پیوندهای مفید
آمار
| تعداد نشریات | 15 |
| تعداد شمارهها | 244 |
| تعداد مقالات | 2,481 |
| تعداد مشاهده مقاله | 4,302,169 |
| تعداد دریافت فایل اصل مقاله | 3,166,369 |
باورهای فناورانه، ساختار دانش و ویژگیهای فردی: عوامل شکلدهنده ادغام فناوری در کلاس درس | ||
| فناوری آموزش | ||
| مقاله 4، دوره 20، شماره 1 - شماره پیاپی 78، دی 1404، صفحه 65-78 اصل مقاله (776.28 K) | ||
| نوع مقاله: مقاله پژوهشی-شماره انگلیسی | ||
| شناسه دیجیتال (DOI): 10.22061/tej.2026.12755.3333 | ||
| نویسندگان | ||
| سعید بی باک؛ سیروس اسدیان* | ||
| گروه علوم تربیتی، دانشکده علوم تربیتی و روان شناسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران | ||
| تاریخ دریافت: 26 تیر 1404، تاریخ بازنگری: 10 آبان 1404، تاریخ پذیرش: 30 آذر 1404 | ||
| چکیده | ||
| پیشینه و اهداف: سرعت شتابان تحولات فناوری، یکپارچهسازی مؤثر فناوری در آموزش را نه صرفاً یک امر مطلوب، بلکه به ضرورتی اجتنابناپذیر برای آمادهسازی دانشآموزان جهت مواجهه با نیازهای قرن بیست و یکم تبدیل کرده است. نظامهای آموزشی در سراسر جهان سرمایهگذاری قابلتوجهی در زیرساختهای فناوری برای تسهیل این یکپارچهسازی انجام دادهاند. بااینحال، علیرغم این سرمایهگذاریهای چشمگیر، استفاده واقعی معلمان از فناوری در کلاسهای درس اغلب پایینتر از حد انتظار باقی میماند. این شکاف پایدار بین دسترسی به زیرساختها و یکپارچهسازی معنادار فناوری نشان میدهد که دسترسی بهتنهایی کافی نیست. پژوهشهای پیشین، باورها، ساختارهای دانش و ویژگیهای فردی معلمان را بهعنوان عوامل کلیدی این پدیده شناسایی کردهاند. باورهای پداگوژیک معلمان بهمثابه فیلترهای شناختی عمل میکنند که تصمیمات آنها را درباره چگونگی و چرایی استفاده از فناوری در تدریس شکل میدهند. ساختارهای دانش آنها، بهویژه در مورد چگونگی یکپارچهسازی فناوری با محتوای درسی و رویکردهای پداگوژیک، ظرفیت آنها را برای اجرای مؤثر تعیین میکند. علاوه بر این، ویژگیهای فردی نظیر جنسیت، سن، سابقه تدریس و سطح تحصیلات ممکن است بر آمادگی معلمان برای پذیرش نوآوریهای فناورانه تأثیرگذار باشد. بااینحال، مطالعاتی که به بررسی همزمان نقش این متغیرها در قالب یک مدل جامع بپردازند، بهویژه در بافت آموزشی ایران، اندک است. ازاینرو، پژوهش حاضر باهدف تبیین نقش باورهای فناورانه، ساختارهای دانش و ویژگیهای فردی در یکپارچهسازی فناوری توسط دبیران دوره متوسطه شهر تبریز و بهمنظور پرکردن این شکاف پژوهشی انجام شد. روشها: این پژوهش از نوع کمی، کاربردی و با طرح توصیفی -همبستگی انجام شد. جامعه آماری شامل تمامی دبیران دوره متوسطه شهر تبریز در سال تحصیلی ۱۴۰۳-۱۴۰۲ (۴۹۷۳ نفر) بود که حوزههای درسی و نواحی آموزشی متنوعی را نمایندگی میکردند. با استفاده از جدول کرجسی و مورگان، نمونهای به حجم ۳۵۷ نفر از طریق نمونهگیری تصادفی طبقهای متناسب انتخاب شد که توزیع معلمان در پنج ناحیه آموزشی شهر را پوشش میداد. دادهها با استفاده از چهار ابزار معتبر گردآوری شد: (۱) پرسشنامه محقق ساخته جمعیتشناختی برای جمعآوری اطلاعات جنسیت، سن، سابقه تدریس و سطح تحصیلات؛ (۲) پرسشنامه ۱۷ گویهای ساختارهای دانش با سه زیرمقیاس (دانش فنی ادراکشده، دانش ادراکشده برای یکپارچهسازی فناوری و کاربردهای آموزشی فناوری اطلاعات و ارتباطات) در طیف ۵ درجهای لیکرت؛ (۳) پرسشنامه ۱۴ گویهای باورهای فناورانه با الهام از چارچوب باورهای پداگوژیک دیجیتال ؛ و (۴) پرسشنامه ۱۹ گویهای یکپارچهسازی فناوری. روایی ابزارها از طریق تحلیل عاملی تأییدی و قضاوت خبرگان تأیید شد. ضرایب پایایی (آلفای کرونباخ) برای تمامی ابزارها بالای ۷۰/۰ بود که نشاندهنده پایایی درونی قابلقبول است. دادهها با استفاده از آمار توصیفی و مدلیابی معادلات ساختاری در نرمافزار PLS4 تجزیهوتحلیل شد. یافتهها: نتایج نشان داد که باورهای فناورانه قویترین پیشبین مثبت و معنادار یکپارچهسازی فناوری در کلاس درس هستند (۳۸۸/0= β ، ۰۱/۰< p که با چارچوبهای نظری تأکیدکننده بر نقش فیلترهای ادراکی معلمان در پذیرش نوآوریهای آموزشی همسوست. ساختارهای دانش بهعنوان دومین عامل تأثیرگذار شناسایی شدند (۲۸۷/۰β = ، ۰۱/۰ p < که اهمیت چارچوب (TPACK) را در یکپارچهسازی معنادار فناوری برجسته میسازد. در میان ویژگیهای فردی، تنها سطح تحصیلات دارای رابطه مثبت و معنادار بود (۰۹۴/۰β = ، ۰۵/۰ < p، درحالیکه جنسیت، سن و سابقه تدریس اثر معناداری نشان ندادند. این یافته تأکید میکند که ظرفیت یکپارچهسازی فناوری در سراسر جامعه معلمان به طور گسترده توزیع شده و محدود به زیرگروههای جمعیتشناختی خاصی نیست. مدل پیشنهادی برازش عالی را نشان داد (۹۳/NFI= ، ۹۶/۰ CFI= ، ۰۵۶/۰ RMSEA= و ۶۸ درصد از واریانس یکپارچهسازی فناوری را تبیین کرد ۶۸/۰R²= که بیانگر آن است که متغیرهای مستقل به طور جمعی سهم قابلتوجهی در قدرت پیشبینی دارند. نتیجهگیری: یافتهها تأیید میکند که موفقیت در یکپارچهسازی فناوری بیش از آنکه به متغیرهای جمعیتشناختی وابسته باشد، به تحول باورهای حرفهای معلمان و توسعه دانش یکپارچه پداگوژیک-فناورانه-محتوایی آنها مرتبط است. این امر بر ضرورت بازتعریف برنامههای توسعه حرفهای معلمان تأکید دارد؛ برنامههایی که نه صرفاً کارگاههای مهارتهای فنی، بلکه ابتکاراتی هدفمند برای پرورش باورهای مثبت نسبت به نقش فناوری در یادگیری معنادار و ایجاد ساختارهای دانش مبتنی بر چارچوب باتکیهبر چالشهای اصیل کلاسی باشند. سیاستگذاران آموزشی باید مداخلات معطوف به تحول باورها و یکپارچهسازی دانش را در اولویت قرار دهند و صرفاً تأمین زیرساختها یا آموزشهای پایهای سواد دیجیتال را مدنظر قرار ندهند. | ||
| کلیدواژهها | ||
| ادغام فناوری؛ ویژگیهای فردی؛ ساختارهای دانش؛ باورهای فناوری اطلاعات و ارتباطات؛ معلمان دوره متوسطه | ||
| موضوعات | ||
| فناوری آموزش- یادگیری تلفیقی | ||
| عنوان مقاله [English] | ||
| Technological beliefs, knowledge structures, and individual characteristics: determinants of technology integration in the classroom | ||
| نویسندگان [English] | ||
| S. Bibak؛ S. Asadian | ||
| Department of Educational Sciences, Faculty of Education and Psychology, Azarbaijan Shahid Madani University, Tabriz, Iran | ||
| چکیده [English] | ||
| Background and Objectives: The accelerating pace of technological change has rendered the effective integration of technology into education not merely desirable, but essential for preparing students for the demands of the 21st century. Educational systems worldwide have invested substantially in technological infrastructure to facilitate this integration. Yet, despite these considerable investments, the actual use of technology by teachers in classroom practice often remains below expectations. This persistent gap between infrastructure availability and meaningful technology integration suggests that access alone is insufficient. Prior research has identified teachers' beliefs, knowledge structures, and individual characteristics as key determinants of this phenomenon. Teachers' pedagogical beliefs function as cognitive filters that shape their decisions about whether and how to incorporate technology into their teaching. Their knowledge structures, particularly regarding how to integrate technology with subject content and pedagogical approaches, determine their capacity for effective implementation. Additionally, individual characteristics such as gender, age, teaching experience, and educational attainment may influence teachers' readiness to adopt technological innovations. However, studies simultaneously examining the roles of these variables within a comprehensive model remain scarce, particularly in the Iranian educational context. Accordingly, this study was conducted to elucidate the roles of technological beliefs, knowledge structures, and individual characteristics in technology integration among secondary school teachers in Tabriz, thereby addressing this significant gap in the literature. Materials and Methods: This quantitative, applied study followed a descriptive-correlational design. The statistical population comprised all secondary school teachers in Tabriz during the 2023-2024 academic year (N = 4,973), representing diverse subject areas and educational districts. Using the Krejcie and Morgan table, a sample of 357 participants was selected through proportionate stratified random sampling to ensure representation across the city's five educational districts. Data were collected via four validated instruments: (1) a researcher-developed demographic questionnaire collecting information on gender, age, teaching experience, and educational attainment; (2) a 17-item knowledge structures questionnaire, measuring three dimensions (perceived technological knowledge, perceived knowledge for technology integration, and pedagogical uses of ICT) on a 5-point Likert scale; (3) a 14-item technological beliefs questionnaire inspired by Digital Pedagogical Beliefs framework; and (4) the 19-item technology integration questionnaire. Validity was established through confirmatory factor analysis and expert judgment by a panel of specialists in educational technology. Reliability coefficients (Cronbach's α) exceeded 0.70 for all instruments, indicating acceptable internal consistency. Data were analyzed using descriptive statistics and structural equation modeling (SEM) with Smart PLS 4 software. Findings: The results revealed that technological beliefs were the strongest positive and significant predictor of classroom technology integration (β = 0.388, p < 0.01), consistent with theoretical frameworks emphasizing the role of teachers' perceptual filters in adopting educational innovations. Knowledge structures emerged as the second most influential factor (β = 0.287, p < 0.01), underscoring the centrality of the TPACK framework in meaningful technology integration. Among individual characteristics, only educational attainment showed a positive, significant association (β = 0.094, p < 0.05), whereas gender, age, and teaching experience had no statistically significant effects. This finding reinforces the notion that the capacity for technology integration is broadly distributed across the teaching force and not confined to specific demographic subgroups. The proposed model demonstrated excellent fit (NFI = 0.93, CFI = 0.96, RMSEA = 0.056) and explained 68% of the variance in technology integration (R² = 0.68), indicating that the independent variables collectively account for a substantial proportion of predictive power. Conclusions: The findings affirm that successful technology integration hinges less on demographic variables and more on the evolution of teachers' professional beliefs and the growth of integrated pedagogical-technological-content knowledge. This underscores the necessity of redefining teacher professional development programs—not merely as technical skill workshops, but as initiatives aimed at nurturing positive beliefs about technology's role in meaningful learning and cultivating TPACK-based knowledge structures grounded in authentic classroom challenges. Educational policymakers should prioritize interventions that target belief transformation and knowledge integration rather than focusing exclusively on infrastructure provision or basic digital literacy training. | ||
| کلیدواژهها [English] | ||
| Technology Integration, Individual Characteristics, Knowledge Structures, ICT Beliefs, Secondary School Teachers | ||
| مراجع | ||
|
doi:10.1007/978-3-030-59533-3_83-1.
[2] Pham ST, Sampson PM. The development of artificial intelligence in education: a review in context. J Comput Assist Learn. 2022;38(5):1408–1421. doi:10.1111/jcal.12696.
[3] Cabero-Almenara J, Guillén-Gámez FD, Ruiz-Palmero J, Palacios-Rodríguez A. Digital competence of higher education professor according to DigCompEdu: statistical research methods with ANOVA between fields of knowledge in different age ranges. Educ Inf Technol. 2021;26(4):4691–4708. doi:10.1007/s10639-021-10476-5.
[5] Ertmer PA. Addressing first- and second-order barriers to change: strategies for technology integration. Educ Technol Res Dev. 1999;47(4):47–61. doi:10.1007/BF02299597.
[6] Aidoo B, Macdonald MA, Vesterinen VM, Pétursdóttir S, Gísladóttir B. Transforming teaching with ICT using the flipped classroom approach: dealing with the COVID-19 pandemic. Educ Sci. 2022;12(6):421. doi:10.3390/educsci12060421.
[7] Zhao Y, Frank KA. Factors affecting technology uses in schools: an ecological perspective. Am Educ Res J. 2003;40(4):807–840. doi:10.3102/00028312040004807.
doi:10.1016/j.im.2006.10.007.
doi:10.1016/j.tate.2018.12.012.
[10] Lai JW, Bower M. How is the use of technology in education evaluated? A systematic review. Comput Educ. 2019;133:27–42. doi:10.1016/j.compedu.2019.01.005.
[11] Bower M. Technology-mediated learning theory. Br J Educ Technol. 2019;50(3):1035–1048. doi:10.1111/bjet.12771.
doi:10.1016/j.chb.2016.11.057.
doi:10.1080/1475939X.2017.1387602.
[16] Bulman G, Fairlie RW. Technology and education: computers, software, and the Internet. In: Hanushek EA, Machin S, Woessmann L, editors. Handbook of the economics of education. Vol. 5. Amsterdam: Elsevier; 2016. p. 239–280. doi:10.1016/B978-0-444-63459-7.00005-1.
doi:10.1080/17439884.2020.1761641.
[18] Cheung ACK, Slavin RE. How methodological features affect effect sizes in education. Educ Res. 2016;45(5):283–292. doi:10.3102/0013189X16656615.
doi:10.1787/1d0bc92a-en.
doi:10.1080/0022027870190403.
[23] Loader BD, Mercea D. Networking democracy? Social media innovations and participatory politics. Inf Commun Soc. 2011;14(6):757–769. doi:10.1080/1369118X.2011.592648.
doi:10.1111/j.1467-9620.2006.00684.x.
doi:10.22061/tej.2025.10164.2952.
doi:10.17763/haer.57.1.j463w79r56455411.
doi:10.34785/J012.2022.037.
doi:10.1016/j.compedu.2019.103760.
[31] Qaddumi H, Smith M, Masd K, Bakeer A, Abu-Ulbeh W. Investigating Palestinian in-service teachers’ beliefs about the integration of information and communication technology (ICT) into teaching English. Educ Inf Technol. 2023;28:12785–12805. doi:10.1007/s10639-023-11689-6.
[32] Peng R, Razak RA, Halili SH. Investigating the factors affecting ICT integration of in-service teachers in Henan Province, China: structural equation modeling. Humanit Soc Sci Commun. 2023;10:380. doi:10.1057/s41599-023-01871-z.
doi:10.1007/s10639-023-12049-0.
doi:10.3389/feduc.2024.1399807.
[37] Schmidt DA, Baran E, Thompson AD, Mishra P, Koehler MJ, Shin TS. Technological pedagogical content knowledge (TPACK): the development and validation of an assessment instrument for preservice teachers. J Res Technol Educ. 2009;42(2):123–149. doi:10.1080/15391523.2009.10782544.
| ||
|
آمار تعداد مشاهده مقاله: 64 تعداد دریافت فایل اصل مقاله: 28 |
||