ارزیابی بهره برداری از سامانه های آبیاری، منابع یادگیری و نیازسنجی آموزشی گلخانه داران با رویکرد سازگاری با کم آبی (مطالعه موردی: استان قزوین)
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 271
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-7-3_012
تاریخ نمایه سازی: 20 مرداد 1400
Abstract:
تاکید بر منابع آموزشی مبتنی بر سازگاری با کم آبی باعث سازگار شدن تولید با شرایط اقلیمی می شود. در این پژوهش پس از شناسایی منابع آموزشی، نیازهای آموزشی گلخانه داران با تاکید بر شرایط کم آبی تعیین و اولویت گذاری شدند. برای نیازسنجی آموزشی از الگوی سه بعدی و روش دلفی استفاده شد. در تحلیل داده ها از شاخص های میانگین، انحراف معیار و آزمون های کولموگروف و اسمیرنف، تی تک نمونه ای، نشانه تک نمونه ای، کروسکال-والیس و یومن ویتنی استفاده شد. یافته ها نشان دادند وضعیت بهره برداری از سامانه های آبیاری از سه دیدگاه "گلخانه داران"، "صاحب نظران" و "آموزشگران" بهترتیب دارای امتیاز ۹۵/۰±۳۴/۴، ۰۴/۱±۸۳/۲ و ۶۴/۰±۸۶/۲ (از امتیاز کل ۵) است. وضعیت بهره برداری از منابع آموزشی از سه دیدگاه بهترتیب دارای امتیاز ۲۳/۱±۲۶/۲، ۹۹/۰±۴۶/۲ و ۱۰/۱±۵۶/۲ بود. همچنین میزان آگاهی و مهارت گلخانه داران نسبت به نیاز های آموزشی از سه دیدگاه بهترتیب دارای امتیاز ۹/۰±۶۱/۳، ۰۹/۱±۵۰/۲ و ۹/۰±۴۸/۲ است. ارزیابی ها نشان دادند گلخانه داران از اصول بهره برداری صحیح از سامانه های آبیاری آگاهی ندارند و نسبت به نیازهای آموزشی نیز از دانش و مهارت کافی برخوردار نیستند. تغییر در محتوا و نحوه ی استفاده از منابع آموزشی با توجه به شرایط و علایق گلخانه داران امری ضروری و لازم است. همچنین با اهمیت ترین نیازهای آموزشی گلخانه داران بر اساس سه دیدگاه بهترتیب مربوط به گویه های «مدیریت زمان مراحل مختلف آبیاری»، «نحوه بهره برداری از سامانه های آبیاری» و «معرفی سامانه های مختلف آبیاری و شناخت معایب و مزایای آن ها» بود.
Keywords:
Authors
محمد نوید فرح زا
دانشجوی دکتری، گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
بیژن نظری
دانشیار، گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
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 :