پیش بینی کاربست فناوری های آموزشی در تدریس: آزمون مدل مبتنی بر قصد انتقال آموزش
Publish place: Journal of Training & Learning Researches، Vol: 17، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 165
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TLR-17-2_002
تاریخ نمایه سازی: 18 اسفند 1400
Abstract:
مقدمه: هدف پژوهش حاضر پیش بینی کاربست فناوری آموزشی در تدریس با استفاده از نظریه رفتار برنامه ریزی شده بود.روش: بدین منظور، از طرح پژوهش همبستگی- پیش بینی استفاده شد. نمونه ای تصادفی به حجم ۱۸۳ نفر از معلمان متوسطه اول شهر کرمانشاه انتخاب شد. به منظور گردآوری داده ها، از پرسشنامه محقق ساخته استفاده شد. روایی صوری پرسشنامه توسط جمعی از خبرگان دانشگاهی مورد تایید قرار گرفت. ضریب آلفای کرونباخ نیز نشان دهنده پایایی قابل قبول پرسشنامه بود. به منظور تحلیل داده ها، از مدل سازی معادلات ساختاری با کمک نرم افزار Smart PLS۲ استفاده شد.نتایج: نتایج نشان داد که نگرش معلم و کنترل رفتار ادراک شده معلم پیش بینی کننده قصد کاربست فناوری آموزشی وی می باشد، اما هنجار ذهنی معلم قادر به پیش بینی قصد کاربست فناوری آموزشی در کلاس درس نیست. نتایج همچنین نشان داد که کنترل رفتار ادراک شده معلم و قصد معلم پیش بینی کننده رفتار واقعی کاربست فناوری آموزشی در کلاس درس است.بحث و نتیجه گیری: پژوهش حاضر نشان داد که نظریه رفتار برنامه ریزی شده قدرت تبیین قصد رفتاری و رفتار واقعی در بافت کاربست فناوری آموزشی در تدریس را دارد. بنابراین، مدیران می توانند از طریق آموزش و تجهیز کلاس ها به امکانات زیربنایی همچون کامپیوتر و پروژکتور بستر را برای کاربست فناوری های آموزشی در تدریس مهیا سازند.
Keywords:
Authors
حاتم فرجی ده سرخی
دانش آموخته دکتری مدیریت آموزشی، تهران، ایران.
حسین مولائی علی آباد
دانشجوی دکتری برنامه ریزی توسعه آموزش عالی، دانشگاه مازندران، تهران، ایران.
فاطمه رجب پور سواری
دانشجوی دکتری برنامه ریزی درسی، دانشگاه خوارزمی، تهران، ایران.
حبیب امامی
دانش آموخته کارشناسی ارشد مدیریت آموزشی، دانشگاه رازی، کرمانشاه، 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 :