همبستگی بین نمرات ارزشیابی اساتید توسط دانشجویان، مدیر گروه و رئیس دانشکده
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77
فایل این مقاله در 6 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_EDCBM-7-3_005
تاریخ نمایه سازی: 21 مرداد 1402
چکیده مقاله:
اهداف: ارزش یابی استاد نقش مهمی در برنامه ریزی و بهبود کیفیت آموزش در دانشگاه ها دارد. یکی از چالش هایی که دانشگاه ها با آن مواجه اند، استفاده از روش ها و منابع مناسب برای ارزیابی عملکرد آموزشی اعضای هیات علمی است. این مطالعه با هدف تعیین میزان همبستگی بین نمرات ارزش یابی استاد توسط دانشجویان، مدیران گروه های آموزشی و روسای دانشکده ها انجام شد. روش ها: در این مطالعه توصیفی- مقطعی، نمرات ارزش یابی ۲۰۵ نفر از اعضای هیات علمی علوم پایه دانشگاه علوم پزشکی جندی شاپور اهواز در سال تحصیلی ۹۱-۱۳۹۰ مورد بررسی قرار گرفت. نمرات ارزش یابی مربوط به تمامی اعضای هیات علمی غیربالینی دانشگاه بود که توسط سه گروه دانشجویان, مدیران گروه ها و روسای دانشکده ها به اساتید داده شده بود. برای گردآوری داده ها از سه پرسش نامه که روایی و پایایی آنها قبلا مورد تایید قرار گرفته بود، استفاده شد. داده ها با استفاده از نرم افزار SPSS ۱۸ و ضریب همبستگی پیرسون تجزیه و تحلیل شدند. یافته ها: میانگین نمرات ارزش یابی اساتید توسط دانشجویان، مدیران گروه های آموزشی و روسای دانشکده ها به ترتیب ۴۰/۰±۰۷/۴، ۴۹/۰±۴۴/۴ و ۵۲/۰±۳۹/۴ بود. بین نمرات ارزش یابی اساتید توسط مدیران گروه ها و روسای دانشکده ها رابطه معنی دار آماری وجود داشت (۰۵۷۵/۰= r ؛ ۰۰۰۱/۰= p )، اما در سایر موارد همبستگی معنی دار مشاهده نشد. نتیجه گیری: میزان توافق مدیران گروه ها و روسای دانشکده ها در مورد ارزش یابی استاد با همدیگر بیشتر از میزان توافق آنها با دانشجویان است.
کلیدواژه ها:
نویسندگان
عبدالحسین شکورنیا
Immunology Department, Medicine Faculty, Ahvaz Jundishapour University of Medical Sciences, Ahvaz, Iran
مریم طاهرزاده
Evaluation Department, Educational Development Center, Ahvaz Jundishapur University of Medical Sciences, Ahvaz, 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 :