koeficient ,). E-izobraževanje je pri starejših štu-
dentih pozitivno vplivalo tudi na njihove osebnostne značilnosti (kore-
lacijski koeficient ,).
Uporaba  v izobraževanju je pozitivno vplivala na osebnostne zna-
čilnosti študentov, in sicer predvsem na študente, ki internet uporab-
ljajo intenzivneje (korelacijski koeficient , in ,), na študente, ki
bi se izobraževali prek interneta (korelacijski koeficient ,), so dobro
sprejeli e-učilnico (korelacijski koeficient ,), študijska gradiva (kore-
lacijski koeficient ,), izvedbo predmeta (korelacijski koeficient ,)
in vlogo mentorja v e-učilnici (korelacijski koeficient ,). Sprememba
osebnostnih značilnosti (izhodne značilnosti) je v močni pozitivni stati-
stično značilni korelaciji tudi z motivacijo za študij (korelacijski koefici-
ent ,).
Tako kot se pozitivni učinki uporabe  v izobraževanju kažejo pri
študentih, ki so dobro sprejeli e-izobraževanje (gradiva, e-učilnico in iz-
vedbo), se je tej skupini študentov dvignila tudi motivacija za študij (ko-
relacijski koeficienti , z e-učilnico, , s študijskimi gradivi, , z iz-
vedbo in , z vlogo mentorja). Študenti, ki sprejemajo e-izobraževanje,
menijo, da e-izobraževanje ne zahteva več napora kot klasično izvedeni
študij (korelacijski koeficienti: –, z e-učilnico, –, s študijskimi gra-
divi, –, z izvedbo predmeta in –, z vlogo mentorja).
Prek interneta bi se izobraževali, poleg že omenjenih starejših študen-
tov, ki študirajo izredno, tudi študenti, ki intenzivno uporabljajo internet
(korelacijski koeficient ,), so dobro opremljeni (korelacijski koeficient
,) in so že pred vključitvijo v izvedbo predmeta više ocenjevali svoje
osebnostne značilnosti (korelacijski koeficient ,). Študenti, ki bi se iz-
obraževali prek interneta, menijo, da v študij prek e-učilnice niso vložili
več dela, kot ga vlagajo v klasično izvedene predmete (korelacijski koe-
ficient –,). Izobraževanje prek interneta je povezano tudi z mnenjem
o e-učilnici (korelacijski koeficient ,), mnenjem o študijskih gradivih
(korelacijski koeficient ,), izvedbo predmeta (korelacijski koeficient
,) in vlogo mentorja (korelacijski koeficient ,).
Ocena predmeta je statistično značilno povezana z delovnimi urami.
Študenti, ki so bolj zaposleni (delajo več kot  ur na teden), dosegajo


. . . na primeru študentov Fakultete za management Koper .

nižje ocene pri predmetu (korelacijski koeficient –,). Višje ocene so


dosegli študenti, ki so starejši (korelacijski koeficient ,), so bili uspešni
že v srednji šoli (korelacijski koeficient ,) in so uspešni tudi pri drugih
predmetih (korelacijski koeficient , z oceno študija) ter so v študij
predmeta vloži več dela () (korelacijski koeficient ,).
Več pozitivnih korelacij smo opazili z mnenjem o pridobljenem zna-
nju. Vse korelacije so pozitivne, kar pomeni, da so več znanja pridobili
študenti izrednega študija in študenti izbirnega predmeta (oba korela-
cijska koeficienta ,), starejši študenti (korelacijski koeficient ,) in
v predhodnem šolanju uspešnejši študenti (korelacijski koeficient ,).
Več znanja so pridobili tudi študenti, ki si želijo izobraževanja prek inter-
neta (korelacijski koeficient ,) in se jim je zaradi izobraževanja prek e-
učilnice izboljšala motivacija (korelacijski koeficient ,). Ocena pred-
meta je v pozitivni korelaciji tudi s študijskimi gradivi (korelacijski ko-
eficient ,), izvedbo predmeta (korelacijski koeficient ,) in vlogo
mentorja (korelacijski koeficient ,).
Konceptualni model, prikazan v preglednici ., lahko prikažemo tudi
z ocenjeno regresijsko funkcijo (enačba .).
Y ## = a + b1 x1 + b2 x2 + . . . + b25 x25 , (.)
kjer je Y ## ocena odvisne spremenljivke (ocena predmeta ali mnenje o
pridobljenem znanju), a ocena regresijske konstante oziroma vrednost
odvisne spremenljivke, če so vse neodvisne spremenljivke enake , in bi
(i =  . . . ) ocena parcialnega regresijskega koeficienta neodvisne spre-
menljivke xi , ki nam pove oceno spremembe odvisne spremenljivke, če se
neodvisna spremenljivka xi poveča za enoto, vse druge neodvisne spre-
menljivke pa ostanejo nespremenjene.
Medsebojen vpliv spremenljivk na oceno predmeta in na mnenje o
pridobljenem znanju smo preverili še z regresijsko analizo (metodo Ste-
pwise).

..     


V korelacijskih preglednicah . in . smo opazili, da bi prevelika medse-
bojna povezanost med posameznimi spremenljivkami lahko povzročila
napačne rezultate in s tem napačne sklepe o statistično značilnih vpli-
vih neodvisnih spremenljivk na odvisni spremenljivki. Za mejo ustre-
znosti koreacijskih koeficientov smo vzeli razpon korelacijskega koefici-
enta od –, do +,. Tako smo po priporočilih Linda in soavtorjev
(Lind, Mason in Marchal , ) med spremenljivkami starost in na-


 Testiranje modela e 

 . Vpliv dejavnikov e na oceno predmeta


Vključene spremenljivke B t P
Starost , , ,
Delovne ure –, –, ,
Spol , , ,
 F = ,; P = ,; popr. R2 = ,. Vse ostale spremenljivke iz preglednice
. so bile izključene (spremenljivke način študija, izobraževanje prek interneta in gradiva
pa so bile zaradi odprave vzroka multikolinearnosti izločene že pred regresijsko analizo).

čin študija (korelacijski koeficient ,), izobraževanje prek interneta in


izvedba predmeta (korelacijski koeficient ,) ter med gradivi in izvedbo
predmeta (korelacijski koeficient ,) po eno spremenljivko izločili. Iz-
ločili smo način študija, izobraževanje prek interneta in gradiva, in sicer
zato, ker je način študija odvisen od starosti (starejši študenti študirajo
na izredni način), želja po izobraževanju prek interneta je odvisna od
načina izvedbe (študenti, ki imajo dobro izkušnjo z online izobraževa-
njem, se bodo tudi v prihodnje želeli izobraževati online), gradiva pa so
del izvedbe predmeta. S tem smo odpravili problem multikolinearnosti.
V model smo, razen načina študija, izobraževanja prek interneta in
gradiv, vključili vse spremenljivke modela (preglednica .) in preverili
vpliv neodvisnih spremenljivk na oceno predmeta. Rezultate linearne re-
gresijske analize prikazujemo v preglednici ..
Iz preglednice . je razvidno, da na oceno predmeta statistično zna-
čilno vplivajo starost študentov, delovne ure in spol. Tako višje ocene
dosegajo starejši študenti, študenti ženskega spola, nižje ocene pa štu-
denti, ki so bolj zaposleni. Z variabilnostjo neodvisnih spremenljivk je
pojasnjenih sicer le , % variabilnosti ocene predmeta, ob drugih ne-
spremenjenih okoliščinah, kar pomeni, da je , % variabilnosti ocene
predmeta pojasnjenih z drugimi spremenljivkami, ki niso vključene v
model, ali pa jih nismo proučevali.
Ocenjeno regresijsko funkcijo bi lahko zapisali v obliki enačbe ..
Y ## = , + , × starost − , × delovne_ure
+ , × spol. (.)
Če bi bile vrednosti neodvisnih spremenljivk enake , bi bila ocena
predmeta ,, torej pozitivna. Ker je spremenljivka spol binarna ( =
moški,  = ženska), regresijski koeficient , pomeni, da je pričako-
vana ocena študentk za , višja od ocene študentov moškega spola.
Če je študent leto dni starejši, se ocena predmeta poviša za , enote.


. . . na primeru študentov Fakultete za management Koper .

 . Vpliv neodvisnih spremenljivk na oceno predmeta – histogram


standardiziranih ostankov linearne regresijske funkcije (x̄ = –,, std. dev.
= ,, n = )

 .
Vpliv neodvisnih spremenljivk
na oceno predmeta – grafikon P–P
za kumulativo standardiziranih
ostankov linearne regresijske
funkcije

Delovne ure na oceno predmeta negativno vplivajo, in sicer ima študent,


ki na teden dela  uro več kot povprečni anketiranec za , enot nižjo
oceno.
Linearnost regresijske analize smo preverili še z grafičnimi metodami.
In sicer smo preverili predpostavke o normalni porazdelitvi ostankov
regresijske funkcije. Histogram standardiziranih ostankov (slika .) in
grafikon P–P za kumulativo standardiziranih ostankov (Slika .) kažeta
skoraj normalno porazdelitev ostankov (M = –,) ter pravilnost izbra-
nega modela.
Tudi razsevni grafikon ostankov regresijske funkcije (slika .) kaže na
njihovo razpršenost.


 Testiranje modela e 

 .
Vpliv neodvisnih spremenljivk na
oceno predmeta – razsevni grafikov
standardiziranih ostankov linearne
regresijske funkcije

Regresijsko analizo smo ponovili še enkrat, in sicer tokrat brez ne-


pravih (binarnih) spremenljivk, vendar pomembnih razlik v modelu ni
zaznati, saj na oceno predmeta še vedno vplivajo starost študentov in de-
lovne ure, ki jih opravijo na teden. Le pojasnjena variabilnost odvisne
spremenljivke se je zmanjšala s prejšnjih , % na , % (preglednica 
v prilogi).
Glede na nizek delež pojasnjene variabilnosti ocene predmeta smo
pregledali vse raziskane spremenljivke in poskušali poiskati, ali smo ka-
kšno proučevano spremenljivko po nesreči izpustili iz modela. Dve spre-
menljivki, delovna doba in odnos do , sta v statistično značilni po-
vezavi z oceno predmeta in nista neposredno vključeni v model e,
vendar se z vključitvijo v model rezultati regresijske analize, ob vključe-
nosti drugih spremenljivk, ne spremenijo (preglednica  v prilogi).
Tako lahko trdimo, da od vseh v model vključenih spremenljivk na
višino ocene vplivajo starost in delovne ure. Starost pojasni , % vari-
abilnosti ocene predmeta.¹ Spremenljivka spol, ki je neprava (binarna)
spremenljivka, nam pove le, da se pričakovane ocene predmeta glede na
spol razlikujejo za , ocene, in sicer imajo ženske višje ocene od mo-
ških kolegov.
Uvedba e-učilnice, čeprav le za posredovanje gradiv, je pozitivno vpli-
vala na oceno študentov izrednega študija (Sulčič b), saj so se po-
kazale statistično značilne razlike pri povprečni oceni študija (, v štu-
dijskem letu /, , v študijskem letu /²). Pri študentih

. Popravljen R2 pred vključitvijo spremenljivk delovne ure in spol je ,.


. Primerjali smo podatke o uspešnosti študentov poslovne informatike. V študijskem
letu / so imeli študenti izrednega študija dostop le do izročkov predavanj, ki so
bili dostopni prek spletne strani. V študijskem letu / smo izvedbo izrednega
študija podprli z e-učilnico, prek katere so študenti prejeli vsa obvezna (in dodatna)


. . . na primeru študentov Fakultete za management Koper .

 . Vpliv vseh dejavnikov e na mnenje o pridobljenem znanju


Vključene spremenljivke B t P
Vloga mentorja , , ,
Izvedba , , ,
 F = ,; P = ,; Popr. R2 = ,. Vse druge spremenljivke iz pregle-
dnice ., razen že prej izločenih spremenljivk (način študija, izobraževanje prek inter-
neta in gradiva), so bile izključene.

rednega študija statistično značilnih razlik ni zaznati (prav tam).

..      



Z regresijsko analizo smo preverili tudi vpliv spremenljivk iz preglednice
. na mnenje o pridobljenem znanju. V regresijsko analizo smo najprej
vključili vse izbrane spremenljivke razen zaradi že omenjenega problema
multikolinearnosti, načina študija, izobraževanja prek interneta in gra-
div. Rezultate prikazuje preglednica ..
Dva statistično značilna dejavnika – vloga mentorja pri e-izobraževanju
in izvedba predmeta pojasnita , % variabilnost mnenja o pridoblje-
nem znanju.
Ocenjeno regresijsko funkcijo bi lahko zapisali v obliki enačbe ..
Y ## = 3,710 + 0,574 × vloga_mentorja + 0,349 × izvedba. (.)
Če bi bila vrednost obeh dejavnikov enaka , potem bi bilo mnenje
o pridobljenem znanju na petstopenjski lestvici ,. Če se vloga men-
torja poveča za  enoto, potem se ocena mnenja o pridobljenem znanju
poveča za , enote, sprememba mnenja o izvedbi predmeta za  enoto
pa spremeni mnenje o pridobljenem znanju za , enote. Sprememba
je istosmerna.
Linearnost regresijske funkcije smo preverili še s histogramom stan-
dardiziranih ostankov (slika .), ki kaže na precej normalno porazde-
litev ostankov ( = –,). Grafikon P–P (slika .) pa kaže na rahlo
odmaknjenost krivulje pod krivuljo, ki ponazarja neposredno linearno
funkcijo.
Razsevni grafikon (slika .) kaže na ustrezno razpršitev ostankov.

študijska gradiva. Gradiva niso obsegala le izročkov predavanj, temveč so bila študentom
posredovana tudi obširna pisna gradiva, s številnimi primeri in ponazoritvami. Študenti
so prek e-učilnice in forumov lahko tudi komunicirali med seboj.


 Testiranje modela e 

 . Vpliv neodvisnih spremenljivk na mnenje o pridobljenem znanju –


histogram standardiziranih ostankov linearne regresijske funkcije (x̄ =
–,, std. dev. = ,, n = )

 .
Vpliv neodvisnih spremenljivk na
mnenje o pridobljenem znanju –
grafikon P–P za kumulativo
standardiziranih ostankov linearne
regresijske funkcije

Podobno kot pri ugotavljanju vplivov neodvisnih spremenljivk na


oceno predmeta smo tudi pri vplivih na mnenje o pridobljenem zna-
nju regresijsko analizo izvedli brez nepravih – binarnih spremenljivk.
Pojasnjena variabilnost mnenja o pridobljenem znanju se sicer zmanjša
na , %, vendar pa se nekoliko poveča mentorjeva vloga in zmanjša
vloga izvedbe (preglednica .).
Novo enačbo ocenjene regresijske funkcije, brez binarnih spremen-
ljivk, prikazujemo z enačbo ..
Y ## = 3,708 + 0,590 × vloga_mentorja + 0,291 × izvedba. (.)

Očitno vloga mentorja pomembno, statistično značilno vpliva na


. . . na primeru študentov Fakultete za management Koper .

 .
Vpliv neodvisnih spremenljivk na
mnenje o pridobljenem znanju –
razsevni grafikov standardiziranih
ostankov linearne regresijske
funkcije

 . Vpliv vseh dejavnikov e na mnenje o pridobljenem znanju


brez binarnih spremenljivk
Vključene spremenljivke B t P
Vloga mentorja , , ,
Izvedba , , ,
 F = ,; P = ,; popr. R2 = , Vse ostale spremenljivke iz pregle-
dnice ., razen že prej izločenih spremenljivk: način študija, izobraževanje prek interneta
in gradiva, so bil izključene.

mnenje o pridobljenem znanju, zato ji mora izobraževalna institucija


posvetiti posebno pozornost. Vloga mentorja, ob v model vključenih
spremenljivkah (preglednica .), pojasni kar , % variabilnosti mne-
nja o pridobljenem znanju (R2 ).
Zaradi odmika regresijske funkcije pod krivuljo, ki ponazarja nepo-
sredno linearno odvisnost (slika .), in ker je več kot  % variabilnosti
mnenja o pridobljenem znanju nepojasnjenih (R2 = , oziroma ,
brez nepravih spremenljivk), smo podrobneje proučili statistično značil-
nost izključenih spremenljivk.
Potrebo po reviziji regresijske analize izpostavi tudi Menard (v Garson
), saj je po njegovem mnenju metoda Stepwise uporabna predvsem
v fazi raziskovanja, ne pa v fazi potrjevanja teorij. Po priporočilu Me-
narda (prav tam) naj bi raziskovalec spremenljivke vključeval v model
po lastni presoji oziroma na osnovi teoretičnih dognanj, ne pa vrstni red
vključevanja spremenljivk slepo zaupal računalniškemu algoritmu.
Analizo rezultatov smo nadaljevali tako, da smo v model vključili le
spremenljivke, za katere smo že v poglavju  ugotovili, da imajo stati-
stično značilen vpliv (predhodno izbrani dejavniki) na mnenje o prido-
bljenem znanju in jih kot take tudi označili v preglednici ..
Rezultate regresijske analize prikazuje preglednica ..


 Testiranje modela e 

 . Vpliv predhodno izbranih dejavnikov e na mnenje o


pridobljenem znanju
Vključene spremenljivke B t P
Izobraževanje prek interneta , , ,
Gradiva , , ,
Izhodne značilnosti , , ,
 F = ,; P = ,; popr. R2 = ,. Vse druge spremenljivke iz pregle-
dnice ., za katere smo označili vpliv na pridobljeno znanje, so bile izključene.

 . Vpliv predhodno izbranih e na mnenje o pridobljenem


znanju ob izločitvi vzroka multikolinearnosti
Vključene spremenljivke B t P
Izvedba , , ,
Izhodne značilnosti , , ,
Način študija , , ,
 F = ,; P = ,; popr. R2 = ,. Izločene spremenljivke so predmet,
spol, izhodne značilnosti, uporaba interneta – K1 , % več dela, sprememba motivacije,
e-učilnica in vloga mentorja.

Iz preglednice . je razvidno, da imajo statično značilen vpliv na mne-


nje o pridobljenem znanju izobraževanje prek interneta in gradiva, ki pa
so v močni medsebojni povezanosti z izvedbo izobraževanja (preglednica
. – korelacijska koeficienta , oziroma ,). Da bi odpravili vzroka
multikolinearnosti, kot priporočajo jo Lind, Mason in Marchal (,
), smo spremenljivki izobraževanje prek interneta in gradiva izločili
iz modela in regresijsko analizo vnovič izvedli (preglednica . in enačba
.).
Y ## = , + , × izvedba + , × izhodne_značilnosti
+ , × način_študija. (.)
Iz preglednice . je razvidno, da izvedba predmeta, izhodne značil-
nosti in način študija pojasnijo , % variabilnosti mnenja o pridoblje-
nem znanju. Način študija je neprava spremenljivka, katere pozitivna
vrednost pove, da so študenti izrednega študija pridobili več znanja kot
študenti rednega študija.
Regresijsko analizo smo ponovili še enkrat, in sicer brez nepravih (bi-
narnih) spremenljivk (preglednica ., enačba .).
Y ## = , + , × izvedba + , × izhodne_značilnosti
+ , × vloga_mentorja. (.)


. . . na primeru študentov Fakultete za management Koper .

 . Vpliv predhodno izbranih e na mnenje o pridobljenem


znanju ob izločitvi vzroka multikolinearnosti in brez binarnih
spremenljivk
Vključene spremenljivke B t P
Izvedba , , ,
Izhodne značilnosti , , ,
Vloga mentorja , , ,
 F = ,; P = ,; popr. R2 = ,. Izločene spremenljivke so uporaba
interneta – K, % več dela, sprememba motivacije in e-učilnica.

 . Vpliv izbranih dejavnikov e na mnenje o pridobljenem


znanju
Vključene spremenljivke B t P
Izvedba , , ,
Izhodne značilnosti , , ,
Vloga mentorja , , ,
 F = ,; P = ,; popr. R2 = , Izključene spremenljivke so spre-
memba motivacije, e-učilnica, uporaba interneta – K1 , računalniška in internetna pi-
smenost, % več dela, želeno število srečanj in opremljenost.

Tudi po izločitvi binarnih spremenljivk ostaja pojasnjena variabilnost


enaka – , %. Največji vpliv na mnenje o pridobljenem znanju ima še
vedno izvedba predmeta. Iz preglednice . je razvidno, da ima ob izlo-
čitvi problema multikolinearnosti in binarnih spremenljivk vloga men-
torja vnovič statistično značilen vpliv na mnenje o pridobljenem znanju.
Kljub ugodnemu rezultatu smo spremenljivke, katerih vpliv na pri-
dobljeno znanje smo prikazali v preglednici ., proučevali naprej. Za-
nimalo nas je, kaj se dogaja z determinacijskim koeficientom (R2 ) ob
izključevanju posameznih spremenljivk in vključevanju novih spremen-
ljivk. Predvsem nas je zanimal vpliv spremenljivk, ki so vključene v hipo-
teze raziskave – opremljenost študentov, računalniška in internetna pi-
smenost ter želeno število srečanj. Zato smo vse te spremenljivke vključili
v model.
Rezultate linearne regresijske analize prikazuje preglednica ..
Spremenljivke izvedba predmeta, izhodne značilnosti študentov in
vloga mentorja pojasnijo , % variabilnosti mnenja o pridobljenem
znanju.
Linearnost regresijske funkcije je razvidna iz grafikona P–P (slika .).
Normalna porazdelitev standardiziranih ostankov regresijske funkcije
(slika .) kaže normalno porazdelitev ostankov ( = ,). Ustreznost


 Testiranje modela e 

 . Vpliv izbranih neodvisnih spremenljivk na mnenje o pridobljenem znanju


– histogram standardiziranih ostankov linearne regresijske funkcije (x̄ =
–,, std. dev. = ,, n = )

 .
Vpliv izbranih neodvisnih
spremenljivk na mnenje o
pridobljenem znanju – grafikon
P–P za kumulativo
standardiziranih ostankov linearne
regresijske funkcije

modela je mogoče razbrati tudi iz razsevnega grafikona (slika .), saj


so standardizirani ostanki ustrezno razpršeni in ne kažejo znakov odvi-
snosti standardiziranih ostankov od standardiziranih ocen odvisne spre-
menljivke (mnenje o pridobljenem znanju).
Na osnovi regresijske analize (preglednica .) lahko zdaj oblikujemo
novo enačbo ocenjene regresijske funkcije (enačba .).
Y ## = , + , × izvedba + , × izhodne_značilnosti
+ , × vloga_mentorja. (.)
Iz enačbe . je razvidno, da če bi vse tri neodvisne spremenljivke imele
vrednost , bi bilo mnenje o pridobljenem znanju ,, kar pomeni, da


Optimiranje modela e .

 .
Vpliv izbranih neodvisnih
spremenljivk na mnenje o
pridobljenem znanju – razsevni
grafikov standardiziranih ostankov
linearne regresijske funkcije

Starost 0,0
51
(0,
056
)
Ocena
Delovne ure –0,015 (–0,016) 26,0 % (23,0 %)
predmeta
(/)
43
0,5
Spol

 . Statistično značilni dejavniki e, ki vplivajo na oceno predmeta


(podatki so zbrani iz preglednic . in ..)

bi študenti ocenili, da se pridobljeno znanje pri kombiniranem načinu e-


izobraževanja le malenkostno razlikuje od klasično pridobljenega znanja
(ocena  na petstopenjski lestvici pomeni nevtralno mnenje o pridoblje-
nem znanju). Največji vpliv na mnenje o pridobljenem znanju ima način
izvedbe predmeta, saj če se mnenje o izvedbi poveča za  enoto, se mnenje
o pridobljenem znanju poveča za , enote.

. Optimiranje modela DUKe I


..  e   
V nadaljevanju bomo podrobneje analizirali rezultate regresijske analize
iz podpoglavja .. Na sliki . prikazujemo statistično značilne vplive
z metodo Stepwise opredeljenih dejavnikov e. Na povezavah med
posameznimi dejavniki smo vpisali regresijske koeficiente, in sicer re-
gresijski koeficient ob vključenosti nepravih (binarnih) spremenljivk in
regresijski koeficient ob izključenosti nepravih spremenljivk (vrednosti
v oklepajih). Ob vključenosti nepravih spremenljivk je ocena predmeta
pojasnjena s , %, ob njihovi izključenosti iz modela pa s , %.
Glede na model e lahko sklepamo, da na oceno predmeta vpli-
vajo samo spremenljivke iz skupine demografskih značilnosti, na katere


 Testiranje modela e 

Izvedba eI
0,4
84

Izhodne Pridobljeno
0,296 52,2 %
značilnosti znanje
33
0,2
Vloga
mentorja

 . Statistično značilni dejavniki e, ki vplivajo na mnenje o pridobljenem


znanju (podatki so zbrani iz preglednice .)

pa  kot izvajalka e-izobraževanj ne more vplivati.


Model e – vpliv na oceno predmeta smo preverili tudi na podat-
kih samo izbirnega predmeta³ in ugotovili, da dobimo enake rezultate
– starost, delovne ure in spol pojasnijo , % variabilnosti ocene pred-
meta.
Veliko več variabilnosti lahko z modelom e pojasnimo pri mne-
nju o pridobljenem znanju (slika .).
Na mnenje o pridobljenem znanju imajo statistično značilen vpliv iz-
vedba e-izobraževanja (eI), izhodne značilnosti študentov in vloga men-
torja, ki pojasnijo , % variabilnosti odvisne spremenljivke (mnenje o
pridobljenem znanju).
Glede na to, da smo dejavnike e dobili z združevanjem spremen-
ljivk (uporabili smo metodo glavnih komponent), bomo v nadaljevanju
podrobneje pogledali, katere (ne združene) spremenljivke najbolj vpli-
vajo na pridobljeno znanje in kaj bi izobraževalna institucija, kot je ,
lahko naredila, da bi izboljšala mnenje o pridobljenem znanju.
Izvedba predmeta izhaja iz skupine dejavnikov kombiniranega izobra-
ževanja (podpoglavje .), ko smo z metodo glavnih komponent v eno
spremenljivko, združili pet spremenljivk, vezanih na izvedbo predmetov
prek e-učilnice (preglednica .).
Z regresijsko analizo smo ugotavljali, katera od spremenljivk o izvedbi
predmetov statistično značilno vpliva na mnenje o pridobljenem znanju.
Rezultate prikazuje preglednica ..
Vpliv spremenljivk, vezanih na izvedbo predmeta, je precejšen, saj po-
jasni , % variabilnosti mnenja o pridobljenem znanju, seveda ob dru-
gih nevključenih dejavnikih.

. Izvedba za študente izrednega študija v študijskem letu / ter za študente


rednega in izrednega študija v študijskem letu /.


Optimiranje modela e .

 . Vpliv spremenljivk o izvedbi predmeta na mnenje o pridobljenem


znanju
Vključene spremenljivke B t P
Izvedba je bila zanimivejša. , , ,
Izvedba je bila v skladu s , , ,
pričakovanji.
Izvedba je bila cenejša od , , ,
klasičnega študija.
 F = ,; P = ,; popr. R2 = ,. Izključeni spremenljivki sta izvedba
je bila lažja in izvedba je bila napornejša.

Vlogo mentorja in medsebojne odvisnosti smo prikazali v pregledni-


cah . in .. Z linearno regresijsko analizo, brez upoštevanja ostalih
dejavnikov, smo ugotovili, da mnenje o vlogi mentorja pojasni , %
variabilnosti mnenja o pridobljenem znanju (preglednica .), in sicer
imata največji vpliv prepričanje, da mentor vpliva na uspešnost študenta
pri študiju in študentska ocena mentorjevega dela.
Mentorji v posameznih skupinah so bili različno usposobljeni, zato
nas je zanimalo, ali usposobljenost mentorjev vpliva na mnenje o vlogi
mentorja v e-učilnici. Usposobljenost mentorjev smo ocenili po tristo-
penjski lestvici.⁴ Ocenili smo pedagoško in strokovno usposobljenost. Z
regresijsko analizo smo preverili, katera usposobljenost ima statistično
značilen vpliv na oceno dela mentorja. Študenti so dali prednost stro-
kovni usposobljenosti, ki pojasni , % variabilnosti splošne ocene o
delu mentorja v e-učilnici.⁵ Študenti so največji prispevek mentorja vi-
deli v tem, da jim je mentor pomagal pri pojasnjevanju zahtevnejših vse-
bin.
Skupino izhodnih značilnosti smo prikazali v preglednici . ter z li-
nearno regresijsko analizo ugotovili, da ima skupina združenih spremen-
ljivk statistično značilen vpliv na mnenje o pridobljenem znanju in da
brez vključenosti drugih neodvisnih spremenljivk pojasni , % varia-
bilnosti mnenja o pridobljenem znanju (preglednica .). Z regresijsko
analizo smo izhodne značilnosti pogledali še podrobneje (preglednica
.).
Izboljšanje samoiniciativnosti in vztrajnosti pojasni , % variabilno-
sti mnenja o pridobljenem znanju (preglednica .).
Medsebojne povezave spremenljivk in njihov posredni oziroma nepo-

.  = slabo usposobljen,  = povprečno usposobljen,  = zelo dobro usposobljen.


. b = ,; t = ,; sig.= ,; F = ,.


 Testiranje modela e 

 . Vpliv izhodnih osebnostnih značilnosti na mnenje


o pridobljenem znanju
Vključene spremenljivke B t P
Samoiniciativnost , , ,
Vztrajnost , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so komuni-
kativnost, ustvarjalnost, organizacijske sposobnosti in sposobnost vodenja.

Samoiniciativnost 0,472
35,9 % Izvedba eI
Vztrajnost 0,324

0,48

Pridobljeno znanje
4
Izvedba je bila zanimivejša 0,4
27
Izv. je bila v skladu s pričak. 0,302 Izhodne
53,2 % 0,296 52,2 %
značilnosti
07
Izvedba je bila cenejša 0,1

3
Učitelj je bil lažje dosegljiv 0,1

0,23
99
Vloga
Mentor izboljša usp. študija 0,268 28,0 %
mentorja
90
Tedenska ocena mentorja 0,2

 . Prikaz medsebojnih vplivov spremenljivk na pridobljeno znanje

sredni vpliv prikazuje slika ..


Iz skupine spremenljivk, vezanih na vlogo mentorja, na pridobljeno
znanje vplivajo: tedenska ocena mentorja, mnenje o vplivu mentorjeve
dejavnosti na uspešnost študentov in dosegljivost učitelja/mentorja.
Iz skupine spremenljivk, vezanih na izvedbo predmeta, imajo stati-
stično značilni vpliv na mnenje o pridobljenem znanju spremenljivke,
vezane na zanimivost izvedbe, usklajenost izvedbe s pričakovanji in stro-
škovna primernost izvedbe. Zanimivo je, da je tudi Tinto () pričako-
vanja študentov označil kot enega od pogojev za uspešen konec študija.
Na skupino spremenljivk o osebnostnih značilnostih ob koncu iz-
vedbe predmeta imata statistično značilen vpliv na mnenje o pridoblje-
nem znanju samoiniciativnost in vztrajnost.
Iz slike . vidimo, da mora izobraževalna institucija za učinkovit štu-
dij razvijati mentorsko podprt kombiniran sistem e-izobraževanja ozi-
roma skrbeti za izobraževanje in usposabljanje učiteljev in visokošol-
skih sodelavcev za uvajanje in izvajanje e-izobraževanja. Veliko vlogo pri
učinkovitosti študija študentov pripisujejo mentorju tudi sami učitelji
( = ,) (Sulčič in Sulčič ).
Z vidika izobraževalne institucije mora institucija, pri kombiniranem
načinu e-izobraževanja poskrbeti za usposabljanje učiteljev in mentor-


Optimiranje modela e .

 . Vpliv izbranih dejavnikov e na mnenje o pridobljenem


znanju – izbirni predmet
Vključene spremenljivke B t P
Vloga mentorja , , ,
Izvedba , , ,
 F = ,; P = ,; popr. R2 = ,. Izključene spremenljivke so spre-
memba motivacije, e-učilnica, uporaba interneta – K1 , računalniška in internetna pi-
smenost, % več dela, želeno število srečanj, opremljenost in izhodne značilnosti.

jev, ki bodo usposobljeni:


• za razvoj predmetov za izvedbo v e-učilnici;
• za pripravo predmetov in vključevanje sodobnih metod poučeva-
nja, s katerimi bo študij postal zanimiv;
• za izvedbo e-izobraževanja prek e-učilnice.
Mentorski pristop se kaže tudi v načinu izvedbe predmeta, ki se je po-
kazal za pomemben dejavnik učinkovitosti študija, predvsem pa zanimi-
vost izvedbe predmeta. Ta lahko temelji samo na aktivnih metodah po-
učevanja, pri katerih študenti oblikujejo svoje znanje prek interakcije s
kolegi in z učiteljem oziroma mentorjem. Takšen način dela lahko izhaja
le iz dodatno usposobljenih učiteljev za uporabo aktivnih metod pou-
čevanja in , kar potrjuje naša predvidevanja, da uvajanje  v izo-
braževanje, tako kot uvajanje  v poslovne procese, zahteva prenovo
izobraževalnih procesov.
Model e, vezan na mnenje o pridobljenem znanju, smo pre-
verili še na podatkih izbirnega predmeta v študijskih letih /
in / ter ugotovili le malenkostno drugačne vplive (preglednica
.).
Variabilnost mnenja o pridobljenem znanju je pojasnjena v nekoliko
manjšem obsegu – , %. Zanimivo je, da je v skupini dveh izbirnih
predmetov, pri katerih so bile skupine različno velike in je sodelovalo
večje število različno usposobljenih mentorjev, vloga mentorja še izra-
zitejša. Tako sama vloga mentorja pojasni , % variabilnosti mnenja o
pridobljenem znanju (R2 ).

..    e


Izobraževalna institucija se pri uvajanju e-izobraževanja srečuje s stroški,
ki so vezani na institucijo in mentorja/učitelja. K stroškom e-izobraževanja
moramo prišteti še stroške študenta (slika .).


 Testiranje modela e 

Stroški dela učiteljev/mentorjev

Stroški infrastrukture
Stroški razvoja študijskih gradiv
Stroški
Stroški distribucije študijskih gradiv
inštitucije
Stroški podpore študentov
Možnost Stroški nabave/vzdrževanja opreme
Stroški e-
(delnega) za razvoj študijskih gradiv
izobraževanja
prekrivanja
Stroški nabave in vzdrževanja opreme
(računalniška strojna in programska oprema)
Stroški men-
Stroški dostopa do interneta
torja/učitelja
Stroški nabave in vzdrževanja opreme
(računalniška strojna in programska oprema)
Stroški Stroški dostopa do interneta
študenta
Stroški dostopa izpisa gradiv

 . Model stroškov e-izobraževanja (povzeto po Sulčič, Lesjak in Balde


, )

 . Primerjava stroškov


Vrsta stroška () () ()
. Stroški institucije , – ,
. Usposabljanje mentorjev – – (a)
. Zagotovitev infrastrukture , –,% ,
Prostor – predavalnice/učilnice – – –
Vzpostavitev e-učilnice, tehnična podpora – – (b)
. Priprava predmeta , +,% ,
. Izvedba predmeta , +,% ,
. Evalvacija izvedbe , – ,
. Stroški študentov , – ,
. Obisk predavanj/vaj , –,% ,
. Raba interneta , – ,
. Tiskanje gradiv , – ,
 (a) Odvisno od usposobljenosti učiteljev/mentorjev –  eurov na mentorja.
(b) Vzpostavitev in vzdrževanje e-učilnice  eurov na mesec. Naslovi stolpcev: () kla-
sična izvedba (struktura); () uvajanje ; () e.

Z uvajanjem kombiniranega e-izobraževanja po modelu e bi se


posamezni stroški povišali, drugi pa znižali (preglednica .).
Pri strukturi stroškov klasične izvedbe smo izhajali iz evalvacije iz-
vedbe izbirnega predmeta v študijskem letu / (Sulčič ), kjer


Optimiranje modela e .

smo oceno stroškov izdelali na osnovi podatkov, zbranih ob razvoju in


izvedbi predmeta. Z uvajanjem  je po mnenju učiteljev optimalno iz-
vesti , % srečanj v živo, zato se stroški uporabe predavalnice znižajo za
, %. Prav tako se znižajo stroški študentov, povezani s prihodi študen-
tov na organizirana srečanja (predavanja in vaje). Po mnenju učiteljev
priprava predmeta za izvedbo v e-učilnici zahteva , % več dela, sama
izvedba pa , %. V izračun stroškov klasične izvedbe nismo vključili re-
žijskih in materialnih stroškov institucije, saj bi ti obstajali ne glede na
način izvedbe izobraževalnega procesa. Iz preglednice . je razvidno,
da bi se stroški izvedbe kombiniranega e-izobraževanja v primerjavi s
klasično izvedenim izobraževanjem za institucijo povišali za  %, za štu-
dente pa znižali za  %. Z znižanjem stroškov za študente se strinjajo
tudi anketirani študenti in učitelji/mentorji. Študenti so v anketah v pov-
prečju ocenjevali nižje stroške kombiniranega e-izobraževanja z ocenami
od , do , (, – študenti obveznega predmeta rednega študija, ,
– študenti izbirnega predmeta rednega študija, , – študenti izbirnega
predmeta izrednega študija), učitelji pa z oceno ,. Zanimivo je, da so
učitelji menili, da je e-izobraževanje cenejše za institucijo kot za študente
(, za institucijo, , za študente). Mnenje o cenejši izvedbi kombinira-
nega e-izobraževanja študentov ima celo statistično značilen pozitiven
vpliv na mnenje o pridobljenem znanju (preglednica .).
V preglednici . bi morali dodati še strošek usposabljanja mentor-
jev, če ti še niso usposobljeni. Po naših izračunih (Sulčič in Sulčič )
usposabljanje enega mentorja stane  evrov. Poleg tega je treba za vzpo-
stavitev učnega okolja ter njegovo vzdrževanje potrebno odšteti  evrov
na mesec, kar pomeni dodaten strošek  evrov, če se predmet izvaja en
semester (za redni študij). Če stroške usposabljanja mentorjev ( men-
torja) ter stroške vzpostavitve in vzdrževanje učilnice preračunamo na
izbirni predmet, ki se izvaja osem tednov, bi v izračunu stroškov to po-
menilo povišanje stroškov pri prvi izvedbi za dodatne štiri odstotne točke
( odstotne točke za vzpostavitev in vzdrževanje e-učilnice in  odstotnih
točk za usposobitev  mentorjev). Izbirni predmet smo za osnovo vzeli
zato, ker so tudi prikazani deleži v preglednici . izračunani na osnovi
evalvacije razvoja in izvedbe omenjenega predmeta.
Ko smo usposobili mentorje za podporo študentov, stroškov za uspo-
sabljanje ni več, in tako je že druga izvedba predmeta cenejša od prve.
Računati moramo tudi na to, da nimamo potrebe po povečanju vlože-
nega dela, saj lahko uporabimo gradiva iz predhodne izvedbe. Tako smo
predvidevali, da so stroški pod ravnjo klasične izvedbe že v drugem letu


 Testiranje modela e 

 . Primerjava stroškov klasične in e-izvedbe v dveh letih


Vrsta stroška () () ()
. Stroški institucije , , ,
. Usposabljanje mentorjev – , –
. Zagotovitev infrastrukture – – –
Prostor – predavalnice/učilnice , , ,
Vzpostavitev e-učilnice, tehnična podpora – , ,
. Priprava predmeta , , ,
. Izvedba predmeta , , ,
. Evalvacija izvedbe , , ,
 Naslovi stolpcev: () klasična izvedba (struktura); () e . leto; () e
. leto.

(,) izvajanja kombiniranega e-izobraževanja po predlaganem modelu


(preglednica .).
Po modelu e ima mentorska podpora statistično značilen vpliv
na mnenje o pridobljenem znanju, zato smo pri stroških izvedbe pred-
meta ohranili povečan obseg dela učitelja/mentorja pri izvedbi. Iz pre-
glednice . vidimo, da bi šele po tretjem letu⁶ izvedbe upravičili uvedbo
mentorsko podprtega modela kombiniranega e-izobraževanja. Stro-
škovni model je seveda grajen na mnenju učiteljev o več ali manj po-
trebnem delu. Nadaljnje raziskave bodo pokazale, ali je povečan obseg
dela pri pripravi in izvedbi predmeta realen.

. V prvem letu izvajanja kombiniranega načina e-izobraževanja bi bili stroški izvedbe


za  % višji od klasične izvedbe, v drugem letu pa za  % nižji, vendar se višji stroški prve
izvedbe pokrijejo šele v četrtem letu.


8 Sklepna razmišljanja

. Ključne ugotovitve in razprava


Za izobraževalne institucije, ki izvajajo klasično izobraževanje, je uvaja-
nje  v izobraževalni proces poseben izziv. Na eni strani pomeni to pri-
lagajanje obstoječega načina dela sodobnim smernicam, po drugi strani
pa iskanje učinkovitejših načinov izvedbe izobraževalnega procesa.
Raziskava dejavnikov učinkovitega kombiniranega e-izobraževanja
temelji na dosedanjih raziskavah ovir za vključitev in uspešen konec
online izobraževanj. V raziskavi smo proučevali dejavnike učinkovito-
sti e-izobraževanja, ki poteka na področju poslovnih ved, za svetovne
razmere, v sorazmerno majhnem izobraževalnem prostoru. Zgradili
smo model dejavnikov učinkovitega kombiniranega e-izobraževanja
(e), ki smo ga optimirali s podatki, zbranimi pri izvajanju kom-
biniranega e-izobraževanja na . Na osnovi rezultatov raziskovanja
lahko opredelimo tudi vlogo izobraževalne institucije pri učinkovitem
kombiniranem načinu e-izobraževanja.
Izobraževalna institucija v izobraževanje vključi študente, ki imajo
doma različno računalniško opremo ter različno intenzivno uporabljajo
internet in internetne storitve. Študenti so si v predhodnem izobraževa-
nju pridobili določeno stopnjo računalniške in internetne pismenosti, ki
jo razvijajo tudi v okviru terciarnega izobraževanja. Pri kombiniranem e-
izobraževanju so študenti vključeni v spletno učno okolje – v našem pri-
meru e-učilnico, prek katerega se glede na načrt izvedbe predmeta izvaja
del izobraževalnega procesa. Del izobraževalnega procesa se izvaja tudi
v klasičnih učilnicah. Od načina izvedbe predmeta v klasični in spletni
učilnici je odvisno, koliko srečanj v živo si bodo študenti želeli. Od vse-
bin in vrste predmeta, predvsem pa od same izvedbe predmeta in men-
torjeve vloge bo odvisno, koliko ur bodo študenti vložili v delo – študij.
Seveda bodo nekateri študenti že sami vložili dovolj časa v študij, ostale
študente pa je treba pri študiju usmerjati in dodatno motivirati. Način iz-
vedbe predmeta in delo mentorja vplivata na motiviranost študentov ter
njihovo vztrajnost in pripravljenost za delo, kar smo med drugim vklju-
čili v izhodne značilnosti študentov. Če bo način izvedbe predmeta ustre-


 Sklepna razmišljanja

Pridobljeno znanje

Izhodne značilnosti

Sprememba
Vloga mentorja
motivacije

Več dela
Izvedba eI
(v odstotkih)

Želeno število E-učilnica –


srečanj učno okolje

Računalniška in inter- Delovanje


netna pismenost izobraževalne
inštitucije
Uporaba
interneta – K1

Opremljenost
študentov

 . Vloga izobraževalne institucije pri učinkovitem kombiniranem


e-izobraževanju

zen vsebinam predmeta, ravni študija in značilnostim ciljne populacije –


študentov, si bodo študenti želeli kombiniran način e-izobraževanja tudi
pri drugih predmetih in drugih oblikah ter načinih izobraževanja (for-
malnem in neformalnem izobraževanju). Izvedbo predmeta, vlogo men-
torja in izhodne značilnosti študentov smo z našo raziskavo opredelili kot
ključne dejavnike učinkovitega e-izobraževanja. Iz slike . je razvidno, da
izobraževalna institucija s svojim delovanjem v celoti lahko vpliva na iz-
vedbo predmeta ter vlogo mentorja, delno oziroma posredno pa na izho-
dne značilnosti študentov. Ključni dejavniki modela e so na siki .
osenčeni. Vloga mentorja in izvedba e-izobraževanja sta v celoti znotraj
področja delovanja izobraževalne institucije.
Z raziskavo dejavnikov učinkovitosti kombiniranega e-izobraževanja
smo poskušali potrditi oziroma zavreči naslednje hipoteze.
  Demografske značilnosti nimajo statistično značilnega
vpliva na učinkovitost e-izobraževanja.
Na osnovi raziskav (Mungania , Willging in Johnson , Nian-
Shing in Kan-Min ), vezanih na proučevanje dejavnikov za osip
študentov pri online izobraževanju, smo postavili trditev, da demo-


Ključne ugotovitve in razprava .

grafske značilnosti, kot so na primer spol, starost, predizobrazba ni-


majo statistično značilnega vpliva na učinkovitost študentov. Le razi-
skava Masie Centra () poroča o statistično značilnem vplivu spola
na (ne)učinkovitost udeležencev e-izobraževanja. V naši raziskavi smo
ugotovili, da starost in uspeh v srednji šoli statistično značilno vplivata
na oceno predmeta, če proučujemo le vpliv demografskih značilnosti na
oceno predmeta (preglednica .). Poleg tega ima na oceno predmeta
negativen vpliv tudi zaposlenost oziroma obremenjenost študentov na
delovnem mestu. Podoben rezultat je razviden tudi iz raziskave Tyler-
Smith (), v kateri je pomanjkanje časa za študij oziroma prezapo-
slenost študentov eden od statistično značilnih vzrokov za neučinkovito
e-izobraževanje. Na mnenje o pridobljenem znanju statistično značilno
vplivajo način študija, vrsta predmeta in spol, seveda le ob predpostavki,
da za neodvisne spremenljivke vključimo samo demografske značilnosti.
Ob vključevanju drugih spremenljivk in medsebojnem vplivu spremen-
ljivk ti vplivi niso več statistično značilni.
Na osnovi navedenih rezultatov raziskave hipotezo , da demograf-
ske značilnosti nimajo statistično značilnega vpliva na učinkovitost e-
izobraževanja, zavračamo. Demografske značilnosti imajo statistično
značilen vpliv na oceno predmeta in na mnenje o pridobljenem znanju.
  Študenti, ki više ocenjujejo svoje osebnostne lastnosti, so
pri e-izobraževanju učinkovitejši.
Na osnovi izsledkov raziskave Muganiejeve (), da imajo osebno-
stne značilnosti statistično značilen vpliv na neučinkovitost e-izobraževanja,
smo postavili hipotezo, da so študenti, ki više ocenjujejo svoje osebno-
stne značilnosti, učinkovitejši pri študiju. V raziskavi smo proučevali
osebnostne značilnosti ob vključitvi v predmet (vhodne značilnosti) in
osebnostne značilnosti ob koncu izvedbe predmeta (izhodne značilno-
sti), saj nas je zanimalo, ali ima uporaba  kakršen koli vpliv na spre-
membo osebnostnih značilnosti. Zaradi preprostejše obdelave smo spre-
menljivke združili z metodo glavnih komponent. Z regresijsko analizo
smo ugotovili le statistično značilen pozitiven vpliv izhodnih spremen-
ljivk na mnenje o pridobljenem znanju. Med njimi najbolj izstopata
samoiniciativnost in vztrajnost. Samoiniciativni in vztrajni študenti me-
nijo, da so s kombiniranim e-izobraževanjem pridobili več znanja kot pri
klasičnem izobraževanju. Očitno je kombiniran način e-izobraževanja
takšnim študentom dal več možnosti in priložnosti za ustvarjanje znanja
prek študijskih dejavnosti. Vztrajnost kot pomembno lastnost študenta


 Sklepna razmišljanja

za učinkovit študij je izpostavila tudi Martinezova ().


Na osnovi tega hipotezo , da so študenti, ki više ocenjujejo svoje oseb-
nostne lastnosti pri e-izobraževanju, učinkovitejši, potrdimo.
  Študenti, ki imajo doma računalnik z dostopom do inter-
neta, so pri e-izobraževanju učinkovitejši.
Na osnovi izsledkov raziskave Masie Centra (), ki je pokazala sta-
tistično značilen vpliv opremljenosti in dostopa do interneta na osip ude-
ležencev e-izobraževanja, smo trdili, da bodo pri e-izobraževanju učin-
kovitejši študenti, ki imajo doma računalnik in dostop do interneta. Naša
raziskava ni pokazala neposrednih statistično značilnih vplivov opre-
mljenosti in dostopa do interneta na oceno predmeta ali na mnenje o
pridobljenem znanju, zato hipotezo , da so študenti, ki imajo doma ra-
čunalnik z dostopom do interneta, učinkovitejši pri e-izobraževanju, zavra-
čamo. Očitno, tako trdi tudi Clark (),  ni sredstvo za izboljša-
nje učnih rezultatov, temveč le medij za distribucijo gradiv. Tudi v raz-
iskavi Muganijeve ()  ni imela statistično značilnega vpliva na
(ne)učinkovito e-izobraževanje, saj je, kot pravi Mungania,  le orodje
za izvedbo e-izobraževanja. Izobraževalni proces je pri e-izobraževanju
treba prenoviti ali pa so, kot trdi Ally (, ), strategije poučevanja
veliko pomembnejše od same . Zavrnitev hipoteze  je za slovenske
razmere spodbudna, saj zaostajanje slovenskega prebivalstva z nižjo in
srednjo formalno izobrazbo ne more biti razlog, da se v Sloveniji ne bi
uveljavil kombinirani model e-izobraževanja.
  Računalniško in internetno bolj pismeni študenti so pri
e-izobraževanju učinkovitejši.
Hipotezo  smo oblikovali na osnovi rezultatov raziskave Munganijeve
(). Neposreden vpliv na oceno predmeta smo zaznali le pri e-pošti
(preglednica .). Kljub temu smo spremenljivke o sposobnostih upo-
rabe računalnika prenesli v končni model, kjer pa nismo ugotovili sta-
tistično značilnega vpliva sposobnosti uporabe računalnika in interneta
na oceno predmeta ali na mnenje o pridobljenem znanju. Pri pregledu
izključenih spremenljivk regresijske funkcije (preglednica .) smo ugo-
tovili, da ima parcialni regresijski koeficient pri računalniški in internetni
pismenosti negativen predznak. To bi pomenilo, da študenti, ki so niže
ocenjevali svoje sposobnosti uporabe računalnika, menijo, da so prido-
bili več znanja. Vpliv ob vseh vključenih spremenljivkah sicer ni stati-
stično značilen, je pa zanimiv negativni predznak koeficienta. Predvide-
vamo lahko da so študenti, poleg znanj, predvidenih z učnim načrtom


Ključne ugotovitve in razprava .

predmeta, pridobili še znanja s področja uporabe računalnika in inter-


neta ter tako izboljšali svojo računalniško in internetno pismenost. Naša
predvidevanja bi lahko dopolnile Russellove ugotovitve (), ki trdi,
da se znanja, ki jih študenti pridobijo s študijem prek interneta, stati-
stično značilno ne razlikujejo od znanj, ki jih pridobijo s klasičnim na-
činom študija. Na osnovi raziskave predvidevamo, da študenti pri kom-
biniranem načinu e-izobraževanja mogoče res ne dobijo več znanja kot
pri klasičnem načinu izobraževanja, zato pa razvijejo sposobnosti upo-
rabe računalnika in interneta. Zanimivo je, da je Mungania (, )
ugotovila, da računalniško manj pismeni študenti zaznavajo več ovir
za učinkovit konec e-izobraževanja. Torej je računalniška in internetna
pismenost povezana s samim e-izobraževanjem, vendar je ne moremo
šteti za statistično značilen dejavnik učinkovitosti kombinirano izvede-
nega e-izobraževanja. Na osnovi tega hipoteze ne moremo potrditi, zato
hipotezo , da so računalniško in internetno bolj pismeni študenti pri e-
izobraževanju učinkovitejši, zavračamo.
  Motivirani študenti in študenti, ki se želijo izobraževati,
so pri e-izobraževanju učinkovitejši od svojih kolegov.
S hipotezo  smo trdili, da imata pozitiven odnos do študija ter mo-
tiviranost pozitiven vpliv na učinkovitost študija. Takšne so tudi ugoto-
vitve raziskav Frankolove (v Tyler-Smith ) in Masie Centra ().
Naša raziskava je pokazala, da so bili študenti, ki so v opravljanje študij-
skih dejavnosti vložiti več napora, pri študiju učinkovitejši (preglednica
. in preglednica .). Motiviranost ob vključitvi v predmet in spre-
menjena motivacija zaradi uporabe  v izobraževalnem procesu sta v
statistično značilni medsebojni povezavi s pridobljenim znanjem (pre-
glednica .). Regresijska analiza je pokazala statistično značilen vpliv
na pridobljeno znanje predvsem spremenjene motivacije ob koncu iz-
vedbe predmeta (preglednica .).
Na oceno predmeta ima statistično značilen vpliv ocena študija (pre-
glednica .). Motivirani študenti in študenti s pozitivnim odnosom do
študija (pripravljenost na delo, visoke povprečne ocene) so pri študiju
učinkovitejši. Na osnovi tega lahko hipotezo , da so motivirani študenti in
študenti, ki se želijo izobraževati, pri e-izobraževanju učinkovitejši od svo-
jih kolegov, potrdimo. Pomembno vlogo pri motiviranju študentov ima
mentor.
  – Študenti, ki se navdušujejo nad  in možnostjo njene
uporabe v vsakdanjem življenju, so pri e-izobraževanju učinkovitejši.


 Sklepna razmišljanja

S hipotezo  smo trdili, da bodo študenti, ki se navdušujejo nad 


in možnostjo njene uporabe v vsakdanjem življenju, pri e-izobraževanju
učinkovitejši od kolegov, ki jih  in njena uporaba ne navdušu-
jeta. Vpliv predhodnih izkušenj z e-izobraževanjem na učinkovitost e-
izobraževanja so potrdile že prejšnje raziskave (preglednica .). V naši
raziskavi smo opazovali odnos do  ter intenzivnost uporabe interneta
in storitev, ki so dostopne prek interneta. Številne opazovane spremen-
ljivke smo z metodo glavnih komponent združili in dobili štiri kompo-
nente. Za prvo komponento, ki najbolje povzema vse storitve interneta,
smo ugotovili, da statistično značilno vpliva na mnenje o pridobljenem
znanju (preglednica .), če seveda zanemarimo spremenljivke drugih
skupin dejavnikov. Pozitivne korelacije so se pokazale tudi med odno-
som do  in oceno predmeta ter pridobljenim znanjem.
Pripravljenost za e-izobraževanje smo proučevali prek spremenljivk,
vezanih na izvedbo predmeta, študijske dejavnosti, sprejem e-učilnice in
gradiv, ki so bila dostopna prek e-učilnice. Poleg tega smo študente spra-
ševali tudi o pripravljenosti za e-izobraževanje. V raziskavi smo ugotovili
pozitivne medsebojne povezave med vsemi proučevanimi spremenljiv-
kami in pridobljenim znanjem. Regresijska analiza je potrdila, da izvedba
predmeta, gradiva in sprejem e-učilnice statistično značilno vplivajo na
mnenje o pridobljenem znanju. Izvedba predmeta pa se je kot stati-
stično značilna spremenljivka pokazala tudi v končnem modelu e.
Na osnovi tega rezultata lahko hipotezo , da so študenti, ki se navdušu-
jejo na  in možnostjo njene uporabe, učinkovitejši pri e-izobraževanju,
potrdimo.
  Kombinacija srečanj v živo in e-učilnice ima vpliv na
učinkovitost študija, in sicer so pri študiju učinkovitejši študenti pred-
metov z več srečanji v živo.
S hipotezo  smo trdili, da kombinacija srečanj v živo in e-učilnice
vpliva na učinkovitost študija, in sicer da so pri študiju učinkovitejši
študenti predmetov z več srečanji v živo. Neposrednega vpliva srečanj
v živo na oceno predmeta in mnenje o pridobljenem znanju nismo ugo-
tovili. Smo pa zaznali negativne korelacije med želenim deležem srečanj
v živo in sprejemom dejavnosti ter načinom izvedbe predmeta (pregle-
dnica .), kar pomeni, da študenti, ki dobro sprejmejo način izvedbe
in predvidene študijske dejavnosti, ne potrebujejo večjega števila srečanj
v živo. Očitno srečanja v živo uspešno nadomešča mentor, saj smo ugo-
tovili negativno korelacijo tudi med želenim številom srečanj v živo in


Ključne ugotovitve in razprava .

vlogo mentorja (preglednica .). Študenti, ki so vlogo mentorja više oce-


njevali, si želijo manj srečanj v živo.
Študenti izrednega študija so presodili, da bi se v živo želeli srečati tri-
krat ( = ,), študenti rednega študija pa petkrat, če se študij izvaja en
semester ( = ,) oziroma trikrat ( = ,), če se predmet izvaja pol
semestra. Glede na čas, ki je predviden za izvedbo predmeta, bi študenti
želeli, da se v živo izvede ,-, % z učnim načrtom predvidenih pre-
davanj/vaj. Učitelji menijo, da je , % optimalen delež v živo izvedenih
srečanj (preglednica .).
Na osnovi rezultatov naše raziskave moramo hipotezo  o vplivu sre-
čanj v živo na učinkovitost študentija zavrniti, seveda ob predpostavki, da
manjše število srečanj nadomesti strokovno usposobljen mentor.
  – Študenti v manjših skupinah so pri študiju učinkovi-
tejši kot študenti, pri katerih se izobraževalni proces izvaja v večjih
skupinah.
Z regresijsko analizo smo ugotovili, da velikost skupine vpliva na
oceno predmeta, in sicer povečanje skupine za enega študenta zniža
povprečno oceno skupine za ,. Vpliv sicer ni velik, je pa statistično
značilen (preglednica .), zato lahko hipotezo , da so študenti v manj-
ših skupinah učinkovitejši od študentov, pri katerih se izobraževalni proces
izvaja v večjih skupinah, sprejmemo.
  Navzočnost in strokovna usposobljenost učitelja/mentorja
imata statistično značilen vpliv na učinkovitost študija, saj predvide-
vamo, da je povezava med navzočnostjo in strokovno usposobljenostjo
učitelja/mentorja in učinkovitostjo študentov pozitivna.
V raziskavi smo ugotovili, da če mentor poveča povprečno število ob-
jav na teden na študenta za eno enoto, se povprečna ocena, s katero so
študenti ocenili njegovo delo, poviša za ,. Vloga mentorja, na katero
statistično značilno vpliva študentova ocena mentorjevega dela (slika
.), ima statistično značilen vpliv na mnenje o pridobljenem znanju
(preglednica .). Pomen vloge mentorja, posebno na začetku izobra-
ževalnega procesa, je pokazala že raziskava na odprti univerzi (Simpson
) in raziskava Frankolove (v Tyler-Smith ) ter raziskava Masie
Centra (). Na osnovi podatkov naše raziskave lahko hipotezo , da
imata navzočnost in strokovna usposobljenost učitelja/mentorja pozitiven
statistično značilen vpliv na učinkovitost študija, sprejmemo.
Pregled hipotez je razviden iz preglednice ..


 Sklepna razmišljanja

 . Sprejem in zavrnitev hipotez raziskave


. Demografske značilnosti nimajo statistično značilnega vpliva na učinkovitost –
e-izobraževanja.
. Študenti, ki više ocenjujejo svoje osebnostne lastnosti, so pri e-izobraževanju +
učinkovitejši.
. Študenti, ki imajo doma računalnik z dostopom do interneta so učinkovitejši –
pri e-izobraževanju.
. Računalniško in internetno bolj pismeni študenti so pri e-izobraževanju bolj –
učinkoviti.
. Za izobraževanje motivirani študenti so pri e-izobraževanju uspešnejši od +
svojih kolegov.
. Študenti, ki se navdušujejo nad  in možnostjo njene uporabe v vsakdanjem +
življenju, so pri e-izobraževanju učinkovitejši.
. Kombinacija srečanj v živo in e-učilnice vplivata na učinkovitost študija, in –
sicer so pri študiju učinkovitejši študenti predmetov z več srečanji v živo.
. Študenti v manjših skupinah so pri študiju učinkovitejši od študentov, pri +
katerih se izobraževalni proces izvaja v večjih skupinah.
. Na učinkovitost e-izobraževanja vplivata navzočnost in strokovna +
usposobljenost učitelja/mentorja, in sicer predvidevamo, da je povezava med
navzočnostjo in strokovno usposobljenostjo učitelja/mentorja ter
učinkovitostjo študentov pozitivna.

..  e


Z modelom e smo opredelili ključne dejavnike učinkovitega e-
izobraževanja srednje velike izobraževalne institucije – zavoda s pod-
ročja ekonomskih, poslovnih in upravnih ved, ki deluje v manjšem izo-
braževalnem prostoru, kot je na primer Slovenija. Takšnemu zavodu,
na osnovi modela e (slika .), priporočamo kombiniran model
e-izobraževanja, ki bo:
• Največji poudarek dal metodam poučevanja in mentorski podpori.
V ta namen mora izobraževalni zavod usposobiti učitelje in vi-
sokošolske sodelavce za mentoriranje študentov v e-učilnici. Pri
usposabljanju mentorja je treba posebno pozornost posvetiti na-
činu komunikacije mentorja s študenti, veščinam in spretnostim
mentorja za spodbujanje študentov pri študiju ter seveda usposo-
bljenosti mentorja za uporabo aktivnih metod poučevanja.
• Vključeval – % predvidenih predavanj in vaj v živo, seveda ob
predpostavki, da študente v e-učilnici podpira mentor.
• Omogočal vsaj trikratno izvedbo predmeta prek e-učilnice in tako
zagotovil stroškovno sprejemljivejšo izvedbo od klasične izvedbe.


Smeri nadaljnjega raziskovanja .

• Najprej uvedel e-učilnico za podporo izrednega študija, saj so se štu-


denti izrednega študija pokazali za sprejemljivejšo (in primernejšo)
skupino študentov za e-izobraževanje kot študenti rednega študija.
Vpliv izobraževalnega zavoda na učinkovitost kombiniranega e-izobraževanja
je, kot je razvidno iz slike ., velik, saj sta dva od treh ključnih dejavnikov
– vloga mentorja in izvedba e-izobraževanja v celoti znotraj delovanja
izobraževalne institucije oziroma zavoda. V celoti je znotraj delovanja
izobraževalne institucije tudi e-učilnica, vendar regresijska analiza ni po-
kazala statistično značilnega vpliva spremenljivke e-učilnica na mnenje
o pridobljenem znanju (preglednica .).
Raziskavo lahko sklenemo z ugotovitvijo, da sta za kombiniran način
e-izobraževanja način izvedbe ter vloga mentorja ključna dejavnika, ki
vplivata tudi na izhodne značilnosti študentov ter njihovo željo po izo-
braževanju prek interneta. V našem primeru je izvedba e-izobraževanja
temeljila na aktivnih metodah poučevanja oziroma učenja, saj so štu-
denti z učnim načrtom zastavljene cilje dosegli s številnimi, v e-učilnici
ponujenimi dejavnostmi ter strokovno podporo mentorja.

. Smeri nadaljnjega raziskovanja


V raziskavi smo ugotovili, da je pri uvajanju  v e-izobraževanje po-
trebna previdnost glede pomena, ki ga dajemo . Rezultati raziskave so
še posebno zanimivi, saj smo ugotovili, da je  le sredstvo za izvedbo e-
izobraževanja, ne pa ključni dejavnik učinkovitosti e-izobraževanja. Tudi
računalniška in internetna pismenost se nista pokazali kot ključna dejav-
nika učinkovitosti.
Raziskava je bila narejena na primeru študentov dodiplomskega štu-
dijskega programa pri predmetih, ki so povezani z uporabo . V pri-
hodnjih letih bomo raziskavo razširili tudi na druge predmete, ki z 
niso neposredno povezani. Že zdaj smo ugotovili, da obstajajo razlike
med obveznim in izbirnim predmetom, zato bo zanimivo ugotoviti, ali
so takšne razlike tudi med obveznimi in izbirnimi predmeti, ki niso ne-
posredno povezani z .
Prav tako bi bilo priporočljivo raziskavo ponoviti na podiplomskem
študiju, saj so, kot pravi Ally (, ), strategije poučevanja odvisne od
udeležencev izobraževanja, ravni izobraževanja, izobraževalnih vsebin in
namena izobraževanja. Naš model poučevanja morda ne ustreza drugim
ravnem izobraževanja. Raziskavo bi bilo priporočljivo ponoviti tudi na
drugih študijskih področjih in rezultate primerjati z našo raziskavo. Prav


 Sklepna razmišljanja

tako bi bile zanimive primerjave rezultatov raziskav, narejenih na raz-


lično velikih izobraževalnih zavodih – v Sloveniji in tujini.
Poleg raziskave na področju formalnega izobraževanja bi bilo razi-
skavo koristno ponoviti tudi pri e-izobraževanjih v okviru neformalnega
izobraževanja.
V raziskavi smo ugotovili, da študenti, ki so manj računalniško in in-
ternetno pismeni, menijo, da so pridobili več znanja pri e-izvedbi pred-
meta kot pri predmetih, ki se izvajajo klasično. V nadaljnjih raziskavah
bi bilo priporočljivo raziskati, katera so tista znanja ali spretnosti, ki se
razlikujejo glede na način izvedbe.
V raziskavi smo izpostavili vlogo mentorja, zato bi bilo priporočljivo
poglobiti vedenje o vplivih mentorja na učinkovitost e-izobraževanja, saj
izobraževalna institucija na mentorja precej vpliva (slika .).
V model nismo vključili zunanjih dejavnikov, ki morda lahko vplivajo
na učinkovitost študija – na primer odnos prijateljev, svojcev, delodajalca
ali sodelavcev na takšen način izobraževanja. Zato to področje razisko-
vanja puščamo v izziv drugim raziskovalcem.


8 Literatura

Alter, S. . Information systems: the foundation of e-business. . izd. Upper


Saddle River, : Prentice Hall.
Ally, M. . Foundations of educational theory for online learning. V Ander-
son in Elloumi , -.
Anderson, T., in F. Elloumi, ur. . Theory and practice of online learning.
Athabasca: Athabasca University Press.
Anderson, T. . Toward a theory of online learning. V Anderson in Elloumi
, –.
Baletić, Z., ur. . Ekonomski leksikon. Zagreb: Leksikografski zavod »Miroslav
Krleža« in Masmedia.
Bates, T. A. W. . Technology, e-learning and distance education. . izd. Lon-
don: Routledge Falmer.
Bellis, M. B. l. Inventors of the modern computer: the history of the   –
International Business Machines. Http://inventors.about.com/library/weekly/aa.htm.
Bransford, J. D., A. L. Brown in R. R. Cocking. . How people learn: brain,
mind, experience, and school. Razširjena izdaja. Wahington, : The Nati-
onal Academies Press. Http://www.nap.edu/catalog/.html.
Bregar, L. . Študij na daljavo na Ekonomski fakulteti: izkušnje za priho-
dnost. Vzgoja in izobraževanje  (): –.
Carr, S. . As distance education comes of age, the challenge is keeping the
students. The Chronicle of Higher Education, . februar. Http://chronicle.com/free/v/i/a
Carnoy, M., ur. . International encyclopedia of economics in education. . izd.
Cambridge: Cambridge University Press.
 – Commission of the European Communities. a. Designing tomor-
row’s education promoting innovation with new technologies. Report
from the Commission to the Council and the European Parliament.
()  final.
 – Commission of the European Communities. b. E-learning — de-
signing tomorrow’s education. Communication from the Commission.
()  final.
 – Commission of the European Communities. a. i - First Annual
Report on the European Information Society. Communication from the
Commission. ()  final.
 – Commission of the European Communities. b. Progress towards the


Literatura

Lisbon objectives in education and training: report based on indicators


and benchmarks. Commission staff working document. () .
 – Council of the European Union. . Education & training : the
success of the Lisbon strategy hinges on urgent reforms. Outcome of pro-
ceedings the Council on  February .
Clark, R. E. . Media will never influence learning. Educational Technology
Research and Development  (): –.
 – Community Research & Development Information Service. Dosto-
pno: http://cordis.europa.eu/en/home.html (. . ).
Dagger, D., in V. P. Wade. . Evaluation of adaptive course construction tool-
kit (). Http://wwwis.win.tue.nl/ acristea//papers/- aeh_daggerd__format
D’Antoni, S. . The virtual university: models and messages. Pariz: /.
Delors, J. .    – skriti zaklad: poročilo Mednarodne komisije o izobraže-
vanju za enaindvajseto stoletje. Ljubljana: Ministrstvo za šolstvo in šport.
Diaz, D. P. . Online drop rates revisited. The Technology Source Archives,
maj–junij. Http://technologysource.org/article/online_drop_rates_revisited/.
Draper, S. W. . Tinto’s model of student retention. Http://www.psy.gla.ac.uk/ steve/localed/tint
 – European Commission. . Towards a knowledge-based Europe: the Eu-
ropean Union and the information society. Luxembourg: Office for Official
Publications of the European Communities.
eEurope. . eEurope : an information society for all. Http://ec.europa.eu/information_socie
eEuroupe+ . Progress Report, February . Http://europa.eu.int/information_society/eeuro
eLearningeuropa.info. . http://www.elearningeuropa.info/index.php?page=doc&doc_id=
Elloumi, F. . Value chain analysis: A strategic approach to online learning.
V Anderson, Terry in Elloumi , -.
Engelbrecht, Elmarie. . A look at e-learning models: investigating their va-
lue for developing an e-learning strategy. Progressio  (): –.
Evropska komisija. . Splošno poročilo o dejavnostih Evropske unije .
Razvoj informacijskih in komunikacijskih tehnologij. Http://europa.eu/generalreport/sl/
 – Futher Education Resource for Learning. What is e-learning? Http://ferl.becta.org.uk/displa
Flood, J. . Read all about it: online learning facing % attrition rates.
  (). Http://tojde.anadolu.edu.tr/tojde/articles/jim.htm.
Garson, D. [.] Statnotes: topics in multivariate analysis.  State Univer-
sity. Http://www.chass.ncsu.edu/garson/pa/statnote.htm.
Gerlič, I. . Stanje in trendi uporabe informacijsko-komunikacijske tehno-
logije () v slovenskih osnovnih šolah: poročilo o raziskovalni nalogi za
leto . Http://www.pfmb.uni-mb.si/raziskave/os/.
Hane, J. P. . Columbia University to Close Fathom.com. Http://www.infotoday.com/newsbreak
.htm.


Literatura

Holmberg, B. . The evolution of the character and practise of distance edu-
cation. Open Learning  (): –.
 - Inštitut za ekonomska raziskovanja Ljubljana. . Znanje in izobraževa-
nje v Sloveniji v luči priključitve . Raziskava v okviru projekta Strategija
gospodarskega razvoja Slovenije: Slovenija v Evropski uniji. Ljubljana: In-
štitut za ekonomska raziskovanja. [Je to knjiga? V Cobissu je ni.]
Jitgarun, K., S. Thaveesin, J. Neanchaleay, S. Suksakulchai in B. Puthaserenee.
. An analysis of factors that affected e-learning of students at public
universities in Bangkok metropolitan area. Http://www.worldedreform.com/intercon/kalayanee.p
Kamal, K. J., in B. N. Lee. . Motivating factors in e-learning: a case study of
. Student Affairs Online  (). Http://www.studentaffairs.com/ejournal/Winter_/e-
learning.html.
Keegan, D. . Foundations of distance education. . izd. London in New York:
Routledge.
Khan, B. H., in V. Joshi. . E-learning: who, what and how? Journal of Crea-
tive Communications  (): –.
Klebl, M. .  learning design: first-hand experience in creating courses.
Http://www.informatik.uni-bremen.de/mmiss/workshop/presentations/_firsthand_imsld_
Koper, R. . Modeling units of study from a pedagogical perspective: the pe-
dagogical meta-model behind . First Draft, ver. . Educational Techno-
logy Expertise Centre, Open University of the Netherlands. Http://www.learningnetworks.org/dow
metamodel.pdf.
Laudon, K. C., in J. P. Laudon. . Essentials of management information
systems: managing the digital firm. . izd. [Kraj?], : Pearson Prentice
Hall.
Lesjak, D. . Internet based distance education in Slovenia. Communications
of the   (): –.
Lesjak, D., V. Vehovar, C. Bavec in V. Sulčič. . Computer literacy of students
in Slovenia (improvement and comparison). Issues in Information Systems
:–.
Lesjak, D., N. Trunk Širca in V. Sulčič. . Electronic learning in Slovenia.
International Journal of Innovation and Learning  (): -.
Lesjak, D., V. Sulčič, N. Trunk Širca in V. Vehovar. . Information and com-
munication technology in tertiary education institutions in Slovenia: a
prerequisite for e-learning. Issues in Information Systems :–.
Lesjak, D., V. Sulčič, N. Trunk Širca in V. Vehovar. .  v slovenskih za-
vodih terciarnega izobraževanja – pogoj za uvedbo e-izobraževanja. V In-
formatika kot temelj povezovanja:  – Dnevi slovenske informatike ;
Portorož, Slovenija, .–. april, –. Ljubljana: Slovensko društvo In-
formatika.
Levin, H. M. . Cost-effectiveness analysis. V Carnoy , –.


Literatura

Lind, D. A., R. D. Mason in W. G. Marchal. . Basic statistics for business and
economics. . izd. Boston, : McGraw-Hill.
MacLeod, D. a. The Online Revolution, mark . Guardian.co.uk., . april.
Http://education.guardian.co.uk/egweekly/story/„,.html.
MacLeod, D. b. E is for error. Guardian.co.uk., . junij. Http://education.guardian.co.uk/egwee
MacDonald, C. J., E. J. Stodel, L. G. Farres, K. Breithaupt in M. A. Gabriel. .
The demand driven learning model: a framework for web-based learning.
The Internet and Higher Education  (): –.
MacDonald, C. J., E. J. Stodel, L. G. Farres, K. Breithaupt in M. A. Gabriel. .
The demand-driven learning model as a standard for web-based learning.
Http://www.elearnmag.org/subpage.cfm?section=best_practices&article=-
.
Marentič Požarnik, B. . Psihologija učenja in pouka. Ljubljana: .
Martinez, M. . High attrition rates in e-learning: challenges, predictors, and
solutions. The eLearning Developers’ Journal, . julij. Http://www.elearningguild.com/pdf//
L.pdf#search=%tinto%e-learning%.
Masie Center. . Departure, abandonment, and dropout of e-learning: di-
lemma and solutions. Raziskovalno poročilo,  Center.
Mayes, T., in S. de Freitas. .  e-learning models desk study. Stage : re-
view of e-learning theories, frameworks and models. http://www.jisc.ac.uk/uploaded_docume
 – Ministrstvo za informacijsko družbo. . Državni program Republika
Slovenije v informacijski družbi – varianta .
Moore, M. G. . Three types of interaction. The American Journal of Distance
Education  (): –.
Mungania, P. . Employees’ perceptions of berriers in e-learning: The rela-
tionship among barriers, demographics, and e-learning self-efficacy. Dok-
torska disertacija, University of Lousville.
Nian-Shing, C., in L. Kan-Min. . Factors affecting e-learning for achieve-
ment. V  International Conference on Advanced Learning Technologies
( ) proceedings, –. Http://grouper.ieee.org/groups/lttf/icalt/proceedings/
Overton, L. . Linking learning to business: summary report . Reading:
Bizmedia.
  Management. . Studies in the context of the E-Learning Ini-
tiative: virtual models of European universities (lot ). Draft final report to
the  Commission,  Education & Culture. Http://www.elearningeuropa.info/extras/pdf/v
Pocklington, C. T., in A. Tupper. . No place to learn: Why universities aren’t
working. Georgetown:  press.
Porter, M. E. . Competitive advantage. New York: The Free Press.
Porter, M. E. . The competitive advantage of nations. London: McMillan.
Pravilnik o poklicni maturi. Uradni list Republike Slovenije, št. /.


Literatura

Pučko, D. . Strateško planiranje. V Management: nova znanja za uspeh, ur.


Stane Možina, [Strani?] Radovljica: Didakta.
Pulichino, J. . Future directions in e-learning research report . The e-
Learning Guild Research, april. Http://www.elearningguild.com/pdf//apr-
futuredirections.pdf.
. Raba interneta v Sloveniji. .  Slovenia. Country Report No..
--. Dostopno na: http://www.sisplet.org/ris/uploads/publikacije//slovenia_crem
(. . ). [Opis ni pravilen, stran ne obstaja]
Rogelj, R. . Vaje iz statistike . . dop. izd. Ljubljana: Ekonomska fakulteta.
Rovai, A. P. . Building sense of community at a distance. International Re-
view of Research in Open and Distance Learning  (). http://www.irrodl.org/index.php/irrodl/articl
Rumble, G. . The cost and economics of open and distance learning. London:
Kogan Page.
Russell, T. L. . The no significant difference phenomenon: a comparative rese-
arch annotated bibliography on technology for distance education. Littleton:
International Distance Education Certification Center.
Quick.com. Porter’s five forces: a model for industry analysis. Http://www.quickmba.com/strategy/
Saba, F. . Distance education: an introduction. Http://www.distance-educator.com/intro.htm.
Salmon, G. . E-tivities: the key to active online learning. London: Kogan
Page.
Seufert, S. . E-Learning business models: strategies, success factors and best
practice examples. V Rethinking management education, ur. B. DeFillippi
and C. Wankel, [Strani?] Greenwich: Information Age Press.
Simpson, Ormond. . The impact on retention of interventions to support
distance learning students. Http://kn.open.ac.uk/public/index.cfm?wpid=.
 – Druga mednarodna raziskava uporabe informacijskih in komunikacij-
skih tehnologij v izobraževanju. . Ljubljana: Oddelek za  raziskave
in Pedagoški inštitut.
Smith, Serengul. . Tutorial on. Http://www.cs.mdx.ac.uk/staffpages/serengul/table.of.contents.htm
Stacey, P. .  elearning value chain & market map. Http://www.canarie.ca/conferences_f/elearning
StatSoft. [.] Principal components and factor analysis. Http://www.statsoft.com/textbook/stfacan.h
Sulčič, V. . Vpliv informacijske tehnologije na študij na daljavo v Sloveniji.
Magistrsko delo, Ekonomsko-poslovna fakulteta, Univerza v Mariboru.
Sulčič, V. . Digitalna ekonomija in e-poslovanje: zaključno poročilo o iz-
vedbi predmeta v študijskem leu / (izredni študij). Delovni zve-
zek , Fakulteta za management Koper.
Sulčič, V. a. Is e-learning more suitable for full-time or for part-time stu-
dents? V Technologies for business information systems, ur. W. Abramowicz
in H. C. Mayr, –. Heidelberg: Springer.
Sulčič, V. b. Evalvacija izvedbe informatike v študijskem letu /.
Elaborat, Fakulteta za management Koper.


Literatura

Sulčič, V., in D. Lesjak. .  in Slovenia: where are we? V Global co-operation
in the new millennium: the th European Conference on Information Sy-
stems,  ; June –, Bled, Slovenia, :–. Kranj: Moderna
organizacija.
Sulčič, V., in D. Lesjak. a. Značilnosti izobraževanja prek interneta na .
Organizacija  (): –.
Sulčič, V., in D. Lesjak. b. On-line študij na daljavo v visokem šolstvu. V 
: Dnevi slovenske informatike; Portorož, Slovenija, .–. april, –.
Ljubljana: Slovensko društvo Informatika.
Sulčič, V., in D. Lesjak. . Readiness for Internet based distance education
in Slovenia. V E-Learn: world conference on e-learning in corporate, gover-
nment, healthcare, & higher education, [Strani]. Norfolk: : Association
for the Advancement of Computers in Education.
Sulčič, V., D. Lesjak in A. Balde. . Uvod v ekonomiko e-izobraževanja. De-
lovni zvezek , Fakulteta za management Koper.
Sulčič, V., D. Lesjak in N. Trunk Širca. . Vključevanje e-učilnice v visoko
šolstvo. V V partnerstvu z informatiko do poslovne odličnosti: Dnevi sloven-
ske informatike , Portorož, Slovenija, .-. april. -. Ljubljana:
Slovensko društvo Informatika.
Sulčič, V., D. Lesjak, L. Ciglenečki in T. Šterk. . Sistemi e-izobraževanja in
usposabljanja slovenske vojske in možnosti uvedbe daljinskega izobraževa-
nja: primerjalna analiza e-izobraževanja v visokem šolstvu v svetu, Evropi
in Sloveniji. Elaborat, Fakulteta za management Koper.
Sulčič, Viktorija, in Nada Trunk Širca. . Introducing blended learning in
higher education in Slovenia. V Technology and information security issues
in knowledge-based organizations, –. -. Taipei: International
Association for Computer Information Systems, Taiwan Management In-
stitute in Chang Gung University.
Sulčič, V., N. Trunk Širca, P. Purg in D. Lesjak. . Key issues of introducing
blended learning in higher education. V Proceedings of the  Inter-
national Conference on Cognition and Exploratory Learning in Digital Age
( ), Porto, Portugal, December –, –. [Porto]: Iadis.
Sulčič, V., in A. Sulčič. . Usposabljanje učiteljev in mentorjev za e-izobraževanje
(e): poročilo o izvedbi dvoletnega razvojnega projekta FM. Delovni
zvezek , Fakulteta za management Koper.
 – Statistični urad Republike Slovenije. . Statistični letopis Republike
Slovenije. Http://www.stat.si/letopis/index_vsebina.asp?leto=&jezik=si.
 – Statistični urad Republike Slovenije. . Vpis študentov na terciarno
izobraževanje v študijskem letu / – končni podatki. Http://www.stat.si/novice_poglej.as
The Bologna Declaration on the European space for higher education: an expla-
nation. [.] Http://europa.eu.int/comm/education/policies/educ/bologna/bologna.pdf.


Literatura

.g. History of e-learning. Dostopno: Http://knowledgenet.com/corporateinformation/ou


Tinto, V. . Promoting student retention through classroom practice. Pre-
davanje na konferenci Enhancing Student Retention: Using International
Policy and Practise, Amsterdam.
Trunk Širca, N., in V. Sulčič. . Lifelong learning and higher education in-
stitutions; from strategic principle through implemented example to sy-
stematic solution? V Knowledge society – challenges to management: glo-
balisation, regionalism and EU enlargement process; proceedings of the th
international conference of the Faculty of Management Koper, University of
Primorska, – November, ur. Egon Žižmond, -. Koper: Faculty of
Management.
Turban, E., E. McLean in J. Wetherbe. . Information technology for manage-
ment: making connections for strategic advantage. New York: Wiley.
Tutoru. . Strategy: analysing competitive industry structure. Http://www.tutoru.net/business/str
Tyler-Smith, K. . Early attrition among first time elearners: a review of fac-
tors that contribute to drop-out, withdrawal and non-completion rates of
adult learners undertaking elearning programmes. Journal of Online Lear-
ning and Teaching  (). Http://jolt.merlot.org/Vol_No_TylerSmith.htm.
Value Based Management.net. . Value chain framework of Michael Porter.
Http://www.valuebasedmanagement.net/methods_porter_value_chain.html.
Vasquez Bronfman, S. . Linking information technology and pedagogical
innovation to enchance management education. V   – a cyber-
space odyssey, [Urednik, strani?] Wien: Wirtscaftsuniversität.
Vehovar, V., in K. Vukčevič. . Digitalni razkorak – Slovenija . Http://ris.org/publikacije/ff_digita
Vehovar, V., V. Pehan, D. Lesjak in V. Sulčič. .  – visokošolski in višješol-
ski zavodi: e-izobraževanje /. Http://www.ris.org/uploadi/editor/Porocilo%
Willging, P., in D. S. Johnson. . Factors that influence students’ decision
to dropout of online courses. Journal of Asynchronous Learning Networks 
(): –.
Zagmajster, M. . Pregled študija na daljavo na področju izobraževanja odra-
slih v Sloveniji. Ljubljana: Andragoški center Republike Slovenije.


8 Priloge

  Vpliv dejavnikov e na oceno predmeta - brez binarnih spremenljivk


Vključene spremenljivke B t P
Starost , , ,
Delovne ure -, -, ,
 F = ,; sig. = ,; popr. R2 = ,. Vse ostale spremenljivke iz pregle-
dnice . so bil izključene.

  Vpliv dejavnikov e na oceno predmeta ob dodatni vključitvi


delovne dobe in odnosa do IKT
Vključene spremenljivke B t P
Starost , , ,
Delovne ure -, -, ,
Spol , , ,
 F = ,; sig. = ,; popr. R2 = ,. Vse ostale spremenljivke iz pregle-
dnice . so bil izključene.

