L’analisi della Scala 2 del Questionario dello Studente CLIL

I 14 item costituenti la Scala 2 del questionario dello studente (Mi impegno a studiare la materia in lingua straniera (in CLIL) perché…) sono stati sottoposti ad analisi esplorativa dei componenti principali, utilizzando il software SPSS. Lo scopo di questa analisi è quello di capire quali siano le principali dimensioni (i.e. i diversi tipi di motivazione) sottostanti i dati raccolti con questa scala. Prima di effettuare l’analisi, è stata verificata l’idoneità dei dati raccolti258_{: un’attenta ispezione della matrice di correlazione ha rivelato la presenza di non}

molti coefficienti pari a .3 o superiori; tuttavia, il valore dell’indicatore di adeguatezza del campione Kaiser-Meyer-Olkin (KMO) è .838, superiore al valore consigliato di .6 (Kaiser, 1970, 1974); infine, il test della sfericità di Bartlett (Bartlett, 1954) ha raggiunto

256 _{La sigla A7 indica l’ALLEGATO 7.} 257_{Trasformazione reflect & square root.}

258 _{A questa scala ha risposto il 99.3% del campione (N=678). Le risposte mancanti sono dovute al fatto che 5}

rispondenti hanno dato risposta negativa alla domanda precedente (Mi impegno a studiare la materia in lingua straniera (in CLIL)...) e quindi sono stati automaticamente indirizzati a rispondere alla Scala 3 (cfr. § 5.4.1.2).

156

significatività statistica (Sig. .000), supportando così la fattoriabilità della matrice di correlazione (Tabella A7.2.1).

L’analisi dei componenti principali ha rivelato la presenza di tre componenti con autovalori superiori a 1, i quali spiegano rispettivamente il 33.9%, il 17.3% e il 8.8% della varianza. Sia l’analisi parallela che lo screeplot suggeriscono di mantenere tutti e tre i componenti. In particolare, i risultati dell’analisi parallela individuano tre componenti con autovalori superiori ai corrispondenti valori criterio della matrice di dati (14 variabili x 678 rispondenti) generata casualmente dal software (Tabella A7.2.2). Dall’ispezione dello screeplot (Catell, 1966) (Figura A7.2.1) si individua un gomito evidente dopo il terzo componente: l’interpretazione del grafico suggerisce di mantenere tre componenti. D’accordo con quanto suggerito dalle analisi effettuate e dallo screeplot, si è deciso di mantenere tutti e tre i componenti individuati. La soluzione a tre componenti spiega complessivamente il 60% della varianza.

Per facilitare l’interpretazione di questi quattro componenti, è stata effettuata la rotazione obliqua (Direct Oblimin). La soluzione ruotata ha rivelato la presenza di una struttura in cui tutti e tre i componenti presentano pesi fattoriali piuttosto alti (tutti superiori a .3) e tutti gli item pesano sostanzialmente su un solo componente (Tabella A7.2.3). Esiste una minima correlazione negativa tra i tre componenti individuati (Tabella A7.2.4). I risultati di questa analisi preliminare, supportano la decisione di scomporre la scala in 3 subscale separate. Inoltre, dal momento che ciascuna subscala individua un tipo diverso di motivazione, i totali di ciascuna subscala non verranno sommati in un totale unico.

Le tre subscale individuate sono le seguenti:

subscala 2.1 (alfa di Cronbach= .859), costituita dagli item riferiti al primo componente (i.e. 2a, 2c, 2e, 2f, 2g, 2m, 2n);

subscala 2.2 (alfa di Cronbach= .719), costituita dagli item riferiti al terzo componente (i.e. 2d, 2h, 2i);

157

subscala 2.3 (alfa di Cronbach= .724), costituita dagli item riferiti al secondo componente (i.e.2b, 2l, 2p)259_.

Sommando i punteggi dei singoli item di ciascuna subscala sono stati computati i relativi totali i quali, come vedremo a breve, rappresentano le tre variabili continue indicanti tre tipi di motivazione. Ciascuna variabile è stata sottoposta al controllo della normalità della distribuzione, allo scopo di verificare che i parametri per poter applicare le tecniche statistiche parametriche siano rispettati.

Per quanto riguarda la variabile individuata dal totale della subscala 2.1 (TOT Subscala 2.1: P.Max=42; Media=30.7; Dev.St.=6.3; N=678), il test di normalità di Kolmogorov-Smirnov ha significatività inferiore a .05 (circostanza frequente in campioni numerosi) e il Q-Q plot (Figura A7.2.4) non permette di affermare che la distribuzione sia normale. Per risolvere questo aspetto problematico, la variabile è stata trasformata matematicamente260 _{e si è}

ottenuta una nuova variabile. Osservando l’istogramma (Figura A7.2.3) e il Q-Q plot

(Figura A7.2.5) si può ragionevolmente affermare che la distribuzione sia normale, anche se il test di normalità di Kolmogorov-Smirnov ha significatività inferiore a .05 (circostanza frequente in campioni numerosi).

Invece, per quanto riguarda la variabile individuata dal totale della subscala 2.2 (TOT Subscala 2.2: P.Max=18; Media=10.1; Dev.St.=3.6; N=678), osservando l’istogramma (Figura A7.2.8) e il Q-Q plot (Figura A7.2.9) si può ragionevolmente affermare che la distribuzione sia normale, anche se il test di normalità di Kolmogorov-Smirnov ha significatività inferiore a .05 (circostanza frequente in campioni numerosi).

Infine, per quanto riguarda la variabile individuata dal totale della subscala 2.3 (TOT Subscala 2.3: P.Max=18; Media=8.3; Dev.St.=3.7; N=678), il test di normalità di

259 _{Dalla subscala 2.3 è stato eliminato l’item 2o perché abbassa il coefficiente di affidabilità (alfa di Cronbach=}

.691). Si è dunque preferito eliminare l’item e le relative risposte dal dataset per evitare di abbassare troppo l’affidabilità della subscala.

158

Kolmogorov-Smirnov ha significatività inferiore a .05 (circostanza frequente in campioni numerosi) e l’istogramma (Figura A7.2.11) non permette di affermare che la distribuzione sia normale. Per risolvere questo aspetto problematico, la variabile è stata trasformata matematicamente261 _{e si è ottenuta una nuova variabile. Osservando il Q-Q plot (Figura}

A7.2.14) si può ragionevolmente affermare che la distribuzione sia normale, anche se sia l’istogramma (Figura A7.2.12) che il test di normalità di Kolmogorov-Smirnov indicano il contrario. Questa variabile, dunque, potrebbe non essere adatta alle tecniche parametriche e si dovrà contemplare l’adozione delle corrispondenti tecniche non parametriche.

Per riassumere, le tre variabili continue rappresentate dai totali di subscala individuano tre tipi diversi di motivazione. In particolare:

la variabile TOT Subscala 2.1 individua la motivazione intrinseca262_{: essa caratterizza la}

scelta autonoma da parte dello studente di impegnarsi nell’apprendimento in CLIL. Due sono le principali ragioni alla base di questa scelta: da un lato, l’interesse verso il CLIL, la soddisfazione derivante dall’affrontare una sfida, il piacere legato

all’apprendimento in modalità CLIL; dall’altro, il desiderio dello studente di crescere e svilupparsi sotto il profilo personale, cognitivo-intellettivo e linguistico;

la variabile TOT Subscala 2.2 individua la regolazione esterna263_{: essa caratterizza la}

decisione dello studente di impegnarsi nell’apprendimento in CLIL quando questa è interamente controllata da fattori che sono esterni all’individuo, nel nostro caso la prospettiva di trovare un lavoro più prestigioso e remunerativo in futuro e il fatto di non venir meno alle aspettative dei propri genitori;

261_{Trasformazione nr.1 square root; trasformazione nr. 2 square root.}

262_{Gli item che contribuiscono maggiormente al punteggio di subscala sono quello relativo allo sviluppo della}

propria competenza in LS (2m), quello relativo allo sviluppo delle proprie capacità intellettive (2g) e quello relativo alla dimensione dell’interesse (2f).

263_{Gli item che contribuiscono maggiormente al punteggio di subscala sono quello relativo al desiderio di}

trovare un lavoro futuro più prestigioso (2i) e quello relativo al desiderio di ricevere uno stipendio futuro maggiore (2d).

159

la variabile TOT Subscala 2.3 individua l’amotivazione (non regolazione)264_{: essa}

caratterizza un comportamento – l’apprendimento in CLIL – che non è motivato, non è auto-regolato (Ryan & Deci, 2000). Lo studente non è spinto265 _{ad apprendere in CLIL}

da alcuna ragione o intenzione specifica ma risponde passivamente alla situazione esistente (cfr. § 1.2.3).

L’espressione-ombrello di motivazione degli studenti CLIL che abbiamo utilizzato nella formulazione delle domande di ricerca (cfr. § 5.2) comprende, dunque, tutti e tre i tipi di motivazione che sono stati appena descritti.