Выбор направления обучения: сеть мотивов и мотивационные профили студентов

Выбор образовательной и профессиональной траектории является важным этапом жизненного пути и связан с последующим профессиональным развитием и психологическим благополучием. Настоящее исследование направлено на анализ мотивационных оснований выбора юношами и девушками специальности обучения с учётом направлений подготовки высшего образования, связанных с естественнонаучными дисциплинами, математикой, инженерным технологиями (STEM-направления) и гуманитарными науками (non-STEM-направления). В работе используется интегративный подход, сочетающий методы сетевой психометрики и личностно-ориентированного анализа. На выборке студентов из 31 университета (N = 7196, 64% девушек; 38% респондентов – STEM-направлений) была реконструирована структура взаимосвязей между мотивами выбора специальности с помощью Ising-модели и выделены мотивационные профили на основе анализа латентных классов. Результаты показывают, что мотивация выбора специальности обучения представляет собой связанную систему, в которой могут быть выделены отдельные кластеры (социальные или прагматические мотивы) и связующие узлы (мотив личного желания). По итогам анализа латентных классов выявлено пять мотивационных профилей, распределение которых различается между STEM- и non-STEM-направлениями, а также между юношами и девушками. Полученные результаты подчёркивают значимость комплексного подхода к изучению мотивации выбора специальности обучения.

1. Yam F.C., Korkmaz O. Linking career decision regret to psychological well-being: serial mediation of vocational outcome expectations and proactive career behaviors // Current Psychology. – 2024 – Vol. 43, no. 41 – P. 32274–32287. – DOI: 10.1007/s12144-024-06656-4.

2. Шарок В.В. Эмоционально-мотивационные факторы удовлетворённости обучением в вузе // Сибирский психологический журнал. – 2018 – № 69 – С. 33–45. – DOI: 10.17223/17267080/69/2.

3. Колесникова Е.М., Куденко И.А. Интерес к STEM-профессиям в школе: проблемы профориентации // Социологические исследования. – 2020 – № 4 – С. 124–133. – DOI: 10.31857/S013216250009117-1.

4. Малошонок Н.Г., Щеглова И.А., Вилкова К.А., Абрамова М.О. Как привлечь девушек в STEM и помочь им добиться успеха: обзор практик преодоления гендерных стереотипов // Высшее образование в России. – 2022 – Т. 31, № 11 – С. 63–89. – DOI: 10.31992/0869-3617-2022-31-11-63-89.

5. Lipshits-Braziler Y., Arieli S., Daniel E. Personal values and career-related preferences among young adults // Journal of Personality. – 2025 – Vol. 93, no. 2 – P. 378–393. – DOI: 10.1111/jopy.12935.

6. Skatova A., Ferguson E. Why do different people choose different university degrees? Motivation and the choice of degree // Frontiers in Psychol- ogy. – 2014 – Vol. 5 – Article no. 1244 – DOI: 10.3389/fpsyg.2014.01244.

7. Кузьмина Ю.В. Выбор специальности обучения: прямой и непрямой эффект семейных факторов // Высшее образование в России. – 2013 – № 10 – С. 133–140. – EDN: RLZDAD.

8. Van Tuijl C., van der Molen J.H.W. Study choice and career development in STEM fields: An overview and integration of the research // International Journal of Technology and Design Education. – 2016 – Vol. 26, no. 2 – P. 159–183 – DOI: 10.1007/s10798-015-9308-1.

9. Лебедева Н.В., Вилкова К.А. Почему девушки не выбирают STEM: гендерные различия в мотивационных ориентирах // Мониторинг общественного мнения: экономические и со- циальные перемены. – 2022 – № 3 – DOI: 10.14515/monitoring.2022.3.1923.

10. Савинская О.Б., Лебедева Н.В., Вилкова К.А. Гендерные стереотипы и женские стратегии в высшем STEM-образовании: обзор междисциплинарного поля // The Journal of Social Policy Studies. – 2022 – Т. 20, № 3 – С. 505–520. – DOI: 10.17323/727-0634-2022-20-3-505-520.

11. Альмухамбетова А., Кужабекова А., Ким Т. Факторы, способствующие и препятствующие удержанию женщин в STEM-областях с углублённым изучением математики: опыт студенток бакалавриата из Казахстана // Вопросы образования. – 2025 – № 1 – С. 25–53. – DOI: 10.17323/vo-2025-18297.

12. Shin J.E.L., Levy S.R., London B. Effects of role model exposure on STEM and non-STEM student engagement // Journal of Applied Social Psychology. – 2016 – Vol. 46, no. 7 – P. 410–427 – DOI: 10.1111/jasp.12371.

13. Wegemer C.M., Eccles J.S. Gendered STEM career choices: Altruistic values, beliefs, and identity // Journal of Vocational Behavior. – 2019 – Vol. 110 – P. 28–42. – DOI: 10.1016/j.jvb.2018.11.013.

14. Diekman A.B., Brown E.R., Johnston A.M., Clark E.K. Seeking congruity between goals and roles: A new look at why women opt out of science, technology, engineering, and mathematics careers // Psychological Science. – 2010. – Vol. 21, no. 8. – P. 1051–1057. – DOI: 10.1177/0956797610379682.

15. Lv B., Wang J., Zheng Y., Peng X., Ping X. Gender differences in high school students’ STEM career expectations: An analysis based on multi-group structural equation model // Journal of Research in Science Teaching. – 2022. – Vol. 59, no. 10. – P. 1739–1764. – DOI: 10.1002/tea.21772.

16. Малошонок Н.Г., Щеглова И.А., Вилкова К.А., Абрамова М.О. Гендерные стереотипы и выбор инженерно-технического на- правления подготовки // Вопросы образования. – 2022. – № 3. – С. 149–186. – DOI: 10.17323/1814-9545-2022-3-149-186.

17. Исматуллина В.И., Масленникова Е.П. Половые различия в уровне мотивации и самооценки академических способностей у старшеклассников, предпочитающих STEM направления в качестве будущей карьеры // Дифференциальная психология и психофизиология сегодня: способности, образование, профессионализм. – 2021. – № 1. – С. 433– 437. – DOI: 10.24412/cl-36667-2021-1-433-437.

18. Frenzel A.C., Pekrun R., Goetz T. Girls and mathematics A “hopeless” issue? A control-value approach to gender differences in emotions towards mathematics // European Journal of Psychology of Education. – 2007. – Vol. 22, no. 4. – Article no. 497. – DOI: 10.1007/BF03173468.

19. Богданова О.Е., Миклашевский А.А., Богданова Е.Л., Солдатенкова О.Б. Академические достижения школьников по математике и иностранному языку: индивидуальные характеристики и гендерные стереотипы // Сибирский психологический журнал. – 2019. – № 73. – С. 176–196. – DOI: 10.17223/17267080/73/11.

20. Jiang S., Simpkins S.D., Eccles J.S. Individuals’ math and science motivation and their subsequent STEM choices and achievement in high school and college: A longitudinal study of gender and college generation status differences // Developmental Psychology. – 2020. – Vol. 56, no. 11. – P. 2137–2151. – DOI: 10.1037/dev0001110.

21. Моросанова В.И., Потанина А.М. Индивидуально-типологические траектории школьной вовлечённости у подростков: лонгитюдное исследование // Психологическая наука и образование. – 2024. – Т. 26, № 6. – С. 178– 191. – DOI: 10.17759/pse.2024290612.

22. Wang C.K.J., Liu W.C., Nie Y., Chye Y.L.S., Lim B.S.C. et al. Latent profile analysis of students’ motivation and outcomes in mathematics: An organismic integration theory perspective // Heliyon. – 2017. – Vol. 3, no. 5. – Article no. e00308. – DOI: 10.1016/j.heliyon.2017.e00308.

23. Гордеева Т.О., Сычев О.А. Мотивационные профили как предикторы саморегуляции и академической успешности студентов // Вестник Московского университета. Серия 14. Психология. – 2017. – № 1. – С. 67–87. – DOI: 10.11621/vsp.2017.01.69.

24. Jiang L., Zhou N., Gu M.M., Li X. Exploring student motivation and engagement in EMI: A latent profile analysis // Language and Education. – 2025. – Vol. 39, no. 1. – P. 72–90. – DOI: 10.1080/09500782.2024.2311146.

25. Jähne M.F., Naumann A., Moeller J., Baars J., Dietrich J. Which insights can research on achievement motivation gain from network analysis? Comparing different network methods empirically // Motivation Science. – 2025. – Advance online publication. – DOI: 10.1037/mot0000397.

26. Epskamp S., Borsboom D., Fried E.I. Estimating psychological networks and their accuracy: A tutorial paper // Behavior Research Methods. – 2018. – Vol. 50, no. 1. – P. 195–212. – DOI: 10.3758/s13428-017-0862-1.

27. Van Borkulo C.D., Borsboom D., Epskamp S., Blanken T. F., Boschloo L., Schoevers R.A., Waldorp L.J. A new method for constructing networks from binary data // Scientific Reports. – 2014. – Vol. 4, no. 1. – Article no. 5918. – DOI: 10.1038/srep05918.

28. Opsahl T., Agneessens F., Skvoretz J. Node centrality in weighted networks: Generalizing degree and shortest paths // Social Networks. – 2010. – Vol. 32, no. 3. – P. 245–251. – DOI: 10.1016/j. socnet.2010.03.006.

29. Robinaugh D.J., Millner A.J., McNally R.J. Identifying highly influential nodes in the complicated grief network // Journal of Abnormal Psychology. – 2016. – Vol. 125, no. 6. – Article no. 747. – DOI: 10.1037/abn0000181.

30. Nylund K.L., Asparouhov T., Muthén B.O. Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study // Structural Equation Modeling: A Multidisciplinary Journal. – 2007. – Vol. 14, no. 4. – P. 535–569. – DOI: 10.1080/10705510701575396.

31. Ryan R.M., Deci E.L. Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions // Contemporary Educational Psychology. – 2020. – Vol. 61. – Article no. 101860. – DOI: 10.1016/j.cedpsych.2020.101860.

32. Simon R.A., Aulls M.W., Dedic H., Hubbard K., Hall N. Exploring student persistence in STEM programs: A motivational model // Canadian Journal of Education / Revue canadienne de l’éducation. – 2015. – Vol. 38, no. 1. – P. 1–27. – URL: https://cje-rce.ca/index.php/cje-rce/article/view/1729/1739 (дата обращения: 03.02.2026).

33. Luttenberger S., Paechter M., Ertl B. Self-concept and support experienced in school as key variables for the motivation of women enrolled in STEM subjects with a low and moderate proportion of females // Frontiers in Psychology. – 2019. – Vol. 10. – Article no. 1242. – DOI: 10.3389/fpsyg.2019.01242.

34. Lent R.W., Brown S.D., Hackett G. Toward a unifying social cognitive theory of career and academic interest, choice, and performance // Journal of Vocational Behavior. – 1994. – Vol. 45, no. 1. – P. 79–122. – DOI: 10.1006/jvbe.1994.1027.

35. Bandura A. Social cognitive theory: An agentic perspective // Annual Review of Psychology. – 2001. – Vol. 52, no. 1. – P. 1–26. – DOI: 10.1146/annurev.psych.52.1.1.

36. Ismatullina V., Adamovich T., Zakharov I., Vasin G., Voronin I. The place of gender stereotypes in the network of cognitive abilities, self-perceived ability and intrinsic value of school in school children depending on sex and preferences in STEM // Behavioral Sciences. – 2022. – Vol. 12, no. 3. – Article no. 75. – DOI: 10.3390/bs12030075.

37. Савинская О.Б., Мхитарян Т.А. Технические дисциплины (STEM) как девичий професси- ональный выбор: достижения, самооценка и скрытый учебный план // Женщина в российском обществе. – 2018. – № 3 (88). – С. 34– 48. – DOI: 10.21064/WinRS.2018.3.4.

38. Ramaci T., Pellerone M., Ledda C., Presti G., Squatrito V., Rapisarda V. Gender stereotypes in occupational choice: A cross-sectional study on a group of Italian adolescents // Psychology Research and Behavior Management. – 2017. – Vol. 10. – P. 109–117. – DOI: 10.2147/PRBM.S134132.