شکوفه اعتبار

هدف تحقیق حاضر، ارزیابی وضعیت آموزش مجازی در مراکز آموزش الکترونیکی دانشگاه های کشور از دیدگاه دانشجویان است که به روش توصیفی و به صورت پیمایشی اجرا گردید. جامعه آماری تحقیق، شامل کلیه دانشجویان شرکت کننده در مراکز آموزش های الکترونیکی دانشگاه های سراسری شهر تهران در سال تحصیلی 90- 1389 به تعداد 400 نفر بود. نمونه آماری، بر اساس جدول تعیین حجم نمونه مورگان، 196 نفر بود که به روش نمونه گیری هدف مند انتخاب شدند. ابزار اندازه گیری داده ها، پرسش نامه محقق ساخته بود که بر اساس مقیاس پنج درجه ای لیکرت تهیه شد. یافته ها نشان داد که دانشجویان شرکت کننده در دوره های آموزش مجازی مراکز آموزش الکترونیکی دانشگاه ها از دسترسی به امکانات مراکز آموزش های مجازی، یادگیری از طریق این روش و کاربرد روش آموزش مجازی، رضایت داشتند؛ هر چندکه، نگرش مثبتی به دوره های آموزشی مجازی نداشتند.

تصمیم گیری در خصوص رویدادهای آتی با پیش بینی توام است، در نتیجه پیش بینی جز جدایی ناپذیر فرایند تصمیم گیری است. نیاز به پیش بینی جریان های نقدی آتی در تصمیم های اقتصادی مختلف کارگزاران بورس اوراق بهادار و تحلیل گران مالی، مشتریان، کارکنان، دولت، مدیران، سرمایه گذاران و اعتبار دهندگان نقش اساسی دارد. هدف از این پژوهش، بررسی رابطه همبستگی بین جریان های نقدی عملیاتی دوره قبل و سودهای عملیاتی و اقلام تعهدی دوره قبل با جریان های نقدی آتی است و تلاش برای شناسایی و ارزیابی نقش اقلام تعهدی در بهبود قدرت پیش بینی جریان های نقدی آتی مدل های پیش بینی است. به عبارت دیگر در این پژوهش تلاش می شود تا به این سوال اصلی که: کدام یک از داده های حسابداری " نقدی"، یا داده های حسابداری "تعهدی"، قدرت بیشتری را برای پیش بینی جریان های نقدی آتی، با استفاده از اطلاعات مالی میان دوره ای شرکت های پذیرفته شده در بورس اوراق بهادار تهران دارند، پاسخ داده شود. برای این منظور آزمون های آماری لازم با استفاده از سه مدل رگرسیون جریان های نقدی عملیاتی گذشته، سودهای عملیاتی گذشته، جریان های نقدی و اقلام تعهدی گذشته انجام گرفت. نتایج پژوهش بیانگر این است که در سطح اطمینان 95% می توان ادعا کرد که داده های میان دوره ای نقدی قدرت پیش بینی جریان های نقدی آتی را نداشته اند و داده های میان دوره ای تعهدی قدرت پیش بینی جریان های نقدی آتی را دارند، استفاده از اقلام تعهدی به همراه اقلام نقدی قدرت پیش بینی جریان های نقدی آتی را در مدل، تا سطح قابل توجهی افزایش می دهد.