شناسایی و اعتباریابی الگوی "مدرسه یادگیرنده هوشمند" مبتنی بر تلفیق یادگیری انسانی و فناوری در عصر دیجیتال (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه و هدف : هدف پژوهش حاضر شناسایی و اعتباریابی الگوی "مدرسه یادگیرنده هوشمند" مبتنی بر تلفیق یادگیری انسانی و فناوری در عصر دیجیتال بود. روش شناسی پژوهش : پژوهش حاضر، از منظر هدف کاربردی و از نظر ماهیت محتوایی کیفی – کمی بود. در بخش کیفی از روش نظریه داده بنیاد، و در بخش کمی از روش مدل معادلات ساختاری استفاده شد. داده های کیفی به دست آماده از فرآیند مصاحبه با روش اشتراوس و کوربین در قالب کدهای باز، محوری و انتخابی، و داده های کمی گردآوری شده از پرسشنامه 71 گویه ای محقق ساخته، در دو بخش توصیفی و استنباطی مورد تجزیه و تحلیل قرار گرفتند. جامعه آماری در بخش کیفی، 25 نفر از سرگروه های درسی و معلمان سرآمد و در بخش کمی 1070 نفر از معلمان شاغل دوره ابتدایی در سال تحصیلی 1404-1403 ناحیه یک اردبیل بودند. که در بخش کیفی و تا دستیابی به اشباع نظری از روش نمونه گیری هدفمند، و در بخش کمی نیز از روش نمونه گیری خوشه ای چند مرحله ای استفاده شد. یافته ها : در بخش کیفی، 71 کد باز، 17 کد محوری و 6 کد انتخابی مدل نهایی مدرسه یادگیرنده هوشمند را تشکیل دادند. و در بخش کمی نیز نتایج نشان داد، مقوله محوری به عنوان یک عامل کلیدی در تحلیل شرایط عِلّی با ضریب مسیر (628/0B=، 044/18T:) و همچنین تأثیرات قوی و معناداری از راهبردها بر سایر ابعاد، به ویژه در ارتباط با عوامل مداخله گر (328/0B=، 968/7T= ) و شرایط زمینه ای (527/0B=، 630/10T:) وجود دارد. این نتایج تأکید بر اهمیت راهبردها در شکل دهی به پیامدها دارند (510/0B=، 427/13T:). بحث و نتیجه گیری: این پژوهش نشان دهنده تأثیر مثبت تلفیق یادگیری انسانی و فناوری بر بهبود کیفیت آموزشی در الگوی مدرسه یادگیرنده هوشمند است.Identification and Validation of the "Smart Learning School" Model Based on the Integration of Human Learning and Technology in the Digital Age
Background and Objective: The aim of the present study was to identify and validate the "Smart Learning School" model based on the integration of human learning and technology in the digital age. research methodology : The present study was applied in terms of its objective and qualitative-quantitative in terms of its content. In the qualitative part, the grounded theory method was used, and in the quantitative part, the structural equation modeling method was used. Qualitative data obtained from the interview process using the Strauss and Corbin method in the form of open, axial, and selective codes, and quantitative data collected from a 71-item researcher-made questionnaire were analyzed in two descriptive and inferential parts. The statistical population in the qualitative part was 25 subject group leaders and outstanding teachers, and in the quantitative part, 1070 elementary school teachers in the first district of Ardabil in the academic year 1403-1404. In the qualitative part, purposive sampling method was used until theoretical saturation was achieved, and in the quantitative part, multi-stage cluster sampling method was used. Findings: In the qualitative part, 71 open codes, 17 axial codes, and 6 selected codes formed the final model of the smart learning school. And in the quantitative part, the results showed that the axial category is a key factor in the analysis of causal conditions with a path coefficient (B=0.628, T:18.044) and also strong and significant effects of strategies on other dimensions, especially in relation to intervening factors (B=0.328, T=7.968) and contextual conditions (B=0.527, T:10.630). These results emphasize the importance of strategies in shaping outcomes (B=0.510, T:13.427). Conclusion: This research shows the positive impact of combining human learning and technology on improving educational quality in the smart learning school model.
تبلیغات
