استفاده از رویکرد تحلیل پوششی داده ها برای ارزیابی کارایی آموزش در دانشکده های دانشگاه خلیج فارس بوشهر: مطالعه موردی
محل انتشار: فصلنامه آموزش مهندسی ایران، دوره: 22، شماره: 88
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 256
فایل این مقاله در 18 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_JEE-22-88_005
تاریخ نمایه سازی: 8 خرداد 1400
چکیده مقاله:
چکیده: ارزیابی کارایی دانشگاه ها، بررسی علل کارایی و ناکارایی آنها برای اصلاح واحدهای ناکارا اهمیت زیادی دارد. در این تحقیق برای ارزیابی کارایی دانشکده های دانشگاه خلیج فارس بوشهر، از رویکرد تحلیل پوششی داده ها و مدل برنامه ریزی آرمانی استفاده می شود. این روش یکی از فنون ناپارامتریک تحقیق در عملیات است و با نگاهی جامع و یکپارچه و با در نظر داشتن تمامی عوامل موثر بر عملکرد واحدها، امکان تشخیص واحدهای ناکارا را فراهم می کند. به طورکلی ارزیابی دانشگاه ها و تشخیص واحدهای ناکارا، به علت پیچیدگی و گستردگی ورودی ها و خروجی ها به کمک روش های کلاسیک دشوار است لذا بهره گیری از رویکرد تحلیل پوششی داده ها، می تواند دست یابی به این مهم را آسان کند. در اینجا، یک مطالعه موردی برای ارزیابی کارایی نسبی دانشکده های فنی مهندسی، علوم انسانی و مدیریت و اقتصاد در سال تحصیلی ۹۹-۹۸ از دانشگاه خلیج فارس بوشهر انجام شده است. ابتدا با بررسی پیشینه تحقیقات مشابه، ورودی ها و خروجی های مرتبط با عملکرد دانشکده ها شناسایی شد. سپس با جمع آوری داده های مربوط از بانک اطلاعاتی دانشگاه خلیج فارس، زمینه مدل سازی ریاضی مبتنی بر رویکرد تحلیل پوششی داده ها با کمک نرم افزار لینگو، مهیا گردید. نتایج حاکی از سطوح کارایی متفاوت و برتری دانشکده اقتصاد و مدیریت نسبت به سایر دانشکده ها است.
کلیدواژه ها:
واژگان کلیدی: تحلیل پوششی داده ها ، مدل برنامه ریزی آرمانی ، کارایی نسبی ، ارزیابی ، دانشگاه خلیج فارس
نویسندگان
محمد نوریان
برنامه ریزی درسی،دانشکده روانشناسی و علوم تربیتی،تهران جنوب،تهران، ایران
محمد قلعه گلابی
دانشجوی دکترای مدیریت آموزش عالی، دانشگاه آزاد اسلامی، واحد تهران جنوب، 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 :