ارزیابی شایستگی دانشجومعلمان آموزش زیست شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی
Publish place: Technology of Education Journal، Vol: 17، Issue: 3
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 257
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JEIT-17-3_015
Index date: 8 July 2023
ارزیابی شایستگی دانشجومعلمان آموزش زیست شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی abstract
پیشینه و اهداف: آموزش و پرورش یکی از ارکان اصلی تولید دانش و علم در نیل به پیشرفت علمی و فرهنگی هر کشور توسط معلمان است و هرگونه ناکارآمدی در آن می تواند به چالش ها و مشکلات گسترده ای از منظر اجتماعی، فرهنگی، علمی، سیاسی، مذهبی و ... در جامعه بینجامد. ازاین رو تعیین ارزیابی شایستگی دانشجومعلمان به ویژه قبل از ورود به عرصه حرفه معلمی از منظر دانش، مهارت و نگرش ضروری به نظر می آید. در این پژوهش، شایستگی نو معلمان قبل از ورود به آموزش و پرورش، با استفاده از شبکه عصبی هوش مصنوعی به عنوان یک ابزار محاسباتی دقیق ارزیابی شد.روش ها: در پژوهش حاضر، روش تحقیق از نوع کاربردی و به صورت کمی است. جامعه آماری، دانشجویان دانشگاه فرهنگیان و نمونه آماری به صورت خوشه ای، تعداد ۹۱ دانشجو معلم ورودی ۱۳۹۵-۱۳۹۴ رشته آموزش زیست شناسی مرکز آموزش عالی شهید بهشتی دانشگاه فرهنگیان مورد ارزیابی قرار گرفتند. نمونه آماری با حجم۵۰۰ داده (۸۰% آموزش و ۲۰% تست) به عنوان شرکت کننده انتخاب و دادهها، براساس ریز نمرات فارغ التحصیلان در دروس عمومی، تربیتی، تخصصی تربیتی، تخصصی تئوری، کارنما، کارورزی و معدل کل جمع آوری و سپس با بهره گیری از تکنیک های استخراج ویژگی از ریزنمرات دانشجو معلمان مذکور، در فایل اکسل به داده های مناسب جهت تعیین شایستگی و عدم شایستگی آنها برچسب زنی شد و براساس یافته ها، به روش شبکه عصبی پیشخور مورد آموزش قرار گرفت. با توجه به بررسی های انجام شده بر روی لایه ها و تعداد نورون ها بر دادگان الگوریتم، شبکه عصبی سه لایه با دو لایه پنهان با تعداد نورون های ۳۰۰ و یک لایه خروجی با تعداد ۱ نورون طراحی شد.یافته ها: نتایج حاصل از بررسی شایستگی حرفه ای براساس ریزنمرات دانشجومعلمان و استخراج دادگان جدید در هفت بعد تخصصی تئوری، تخصصی تربیتی، عملی تربیتی، عمومی، کارورزی، کارنما و معدل کل نشان دهنده بالاترین میانگین با عدد ۸/۱۹ در دروس تربیتی و کمترین میانگین با عدد ۶۷/۱۶ در دروس تخصصی تئوری بود. آنالیز یافته ها با توجه به دادگان آموزشی موجود از فارغ التحصیلان و برچسب زنی افراد خبره، میزان شایستگی را به میزان ۷۷/۱۷ نشان داد.نتیجه گیری: ارزیابی شایستگی دانشجومعلمان دانشگاه فرهنگیان، براساس شبکه عصبی پیشخور هوش مصنوعی به عنوان یک رویکرد جدید در کشور انجام شد. طراحی شبکه عصبی مورد نظر براساس معیارهای موجود در روش ماتریس درهمریختگی صورت گرفت. بر این اساس معیارهای صحت و دقت برای شبکه عصبی پیشخور با دو لایه پنهان به ترتیب ۹۴% و ۹۵% بود و میزان شایستگی دانشجویان دانشگاه فرهنگیان در دروس مختلف، نمرات بالای ۱۷ به عنوان شاخص مطلوب و نمرات پایین تر از ۱۷ به عنوان شاخص نامطلوب در نظر گرفته شد. میزان شایستگی دانشجویان در دروس تربیتی با میانگین عددی ۸/۱۹ در حد مطلوب و در دروس تخصصی تئوری با میانگین عددی ۶۷/۱۶ در حد نامطلوب برآورد شد. این نتایج، لزوم توجه بیشتر به دروس تخصصی تئوری را خاطر نشان کرد؛ چرا که هر معلمی، در کنار تمام شاخصههای تربیتی، بایستی دانش و سطح علمی مناسب و کافی جهت ارائه درست و اصولی مطالب علمی به دانش آموزان را داشته باشد. علاوه براین، پیشنهاد می شود در پژوهش های دیگر با به کارگیری پرسش نامه های خاص مبتنی بر نگرش دانشجویان از حرفه معلمی، ضریب شایستگی ارزیابی می شود. از طرفی، دست خط دانشجو می تواند به عنوان یک شاخص دیگر در کنار سایر دادگان، مورد بررسی و مطالعه قرار گیرد. همچنین از الگوی شبکه عصبی هوش مصنوعی، جهت تعیین شایستگی دانشجو معلمان در سایر رشته های علوم پایه و علوم انسانی استفاده شود.
ارزیابی شایستگی دانشجومعلمان آموزش زیست شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی Keywords:
ارزیابی شایستگی دانشجومعلمان آموزش زیست شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی authors
ویدا گوهری
گروه آموزش زیست شناسی، دانشگاه فرهنگیان، تهران، ایران
مرضیه کرامتی نوجه ده سادات
گروه آموزش زیست شناسی، دانشگاه فرهنگیان، تهران، ایران
فریبا رمضانی ویشکی
گروه زیست شناسی، اداره تکنولوژی و گروه های آموزشی ، اداره کل آموزش و پرورش ، تهران، 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 :