نگرش دانشجویان مهندسی دانشگاه شیراز بهتناسب برنامههای درسی تحصیلات تکمیلی با رویکرد توسعه پایدار
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 13
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEE-25-100_002
تاریخ نمایه سازی: 18 فروردین 1403
Abstract:
آموزش و پژوهش، پیشنیاز توسعه پایدار هر جامعهای محسوب میشود. تحقق توسعه پایدار، منوط به برخورداری نظام آموزش عالی کارآمد با تربیت نیروهای کیفی-علمی و افزایش سهم تحقیق و پژوهش در جامعه است. هدف پژوهش حاضر، بررسی نگرش دانشجویان تحصیلات تکمیلی رشته های مهندسی، به تناسب برنامه درسی اجراشده با چارچوب برنامه درسی پایدار بود. طرح پژوهش، کمی از نوع توصیفی، پیمایشی و جامعه آماری آن شامل کلیه دانشجویان دوره های تحصیلات تکمیلی رشته های مهندسی دانشگاه شیراز بود. گروه نمونه ۲۴۲ نفری با استفاده از روش نمونه گیری تصادفی طبقه ای نسبتی، انتخاب گردید. ابزار پژوهش، مقیاس برنامه درسی پایدار بود که پس از محاسبه روایی و پایایی بین دانشجویان نمونه توزیع گردید. برای تحلیل دادهها، از روش آزمون تی تکنمونهای و از نرمافزار SPSS ۱۹ استفاده گردید. نتایج پژوهش نشان داد که منطق برنامه درسی اجراشده دورههای تحصیلات تکمیلی رشته های مهندسی دانشگاه شیراز، هدف کلی این برنامه درسی و سرفصل های محتوایی دانشی، سرفصل مهارتی و سرفصل نگرشی آن، با منطق برنامه درسی پایدار متناسبند. اما براساس دیدگاه دانشجویان، نقش مدرس در یاددهی و یادگیری و روش های یاددهی و یادگیری به کاررفته در برنامه درسی اجراشده، منابع آموزشی و کمک آموزشی، فعالیت های یادگیری دانشجویان مهندسی، زمان دوره، فضای آموزشی برای اجرای برنامه درسی، شیوه های گروه بندی دانشجویان و روشهای ارزشیابی بهکاررفته، با عناصر برنامه درسی پایدار همخوانی ندارند. بر اساس نتایج پژوهش به دست آمده میتوان دریافت با توجه به این که آموزش مهندسی پایدار یک مولفه حیاتی در مقابله با تغییرات آب و هوایی و ترویج آینده ای سبزتر است، با افزایش تقاضا برای زیرساخت های پایدار، منابع انرژی تجدیدپذیر و فناوری های سازگار با محیط زیست، برنامه درسی مهندسی دانشگاه شیراز باید با این نیازها سازگار شود.
Keywords:
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 :