طراحی الگوی بازنگری برنامه درسی علوم تجربی دوره ابتدایی مبتنی بر دیدگاه یادگیری عمیق فولن: یک مطالعه سنتزپژوهی
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 213
فایل این مقاله در 24 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_JSR-20-76_007
تاریخ نمایه سازی: 9 آبان 1402
چکیده مقاله:
هدف از پژوهش حاضر، طراحی الگوی بازنگری برنامه درسی علوم تجربی دوره ابتدایی مبتنی بر یادگیری عمیق دیدگاه فولن بود. روش پژوهش کیفی و به روش سنتزپژوهی بر اساس مدل کلاین بود. حوزه پژوهش شامل متون مرجع در حوزه شناسایی اصلاحات آموزشی مورد نیاز به منظور بازنگری برنامه درسی علوم تجربی دوره ابتدایی در سال های ۱۳۸۹ تا ۱۴۰۰ برای اسناد داخلی و سال های ۲۰۱۰ تا ۲۰۲۱ برای اسناد خارجی بود. بر این اساس ۵۱ منبع با شیوه انتخاب هدفمند مورد مطالعه و بررسی قرار گرفتند و توقف فرایند نمونهگیری، بر مبنای اشباع نظری بود. در مرحله بعد، به منظور تایید اعتبار اجزای استخراج شده، جامعه پژوهش شامل متخصصان حوزه علوم تربیتی دارای مدرک دکتری در رشته های برنامه ریزی درسی و آموزش و پرورش دوره ابتدایی بودند. نمونه مورد مطالعه نیز ۱۰ نفر از متخصصان حوزه برنامه ریزی درسی و آموزش و پرورش ابتدایی در شهر اصفهان در سال ۱۴۰۰ بودند که به صورت هدفمند انتخاب شدند. با روش لاوشه، نسبت روایی محتوایی (CVR) برای هر مولفه استخراج شده و همچنین هر جزء از الگو ارزیابی شد. نتایج نشان داد الگوی بازنگری برنامه درسی علوم دوره ابتدایی مبتنی بر دیدگاه فولن با هدف دستیابی به یادگیری عمیق و اهداف جزئی تقویت شایستگی های دانش آموزان، توجه به عناصر طراحی آموزشی، اصلاح شرایط آموزش و تسهیل فرایند تحقیق مشترک، سودمندی و قابلیت اجرایی دارد. بنابراین به دست اندرکاران وزارت آموزش و پروش پیشنهاد می شود تا به منظور اعمال اصلاحات آموزشی در برنامه درسی علوم تجربی دوره ابتدایی، از الگوی طراحی شده استفاده نمایند.
کلیدواژه ها:
نویسندگان
رضا جعفری هرندی
دانشیار گروه علوم تربیتی، دانشکده ادبیات و علوم انسانی، دانشگاه قم، قم، 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 :