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.2025.28107.2293چکیده
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