بررسی وضعیت و اولویت بندی مهارت های غیر فنی فارغ التحصیلان رشته های مهندسی در انقلاب صنعتی چهارم از دیدگاه کارفرمایان و فارغ التحصیلان
Publish place: Iranian Journal of Engineering Education، Vol: 24، Issue: 93
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 182
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEE-24-93_001
تاریخ نمایه سازی: 29 تیر 1401
Abstract:
پژوهش حاضر با هدف شناسایی و اولویت بندی مهارت های غیر فنی مورد نیاز رشته های مهندسی دانشگاه ارومیه صورت گرفته است. جامعه آماری این پژوهش شامل کارفرمایان صنعت و فارغ التحصیلان رشته های مهندسی دانشگاه ارومیه بود که به روش نمونه گیری طبقه ای، بر اساس جدول مورگان، نمونه لازم انتخاب گردید. روش تحقیق مورد استفاده، توصیفی- پیمایشی است. ابزار اندازه گیری و ابزار گردآوری اطلاعات در این پژوهش، پرسشنامه بود که روایی و پایایی آن در تحقیق حاضر مورد بررسی و تایید قرار گرفت. برای تحلیل داده ها از نرم افزار SPSS ۲۳ استفاده شد. نتایج حاصل از تجزیه و تحلیل داده ها، گویای این مطلب است که میانگین تمامی مهارت های غیر فنی فارغ التحصیلان دانشگاه ارومیه از نظر کارفرمایان، بالاتر از میانگین نظری است که در سطح مطلوبی قرار دارد. در رتبه بندی مهارت ها، با نظر سنجی، از نظر فارغ التحصیلان، آنان در مهارت انتقادی از بالاترین و در مهارت هوش هیجانی از پایین ترین میانگین و از نظر کارفرمایان، فارغ التحصیلان در مهارت مسئولیت پذیری از بالاترین و در مهارت خلاقیت از پایین ترین میانگین برخوردار بودند. توصیه می شود برنامه درسی مصوبی که دانشگاه برای رشته های مهندسی، جهت ارتقای مهارت های غیر فنی در نظر می گیرد، باید به صورتی باشد که محتوای درسی مطابق با نیازهای فعلی و آینده سازمان های مهندسی طراحی شود. برگزاری پروژه های کلاسی، تحصیل و آموزش مهارت های ضروری به گونه ای مورد توجه قرار گیرد که بتواند مهارت های هوش هیجانی و خلاقیت را در دانشجویان پرورش دهد.
Keywords:
Authors
مریم یزدان پناه
دانشجو
محمد حسنی
استاد گروه علوم تربیتی / دانشگاه ارومیه
حسن قلاوندی
دانشیار، گروه علوم تربیتی، دانشکده ادبیات ، دانشگاه ارومیه
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 :