محسن آیتی

محسن آیتی

مدرک تحصیلی: دانشیار برنامه ریزی درسی دانشگاه بیرجند

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۸۱ تا ۸۲ مورد از کل ۸۲ مورد.
۸۱.

تحلیل محتوای سرفصل رشته های مهندسی مکانیک و صنایع، بر اساس رویکرد حل مسئله ابداعی(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۱۵ تعداد دانلود : ۲۰
به منظور ارتقای کیفیت آموزش و تربیت مهندسان توانمند، می بایست برنامه های درسی دانشگاه ها شامل روش ها و راه حل های خلاقانه رویارویی با مسائل پیچیده و ناشناخته باشد. این امر ازطریقِ بهره گیری از رویکردهای نوآورانه و نظام مند، همچون رویکرد حل مسئله ابداعی، امکان پذیر است. هدف پژوهش حاضر تحلیل محتوای سرفصل رشته های مهندسی مکانیک و صنایع براساس اصول حل مسئله ابداعی بوده است. برای رسیدن به هدف پژوهش، از روش تحلیل محتوای کیفیِ قیاسی استفاده کردیم. جامعه آماری پژوهش سرفصل های مصوب وزارت علوم، تحقیقات و فناوری در مقطع کارشناسی رشته مهندسی مکانیک و صنایع بود. همچنین از روش نمونه گیری هدفمند (ملاک محور) بهره بردیم که حجم نمونه در سرفصل دروس مهندسی مکانیک شامل 31 واحد درسی، معادل 11 عنوان درسی، و در دروس مهندسی صنایع درمجموع 63 واحد درسی، معادل 21 عنوان درسی، بود. دروس برگزیده از دروس کلیدی و مهم برنامه درسی هستند که تأثیر بیشتری بر توانمندسازی دانشجویان در حل مسائل دارند. ابزار گردآوری داده ها فهرست وارسی تحلیل محتوا بود که مؤلفه ها و نشانگرهای آن را براساس اصول تریز تعیین کردیم. واحد تحلیل پژوهش اهداف سرفصل واحدهای درسی در برنامه درسی بود. واحد ثبت مضمون اهداف بود. نتایج پژوهش نشان می دهد دروس ارتعاشات مکانیکی (رفع تضادگرایی)، مدیریت و کنترل پروژه (منبع گرایی و ایدئال گرایی)، مقاومت مصالح و دینامیک ماشین (کارکردگرایی) در مهندسی مکانیک و نیز دروس مدیریت کنترل پروژه، برنامه ریزی و کنترل موجودی، مدیریت و برنامه ریزی استراتژیک و طراحی ایجاد صنایع (منبع گرایی) در مهندسی صنایع با اصول تریز هم سویی دارند. در انتهای پژوهش، پیشنهادهایی برای توجه به حل مسئله ابداعی در برنامه های درسی مطرح کرده ایم.
۸۲.

کاربردهای مدل سازی یادگیرنده در طراحی برنامه درسی: مرور نظام مند(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۲۰ تعداد دانلود : ۲۱
هدف: توجه به تفاوت های فردی در طراحی و رهبری برنامه درسی بسیار حائز اهمیت است. مدل سازی یادگیرنده، با قابلیت کمک به شخصی سازی یادگیری و بهینه سازی منابع، به عنوان یک راه حل در این مسیر می تواند مطرح شود. این مطالعه با تمرکز بر چهار سوال (تعریف مدل سازی یادگیرنده، انواع، کاربردها و روش های پیاده سازی آن) به تحلیل نقش مدل سازی یادگیرنده در طراحی برنامه درسی می پردازد.  روش پژوهش: به روش مرور نظام مند براساس دستورالعمل پریزما، ۵1 مقاله از پایگاه های Web of Science و Scopus استخراج شد. پس از غربالگری، 12 مقاله با استفاده از تحلیل استقرایی و کدگذاری کیفی تحلیل شدند.  یافته ها: بر اساس بررسی و تحلیل دقیق مقالات، تعریف مدل سازی یادگیرنده در طراحی برنامه درسی در سه چارچوب مختلف مبتنی بر هوش مصنوعی، مبتنی بر هستی شناسی و مبتنی بر اطلاعات شناختی یادگیرنده تعریف و در هفت نوع پوششی، کلیشه ای، اغتشاش، مبتنی بر یادگیری ماشین، ردیابی، هستی شناسی و ترکیبی طبقه بندی شدند. کاربردهای مدل سازی یادگیرنده شامل «تنظیم ساختار یادگیری»، «افزایش کارایی آموزش» و «طراحی برنامه های درسی شخصی سازی» بود. الگویتم پیاده سازی آن به سه دسته کدنویسی، هوش مصنوعی و ترکیبی تقسیم شدند. تفاوت اصلی آن ها در سطح وابستگی به داده و پیچیدگی سیستم است. مدل سازی یادگیرنده امکان تنظیم پویای برنامه درسی، بازخورد بلادرنگ و بهینه سازی عملکرد یادگیرندگان را فراهم می کند. نتیجه گیری: مدل سازی یادگیرنده با پیوند نظریه های آموزشی و فناوری، چالش های نظام های متمرکز را کاهش می دهد. یکپارچه سازی هوش مصنوعی در چارچوب های تربیتی نیازمند همکاری بین رشته ای، مدل های نظری قوی و ملاحظات اخلاقی برای تحول پایدار است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان