فهرست نشریات علمی دسترسی آزاد ایران

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.