آسیب‌شناسی دوره‌های ضمن خدمت کوتاه‌مدت بر اساس مدلCIPP ؛ ارائه راهکارهای مبتنی بر هوش مصنوعی در چارچوب برنامه‌ریزی آموزشی

نویسندگان

1 استاد مدعو دانشگاه فرهنگیان استان گلستان

2 مدرس دانشگاه فرهنگیان- استان مازندران

doi
10.22080/eps.2025.28107.2293
چکیده

هدف: این پژوهش به بررسی و آسیب‌شناسی دوره‌های ضمن خدمت کوتاه‌مدت معلمان از منظر برنامه‌ریزی آموزشی و بر مبنای مدل ارزشیابی CIPP (زمینه، درونداد، فرایند، و محصول) می‌پردازد. علاوه بر این، با به‌کارگیری فناوری هوش مصنوعی، راه‌کارهای ابتکاری برای بهبود اثربخشی این دوره‌ها فراهم می‌آورد.روش‌شناسی: این پژوهش با بهره‌گیری از روش پیمایشی انجام شده و داده‌ها با استفاده از پرسشنامه محقق‌ساخته جمع‌آوری شده‌اند. جامعه آماری معلمانی را شامل می‌شود که در دوره‌های ضمن خدمت سال­های 1399 تا 1401 شرکت کرده اند. نمونه با روش تصادفی طبقه‌بندی انتخاب و با استفاده از تحلیل‌های آماری تجزیه و تحلیل شد.یافته‌ها: نتایج نشان داد که عوامل محدودکننده اثربخشی این دوره‌ها شامل عدم تناسب محتوا با نیازهای واقعی معلمان، ضعف در نیازسنجی و نبود نظارت مستمر است. به‌کارگیری هوش مصنوعی در برنامه‌ریزی آموزشی می‌تواند با تسهیل نیازسنجی دقیق، بهینه‌سازی محتوای آموزشی و ارائه بازخوردهای آنی، اثربخشی دوره‌ها را بهبود بخشد.نتیجه‌گیری و پیشنهادها:  پیشنهاد می‌شود که دوره‌های آموزشی با استفاده از هوش مصنوعی و بر اساس نیازهای واقعی معلمان طراحی شوند. همچنین، ایجاد یک پلتفرم دیجیتال برای منتورینگ و کوچینگ و یک مرکز تخصصی با مدل یادگیری ترکیبی می‌تواند به معلمان در یادگیری مداوم و دسترسی به محتوای به‌روز کمک کند. این یافته‌ها مدیران آموزشی را به استفاده از فناوری‌های نوین در برنامه‌ریزی آموزشی برای افزایش اثربخشی دوره‌های ضمن خدمت ترغیب می‌کند.نوآوری و اصالت:  این پژوهش با استفاده از مدل CIPP و فناوری هوش مصنوعی، به شیوه‌ای نوآورانه به ارزیابی و بهبود اثربخشی دوره‌های ضمن‌خدمت معلمان پرداخته و چارچوبی نظام‌مند برای شناسایی نیازهای آموزشی و بهینه‌سازی برنامه‌ریزی آموزشی ارائه داده است