پیش بینی رضایت دانشجویان از تدریس برخط براساس صلاحیت تدریس مجازی اساتید دانشگاه
Publish place: New Approach in Educational Science ، Vol: 4، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 160
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IOCVJ-4-2_009
تاریخ نمایه سازی: 6 فروردین 1401
Abstract:
هدف از تحقیق حاضر پیش بینی رضایت دانشجویان از تدریس برخط بر اساس صلاحیت تدریس مجازی اساتید دانشگاه بین المللی چابهار است که از نوع تحقیقات توصیفی – پیمایشی می باشد. جامعه آماری تحقیق حاضر را تمامی دانشجویان دانشگاه بین المللی چابهار تشکیل می دهند که تعداد ۱۵۰ نفر از بین آنها به صورت تصادفی ساده انتخاب شده اند. در راستای جمع آوری اطلاعات تحقیق از ۲ پرسشنامه رضایت و کیفیت در یک دوره برخط سباستینلی و همکاران (۲۰۱۵) با پایایی ۷۰/۰ و صلاحیت اساتید دارابی و همکاران (۲۰۰۶) با پایایی ۸۰/۰ استفاده شده است. نتایج حاصل از آزمون رگرسیون در راستای بررسی فرضیات تحقیق نشان می دهد که متغیر صلاحیت های تدریس مجازی توانایی پیش بینی متغیر رضایت دانشجویان را به میزان ۳۰۱/۰ دارد. همچنین، متغیر صلاحیت های تدریس مجازی توانایی پیش بینی محتوا و ساختار دوره تدریس برخط، دشواری دوره تدریس برخط، تعاملات استاد - دانشجو و دانشجو – دانشجو در دوره تدریس برخط و پشتیبانی تسهیل کننده در دوره تدریس برخط را به ترتیب به میزان ۲۷۸/۰، ۲۵۴/۰، ۳۷۷/۰ و۳۰۱/۰ دارد. با توجه به نتایج به دست آمده می توان چنین نتیجه گرفت که صلاحیت های تدریس مجازی اساتید دانشگاه بین المللی چابهار قابلیت پیش بینی رضایت دانشجویان از تدریس برخط در ابعاد محتوا و ساختار ، دشواری دوره، تعاملات استاد - دانشجو و دانشجو – دانشجو و پشتیبانی تسهیل کننده را داشته و به عبارتی، صلاحیت های تدریس مجازی اساتید می تواند بر رضایت دانشجویان در تدریس برخط موثر باشد.
Keywords:
Authors
زهرا بلوچی
دانشجو/دانشکده بین المللی چابهار
عیسی رضایی
استادیار تکنولوژی آموزشی، گروه تکنولوژی آموزش درعلوم پزشکی،دانشگاه علوم پزشکی مجازی،تهران،ایران
ذبیح الله اللهی
استادیار تکنولوژی آموزشی، گروه علوم تربیتی، دانشکده روانشناسی و علوم تربیتی، دانشگاه فرهنگیان، سیستان و بلوچستان، 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 :