شناسایی مولفه های نقصان انگیزش در معلمان : یک پژوهش داده بنیاد

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_QAPSY-19-3_005

تاریخ نمایه سازی: 22 مهر 1404

چکیده مقاله:

هدف: پژوهش حاضر با هدف شناسایی مولفه های نقصان انگیزش در معلمان به منظور ارائه مدلی مفهومی براساس نظریه داده بنیاد انجام شده است. روش: داده ها براساس مصاحبه نیمه ساختاریافته و نمونه گیری نظری با بیست و پنج فرد فرهنگی جمع آوری و مدل مفهومی نقصان انگیزش بر مبنای نظریه داده بنیاد طی سه مرحله کدگذاری باز، کدگذاری محوری و کدگذاری گزینشی بررسی و استخراج شدند. یافته ها: یافته ها در قالب ۲۸ مقوله اصلی و در ابعاد شش گانه پارادایمی شامل: شرایط علی، پدیده محوری، شرایط زمینه ای، شرایط مداخله ای، راهبردها و پیامدها ترسیم و ارائه شد. هویت نایافتگی حرفه ای، به عنوان پدیده محوری این پژوهش کشف و استخراج شد و هدف نهایی پژوهش، بررسی و تجزیه و تحلیل ابعاد آن بود. نتیجه گیری: به طور کلی، نتایج پژوهش حاضر نشان داد که اصطلاح شناسی فنی/ انگیزشی متعارف در بین گروه معلمان با سازه های انگیزشی معرف نیمرخ انگیزشی یادگیرندگان مشابهت قابل ملاحظه ای دارد. بنابراین، سازه های انگیزشی معرف نیمرخ افراد شامل یادگیرندگان در موقعیت های پیشرفت تحصیلی و معلمان در موقعیت های پیشرفت حرفه ای، به میزان قابل ملاحظه ای مشابهت نشان داد. بر این اساس از مجموعه تدابیر مداخله ای انگیزش مدار برای بهبود در وضعیت انگیزش یادگیرندگان، با اندک تغییراتی می توان از آنها برای ارتقای شرایط انگیزشی معلمان نیز استفاده کرد.

نویسندگان

امید شکری

استادیار روانشناسی تربیتی، گروه رواننشاسی، دانشکده روان شناسی و علوم تربیتی، دانشگاه شهید بهشتی، تهران، ایران.

حسین فرج زاده آرباطان

روانشناسی تربیتی، دانشکده روانشناسی و علوم تربیتی، دانشگاه شهید بهشتی، تهران ، ایران

مسعود شریفی

استادیار روان شناسی، گروه رواننشاسی، دانشکده روان شناسی و علوم تربیتی، دانشگاه شهید بهشتی، تهران، ایران.

فاطمه رشیدی پور

دانشجوی دکتری روانشناسی تربیتی، دانشکده روان شناسی و علوم تربیتی، دانشگاه شهید بهشتی، تهران، 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 :