نقش باور های معرفت شناسی ریاضی در پیش بینی عملکرد ریاضی دانشجویان مهندسی

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 457

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JEE-19-74_003

تاریخ نمایه سازی: 19 تیر 1398

Abstract:

ببرخی ریاضی را شاهراه مهندسی و برخی دیگر دروازه­بانی برای ورود افراد بااستعداد به مهندسی می­دانند.  به گزارش پژوهشها و مشاهده­های میدانی، افت تحصیلی و گاه انصراف دانشجویان از رشته مهندسی ریشه در درس ریاضی دارد. هدف پژوهش حاضر در گام اول، شناسایی مهم ترین درس پیش­بینی­کننده عملکرد تحصیلی دانشجویان مهندسی از بین دروس ریاضی (1)، ریاضی (2) معادلات دیفرانسیل و ریاضی مهندسی است. در گام دوم، شناسایی نقش باورهای معرفت شناسی ریاضی در پیش بینی مهم ترین درسی است که در گام اول شناسایی شده است. پژوهش حاضر از نظر روش توصیفی همبستگی بود. جامعه آماری تمامی دانشجویان کارشناسی دانشگاه صنعتی بیرجند بودند؛ دانشجویان در سال تحصیلی94 95 بالا­تر از ترم شش تحصیلی بودند و رشته­ آنها برق، رایانه، صنایع و عمران بود. تعداد آنها 550 نفر برآورد شده است که با استفاده از روش نمونه­گیری خوشه­ای تعداد 225 نفر به­عنوان نمونه انتخاب شدند. تحلیل رگرسیون نشان داد دروس ریاضی 7/32 درصد از تغییرات معدل کل دانشجو را پیش­بینی می­کند و درس ریاضی (1) مهم ترین پیش­بینی­کننده است. نتایج تحلیل رگرسیون نشان داد باور معرفت شناسی ریاضی، 1/8 درصد از تغییرات نمره دانشجویان را در درس ریاضی1 پیش­بینی می­کند. منبع دانش، سرعت کسب دانش و قابلیت ذاتی سه مولفه مهم برای پیش­بینی موفقیت دانشجویان مهندسی در درس ریاضی (1) هستند. این یافته­ها بحث و پیشنهادهایی برای افزایش کیفیت و احتمال موفقیت دانشجویان مهندسی در دروس ریاضی ارائه شده است.

Authors

محمد علی رستمی نژاد

استادیار تکنولوژی آموزشی، گروه علوم تربیتی ، دانشگاه بیرجند

ملیحه ایرندگانی

دانشجوی کارشناسی ارشد دانشکده علوم تربیتی و روانشناسی، گروه برنامه ریزی درسی، دانشگاه بیرجند

علی عسگری

استادیار مدیریت منابع انسانی، گروه علوم تربیتی، دانشگاه بیرجند

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 :