تعداد نشریات | 11 |
تعداد شمارهها | 210 |
تعداد مقالات | 2,092 |
تعداد مشاهده مقاله | 2,861,462 |
تعداد دریافت فایل اصل مقاله | 2,073,493 |
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 | ||
| ||
آمار تعداد مشاهده مقاله: 847 تعداد دریافت فایل اصل مقاله: 494 |