زینب رشیدی

زینب رشیدی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۴ مورد از کل ۴ مورد.
۱.

طراحی و اعتباریابی الگوی داربست سازی پویای کامپیوتری در آموزش ضمن خدمت مجازی معلمان(مقاله علمی وزارت علوم)

کلید واژه ها: داربست سازی پویا داربست سازی کامپیوتری آموزش مجازی ضمن خدمت معلمان

حوزه های تخصصی:
تعداد بازدید : 199 تعداد دانلود : 761
در آموزش مجازی ضمن خدمت معلمان پشتیبانی آموزشی یا داربست سازی یک جزء اساسی آموزش مؤثر محسوب می شود که می تواند به صورت داربست سازی کامپیوتری ارائه شود. شخصی سازی داربست سازی کامپیوتری با داربست سازی پویای کامپیوتری محقق می شود. هدف این پژوهش طراحی و اعتباریابی الگوی داربست سازی پویای کامپیوتری در آموزش ضمن خدمت مجازی معلمان می باشد. روش تحقیق مورد استفاده در این پژوهش، روش آمیخته با طرح متوالی اکتشافی بود. در تحقیق کیفی، روش سنتزپژوهی مورد استفاده قرار گرفت و مؤلفه های الگو استخراج شدند و الگوی مفهومی و روندی طراحی گردید. تحقیق کمی برای اعتباربخشی الگو به کار رفت و از روش تحقیق پیمایشی و ابزار پرسشنامه استفاده شد و اعتبار درونی الگوی پیشنهادی تأیید شد. الگوی داربست سازی پویای کامپیوتری در آموزش ضمن خدمت مجازی معلمان دارای 8 مؤلفه اصلی و 47 زیر مؤلفه می باشد. مؤلفه های اصلی شامل تحلیل با 11 زیر مؤلفه، طراحی با 16 زیر مؤلفه، توسعه با 3 زیر مؤلفه، اجرا با 3 زیر مؤلفه، ارزشیابی با 8 زیر مؤلفه، انتشار با 3 زیر مؤلفه، ارزشیابی فرایند و تجدیدنظر، و بازنگری و اصلاح با 3 زیر مؤلفه می باشند. یافته های اعتباریابی درونی از نظر متخصصان نشان داد که الگوهای مفهومی و روندی از اعتبار درونی بالایی برخوردار می باشند. الگوی داربست سازی پویای کامپیوتری در آموزش ضمن خدمت مجازی معلمان می تواند برای طراحی پشتیبانی آموزشی به صورت پویا و مبتنی بر کامپیوتر به کار رود و منجر به یادگیری و عملکرد مستقل در آینده شود.
۲.

مدلی برای رتبه بندی گروه های آموزشی در دانشگاه های ایران(مقاله علمی وزارت علوم)

کلید واژه ها: رتبه بندی علمی رتبه بندی گروه های آموزشی کارکرد آموزشی کارکرد پژوهشی

حوزه های تخصصی:
تعداد بازدید : 802 تعداد دانلود : 701
تعیین جایگاه و اهمیت گروه های آموزشی در ساختار عملیاتی دانشگاه و نقش به سزای آن در ارتقای کیفیت فعالیت های آموزشی و پژوهشی دانشکده های یک دانشگاه، یکی از مسائل مهم برای دانشگاه ها بوده است. برخی دانشگاه ها مدل های ساده ای برای رتبه بندی گروه های آموزشی ارائه کرده اند، اما هنوز نظام منسجم و کاملی برای رتبه بندی گروه های آموزشی در دانشگاه ها وجود ندارد. هدف اصلی این تحقیق ارائه مدل مناسبی جهت رتبه بندی گروه های آموزشی در دانشگاه ها و مراکز آموزش عالی در سطح کشور بود. در این پژوهش کیفی روش های تحلیل محتوای کیفی و مصاحبه نیمه ساختاریافته مورداستفاده قرار گرفت. تحلیل محتوای کیفی به شیوه استقرایی انجام شد و مصاحبه نیمه ساختاریافته پیرامون موضوع و نحوه امتیازدهی و رتبه بندی طبقه ها و زیر طبقه ها با مشارکت کنندگان پژوهش صورت گرفت. برای تحلیل داده های حاصل از مصاحبه نیمه ساختاریافته، از روش تحلیل تفسیری استفاده شد و درنهایت مؤلفه های مدل و امتیازهای آن ها استخراج گردید. رسالت، اهداف و جایگاه سازمانی؛ دوره های آموزشی و برنامه های درسی و غیردرسی؛ هیئت علمی؛ دانشجویان؛ راهبردهای یادگیری/یاددهی؛ امکانات و تجهیزات آموزشی؛ پایان نامه ها و رساله ها، سمینارها، قراردادهای پژوهشی و کرسی ها و دانش آموختگان مؤلفه های مدل رتبه بندی گروه های آموزشی در دانشگاه ها و مراکز آموزش عالی ایران بودند. نتایج حاصل از این مدل رتبه بندی، می تواند برای همه گروه های آموزشی و رشته های تحصیلی مورداستفاده قرار گیرد. هم چنین تدوین این مدل در قالب یک سیستم مکانیزه برای استفاده های مختلف نظیر مقایسه گروه های علمی در دانشگاه ها و سطح بندی دانشکده ها نیز مفید خواهد بود.
۳.

یک مدل بهینه سازی ریاضی برای تخصیص هفته های ترم تحصیلی به دانشجویان رسته های مختلف در شرایط کرونا زیستی(مقاله علمی وزارت علوم)

کلید واژه ها: آموزش حضوری بهینه‎سازی زمان بندی هفتگی شیوع کرونا مدل سازی

حوزه های تخصصی:
تعداد بازدید : 817 تعداد دانلود : 330
هدف: بسیاری از دانشگاه های برتر جهان، تصمیم گرفته اند که آموزش مجازی را در نیمسال آینده برگزار کنند. در کشور ایران هم، پیش بینی ها وضعیت قرمزی را برای برخی مناطق از لحاظ شیوع کرونا نشان می دهند. همچنین، تعدادی از دانشجویان دانشگاه ها در این مناطق سکونت دارند. بنابراین، در برنامه ریزی نیمسال آینده باید تمرکز بیشتری روی آموزش مجازی صورت پذیرد. طبق دستورالعمل های وزارت علوم، تحقیقات و فناوری در ایران، آموزش دانشجویان باید به گونه دو بخشی شامل آموزش مجازی و آموزش حضوری به اجرا در آید. در آموزش حضوری با نیازمندی های فضای آموزشی، دانشجویان به رسته هایی تقسیم می شوند به شکلی که اجرای پروتکل های بهداشتی در دانشگاه و فضای آموزشی شدنی باشد. به این منظور در این پژوهش یک مدل بهینه سازی ریاضی برای تخصیص هفته های ترم تحصیلی به دانشجویان رسته های مختلف در شرایط کرونا زیستی ارائه شده است. روش: در این مقاله، برای تعیین هفته های خاص به دانشجویان رسته های مختلف در طول ترم تحصیلی در آموزش حضوری، یک مدل بهینه سازی ریاضی به صورت برنامه ریزی غیر خطی با متغیرهای صحیح پیشنهاد می شود. در تابع هدف مدل، توزیع دانشجویان در فضای آموزشی طی هفته های متوالی در طول ترم تحصیلی به گونه ای انجام می شود که بیشینه پراکندگی ممکن را، به دلیل جلوگیری از شیوع بیماری کرونا داشته باشد. یافته ها : این مدل برای تخصیص هفته های خاص به دانشجویان رسته های مختلف در دانشگاه (به صورت عمومی)، پیاده سازی شده و به کارگیری آن نتایج مثبتی را برای تصمیم گیرندگان، به صورت خاص در دانشگاه علامه طباطبایی، به همراه داشته است. نتیجه گیری: نتایج به دست آمده از پیاده سازی و اجرای مدل، چشم انداز روشن و مثبتی را برای تصمیم گیرندگان در دانشگاه به همراه خواهد داشت. برای ادامه این پژوهش، باید مدل بهینه سازی دیگری برای هر دانشکده با در نظر گرفتن محدودیت های هر گروه آموزشی طراحی و اجرا گردد.
۴.

پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از درخت تصمیم و رگرسیون لجستیک(مقاله علمی وزارت علوم)

کلید واژه ها: داده کاوی رگرسیون لجستیک پیش بینی ورشکستگی درخت تصمیم درخت رگرسیون و طبقه بندی

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت مالی
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری سیستم های اطلاعاتی حسابداری
تعداد بازدید : 361 تعداد دانلود : 88
هدف اصلی این مقاله پیش بینی ورشکستگی اقتصادی شرکت ها در بورس اوراق بهادار تهران با استفاده از درخت تصمیم (CART) و رگرسیون لجستیک است که از تکنیک های داده کاوی هستند و می توانند به امر پیش بینی کمک کنند. نسبت های مالی به عنوان متغیرهای مستقل و شرکت های سالم و ورشکسته به عنوان متغیر وابسته پژوهش استفاده شده است. جامعه آماری اطلاعات صورت های مالی شرکت ها در بورس اوراق بهادار تهران طی سال های 1378تا 1389 است. در این پژوهش از نمونه گیری استفاده نشده است و شرکت ها شامل دو گروه سالم و ورشکسته است گروه ورشکسته بر مبنای ماده 141 قانون تجارت و زیان خالص انتخاب شده اند و گروه غیر ورشکسته بر اساس معیار سود دهی انتخاب شده اند. یافته های تحقیق حاکی از آن است که هر دو مدل درخت تصمیم و رگرسیون لجستیک توانایی پیش بینی ورشکستگی را با دقت های متفاوت دارا هستند و سطح زیر منحنی ROC در مدل رگرسیون لجستیک بیشتر از مدل درخت تصمیم است و از عملکرد بهتری برخوردار است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان