Shin-Feng Chen
Untuk mengutip artikel ini: Shin-Feng Chen (2017): Memodelkan pengaruh siswa sekolah dasar
atas ' literasi membaca digital, faktor sosial ekonomi, dan strategi pembelajaran mandiri, Research in
Science & Technological Education, DOI: 10.1080/02635143.2017.1314958
Untuk menautkan ke artikel ini: http://dx.doi.org/10.1080/02635143.2017.1314958
: 18
Diunduh oleh: [Oklahoma State University] Tanggal: 28 Mei 2017, Pukul: 16:58
Research in Science & Technological Education, 2017
https://doi.org/10.1080/02635143.2017.1314958
Membaca adalah proses pembuatan makna di mana pembaca mengakses informasi dari
bahan yang dibaca, pengetahuan mereka sebelumnya, dan konteks sosiokultural
dari tugas membaca untuk membangun interpretasi terintegrasi dari input ini. Bahan
bacaan kontemporer termasukcetak teksdan digital, gambar, tabel, diagram, label, dan
animasi. Pengetahuan awal mencakup ide-ide yang akurat dan tidak akurat tentang
isi dan disiplin sasaran dan konvensi wacana bahan bacaan. Konteks sosiokultural
mungkin termasuk ruang kelas, lingkungan informal, nilai-nilai keluarga, keyakinan
budaya, dan faktor pribadi individu. Oleh karena itu, membaca adalah proses interaktif
dan konstruktif untuk membuat makna dengan melibatkan
berbagai bahan dan sumber dan dengan berpartisipasi dalam komunitas membaca
di sekolah atau dalam kehidupan sehari-hari yang meningkatkan jangkauan tuntutan
kognitif dan metakognitif dan kebutuhan membaca. Pembaca yang ditempatkan dalam
lingkungan tekstual ini perlu menjadi strategis, kritis, dan mandiri. Tujuan dari
penelitian ini adalah untuk menyelidiki faktor-faktor yang berkaitan dengankeluarga
atribut, strategi pembelajaran yang diatur, dan literasi membaca digital di kalangan siswa
sekolah dasar atas untuk memahami kemampuan utama dan hubungan yang
mempengaruhi literasi membaca digital.
Latar Belakang
Baru-baru ini, pembelajaran digital atau elektronik (yaitu e-learning) sains telah
meningkat dengan penerapan Internet dan teknologi komunikasi informasi (TIK) di
sekolah. Asumsi yang mendasari tentang e-learning adalah bahwa hal itu
memungkinkan guru dan siswa kebebasan untuk terlibat dalam
pengajaran/pembelajaran kapanpun dan dimanapun mereka berada; sekolah
menjadi konstruksi yang dipisahkan dari konstruksi bata dan mortir yang disebut
sekolah. Memahami pengaruh dan pengaruh literasi membaca sains di lingkungan
seperti itu hanyalah awal untuk mengeksplorasi kebutuhan Net generasi– siswa yang
lahir diTIK lingkungan. Program for International Student Assessment (PISA)
menilaiusia 15 tahun literasi membaca siswasebagai pembentukan pemahaman
yang luas, pengambilan informasi, pengembangan interpretasi, refleksi dan evaluasi
isi teks, serta refleksi dan evaluasi bentuk teks. teks (OECD 2006). Studi ini berfokus
pada lima faktor yang diyakini mempengaruhi literasi membaca digital materi sains:
metakognisi dan pembelajaran mandiri, membaca bahasa dan materi sains, literasi
membaca digital dan strategi pembelajaran mandiri, ukuran kesadaran membaca
yang ada, dan faktor sosial budaya dan sosial ekonomi.
Metodologi
Penelitian ini melibatkan dua bagian. Bagian pertama membentuk model konseptual
yang terdiri dari empat faktor spesifik: tingkat pendidikan orang tua, strategi
pembelajaran mandiri,membaca digital komunikasi, dan pencarian informasi halaman
web. Keempat faktor ini dan definisinya dipilih berdasarkan literatur yang ada.
Bagian kedua menguji kesesuaian model konseptual ini menggunakan data empiris
yang dikumpulkan dari siswa Kelas 5 dan 6 di 241 sekolah dasar di kota
metropolitan selatan di Taiwan.
Sampel
penelitian Etika penelitian yang mapan untuk menginformasikan dan merekrut
peserta diterapkan pada setiap sampel penelitian sebelum pengumpulan data. Surat
penerimaan ditandatangani oleh siswa, orang tua, guru, dan sekolah mereka. Sebuah
sampling bertingkat digunakan untuk mengidentifikasiverifikasi sampeldari antara
sekolah dasar di Taiwan selatan menggunakan persetujuan dari pejabat sekolah.
Sebuah 3-lapisan stratified, desain cluster-sampling diimplementasikan untuk
mencapai sampel yang representatif dengan ukuran yang cukup untuk mencerminkan
kompleksitasdiantisipasi model yang, jumlah variabel dan hubungan potensial (Hair
et al. 2014). Sampel untuk lapisan pertama diekstraksi tergantung pada ukuran
sekolah di Kota Kaohsiung. Sekolah dikelompokkan menjadi tiga kelompok menurut
jumlah kelas: <12 = skala kecil, 13–30 = skala sedang, dan > 31 = skala besar.
Lapisan kedua adalah sekolah khusus, dan lapisan ketiga adalah kelas khusus.
Semua siswa dari kelas yang dipilih dianggap sebagai sampel penelitian.
Dari 241 sekolah dasar negeri di Distrik Sekolah Kota Kaohsiung Raya, 84
sekolahsekolahsekolah skala kecil, 84menengah, dan 73besar. Jumlah penduduk
Kelas 5 sebanyak 27.115 siswa di 1.058 kelas, dan jumlah siswa Kelas 6 sebanyak
31.043 siswa di 1.138 kelas. Kelas 5 rata-rata 25,6 siswa, dan Kelas 6 rata-rata 27,3
siswa, dengan rata-rata keseluruhan 26,5 siswa di setiap kelas tingkat kelas.
Mahasiswa populasi
RESEARCH IN SCIENCE & TEKNOLOGI PENDIDIKAN 7
E3 E4
11
1 Bapa 1
Umum Pengujian
situasi situasi
E1 Dasar Reading Pendidikan
E7
Level
1 11
1 Lanjutan
pengambilan
pengambilan
Dasar
11
E5 E6
distribusi menunjukkan rasio 1:3:6 untuk sekolah skala kecil, menengah, dan besar.
Sampel terdiri dari 592 siswa dari 29 kelas dari 7 sekolah umum di distrik sekolah.
Ada 319 anak laki-laki (54%) dan 273 perempuan (46%), dan 260 (44%) berada di
Kelas 5 dan 332 (56%) berada di Kelas 6.
Pengumpulan data
Penelitian ini membutuhkan data tentang literasi membaca peserta, -strategi regulasi,
dan latar belakang pendidikan orang tua. Oleh karena itu, dikembangkan sistem
penilaian DRL online dan sistem penilaian strategi SRL untuk siswa sekolah dasar
kelas atas. Data latar belakang pendidikan orang tua dikumpulkan dari siswa sesuai
dengan persetujuan etika penelitian.
dinilai Variabel yang dapat diamati # item Pengambilan informasi Integrasi interpretasi
Refleksi dan evaluasi
Basic retrieval 3 1 2 0 Advanced retrieval 2 1 1 0 Basic reading 5 2 2 1 Advanced reading 8 2
3 3 Total 18 6 8 4
Analisis data
Program Statistik untuk Ilmu Sosial, versi 20 digunakan untuk menghitung statistik
deskriptif seperti mean, standar deviasi, skewness, dan kurtosis. Statistik ini dihitung
dan digunakan untuk mengeksplorasi apakah data sesuai dengan asumsi dasar
distribusi normal. Untuk menyelidiki bagaimana tingkat pendidikan orang tua siswa
sekolah dasar kelas atas mempengaruhi kemampuan SRL dan DRL mereka, SEM
diadopsi sebagai analisis utama
10 S.-F.CHEN
Hasil
penelitian dari DRLA dan S-RLSA meliputi statistik deskriptifpengukuran variabel,
hasil uji model, dan model fit under multi sample factors invariance analysis. Cara,
standar deviasi, dan fitur distribusi diringkas dalam Tabel 2. Rata-rata latar belakang
pendidikan ayah dan ibu yang diwakili olehpendidikan orang tua
variabel tingkatadalah sama dengan rata-rata antara tamat SMP, SMA, atau SMK.
Rerata tingkat pendidikan ayah (M = 3,18) sangat dekat dengan rerata tingkat
pendidikan ibu (M = 3,14). Data skew ness untuk delapan variabel yang diamati
menunjukkan kisaran 1,50 (minimum) hingga 0,24 (maksimum), dan data kurtosis
berkisar dari 1,42 (minimum) hingga 1,54 (maksimum). Data ini mendukung asumsi
normalitas dan membenarkan penggunaan estimasi kemungkinan maksimum
untuk menguji model (Kline 2011).
Matriks kovarians dari delapan variabel yang diamati dalam model pendahuluan
dijumlahkan dalam Tabel 3. Melaporkan hasil matriks kovarians penting ketika
melaporkan hasil SEM (Kline 2011). Berdasarkan hasil matriks kovarians, perangkat
lunak Mplus 7.0 digunakan untuk mengestimasi parameter model persamaan
struktural dan menguji goodness of fit model.
Tabel 4 merangkum parameter primitif dari model hipotesis disimpulkan dari data
yang dikumpulkan dengan estimasi Mplus 7.0. Hasil ini menunjukkan bahwa
pemuatan faktor antara 0,36 dan 0,90. Varians kesalahan semuanya bilangan
positif; dengan demikian, tingkat signifikansi tercapai. Oleh karena itu, dibenarkan
untuk melakukan estimasi parameter untuk pengujian model (Kline 2011).
Kecocokan model secara keseluruhan sangat baik. Oleh karena itu, untuk
mengevaluasi kecocokan model secara lebih mendalam, Kline (2011)
merekomendasikan agar digunakan beberapa indeks kecocokan. Pertama,Chi-kuadrat
statistikdigunakan sebagai indeks kecocokan yang membahas seberapa baik
varians dan kovarians yang tersirat oleh model cocok dengan varians dan kovarians
yang diamati dalam data. Chi
square, (df = 16) = 17,22, p = 0,37, tidak signifikan, yang menunjukkan bahwa model
tersebut merupakan representasi yang baik dari matriks kovarians yang
mendasarinya. Selanjutnya, rasio Chi-kuadrat/derajat kebebasan adalah 1,07,
menunjukkan kecocokan yang baik menurutKline (2011aturan) yang mengatakan
rasio 3,0 menunjukkan kecocokan yang baik.
Root mean square error of approximation (RMSEA) menilai ketidakcocokan data
dengan model yang diestimasi sebagai indeks yang mencakup penyesuaian untuk
kompleksitas model sehingga evaluasi kecocokan tidak terlalu dipengaruhi oleh
jumlah parameter dalam model. Kline (2011) menyarankan bahwa nilai RMSEA 0,05
menunjukkan model fit yang baik. RMSEA untuk model ini adalah 0,01.
Root mean square residual (SRMR) standar adalah indeks berdasarkan residual
antara matriks kovarians yang diamati dan diperkirakan, yang sensitif terhadap
ketidakakuratan
PENELITIAN DALAM PENDIDIKAN ILMU ILMU DAN TEKNOLOGI 11
Tabel 2.Ringkasan statistik deskriptif dan karakteristik data untuk kuesioner. Variabel
dan isi Min Max M SD Skew Kurt Tingkat pendidikan orang tua
A1–Pendidikan ayah 1 6 3.18 1.75 −0.09 1.42 A2–Pendidikan ibu 1 6 3.14 1.68 0.15 1.41 Pembelajaran
mandiri
B1–Keadaan umum 8 21 15.91 2.67 0.51 0.13 B2–Keadaan pengujian 7 21 15.87 2.48 0.15 0.27
Pencarian informasi halaman web
C1–Basic 0 1 0.85 0.24 1.50 1.54 C2–Advanced 0 1 0.51 0.33 0.14 0.69 Komunikasi pembacaan
digital
D1–Basic 0 1 0.53 .27 0.04 0,81 D2–Lanjutan 0 1 0,39 0,23 0,24 0,63
Tabel 3. Indeks matriks kovarians untuk tingkat pendidikan orang tua, pembelajaran
mandiri, dan membaca sains digital.
Pendidikan variabel diamati A1 A2 B1 B2 C1 C2 D1 D2 A1-Bapa 3,06
pendidikan A2-Ibu 2,24 2,83
B1-Self-diatur umum 0,46 0,57 7,14
B2-Self-diatur pengujian 0,81 0,74 3,13 6,15
C1-Dasar retrieval 0,03 0,02 0,11 0,13 0,06
C2 – Pengambilan lanjutan 0,06 0,04 0,07 0,16 0,01 0,11 D1–Pembacaan dasar 0,08 0,05 0,17 0,27
0,02 0,02 0,07 D2–Pembacaan lanjutan 0,06 0,05 0,19 0,25 0,02 0,01 0,03 0,06
Tabel 4.Estimasi parameter primitif: faktor pemuatan, kesalahan standar (SE), dan p-nilai.
Variabel yang dapat diamati Pemuatan faktor SE p-value A1–Pendidikan ayah 0,90 0,07 <0,001
A2–Pendidikan ibu 0,85 0,06 <0,001 B1–Umum yang diatur sendiri 0,56 0,04 <0,001 B2–
Pengujian yang diatur sendiri 0,84 0,04 <0,001 C1–Penemuan dasar 0,50 0,07 <0,001 C2–
Penemuan lanjutan 0,36 0,06 <0,001 D1–Pembacaan dasar 0,70 0,03 <0,001 D2–Pembacaan
lanjutan 0,74 0,03 <0,001
spesifikasi model. Worthington dan Whittaker (2006) mengemukakan bahwa nilai SRMR
0,08 berarti model fit yang baik. SRMR untuk model ini adalah 0,02.
Indeks kesesuaian komparatif Bentler (CFI) digunakan untuk membandingkan
model dengan model dasar di mana kovarians di antara semua variabel
diasumsikan nol. CFI berkisar dari 0 hingga 1, dengan nilai yang lebih besar
menunjukkan kesesuaian yang lebih baik. Nilai 0,95 dianggap cocok (Kline 2011). Nilai
CFI untuk model ini adalah 0,99.
Akhirnya, indeks kesesuaian yang disesuaikan (AGFI) adalah ukuran proporsi
kovarians yang diamati yang diperhitungkan oleh model, dengan nilai berkisar dari 0
hingga 1. Nilai AGFI 0,90 dianggap sebagai kesesuaian yang baik. (Klin 2011). Nilai
AGFI untuk model ini adalah 0,98.
12 S.-F. CHEN
Tabel 5.Dekomposisi efek dalam model yang dihipotesiskan.
Pengaruh
Langsung Tidak Langsung Total
Predictor Criterion PC t PC t PC Tingkat pendidikan orang tua Self-regulated learning 0.26 5.27 0.26
Webpage information retrieval 0.14 3.87 0.14
Digital reading communication 0.18 4.79 0.18
Self-regulated learning Webpage information retrieval 0.55 6.08 0.55 Komunikasi membaca digital
0.36 2.78 0.34 2.89 0,70
Pengambilan informasi halaman web Komunikasi membaca digital 0,62 4,32 0,62Catatan: PC =
koefisien jalur; t = t-nilai uji.
Oleh karena itu, model hipotesis (Gambar 1) didukung oleh data empiris. Tingkat
pendidikan orang tua, kemampuan pencarian informasi halaman web, dan SRL
memiliki pengaruh yang cukup besar terhadap DRL.
Analisis jalur digunakan untuk memperkirakan efek langsung dan tidak langsung
dalam model empiris, mengontrol korelasi di antara variabel yang dihipotesiskan, dan
menguraikandiamati korelasi yangmenjadi bagian-bagian komponennya. Sebuah
efek langsung mewakili pengaruh langsung dari satu variabel pada variabel lain.
Efek tidak langsung, di sisi lain, mewakili satu
variabel yang secara tidak langsung mempengaruhi variabel lain melalui variabel
ketiga. Koefisien jalur (PC) dan nilaiterkait tuntuk model dilaporkan pada Tabel 5.
Nilaicutoff t1,96 untuk uji 2 sisi digunakan untuk menentukan apakah jalur langsung
dan tidak langsung signifikan (p 0,05). PC mulai dari 0,05 hingga 0,10 dianggap
pengaruh kecil tetapi bermakna, PC mulai dari 0,11 hingga 0,25 adalah ukuran dan
pengaruh sedang, dan PC yang lebih besar dari 0,25 adalah ukuran dan pengaruh
besar (Kline 2011). Kriteria R2 (proporsi varians dijelaskan) oleh SRL adalah 0,07,
dengan pencarian informasi halaman web adalah 0,31, dan dengan komunikasi
membaca digital adalah 0,75.
Hasil ini menunjukkan empat hubungan langsung antara latar belakang
pendidikan orang tua, kemampuan pengaturan diri, pencarian informasi halaman
web, dan komunikasi membaca digital seperti yang ditunjukkan dalam model
hipotesis. Tingkat pendidikan orang tuasignifikan dan besar berpengaruhterhadap SRL
(PC = 0,26). SRL memiliki pengaruh yang signifikan dan besar baik padahalaman
web pencarian informasi(PC = 0,55) dan komunikasi membaca digital (PC = 0,36).
Akhirnya,web pencarian informasi halamanmemiliki pengaruh yang signifikan dan
besar padamembaca digital
komunikasi(PC = 0,62).
Tabel 5 juga menggambarkan bahwa tiga jalur tidak langsung signifikan secara
statistik (p 0,05). Tingkat pendidikan orang tua memiliki pengaruh tidak langsung
sedang yang signifikan pada pencarian informasi halaman web (PC = 0,14) dan
komunikasi membaca digital (PC = 0,18) melalui pengaruh menengahnya terhadap
SRL, yang menunjukkan pengaruh positifnya terhadapmembaca digital
komunikasi. SRL memiliki pengaruh besar yang signifikan pada komunikasi membaca
digital melalui pengaruh menengahnya pada pencarian informasi halaman web (PC
= 0,34). Dengan demikian ditunjukkan bahwa SRL siswa memiliki pengaruh positif
pada komunikasi membaca digital.
Secara kolektif, hasil ini digabungkan ke dalam jaringan hubungan langsung dan
tidak langsung. Model empiris ini (Gambar 2) menggambarkan empat jalur langsung
antara variabel prediktor dan variabel dependen dan tiga jalur tidak langsung antara
triad variabel prediktor, variabel perantara, dan variabel dependen.
PENELITIAN DALAM PENDIDIKAN ILMU PENGETAHUAN & TEKNOLOGI 13
Tabel 6.Sarana untuk variabel prediktor dan hasil dari jenis kelamin yang berbeda.
Rata-rata
Isi Variabel Laki-laki Perempuan ξ1–Tingkat pendidikan orang tua A1–Tingkat pendidikan ayah
3.10 3.25 A2–Tingkat pendidikan ibu 3.02 3.26
2–Pembelajaran mandiri B1–Keadaan umum 15.67 16.19 B2–Keadaan pengujian16.07
15.693–Penemuan informasi halaman web C1–Dasar retrieval 0.81 0.88 C2–Advance retrieval
0.49 0.51
1–Digital reading communication D1–Basic reading 0.50 0.56 D2–Advanced reading 0.36 0.42
E3 E4
.69 .29
0,29 Ibu Pendidikan 0,69 D1 0,94 Halaman 0,25 Digital 0,62 Lanjutan 0,46
E2 Tingkat Self-regulated 0,55 E8
Pendidikan Web Reading Reading
D2 Learning InformasiRetri
D3
Komunikasi
0,85
Induk Strategi eval
Tingkat
0,36 0,74
0,26
.50 .36
E5 E6
2
(16)=17.222,p=.371,RMSEA=.011,CFI=.999,SRMR=.019
Gambar 2.Model empiris pembacaan digital komunikasi, tingkat pendidikan orang tua,
kemampuan pencarian informasi halaman web, dan pembelajaran yang diatur.
D1 .73(.55)D2 .52(.67)
Strategi
.95(.91)
Halaman Web .20( .03) .53(.71)
Pencarian Informasi
D3
2
(36)=30.029,p=.748,RMSEA<.001,CFI=1.000,TLI=1.008,SRMR=.029
AIC=9522.962, BIC=9680.646, BIC yang Disesuaikan= 9566.358
Gambar 3. Model persamaan struktural faktor multi sampel yang identik untuk pria dan
wanita (bobot wanita dalam tanda kurung).
Model struktural spesifik gender menunjukkan bahwa baik anak laki-laki dan
perempuan sekolah dasar atas memiliki prediksi terbaik dalam kemampuan
pencarian informasi halaman web kemampuandigital komunikasi membaca. Tanpa
prediksi terbaik yang disebutkan di atas, prediksi anak laki-laki dan perempuan dalam
kemampuan SRL dari kemampuan pencarian informasi halaman web adalah yang
terbaik. Perbedaan antara anak laki-laki dan perempuan hanya terlihat pada
pembebanan prediksi tingkat pendidikan orang tua dalam SRL dan kemampuan
SRL dalam komunikasi membaca digital. Oleh karena itu, semua koefisien yang
diestimasi mencapai tingkat signifikansi. Artinya, tingkat pendidikan orang tua,
kemampuan SRL, dan kemampuan pencarian informasi halaman web merupakan
faktor signifikan yang mempengaruhi kemampuan komunikasi membaca digital
untuk anak laki-laki dan perempuan sekolah dasar atas.
Diskusi
Studi ini menyajikan model teoritis sebagai pendekatan yang dapat
digeneralisasikan untuk mengukur hubunganbatin sebab-akibatantara empat faktor
spesifik. Pengukuran invarian dan pemodelan persamaan struktur digunakan untuk
memvalidasi secara statistik bahwa perbandingan model antara anak laki-laki dan
perempuan mewakili perbedaan otentik dalam faktor-faktor yang dinilai.pengukuran
Hasilinvarians menunjukkan bahwa semua item penilaian ditafsirkan sama antara
anak laki-laki dan perempuan yang menjamin bahwa perbandingan yang dibuat
antara kelompok mewakili perbedaan otentik dalam konstruksi yang diukur. Hasil
analisis model fit mengungkapkan dukungan model yang kuat dan validitas dan
ketergantungan dari hubungan yang diusulkan dari faktor-faktor yang dinilai. Oleh
karena itu, studi ini menawarkan pendekatan penilaian dua langkah ini sebagai
metode yang dapat digeneralisasikan untuk mengelola dan memverifikasi hubungan
sebab-akibat teoretis terhadap data empiris.
Model hipotesis yang diajukan sebagai landasan penelitian ini didukung oleh data
empiris yang dikumpulkan. Namun, ada dua temuan yang kami yakini penting untuk
pendidikan sains. Temuan pertama adalah bahwa tingkat pendidikan orang tua
memiliki pengaruh terbesar pada strategi SRL siswa SD ini, yang telah didukung
oleh peneliti lain (Korat 2011; Lee dan Yu 2005; Lin 2009; Miser dan Hupp 2012;
Scott 2004). Literatur ini berpendapat bahwa status sosial ekonomi keluarga, yang
terkait erat dengan status pendidikan dan sumber daya keluarga, sangat berkorelasi
dengan literasi sains anak. Chen (2013) secara khusus menunjukkan
bahwapendidikan orang tua siswa sekolah dasar atas tingkatsecara signifikan
mempengaruhi pembelajaran bahasa sains mereka, yang bertepatan denganpenelitian
ini temuan. Nilai dari penelitian ini adalah kami juga menemukan bahwa
kemampuan komunikasi membaca digital siswa dan pencarian informasi halaman
web juga memiliki pengaruh yang kuat pada
komponen literasi sains siswa membaca digital.
Status sosial ekonomi keluarga siswa, latar belakang pendidikan, dan sumber
pendidikan berbasis rumah secara langsung mempengaruhi kemampuan SRL anak,
kemampuan pencarian informasi halaman web, dan kemampuan komunikasi
membaca digital di lingkungan TIK ini. Rupanya,rumah dan lingkungankeluarga yang
kaya akan sumber daya dan prioritas pendidikan menyediakanbudaya dan fisik
konteksyang memungkinkan kebebasan dan peluang mandiri untuk terlibat dan
meningkatkan membaca digital. Penelitian ini menemukan bahwa kemampuan SRL
dalam situasi umum dan tes memiliki pengaruh positif terhadap kemampuan
pencarian informasi halaman web dan kemampuan komunikasi membaca digital
. Temuan ini mendukung klaim bahwa kemampuan SRL sangat mempengaruhiberbasis
cetak kemampuan membaca teks(Sperling et al. 2002). Peneliti lain telah
mengidentifikasi regulasi pembelajaran sebagai kemampuan metakognitif yang
memiliki pengaruh yang cukup besar pada DRL (Bannert 2004).
16 S.-F. CHEN
strategi dan keterampilan kognisi-order tinggi. Jelas, kritik dan analisis kritis
diperlukan dengan banyak sumber dan informasi yang berpotensi tidak sesuai, yang
tidak terlihat dalam menggunakan satu sumber resmi seperti buku teks.
Meskipun subjek yang terutama diamati dalam penelitian ini adalah siswa sekolah
dasar atas dari Taiwan, dapat disimpulkan bahwa perkembangan fisik dan
psikologis siswa sekolah dasar serupa di seluruh dunia. Oleh karena itu, tingkat
generalisasi tertentu ke negara lain dapat ditemukan dalam temuan penelitian studi
ini.
Kesimpulan
Hasil penelitian menegaskan bahwa pendidikan orang tua siswa sekolah dasar atas ini
mempengaruhi kemampuan SRL mereka, kemampuan pencarian informasi halaman
web, dan kemampuan komunikasi membaca digital. Orang tua dengan tingkat
pendidikan yang lebih tinggi mungkin dapat menyediakan sumber belajar yang lebih
berlimpah (misalnya materi tekstual, teknologi, dll.), peluang, dan dorongan
kepada anak-anak mereka. Oleh karena itu, studi masa depan harus fokus pada
membantu siswa dari status sosial ekonomi yang lebih rendah dan terutama tingkat
pendidikan rendah untuk menutup kesenjangan teknologi dan meningkatkan
peluang TIK dengan bimbingan yang mendukung yang mungkin tidak tersedia di
keluarga dan rumah mereka untuk mengembangkan berbagai kemampuan ini, yang
penting untukmasa depan pembelajaransiswa. Selain itu, otoritas sekolah harus lebih
memperhatikan alokasibelajar sumberuntuk memastikan peluang TIK setiap siswa;
tidak pernah terlalu dini untuk memberikan siswa kesempatan TIK di sekolah dasar.
Penelitian ini dilakukan dalam sampel siswa di Taiwan selatan. Investigasi lebih lanjut
menggunakan model dan metode yang disajikan dalam penelitian ini diperlukan pada
populasi di dalam dan di luar Taiwan untuk tujuan validasi silang temuan di sini dan
untuk memperluas pengetahuan tentang literasi membaca digital yang diperoleh
dalam penyelidikan ini. Keterbatasan lain melibatkan ukuran status sosial ekonomi
hanya menggunakan tingkat pendidikan orang tua daripada prestise pekerjaan dan
pendapatan mereka.
Pernyataan pengungkapan
Tidak ada potensi konflik kepentingan yang dilaporkan oleh penulis.
Pendanaan
Pekerjaan ini didukung oleh Dewan Sains Nasional Taiwan [nomor hibah NSC 103-2420-H-
153-001-MY2].
References
Ackerman, R., and M. Goldsmith. 2011. “Metacognitive Regulation of Text Learning: On
Screen versus on Paper.” Journal of Experimental Psychology: Applied 17 (1): 18–32.
Bannert, M. 2004. “Designing Metacognitive Support for Hypermedia Learning.” In Instructional
Design for Multimedia-Learning, edited by HM Niegemann, D. Leutner, and R. Brunken, 19–
30. Munster: Waxmann.
18 S.-F. CHEN
Mullis, IVS, MO Martin, AM Kennedy, KL Trong, and M. Sainsbury. 2009. The PIRLS 2011 Assessment
Framework. Chestnut Hill, MA: TIMSS & PIRLS International Study Center, Lynch School of
Education, Boston College.
Organization for Economic Co-operation and Development. 2006. Assessing Scientific, Reading
and Mathematical Literacy. Paris: Author.
Organization for Economic Co-operation and Development. 2013. PISA 2015 Draft Science
Framework. Paris: Author.
Pintrich, PR, and EV de Groot. 1990. “Motivational and Self-Regulated Learning Components
of Classroom Academic Performance.” Journal of Educational Psychology 82 (1): 33–40.
Samuelstuen, MS, and I. Braten. 2005. “Decoding, Knowledge, and Strategies in
Comprehension of Expository Text.” Scandinavian Journal of Psychology 46 (2): 107–117.
Schellings, G., C. Aarnoutse, and JV Leeuwe. 2006. “Third-Grader's Think-Aloud Protocols:
Types of Reading Activities in Reading an Expository Text.” Learning and Instruction 16 (6):
549–568. Schmar-Dobler, E. 2003. “Reading on the Internet: The Link between Literacy and
Technology.” Journal of Adolescent & Adult Literacy 47 (1): 80–85.
Schraw, G., K. Crippen, and K. Hartley. 2006. “Promoting Self-Regulation in Science
Education: Metacognition as Part of a Broader Perspective on Learning.” Research in
Science Education 36 (1–2): 111–139.
Schraw, G., and RS Dennison. 1994. “Assessing Metacognitive Awareness.” Contemporary
Educational Psychology 19: 460–475.
Scott, J. 2004. “Family, Gender, and Educational Attainment in Britain: A Longitudinal Study.”
Journal of Comparative Family Studies 35 (4): 565–589.
Sperling, RA, BC Howard, LA Miller, and C. Murphy. 2002. “Measures of Children's
Knowledge and Regulation of Cognition.” Contemporary Educational Psychology 27 (1): 51–79.
Thomas, GP, and D. Anderson. 2013. “Parents' Metacognitive Knowledge: Influences on
Parent–Child Interactions in a Science Museum Setting.” Research in Science Education 43 (3):
1245–1265. Tippett, CD, & RJ Anthony, (2011). “Changing from users to producers of
multimodal texts: A theoretical framework based on cognition, metacognition, semiotics, and
systemic functional linguistics. Paper presented at the annual international conference of the
National Association for Research in Science Teaching, Orlando, April 7.
Wang, J.-R., S.-F. Chen, I. Fang, and C.-T. Chou. 2013. “Comparison of Taiwanese and Canadian
Students' Metacognitive Awareness of Science Reading, Text, and Strategies.”
International Journal of Science Education 36 (4): 693–713.
Wang, J.-R., and S.-F. Chen. 2014. “Exploring mediating effect of metacognitive awareness
on comprehension of science texts through structural equation modeling analysis.” Journal of
Research in Science Teaching 51 (2): 175–191.
Worthington, R., and T. Whittaker. 2006. “Scale Development Research: A Content Analysis
and Recommendations for Best Practices.” The Counseling Psychologist 34: 806–838. Yang, Y.,
and J.-E. Gustafsson. 2004. “Measuring Socioeconomic Status at Individual and Collective
Levels.” Educational Research and Evaluation 10 (3): 259–288.
Yore, LD, and CD Tippett. 2014. “Reading and Science Learning.” In Encyclopedia of Science
Education, edited by R. Gunstone, 1–9. Dordrecht: Pegas.