۰٫۴۴
محتوای دانش
۱۱۸
۳٫۷۶
۰٫۴۳
ارتباطات
۱۱۸
۳٫۶۹
۰٫۲۸
جدول اطلاعات توصیفی متغیرها نشانگر آن است که نمره بهره برداری و کاربرد بالاترین امتیاز را در بین فرایندهای دانشی کسب کرده است. و دانش صریح نیز بالاترین نمره را در بین محتوای دانش کسب نموده است.
قبل از وارد شدن به مرحله آزمون فرضها لازم است تا از وضعیت نرمال بودن متغیرها اطلاع حاصل شود. تا براساس نرمال بودن یا نبودن متغیرها از آزمونهای پارامتریک یا ناپارامتریک استفاده شود. بنابراین در ادامه به منظور انتخاب نوع آزمون فرضیه ها، از آزمون کولموگروف – اسمیرنوف برای نشان دادن توزیع داده ها استفاده میکنیم. و در ادامه با توجه به نرمال بودن توزیع متغیرها و یا غیر نرمال بودن آنها، از آزمون مناسب آماری (همبستگی پیرسون یا اسپیرمن) برای آزمون فرضیات اصلی و فرعی استفاده می کنیم.
۴-۱-۱۲- آزمون نرمال بودن متغیرها (آزمون کولموگروف – اسمیرنوف)
IF Asymp. Sig. (2-tailed) > تایید می شود H0
IF Asymp. Sig. (2-tailed) < تایید می شود H1
Asymp. Sig. (2-tailed) = تایید می شود H1
۴-۱-۱۲-۱- آزمون نرمال بودن متغیر خلق دانش
H0 : داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1 : داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) > تایید می شود H0
IF Asymp. Sig. (2-tailed) < تایید می شود H1
Asymp. Sig. (2-tailed) = 0.000> تایید می شود H1
مقدار خطای در نظر گرفته شده در آزمونهای دو طرفه (=۰/۰۲۵ α) و در آزمونهای یک طرفه (=۰/۰۲۵ α) در نظر گرفته می شود . چون مقدار سطح معنی داری (Sig) از مقدار خطا (=۰/۰۲۵ α) کمتر شده است، در نتیجه فرضیه H1 تایید میشود و دادهها غیرنرمال است. و چون داده ها نرمال نیستند. بنابراین باید از آزمونهای آماری غیرپارامتریک استفاده کنیم.
۴-۱-۱۲-۲- آزمون نرمال بودن متغیر تسهیم دانش
H0:داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) > تایید می شود H0
IF Asymp. Sig. (2-tailed) < تایید می شود H1
Asymp. Sig. (2-tailed) = 0/003> تایید می شود H1
چون مقدار سطح معنی داری (Sig) از مقدار خطا (۰/۰۲۵) کمتر شده است، در نتیجه فرضیه H1 تایید میشود و دادهها غیرنرمال است و چون داده ها نرمال نیستند، بنابراین باید از آزمونهای آماری غیر پارامتریک استفاده کنیم.
۴-۱-۱۲-۳- آزمون نرمال بودن متغیر بهره برداری و کاربرد دانش
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) > تایید می شود H0
IF Asymp. Sig. (2-tailed) < تایید می شود H1
Asymp. Sig. (2-tailed) = 0/000> تایید می شود H1
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H1 تایید میشود و دادهها غیرنرمال است و چون داده ها نرمال نیستند، بنابراین برای آزمون این فرضیه هم باید از آزمونهای آماری غیرپارامتریک استفاده کنیم.
۴-۱-۱۲-۴-آزمون نرمال بودن متغیر دانش ضمنی
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) > تایید می شود H0
آخرین نظرات