مقایسه دو روش آموزشی جیگساو و سنتی بر یادگیری و انگیزه دانشجویان علوم آزمایشگاهی دانشگاه علوم پزشکی خراسان شمالی در درس انگل شناسی در سال ۱۴۰۱

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 76

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NKUMS-15-3_004

تاریخ نمایه سازی: 28 دی 1402

چکیده مقاله:

مقدمه: یادگیری به روش جیگساو روش آموزشی دانشجومحور است و از رویکردهای آن فعال بودن دانشجویان در کلاس است؛ لذا، هدف از این مطالعه مقایسه آموزش به دو روش جیگساو و سخنرانی بر یادگیری و انگیزه دانشجویان علوم آزمایشگاهی در درس انگل شناسی بوده است. روش کار: این مطالعه به شیوه مقطعی و از نوع توصیفی تحلیلی است که در آن، ۲۵ دانشجوی علوم آزمایشگاهی شرکت کردند و به دو گروه جیگساو و سنتی تقسیم شدند. در هر جلسه، استاد برای هر عضو از گروه جیگساو موضوعی مرتبط به درس انگل شناسی تعیین کرد و یک هفته به دانشجو فرصت داده شد تا درباره آن موضوع مطالعه کند. در روش آموزشی جیگساو، هر دانشجو مطالب ارائه شده را به دیگر هم گروهی های خود توضیح داد و در روش سنتی سخنرانی، تمام جلسه ها را مدرس برگزار کرد. در پایان، از گروه های سخنرانی و جیگساو امتحانی با سوالات یکسان گرفته شد و نمرات دو گروه با هم مقایسه شد. یافته ها: در بررسی اختلاف میانگین نمره کل در گروه جیگساو و سخنرانی با استفاده از آزمون ناپارامتریک یو من ویتنی، میانگین و میانه کل نمرات در روش جیگساو بیشتر از سخنرانی بود و این اختلاف از نظر آماری در سطح اطمینان ۹۵ درصد معنادار بود. نتیجه گیری: با توجه به اسامی زیاد درس انگل شناسی، یادگیری سخت و شکایت دانشجویان از حجم مطالب این درس، جیگساو می تواند روشی مناسب برای تدریس این درس باشد و پیشنهاد ما به کارگیری این روش توسط استادان برای آموزش این درس است

نویسندگان

میترا صالحی

Associate Professor, Vector-Borne Diseases Research Center, North Khorasan University of Medical Sciences, Bojnurd, Iran

زهرا غازی

Master of Critical Care Nursing, Education Development Center of North Khorasan University of Medical Sciences, Bojnurd, Iran

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 :
  • Khoobi M, Mohammadi N, Ahmadi Hedayat M, Ghiyasvandiyan S, Varaei ...
  • Mohamed Abobaker R, Sulaiman Alamri M, Alshaery B, Hamdan-Mansour AM. ...
  • Hajhosseini M, Kousheh T, Gholamali Lavasani M, Morseli M. The ...
  • نمایش کامل مراجع