بررسی رابطه ی سرمایه انسانی اعضای هیئت علمی با پیشرفت تحصیلی دانشجویان در پردیس فنی دانشگاه تهران
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 215
فایل این مقاله در 15 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_JMTE-12-3_008
تاریخ نمایه سازی: 1 مرداد 1401
چکیده مقاله:
پژوهش حاضر، به بررسی رابطه سرمایه انسانی اعضای هیئت علمی با پیشرفت تحصیلی دانشجویان در پردیس فنی دانشگاه تهران پرداخته است. روش پژوهش، توصیفی از نوع همبستگی و از لحاظ هدف، کاربردی که به صورت میدانی اجرا شده است. جامعه آماری پژوهش شامل ۲۸۵ نفر از اعضای هیئت علمی این پردیس بوده، که با فرمول کوکران و در سطح آلفای (۰/۰۵) ،نمونه پژوهش به تعداد ۱۶۴ نفر انتخاب گردید. ابزار پژوهش، پرسشنامه(سرمایه انسانی نادری)، می باشد و با روش روایی محتوایی، این پرسشنامه توسط متخصصان سرمایه انسانی تایید شد و پایایی آن با ضریب آلفای کرونباخ ( ۰/۹۴۱) بدست آمد. جهت تحلیل داده ها از آمار توصیفی و آمار استنباطی (آزمونهای k-s، آزمون تی تک نمونه ای، تحلیل واریانس یک طرفه و ضریب همبستگی تفکیکی) استفاده شد. یافتهها نشان داد: سرمایه انسانی اعضای هیئت علمی پردیس فنی دانشگاه تهران با آلفای(۰/۰۵) بالاتر از سطح متوسط بود. بین سرمایه های انسانی اعضای هیئت علمی در دانشکده های پردیس فنی دانشگاه تهران با آلفای(۰/۰۵) تفاوت معناداری وجود نداشت. میانگین پیشرفت تحصیلی دانشجویان کارشناسی ارشد دانشکده های مهندسی مکانیک،معدن و صنایع درسطح متوسط ، اما میانگین پیشرفت تحصیلی دانشجویان دانشکده های مهندسی برق و کامپیوتر، عمران، شیمی و متالوژی و مواد در سطح نسبتا مطلوب و بالاتر از متوسط می باشد. بین وضعیت پیشرفت تحصیلی دانشجویان کارشناسی ارشد در دانشکده های پردیس فنی تفاوت معناداری وجود نداشت بین شاخص کلی سرمایه انسانی اعضای هیئت علمی و پیشرفت تحصیلی دانشجویان رابطه مثبت و معناداری (۰/۳۳۴r=) وجود داشت. بنابراین می توان نتیجه گرفت که هر چقدر سرمایه انسانی اعضای هیئت علمی در مولفه های شایستگی های شناختی، فراشناختی و ارتباطی-عاطفی بیشتر باشد می توان شاهد پیشرفت تحصیلی بهتر دانشجویان باشیم.
کلیدواژه ها:
نویسندگان
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 :