بررسی ارتباط ادراک کاربران از شبکه های اجتماعی با یادگیری مشارکتی مراقبین سلامت در حوزه پیشگیری از تالاسمی
Publish place: Education strategies in medical sciences، Vol: 15، Issue: 6
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 168
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_EDCBM-15-6_007
Index date: 6 March 2023
بررسی ارتباط ادراک کاربران از شبکه های اجتماعی با یادگیری مشارکتی مراقبین سلامت در حوزه پیشگیری از تالاسمی abstract
مقدمه: امروزه شبکه های اجتماعی مختلف همچون وایبر، واتساپ، تلگرام، لاین و ... تمامی جنبه های زندگی را تحت تاثیر قرار دادهاند. یکی از مهمترین مزایای این شبکه ها، کاربرد آنها در بخش آموزش میباشد. پژوهش حاضر قصد دارد به بررسی ارتباط ادراک کاربران از شبکه های اجتماعی با یادگیری مشارکتی مراقبین سلامت در حوزه آموزش و پیشگیری از بیماری تالاسمی بپردازد.
روش: جامعه آماری این پژوهش کلیه مراقبین سلامت مراکز بهداشت شهر مشهد میباشد که مطابق فرمول کوکران، تعداد ۳۹۸ نفر با روش نمونه گیری تصادفی ساده به عنوان نمونه آماری انتخاب شدند. در این تحقیق به منظور جمع آوری اطلاعات از پرسشنامه استفاده گردید. آزمون فرضیات از طریق تحلیل همبستگی و رگرسیون خطی و با کمک نرم افزار SPSS انجام شد.
نتایج: یافته ها نشان دادند که ارتباط معناداری بین ادراک از شبکه های اجتماعی (با سه مولفه سهولت استفاده ادراک شده، سودمندی ادراک شده و لذت ادراک شده ) با یادگیری مشارکتی مراقبین سلامت وجود دارد.
نتیجه گیری: با توجه به ارتباط شبکه های اجتماعی و ویژگیهای آن (سهولت، سودمندی و لذت استفاده از آن) با یادگیری مشارکتی در میان مراقبین سلامت مراکز بهداشت شهر مشهد پیشنهاد میشود، مدیران و مسئولین مراکز بهداشت و درمان با استفاده از شبکه های اجتماعی مجازی سطح دانش و آگاهی مراقبین سلامت را در حوزه بهداشت، درمان و مراقبت ارتقاء دهند.
بررسی ارتباط ادراک کاربران از شبکه های اجتماعی با یادگیری مشارکتی مراقبین سلامت در حوزه پیشگیری از تالاسمی Keywords:
بررسی ارتباط ادراک کاربران از شبکه های اجتماعی با یادگیری مشارکتی مراقبین سلامت در حوزه پیشگیری از تالاسمی authors
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 :