رابطه بین برنامه درسی پنهان و نابرابری های جنسیتی در دانشجویان دانشگاه
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 453
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSR-12-47_002
تاریخ نمایه سازی: 30 اردیبهشت 1399
چکیده مقاله:
پژوهش حاضر با هدف بررسی رابطه بین برنامه درسی پنهان و نابرابری های جنسیتی در دانشجویان شرق گیلان انجام شده است. روش آن توصیفی از نوع همبستگی بوده، جامعه آماری پژوهش دانشجویان زن و مرد دانشگاه های شرق گیلان در سال تحصیلی 91-90 با حجم 30489 وحجم نمونه 379 نفر که شامل190 نفر زن و 189 نفر مرد به روش نمونه گیری تصادفی ساده ا نتخاب شدند. پرسشنامه محقق ساخته برای بررسی مولفه های برنامه درسی پنهان که شامل جو اجتماعی دانشگاه و ساختار سازمانی دانشگاه و پرسشنامه محقق ساخته نابرابری های جنسیتی با استفاده از روش الفای کرونباخ، روایی و پایایی کل سوالات 92 صدم محاسبه گردید. در بخش آمار توصیفی از نمودارفراوانی، درصد فراوانی، میانگین و انحراف استاندارد و در بخش آمار استنباطی از آزمون رگرسیون چند متغیری وضریب همبستگی پیرسون، استفاده گردید که به وسیله نرم افزار spss پس از تجزیه و تحلیل داده ها باعنایت به نتایج به دست آمده مشخص شد بین برنامه درسی پنهان و نابرابری های جنسیتی دانشجویان رابطه مثبت و معنادار وجود دارد. بین ساختارسازمانی دانشگاه و متغیرهای جامعه پذیری جنسیتی، عقیده قالبی جنسیتی و ایفای نقش جسیتی با 95 % اطمینان رابطه وجود دارد و.بین جو اجتماعی دانشگاه و متغیرهای جامعه پذیری جنسیتی، عقیده قالبی جنسیتی، ایفای نقش جسیتی و ایدئولوژی مرد سالاری با 95 % اطمینان رابطه وجود دارد و ا بعاد برنامه درسی پنهان توان پیش بینی نابرابری های جنسیتی دانشگاه ها را دارند.
کلیدواژه ها:
نویسندگان
فرهاد پردخته
کارشناس ارشد برنامه ریزی آموزشی، دانشکده فنی وحرفه ای آستانه اشرفیه، گیلان، ایران
اسماعیل کاظم پور
استادیار گروه علوم تربیتی، واحد تنکابن، دانشگاه آزاد اسلامی، تنکابن، ایران
زهره شکیبایی
استادیار گروه علوم تربیتی دانشگاه آزاد اسلامی واحدتنکابن ،تنکابن ،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :