Relatie tussen Gender, Pre-interesse en Voorkennis op Post-interesse als Retentiefactor bij Deelnemers van MOOC, Programmeren met Python.

Abstract

Digitalisering heeft een enorme groei doorgemaakt en vereist bekwame werknemers met programmeervaardigheden. Om meer vrouwelijke werknemers op te leiden tot programmeur, kunnen MOOC’s gevolgd worden. Studies suggereren echter dat vrouwen minder snel geneigd zijn om deel te nemen aan een MOOC programmeren. In huidige studie is de relatie onderzocht tussen gender, pre-interesse en voorkennis, en post-interesse. De data zijn verzameld van eind maart tot eind mei 2022 door middel van een pre-/post-survey bij 300 deelnemers aan de MOOC ‘Programmeren met Python’. Met behulp van een multipele regressieanalyse is de onderzoeksvraag beantwoord. Uit de analyse bleek de variabele pre-interesse een significante voorspeller van post-interesse. De variabelen gender en voorkennis voegden geen unieke verklaarde variantie toe aan het model. Deze kennis kan worden gebruikt om onderwijsmateriaal af te stemmen, zodat retentiefactoren gestimuleerd worden en er meer inclusiviteit bereikt wordt op basis van gender. Hierdoor kunnen interessante programmeer-MOOC’s ontworpen worden die relevant zijn voor lerenden met verschillende achtergronden.

Date of Award	23 Oct 2023
Original language	Dutch
Awarding Institution	Faculty of Educational Sciences