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

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.

شایستگی شغلی, دانشجویان آموزش زیست شناسی, دانشگاه فرهنگیان, شبکه عصبی پیشخور