دانشگاه تربیت دبیر شهید رجائی

  اخبار و اعلانات

 آمار

تعداد نشریات13
تعداد شماره‌ها200
تعداد مقالات2,008
تعداد مشاهده مقاله2,680,169
تعداد دریافت فایل اصل مقاله1,937,362
گوهری, ویدا, کرامتی نوجه ده سادات, مرضیه, رمضانی ویشکی, فریبا. (1402). ارزیابی شایستگی دانشجومعلمان آموزش زیست‌شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی. فناوری آموزش, 17(3), 695-708. doi: 10.22061/tej.2023.9539.2861
ویدا گوهری; مرضیه کرامتی نوجه ده سادات; فریبا رمضانی ویشکی. "ارزیابی شایستگی دانشجومعلمان آموزش زیست‌شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی". فناوری آموزش, 17, 3, 1402, 695-708. doi: 10.22061/tej.2023.9539.2861
گوهری, ویدا, کرامتی نوجه ده سادات, مرضیه, رمضانی ویشکی, فریبا. (1402). 'ارزیابی شایستگی دانشجومعلمان آموزش زیست‌شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی', فناوری آموزش, 17(3), pp. 695-708. doi: 10.22061/tej.2023.9539.2861
گوهری, ویدا, کرامتی نوجه ده سادات, مرضیه, رمضانی ویشکی, فریبا. ارزیابی شایستگی دانشجومعلمان آموزش زیست‌شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی. فناوری آموزش, 1402; 17(3): 695-708. doi: 10.22061/tej.2023.9539.2861

ارزیابی شایستگی دانشجومعلمان آموزش زیست‌شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی

فناوری آموزش
مقاله 15، دوره 17، شماره 3 - شماره پیاپی 67، تیر 1402، صفحه 695-708    اصل مقاله (2.52 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/tej.2023.9539.2861
نویسندگان
ویدا گوهری1؛ مرضیه کرامتی نوجه ده سادات* 1؛ فریبا رمضانی ویشکی2
1گروه آموزش زیست‌شناسی، دانشگاه فرهنگیان، تهران، ایران
2گروه زیست‌شناسی، اداره تکنولوژی و گروه‌های آموزشی ، اداره کل آموزش و پرورش ، تهران، ایران
تاریخ دریافت: 13 بهمن 1401،  تاریخ بازنگری: 26 خرداد 1402،  تاریخ پذیرش: 03 تیر 1402 
چکیده
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 می‌تواند به چالش‌ها و مشکلات گسترده‌ای از منظر اجتماعی، فرهنگی، علمی، سیاسی، مذهبی و ... در جامعه بینجامد. ازاین‌رو تعیین ارزیابی شایستگی دانشجومعلمان به ویژه قبل از ورود به عرصه حرفه­ معلمی از منظر دانش، مهارت و نگرش ضروری به نظر می‌آید. در این پژوهش، شایستگی نو معلمان قبل از ورود به آموزش و پرورش، با استفاده از شبکه­ عصبی هوش مصنوعی به‌عنوان یک ابزار محاسباتی دقیق ارزیابی شد.
روش‌ها:‌ در پژوهش حاضر، روش تحقیق از نوع کاربردی و به‌صورت کمّی است. جامعه آماری، دانشجویان دانشگاه فرهنگیان و نمونه آماری به‌صورت خوشه‌ای، تعداد 91 دانشجو معلم ورودی 1395-13۹4 رشته آموزش زیست‌شناسی مرکز آموزش عالی شهید بهشتی دانشگاه فرهنگیان مورد ارزیابی قرار گرفتند. نمونه آماری با حجم500 داده (80% آموزش و 20% تست) به‌عنوان شرکت‌کننده انتخاب و داده­ها، براساس ریز نمرات فارغ‌التحصیلان در دروس عمومی، تربیتی، تخصصی تربیتی، تخصصی تئوری، کارنما، کارورزی و معدل کل جمع‌آوری و سپس با بهره‌گیری از تکنیک‌های استخراج ویژگی از ریزنمرات دانشجو معلمان مذکور، در فایل اکسل به داده‌های مناسب جهت تعیین شایستگی و عدم شایستگی آنها برچسب‌زنی شد و براساس یافته‌ها، به روش شبکه‌ عصبی پیشخور مورد آموزش قرار گرفت. با توجه به بررسی‌های انجام شده بر روی لایه‌ها و تعداد نورون‌ها بر دادگان الگوریتم، شبکه عصبی سه لایه با دو لایه پنهان با تعداد نورون‌های 300 و یک لایه خروجی با تعداد 1 نورون طراحی شد.
یافته‌ها: نتایج حاصل از بررسی شایستگی حرفه‌ای براساس ریزنمرات دانشجومعلمان و استخراج دادگان جدید در هفت بعد تخصصی تئوری، تخصصی تربیتی، عملی تربیتی، عمومی، کارورزی، کارنما و معدل کل نشان‌دهندۀ  بالاترین میانگین با عدد 8/19 در دروس تربیتی و کمترین میانگین با عدد 67/16 در دروس تخصصی تئوری بود. آنالیز یافته‌ها با توجه به دادگان آموزشی موجود از فارغ التحصیلان و برچسب‌زنی افراد خبره، میزان شایستگی را به میزان 77/17 نشان داد.
نتیجه‌گیری: ارزیابی شایستگی دانشجومعلمان دانشگاه فرهنگیان، براساس شبکه­ عصبی پیشخور هوش مصنوعی به‌عنوان 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 94% و 95% بود و میزان شایستگی دانشجویان دانشگاه فرهنگیان در دروس مختلف، نمرات بالای 17 به‌عنوان شاخص مطلوب و نمرات پایین‌تر از 17 به‌عنوان شاخص نامطلوب در نظر گرفته شد. میزان شایستگی دانشجویان در دروس تربیتی با میانگین عددی 8/19 در حد مطلوب و در دروس تخصصی تئوری با میانگین عددی 67/16 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 دانش‌آموزان را داشته باشد. علاوه براین، پیشنهاد می‌شود در پژوهش‌های دیگر با به‌کارگیری پرسش‌نامه‌های خاص مبتنی بر نگرش دانشجویان از حرفه معلمی، ضریب شایستگی ارزیابی می‌شود. از طرفی، دست‌خط دانشجو می‌تواند به‌عنوان 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 رشته‌های علوم پایه و علوم انسانی استفاده شود. 
کلیدواژه‌ها
شایستگی شغلی؛ دانشجویان آموزش زیست شناسی؛ دانشگاه فرهنگیان؛ شبکه عصبی پیشخور
موضوعات
فناوری آموزش - هوش مصنوعی
عنوان مقاله [English]
Competency assessment of biology teaching students of Farhangian University by using artificial intelligence feedforward neural network
نویسندگان [English]
Vi. Gohari1؛ M. Keramati Nojedeh sadat1؛ F. Ramezaivishki2
1Department of Biology Education, Farhangian University, Tehran, Iran
2Department of Biology, Department of Technology and educational groups, education and training, Tehran, Iran
چکیده [English]
Background and Objectives: Education is one of the main parts of knowledge and science production in which teachers contribute to the scientific and cultural progress of any country. Inefficiency in education and training can lead to challenges and widespread problems of social, cultural, scientific, political, religious dimensions in society. Therefore, it seems necessary to assess the competence of student teachers in terms of knowledge, skills, and attitudes especially before entering the professional field of teaching. In this research, the competency of student teachers before entering education and training was evaluated using artificial intelligence neural network as a precise computing tool.
Methods: In the present study, the research method is applied and quantitative. The statistical population consisted of students of Farhangian University, and the sample included 91 teacher students who were selected via cluster sampling in 2015-2016 in the field of Biology Education of Shahid Beheshti Higher Education Center of Farhangian University. A corpus of 500 data (80% training and 20% test) was formed based on the scores of general, educational, specialized educational, theoretical, research, internship, and total average courses. The findings were assessed using the feedforward neural network method. According to the investigations carried out on the layers and the number of neurons on the data of the algorithm, a three-layer neural network was designed with two hidden layers with a number of 300 neurons and an output layer with a number of 1 neuron.
Findings: The results of the examination of professional competence are based on the scores of student teachers and the extraction of new data of the seven dimensions of theoretic- specialization, education- specialization, education- practice, general, internship, research, and total average, which show the highest average with a score of 19.8 in the educational courses and the lowest average with a score of 16.67 was in theory-specialized courses. The analysis of the findings according to the educational data of the graduates and the labeling of experts showed the level of competence as 17.77.
Conclusion: These results indicate that curriculum planners should pay more attention to specialized-theory courses because teachers must have the appropriate and sufficient knowledge and scientific level to present scientific materials to students in addition to learning educational lessons. Besides, it is suggested to evaluate the competence coefficient in other studies by using special questionnaires based on students' attitudes toward the teaching profession. On the other hand, the student's handwriting can be examined and studied as another indicator. Also, the neural network model of artificial intelligence should be used to determine the competence of student teachers in other fields of basic sciences and humanities.
کلیدواژه‌ها [English]
Job Competence, Biology Education Students, Farhangian University, Feedforward Neural Network
مراجع
[1] Vahedi VS, Ebrahimi, M. The Effectiveness of Critical Thinking Skill Training on Iranian EFL Learners' Reading Comprehension and Reading Strategy Use. Technology of Education Journal (TEJ). 2017;11(2):171-80. Persion.

[2] Ragan LC, Bigatel, PM, Kennan, SS, Dillon, JM. From Research to Practice: Towards the Development of an Integrated and Comprehensive Faculty Development Program. Journal of Asynchronous Learning Networks. 2012;16(5):71-86.

[3] Dibaei Saber M, Abbassi, E, Fathi Vajargah, K, Safaei Movahed, S. [Defining the Professional Competency Components of Teachers and the Analysis of it's Position in High Level Documents of Iran's Education]. Teaching and Learning Research. 2020;13(2):109-23. Persian.

[4] Adetayo JO. Teachers’ Factors as Determinants of the Professional Competence of the Nigeria Certificate in Education (NCE) Teachers. Journal of Education and Practice. 2016;7(20):1-11.

[5] Sadri A, Zahedi, E, Shafiee, Fs. [Missing elements of the teacher training system for materialization of student-teachers professional competencies: Internship and traineeship with the modern apprenticeship approach]. Research in Teacher Education(RTE). 2017;1(1):75-99. Persian.

[6] Hosseini B, Brahmin M, F, DM. A comparative study of the teacher training system of Iran with the teacher training system of Japan. National conference of modern researches of Iran and the world in psychology, educational sciences and social studies: 2016 Nov 16: Shiraz University.

[7] Buket Karatop CK, Özer Uygun. Talent management in manufacturing system using fuzzy logic approach. Computers & Industrial Engineering. 2015;86:127-36.

[8] Tongkachok K, Garg, S, Vemuri, VP, Chaudhary, V, Koli, PV, Kumar, KS. The Role of Artificial Intelligence on Organisational support Programmes to Enhance work outcome and Employees Behaviour. Materials Today: Proceedings. 2022;56:2383-7.

[9] Haj Karimi A RA, Hadizadeh A. Nayini A. [Designing a competency model for public sector human resource managers in Iran]. Public Administration Perspective. 2011;8:23-43. Persian.

[10] Zarei Ma, Allahkarami, A. [Identify the components of teachers' competence and Provide a framework for evaluating them]. Journal of Research in Educational Science. 2022;16(56):91-104. Persian.

[11] Mousavi Bazaz M, Zabihi zazoly, A, Karimi Moonaghi, H. [Cross-Cultural Competence, an Unknown Necessity in Medical Sciences Education a Review Article]. Iranian Journal of Medical Education. 2014;14(2):122-36. Persian.

[12] Bergman L.R, Ferrer-Wreder L, R, Ž. Career outcomes of adolescents with below average IQ: Who succeeded against the odds. Intelligence. 2015;52:9-17.

[13] Eshraghi S, Sharifi, M, M, FH. Investigating the impact of selecting input variables on improving the performance of artificial neural networks in order to estimate daily discharge using principal component analysis The 7th National Construction Congress: 2012: Zahedan.

[14] Musavian SS, Talaee, E, Fardanesh, H. [Investigating students empathy and their school learning behaviors using Artificial Intelligence methods]. Bimonthly of Education Strategies in Medical Sciences. 2019;12(3):23-30. Persian.

[15] Hallner D, Hasenbring M. Classification of psychosocial risk factors (yellow flags) for the development of chronic low back and leg pain using artificial neural network. Neuroscience letters. 2004;361:151-4.

[16] Politi E, Franchini, L, Spagnolo, C, Smeraldi, E, Bellodi, L. Supporting tools in psychiatric treatment decision-making: sertraline outcome investigation with artificial neural network method. Psychiatry Res. 2005;134(2):181-9.

[17] Chartier S, Renaud P, M, B. A nonlinear dynamic artificial neural network model of memory. New Ideas in Psychology. 2008;26:252-77.

[18] Serretti A, Olgiati P, Liebman M, Hai H, Zhang Y, Zanardi R, et al. Clinical prediction of antidepressant response in mood disorders: Linear multivariate vs. neural network models. psychology Research. 2007;172:223-31.

[19] Carson A.D, Bizot E.B, Hendershot P.E, Barton M.G, Garvin M.K, B., K. [Modeling Career Counselor Decisions with Artificial Neural Networks: Predictions of Fit across a Comprehensive Occupational Map]  J Vocat Behav. 1999;54:196-213.

[20] Khosravi m, hosseini, a, Ghasemi, Jamal. [Evaluation of Human Resource Performance Using General Regression Neural Network Approach (Faculty Members)]. Journal of Educational Planning Studies. 2020;9(17):202-22. Persian.

[21] M‌o‌r‌a‌d‌i M, Z‌a‌n‌j‌a‌n‌i, B, J‌a‌m‌a‌l‌i, A. [P‌redicting The j‌ob performance by using multi-objective optimization and G‌M‌D‌H-T‌Y‌P‌E neural network to improve personnel selection process]. Sharif Journal of Industrial Engineering & Management. 2016;32.1(1.1):41-51. Persian.

[22] Delavar A, Farrokhi, N. A.,  Abbaspour, A. [Application of artificial intelligence in predicting the competencies of women in the workplace]. The women and Families Culture-Educational. 2018;12(41):125-39. Persian.

[23] Othman Z, Shan, SW, Yusoff, I, Kee, CP. Classification techniques for predicting graduate employability. International Journal on Advanced Science, Engineering and Information Technology. 2018;8(4-2):1712-20.

[24] Sun Y, Zhuang, F, Zhu, H, Zhang, Q, He, Q, Xiong, H. Market-oriented job skill valuation with cooperative composition neural network. Nat Commun. 2021;12(1):1992.

[25] Ovalle C, Auccahuasi, W, Meza, S, Rojas, K, Cosme, M, Inciso-Rojas, M, et al. Application of neural networks in the teacher selection process. Procedia Computer Science. 2023;218:1132-43.

[26] Fadzil HM, Saat, RM. Exploring Secondary School Biology Teachers’ Competency in Practical Work. Jurnal Pendidikan IPA Indonesia. 2020;9:117-24.

[27] Javidan L, Ali Esmaeeli, A, Shojaee, AA. [Compiling a template of teacher attributes and competencies based on upstream education documents]. Journal of Research in Educational Science. 2018;12(Special Issue):1123-36. Persian.

[28] Abdollahi B, Dādjooye Tavakkoli, A, Ali Youseliāni, G. [Identification and validation of effective teachers’ professional competence]. Educational Innovations. 2014;13(1):25-48. Persian.

[29] Vaghoor Kashani MS, Haji Hossein Nezhad, G, Mousapour, N, Ebrahimzadeh, I. [How to Promote Professional Competencies of Teachers & Determine their Effectiveness]. Research in Curriculum Planning. 2019;16(60):55-76. Persian.

[30] khorooshi p, Nasr Esfahani, AR, Mirshah Jafariy, E. [The Conceptual Model of Evaluation of Expected Competences of the Teacher-Students in Competency-based Teacher Training Curriculum]. Journal of Curriculum Studies. 2018;13(50):5-44. Persian.

[31] Hosseini SM, Shahhosseini, MA, Fani, AA, Ahmadzehi, A. [Developing and Designing Competency-Based Performance Management Elevation Model on High School Teacher in Iran: a mixed-method approach]. Journal of Management and Planning In Educational System. 2021;13(2):195-236. Persian.

[32] khorooshi p. [The Prespectives of Teacher Training University Graduates on the Efficiency of Internship Courses in Increasing Student-Teacher Professional ability]. Journal of Curriculum Studies. 2022;17(64):217-48. Persian.

[33] Arabzadeh A HS, Oladian M. [Explanation of the strategies and consequences of the implementation of the internship system based on teacher training in Farhangian University]. Educational Leadership & administration. 2021;15(1):188-65. Persian.

[34] Badeleh A. [Identification of the Effective Factors on Promotion of Internship Conducting Quality and Evaluation of the Present Situation in the Farhangian University of Mazandaran Province]. Educational and Scholastic studies. 2021;9(4):7-35. Persian.

[35] Habibiazar A, Talebi, B. [The effectiveness of the problem-solving approach in the training of the internship course on the improvement of the professional qualifications of the teacher-students]. Educational and Scholastic studies. 2019;7(2):39-61. Persian.

[36] Karimi Ms, Rajaeepour, S, Shahsavar, H, Ghafori, K. [Professional Performance Shortcomings of Teachers Graduated from Teacher Training University]. Journal of Curriculum Studies. 2020;15(56):118-89. Persian.

[37] Mahmoodi F, Jafariyan, V. [Student-Teacher Experiences from a New practicum Program in Tabriz Farhangian University: A Phenomenological study]. Bimonthly of Education Strategies in Medical Sciences. 2021;13(6):561-70. Persian.

[38] Ghanbari NM, Nikbakht B. [Farhangian University internship pathology: a mixed study]. Theory and practice in the curriculum. 2016;5(10):33-64. Persian.

[39] Vahedi Kojanagh H, Karimi, N, Rezaei, R, Esmail Pour, A. [A comparison of the professional qualifications among teachers graduated from Farhangian University, former Teacher Education Centers and other universities]. Technology of Education Journal (TEJ). 2018;12(4):347-56. Persian.

[40] Rezaai M. [Teachers’ Professional Competencies: Past, Present, and Future]. Quarterly Journal Of Education. 2019;35(2):129-50. Persian.

آمار
تعداد مشاهده مقاله: 705
تعداد دریافت فایل اصل مقاله: 407


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب