شناسایی و سطح بندی عوامل موثر بر تدریس اثربخش در دانشگاه های علوم پزشکی بر مبنای مدل سازی ساختاری تفسیری (مطالعه ی موردی: دانشگاه شهید صدوقی یزد)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 408
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EDJ-11-2_002
تاریخ نمایه سازی: 17 خرداد 1400
چکیده مقاله:
با توجه به جایگاه آموزش و تدریس در دانشگاههای علوم پزشکی، پژوهش حاضر با هدف شناسایی و سطحبندی عوامل موثر بر تدریس اثربخش در دانشگاههای علوم پزشکی بر اساس مدلسازی ساختاری تفسیری صورت گرفت. روش پژوهش، مطالعه موردی و به منظور تجزیه و تحلیل دادهها از تکنیک مدلسازی ساختاری تفسیری جهت سطحبندی عوامل و دستهبندی آنها استفاده شد. مشارکتکنندگان در پژوهش را اعضای هیات علمی دانشگاه علوم پزشکی شهید صدوقی یزد تشکیل میدادند که از بین آنها ۹ نفر به عنوان متخصص در حوزه آموزش پزشکی انتخاب شدند. ابزار گردآوری دادهها، پرسشنامه محققساخته بود و روایی محتوایی آن توسط متخصصان آموزش پزشکی به تایید رسید. یافتهها نشان داد که ۱۰ عامل، از جمله تسلط مدرس بر موضوع، بیان انتظارات آموزشی روشن، قدرت رهبری و اداره کلاس، مشارکت فعال دانشجویان در فرایند تدریس به عنوان عوامل موثر بر تدریس اثربخش در دانشگاه علوم پزشکی به حساب میآیند. همچنین تحلیل سطحبندی عوامل نشان داد که دارای ۷ سطح میباشد که از عمیقترین و تاثیرگذارترین سطح به سطحیترین و تاثیرپذیرترین سطح عوامل در مدل نشان داده شده است. بر این اساس؛ از آنجایی که تدریس اثربخش به عنوان یکی از رسالتهای دانشگاههای علوم پزشکی به حساب میآید، توصیه میشود تا مدرسان در فرایند تدریس خود عوامل مورد نظر را در نظر بگیرند.
کلیدواژه ها:
نویسندگان
میمنت عابدینی بلترک
عضو هیات علمی، گروه علوم تربیتی، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران، بابلسر، ایران.
سیروس منصوری
عضو هیات علمی، گروه علوم تربیتی، دانشکده علوم انسانی، دانشگاه اراک، اراک، ایران.
حمیدرضا کمالی اردکانی
عضو هیات علمی، گروه علوم تربیتی، دانشگاه آزاد واحد اردکان، اردکان، 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 :