پیشبینی انگیزه پیشرفت تحصیلی دانشآموزان براساس هوش معنوی و هوش هیجانی
Publish place: The Second National Conference and the First International Conference on New Research in the Humanities
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,104
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
MRHCONF02_170
Index date: 14 October 2015
پیشبینی انگیزه پیشرفت تحصیلی دانشآموزان براساس هوش معنوی و هوش هیجانی abstract
هدف اصلی مطالعه حاضر شناسایی رابطه مولفه های هوش هیجانی و هوش معنوی با انگیزه پیشرفت دانش آموزان میباشد. روش پژوهش، همبستگی از نوع پیش بین بوده است. جامعهی آماری، شامل تمامی دانشآموزان دختر مقطع متوسطه شهر فریدونکنار در سال تحصیلی 39 1932 به تعداد 1931 نفر بودند که از میان آنها 979 نفر با استفاده از - روش نمونهگیری تصادفی طبقهای و بر اساس جدول کرجسی و مورگان انتخاب شدند. برای جمعآوری دادهها از سه نوع پرسشنامه استاندارد شده هوش هیجانی برادبری – گریوز 1311 ، پرسشنامه هوش معنوی کنگ 1331 و پرسشنامه انگیزه پیشرفت هرمنس 1371 استفاده شده است. سپس دادههای بدست آمده با استفاده از روشهای آماری ضریب همبستگی پیرسون، تحلیل واریانس و تحلیل رگرسیون چند متغیری همزمان تحلیل شد. نتایج نشان داد که بین مولفه های هوش هیجانی و هوش معنوی به جز مولفه تفکر وجودی نقادانه با انگیزه پیشرفت رابطه مثبت معنادار وجود دارد. همچنین نتایج نشان داد مولفه های هوش معنوی 0/230 صدم و مولفه های هوش هیجانی 0/33 صدم انگیزه پیشرفت دانش آموزان را تبیین میکنند. بر اساس یافتههای این پژوهش می توان گفت هوش هیجانی بیشتر از هوش معنوی می تواند پیش بینی کننده مناسبی برای انگیزه پیشرفت دانش آموزان باشد.
پیشبینی انگیزه پیشرفت تحصیلی دانشآموزان براساس هوش معنوی و هوش هیجانی Keywords:
پیشبینی انگیزه پیشرفت تحصیلی دانشآموزان براساس هوش معنوی و هوش هیجانی authors
رضا میرعرب رضی
استادیار گروه علوم تربیتی دانشکده علوم انسانی و اجتماعی دانشگاه مازندران
محسن حاجی تبارفیروزجائی
استادیار گروه علوم تربیتی دانشکده علوم انسانی و اجتماعی دانشگاه مازندران
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 :