Määrällinen aineisto analysoitiin tilastollisilla menetelmillä SPSS 23 -ohjelmalla. Yhdellä avoimella kysymyksellä kerätty aineisto analysoitiin laadullisesti teemoitellen.
Vastaajajoukon kuvailu
Vastaajajoukkoa kuvailtiin taustamuuttujien eli sukupuolen, iän, opiskeluoikeuden, tiede-kunnan, isän ja äidin korkeimman koulutuksen sekä asuinpaikan vaihtamisen perusteella.
Taustamuuttujien tulokset raportoitiin frekvenssi- ja prosenttijakaumien avulla. Analyysi-vaiheessa ilmoitetusta syntymävuodesta laskettiin ikä vuosina ja raportoitiin se. Ikä oli ai-noa varsinainen numeerisia arvoja saava muuttuja, siitä raportoitiin lisäksi vaihteluväli ja keskiarvo. Koska iän jakauma oli vino, keskilukuna raportoitiin myös mediaani. (Nummen-maa 2009.) Vastaajat luokiteltiin iän perusteella viiteen luokkaan, alle vuotiaisiin, 20-24 –vuotiaisiin, 25-34 –vuotiaisiin, 35-44 –vuotiaisiin sekä 45-vuotiaisiin ja sitä vanhem-piin. Nuorimmat ikäryhmät haluttiin pitää kapeampina, sillä tutkittavien ollessa alkuvai-heen yliopisto-opiskelijoita he olivat myös iältään pääosin nuoria.
Koska koulutusaloja oli edustettuna lähes viisikymmentä, ne luokiteltiin uudelleen ja ra-portoitiin tiedekunnittain. Luokiksi muodostettiin siis filosofinen tiedekunta, yhteiskunta-tieteiden ja kauppayhteiskunta-tieteiden tiedekunta, terveysyhteiskunta-tieteiden tiedekunta sekä luonnonyhteiskunta-tieteiden ja metsätieteiden tiedekunta. Tämä mahdollisti myös vertailun aiempaan tutkimukseen.
Vanhempien koulutusastetta koskevat luokat yhdisteltiin niin, että ne mukailivat Tilasto-keskuksen koulutusastejaottelua (Tilastokeskus 2006). Luokiksi muodostuivat näin ollen perusaste, keskiaste, alempi korkeakouluaste, ylempi korkeakouluaste sekä en osaa sanoa.
Kiinnittymisen osa-alueiden kuvailu
Alkuvaiheen opiskelijoiden kiinnittymistä yliopisto-opintoihin mitattiin FYEQ-mittarin neljällä eri osa-alueella, jotka olivat yliopistoyhteisöön kuuluminen, yliopisto-opintojen alun kiinnittyminen, oppiaineen henkilökunnalta saatu tuki sekä opiskelumotivaatio. Kiin-nittymistä mittaavien väittämien tulokset raportoitiin frekvenssi- ja prosenttijakaumien sekä vaihteluvälien, keskiarvojen ja keskihajontojen avulla (Nummenmaa 2009). Likert-asteikollinen muuttuja on järjestysLikert-asteikollinen, eikä keskiarvojen ja keskihajontojen las-keminen olisi matemaattisen eksaktisti sallittua. Vastausvaihtoehdot kuitenkin tulkitaan usein tasavälisiksi erityisesti silloin, kun niille ei ole sanallisia kuvauksia, ja siten väli-matka-asteikoille mahdolliset tunnusluvut ovat perusteltavissa.
Kustakin neljästä opintoihin kiinnittymistä mittaavasta osiosta muodostettiin erillinen sum-mamuuttuja. Summamuuttujat muodostettiin, jotta voitiin tiivistää kutakin kiinnittymisen osa-aluetta mittaavat väittämät yhdeksi muuttujaksi. Näin oli mahdollista vähentää käsitel-tävien muuttujien määrää ja saada aineisto helpommin tulkittavaan muotoon. (Nummen-maa 2009; Tähtinen ym. 2020.) Summamuuttujista raportoitiin samat suureet kuin yksittäi-sistä väittämistä, eli prosentti- ja frekvenssijakaumat, vaihteluvälit, keskiarvot ja keskiha-jonnat. Osien sisäistä johdonmukaisuutta mitattiin Cronbachin alfa -kertoimella. (Num-menmaa 2009.)
Opiskelumotivaatiota koskevia vastauksia oli mahdollista täydentää vapaalla tekstillä.
Avoimia vastauksia saatiin 35 vastaajalta. Avoimen kysymyksen vastaukset teemoiteltiin, millä tarkoitetaan aineiston pilkkomista ja ryhmittelemistä eri aihepiireihin. Teemoittelu tehtiin aineistolähtöisesti eli avoimella kysymyksellä saaduista vastauksista etsittiin moti-vaatiota kuvaavia yhdistäviä ja erottavia seikkoja. (Saaranen-Kauppinen & Puusniekka 2009.) Teemoittelu toteutettiin niin, että avoimella kysymyksellä kerätyt vastaukset koot-tiin yhteen tekstitiedostoon, jota luetkoot-tiin useita kertoja, sitten tiivistetkoot-tiin, pilkotkoot-tiin ja ryh-miteltiin. Vastauksia luettaessa tunnistettiin kahdeksan toisistaan erottuvaa ryhmää. Lo-pulta kahdeksasta ryhmästä yhdisteltiin neljä suurempaa teemaa.
Vaikka avoimeen kysymykseen vastanneiden määrä jäi pieneksi suhteessa koko aineiston kokoon, vastaukset toivat kuitenkin lisää tietoa niistä tekijöistä, joiden opiskelijat kokevat
vaikuttavat motivaatiota heikentävästi ja toisaalta vahvistavasti. Laadullinen aineiston suh-teellisesta pienuudesta huolimatta vastauksissa ilmeni toisteisuutta. Tulosten raportoinnissa esitettiin aineistosta sellaisia poimintoja, jotka havainnollistivat teemojen muodostumista aineiston pohjalta. (Saaranen-Kauppinen & Puusniekka 2009.)
Taustamuuttujien ja kiinnittymisen osa-alueiden välinen yhteisvaihtelu
Kunkin taustamuuttujan yhteyttä opintoihin kiinnittymiseen tutkittiin erikseen. Koska ikä on jatkuva muuttuja, sen osalta yhteyttä opintoihin kiinnittymiseen tutkittiin Pearsonin tu-lomomenttikorrelaatiokertoimella. Asuinpaikkakunnan muuttamisen osalta vastaajat ja-kautuivat kahteen ryhmään, joten ryhmien keskiarvoja vertailtiin Studentin t-testillä. Mui-den taustamuuttujien vastaajat jakautuivat kolmeen tai useampaan ryhmään, joten ryhmien välisten keskiarvojen vertailuun käytettiin yksisuuntaista varianssianalyysiä. (Nummenmaa 2009; Tähtinen ym. 2020.) Yhteyksien tarkastelua varten sukupuolen luokittelussa luokat muu ja en halua sanoa yhdistettiin, sillä ne jäivät pieniksi. Samoin vanhempien koulutus-astetta kuvaavan muuttujan luokkia yhdisteltiin edelleen niin, että pienin luokka eli tutkija-koulutus yhdistettiin ylempi korkeakoulu –luokkaan.
Yhteyksien testaamista varten varianssien homogeenisuutta tarkasteltiin Levenen testillä.
Koska eräiden muuttujien kohdalla varianssin homogeenisuusehto ei täyttynyt, mittaukset tarkistettiin nonparametrisilla Mann-Whitney U -testillä ja Kruskall-Wallis -testillä (Num-menmaa 2009). Tulokset eivät eronneet toisistaan olennaisesti, joten nonparametristen tes-tien tuloksia ei raportoitu erikseen. Myös aineiston suuri koko vähentää normaalija-kaumaoletuksen merkitystä. Kasvatustieteissä, kuten muissakin käyttäytymistieteissä ta-vanomaisesti käytetty merkitsevyyden raja on p-arvo ,05. Koska näin suurella aineistolla pienetkin erot tulevat herkästi merkitseviksi, tässä tutkimuksessa yhteyksien tarkastelussa tilastollisen merkitsevyyden rajana pidettiin p-arvoa ,01. (Nummenmaa 2009; Tähtinen ym.
2020)
Taustamuuttujien ja kiinnittymisen osa-alueiden välisen yhteyden mallintaminen
Kunkin kiinnittymisen osa-alueen vaihtelun ennustamista taustamuuttujien yhteisvaihtelun avulla mallinnettiin usean muuttujan askeltavalla regressioanalyysillä. Koska osa tausta-muuttujista oli luokitteluasteikollisia, ne koodattiin uudelleen regressioanalyysiä varten
niin sanotuiksi dummy-muuttujiksi. Askeltavassa regressioanalyysissä valitaan joukko muuttujia selittäviksi muuttujiksi, ja tilasto-ohjelma valitsee näiden joukosta askel aske-leelta ne, jotka selittävät riippuvan muuttujan vaihtelua parhaiten. Menetelmällä pyritään siis muodostamaan malli, jossa selitysosuus on mahdollisimman suuri ja selittävien muut-tujien määrä mahdollisimman pieni. Askeltavaa regressioanalyysiä on kritisoitu liiallisesta mekaanisuudesta, jossa selittävät muuttujat valikoituvat malliin pikemminkin tilastollisen merkitsevyyden kuin tulkinnallisen mielekkyyden perusteella. (Nummenmaa 2009; Tähti-nen ym. 2020.) Tässä tutkimuksessa askeltavaan regressioanalyysin käyttöön päädyttiin, sillä kaikkia taustamuuttujia pidettiin kiinnittymisen suhteen tulkinnallisesti mielekkäinä.
Niiden välisistä suhteista ei kuitenkaan ollut ennakko-oletuksia. Lisäyksen ja poiston kri-teerinä pidettiin F-testin p-arvoa. Merkitsevyyden rajana pidettiin p-arvoa ,05. (Nummen-maa 2009; Tähtinen ym. 2020.)
Tutkimusaineiston ryhmittely kiinnittymisen suhteen
Lopuksi tutkimusaineistosta etsittiin kiinnittymisen suhteen samankaltaisista havainnoista koostuvia ryhmiä klusterianalyysillä. Klusterianalyysillä pyritään muodostamaan ryhmiä, johon kuuluvat havainnot ovat keskenään mahdollisimman samankaltaisia, mutta ryhmien väliset erot muodostuvat mahdollisimman suuriksi. (Nummenmaa 2009; Tähtinen ym.
2020.) Klusterointia kokeiltiin eri määrällä ryhmiä, ja mielekkäimmin tulkittava tulos saa-tiin määrittämällä ryhmien määräksi kolme. Ryhmien välisiä eroja kiinnittymisen eri osa-alueiden suhteen tarkasteltiin varianssianalyysillä. Merkitsevyyden rajana pidettiin p-arvoa ,001.
Lopulta tarkasteltiin eri ryhmiin kuuluvien opiskelijoiden eroja taustamuuttujien suhteen.
Sukupuoli, opinto-oikeuden laajuus, tiedekunta, aiemmat korkeakouluopinnot, vanhem-pien koulutusasteet sekä asuinpaikkakunnan muuttaminen olivat luokitteluasteikollisia, jo-ten niiden vaihtelua ryhmien välillä tarkasteltiin ristiintaulukoinnilla. Ikä oli suhdeasteikol-linen, joten sen vaihtelua eri ryhmissä tarkasteltiin varianssianalyysillä. (Nummenmaa 2009.) Klusterianalyysillä muodostettujen ryhmien ja taustamuuttujien välisessä yhteyk-sien tarkastelussa tilastollisen merkitsevyyden rajoina pidettiin vakiintuneita raja-arvoja.
Siten p-arvo < ,05 tulkittiin tilastollisesti melkein merkitseväksi, p-arvo < ,01 tilastollisesti merkitseväksi ja p-arvo < ,001 tilastollisesti erittäin merkitseväksi. (Nummenmaa 2009.)
6 TULOKSET
Tässä tutkimuksessa tarkasteltiin alkuvaiheen opiskelijoiden kiinnittymistä yliopisto-opin-toihin, siihen yhteydessä olevia tekijöitä sekä tunnistettiin kiinnittymisen erilaisia tyyppejä ja opiskelijoiden ryhmittymistä eri tyyppeihin. Ensimmäisessä alaluvussa kuvataan vastaa-jajoukkoa lähemmin taustamuuttujien avulla. Tämän jälkeen kuhunkin tutkimuskysymyk-seen vastataan omassa alaluvussaan. Opiskelijoiden kiinnittymistä kuvataan neljän valitun ulottuvuuden eli yliopistoyhteisöön kuulumisen, yliopisto-opintojen alun kiinnittymisen, henkilökunnan tuen opintoihin kiinnittymisessä sekä opiskelumotivaation avulla. Tämän jälkeen tarkastellaan taustamuuttujien yhteyksiä opintoihin kiinnittymisen ulottuvuuksiin.
Lopuksi tunnistetaan kiinnittymisen kolme tyyppiä, jotka olivat epävarmasti, vahvasti ja itsenäisesti kiinnittyneet. Lisäksi tarkastellaan opiskelijoiden ryhmittymistä näihin kol-meen tyyppiin.
6.1 Tyypillinen vastaaja oli nuori, ensimmäistä korkeakoulututkintoaan opiskeleva