Multilevel regression analysis of learning distractions among higher education students

Скорочена інформація про документ
dc.contributor.authorDebelu, Endalkachew Abebe
dc.contributor.authorGoshu, Ayele Taye
dc.date.accessioned2025-11-27T11:15:44Z
dc.date.available2025-11-27T11:15:44Z
dc.date.issued2025
dc.description.abstractLearning distractions, both internal and external, disrupt students’ focus and academic performance. Understanding these distractions is crucial for developing effective strategies to mitigate their effects and enhance learning outcomes for university students. Little literature is available on assessing students' learning distractions in Ethiopian universities. The current study aims to identify learning distractions of university students and their correlates using a multilevel regression analysis. A cross-sectional survey with a self-administered questionnaire, quantitative approach grounded in postpositivist and connectivism philosophies, is used to collect data from a sample of 1,380 students at the Addis Ababa Science and Technology University. The data are analyzed using SPSS version 27.0, Winsteps version 5.7.1.0, and R version 4.3.2. The multilevel model with random intercept and random-fixed slopes is used to analyze the learning distraction score of the students. The results show that the average learning distractions score is 33.70 out of 100, indicating moderate learning distraction levels among the students. Most (79.20%) students are in a good state, and 5.07% are academically resilient. About 15.44% of the students need help facing academic problems, and 0.29% require urgent university assistance due to early burnout. A significant portion (51.86%) of the variation in distraction score is due to differences between students’ years of stay at the university. Factors affecting learning distraction score include gender, age, income, time spent on social media, and academic resilience. Female students experience lower learning distraction as compared to males. Learning distraction score decreases with an increase in age. An increase in monthly income increases their learning distraction. Student learning distraction increases as the time spent on social media daily increases. Higher academic resilience reduces their distraction score. Interventions based on behavioral, cognitive, and social cognitive learning theories and self-regulated strategies are crucial for managing learning distractions at the university. The intervention may include well-planned training and awareness creation programs for the university students.
dc.description.abstractotherВідволікання під час навчання —як внутрішні, так і зовнішні —порушують концентрацію студентів та їхню академічну успішність. Це дослідження присвячене аналізу відволіканьпід час навчання у закладах вищої освіти Ефіопії, виконане з використанням кількісного підходу та постпозитивістської філософії. У рамках перехресного опитування 1380 студентів Університету науки і технологій Аддис-Абеби виявлено, що 2,97% перебувають на ранній стадії емоційного вигорання і потребують термінової допомоги. Середній показник рівня відволікань становить 33,70 зі 100, що свідчить про помірний рівень відволікань. Попри це, 43,33% студентів повідомляють про високий рівень задоволеності процесом навчання. Значна частка варіації показників відволікань —51,86% —зумовлена відмінностями між роками перебування в університеті. Чинниками, що впливають на рівень відволікань, є стать, дохід, вік, час, проведений у соціальних мережах, та академічна стійкість. Студентки та старші за віком студенти менше відволікаються, тоді як вищий дохід і більше часу в соцмережах підвищують рівень відволікань. Вища академічна резильєнтністьсуттєво знижує рівень відволікань. Для їх подолання необхідні інтервенції, що базуються на поведінкових, когнітивних та соціально-когнітивних теоріях навчання, а також стратегіях саморегуляції
dc.format.pagerangeP. 122-141
dc.identifier.citationDebelu, Endalkachew Abebe. Multilevel regression analysis of learning distractions among higher education students / Endalkachew Abebe Debelu, Ayele Taye Goshu // Advanced education. – 2025. – Iss. 26. – P. 122-141.– Bibliogr.: 56 ref.
dc.identifier.doihttps://doi.org/10.20535/2410-8286.323075
dc.identifier.orcid0000-0002-7207-6552
dc.identifier.orcid0000-0002-5056-0132
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/77419
dc.language.isoen
dc.publisherIgor Sikorsky Kyiv Polytechnic Institute
dc.publisher.placeKyiv
dc.relation.ispartofAdvanced education: збірник наукових праць, Вип. 26
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectAcademic Resilience
dc.subjectLearning Distractions
dc.subjectLearning Outcomes
dc.subjectMultilevel Models
dc.subjectUniversity Students
dc.subjectакадемічна стійкість
dc.subjectвідволікання під час навчання
dc.subjectрезультати навчання
dc.subjectбагаторівневі моделі
dc.subjectстуденти університетів
dc.titleMultilevel regression analysis of learning distractions among higher education students
dc.title.alternativeБагаторівневий регресійний аналіз відволікань під час навчання серед студентів закладів вищої освіти
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pp_122-141.pdf
Розмір:
1.39 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Advanced education: збірник наукових праць, Вип. 26