مدل مفهومی ارزشیابی از شایستگی های مورد انتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور
Publish place: Quarterly journal of Curriculum Studies، Vol: 13، Issue: 50
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 560
This Paper With 40 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSCSI-13-50_001
Index date: 20 May 2020
مدل مفهومی ارزشیابی از شایستگی های مورد انتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور abstract
ارزشیابی برنامه درسی شامل فرآیند بررسی ارزش و شایستگی عناصر و جنبه های خاص برنامه درسی؛ و هم کل برنامه درسی است. از این رو، این پژوهش با هدف تبیین شیوه های ارزشیابی از شایستگی های موردانتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور انجام شد. بدین منظور، با استفاده از رویکرد کیفی و راهبرد داده بنیاد، با 15 نفر از صاحب نظران حوزه برنامه درسی تربیت معلم، که براساس نمونه گیری هدفمند از نوع موارد مطلوب شناسایی شدند، مصاحبه نیمه ساختاریافته به عمل آمد. روایی محتوایی سوالات مصاحبه، توسط متخصصین تایید شد. میزان پایائی کدگذاری مجدد 93/0 به دست آمد. تجزیه و تحلیل داده ها، با نرم افزار تحلیل کیفی مکس کیو دی آ نسخه 2007 طی سه مرحله کدگذاری باز، محوری و انتخابی صورت پذیرفت. یافته های پژوهش مدل مفهومی ارزشیابی شایستگی های مورد انتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور در قالب سه مضمون و شش مولفه حاصل شد. بدین منظور، لزوم تدوین برنامه درسی مناسب به منظور تربیت معلمان شایسته و ایجاد نظام آموزشی کارآمد به همراه شیوه های مناسب ارزشیابی از شایستگی های معلمان، خاطر نشان گردید.
مدل مفهومی ارزشیابی از شایستگی های مورد انتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور Keywords:
مدل مفهومی ارزشیابی از شایستگی های مورد انتظار از دانشجومعلمان در برنامه درسی تربیت معلم شایسته محور authors
پوران خروشی
گروه علوم تربیتی دانشگاه فرهنگیان اصفهان
احمد رضا نصر اصفهانی
استاد گروه علوم تربیتی دانشگاه اصفهان
ابراهیم میرشاه جعفری
استاد گروه علوم تربیتی. دانشگاه اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :