توسعه مهارت های استخدامی نرم و سخت مبتنی بر هوش مصنوعی در دانشجویان مهندسی: مطالعه فراترکیب نظریه ساز
محل انتشار: فصلنامه آموزش مهندسی ایران، دوره: 28، شماره: 110
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 27
فایل این مقاله در 33 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_JEE-28-110_004
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
با گسترش سریع فناوری های هوش مصنوعی و دگرگونی انتظارهای بازار کار مهندسی، بازنگری در رویکردهای آموزش دانشگاهی بیش ازپیش ضروری شده است. هدف این مطالعه، شناسایی پیشایندها، فرایندها و پیامدهای آموزش «تفکر هوش مصنوعی» در راستای توسعه مهارت های اشتغالپذیری دانشجویان مهندسی با بهره گیری از رویکرد فراترکیب نظریه ساز است. این پژوهش با روش کیفی فراترکیب نظریه ساز و رویکرد استقرایی، بر اساس مدل هفت مرحله ای فینفگلد-کانت (Finfgeld-Connett) انجام شد. مرور ادبیات به صورت نظام مند صورت گرفت و جستوجو با کلیدواژه های هدایتگر در پایگاه های فارسی و بین المللی انجام شد. سپس مطالعات مرتبط برمبنای تناسب عنوان و کلیدواژه ها گردآوری و پس از غربالگری، ۵۰ مقاله برای تحلیل و استخراج مولفه ها انتخاب شد. داده ها با تحلیل کیفی و کدگذاری باز، محوری و گزینشی ساماندهی شد و برای مدل حاصل، اعتباریابی توصیفی، تفسیری، نظری و مصلحت گرایانه انجام گرفت. یافته ها نشان داد پیشایندها در قالب دانش، مهارت ها و نگرش های موردنیاز دانشجویان و اعضای هیئت علمی قابل تبیین است. در بعد فرایندی، سازوکارهای آموزش مهارت های تفکر هوش مصنوعی شناسایی شد. درنهایت، پیامدها در قالب توسعه مهارت های اشتغال پذیری سخت و نرم در دانش آموختگان مهندسی، به ویژه در تعامل با بنسازه ها و ابزارهای هوش مصنوعی صورت بندی شد. مدل استخراج شده میتواند به عنوان چارچوبی راهبردی برای بازطراحی آموزش مهندسی با هدف ارتقای اشتغال پذیری دانش آموختگان به کار گرفته شود.
کلیدواژه ها:
نویسندگان
مهدی محمدی
دانشگاه شیراز
فاطمه میرغفاری
دکتری مدیریت آموزشی، بخش مدیریت و برنامه ریزی آموزشی، دانشکده علوم تربیتی و روان شناسی، دانشگاه شیراز، شیراز، 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 :