ارائه مدل پیش‌بینی موفقیت تحصیلی برای دوره‌های کارشناسی ارشد مطالعه موردی: مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران | ||
| مدیریت و برنامه ریزی در نظام های آموزشی | ||
| مقاله 4، دوره 8، شماره 2 - شماره پیاپی 15، 1394، صفحه 71-82 اصل مقاله (456.32 K) | ||
| نوع مقاله: علمی - پژوهشی | ||
| نویسندگان | ||
| احمد نامنی* 1؛ سیاوش طالع پسند2 | ||
| 1دانشجوی دکتری مدیریت آموزشی، دانشکده اقتصاد و مدیریت، دانشگاه سمنان | ||
| 2دانشیار گروه علوم تربیتی، دانشکده روانشناسی و علوم تربیتی، دانشگاه سمنان | ||
| چکیده | ||
| هدف مطالعه حاضر، شناسائی شاخص‌های پذیرشی مؤثر در موفقیت تحصیلی دانشجویان دوره‌های کارشناسی ارشد در رشته‌های مهندسی و مدیریت در دوره‌های آموزش الکترونیکی و تدوین آنها در قالب یک مدل پیش‌بینی بود. روش: طرح مطالعه حاضر از نوع همبستگی است. شرکت‌کنندگان، کلیه پذیرفته‌شدگان در دوره‌های کارشناسی ارشد مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران بودند که تا پایان نیمسال دوم سال تحصیلی 92-1391حداقل، یک نیمسال، نمرات ثبت شده داشته‌اند. شیوه ورود به دوره کارشناسی ارشد، نوع دانشگاه محل تحصیل مقطع کارشناسی، نوع رشته تحصیلی مقطع کارشناسی و معدل کل مقطع کارشناسی به‌عنوان متغیرهای پیش‌بین و معدل کل واحدهای اخذ شده در مقطع کارشناسی ارشد به عنوان متغیر ملاک جمع‌آوری شدند. و داده‌ها با مدل رگرسیون تحلیل شدند. یافته‌ها: از میان متغیرهای پیش‌بین وارد شده در تحلیل، رشته تحصیلی مقطع کارشناسی (مهندسی)، پذیرش از طریق آزمون اختصاصی (با وزن منفی)، معدل کل مقطع کارشناسی، نوع دانشگاه محل تحصیل مقطع کارشناسی (دولتی) و رشته تحصیلی مقطع کارشناسی (علوم پایه)، به ترتیب، به‌عنوان مؤثرترین عوامل یا پیش‌بینی‌کننده‌های موفقیت در مقطع کارشناسی ارشد شناسائی شدند. نتیجه‌گیری: با توجه به توان پیش‌بین نسبتاً پائین ملاک‌های موجود پذیرش دانشجویان کارشناسی ارشد آموزش الکترونیکی در دانشگاه مورد مطالعه توصیه می‌شود از متغیرهای بیشتری به‌منظور پیش‌بینی قوی‌تر، استفاده کرد. | ||
| کلیدواژه‌ها | ||
| پذیرش دانشجو؛ مدل پیش‌بینی؛ موفقیت تحصیلی | ||
| عنوان مقاله [English] | ||
| Academic Achievement Predicting Model for Admission in Master Levels Case Study: E-learning Center of Iran University of Science and Technology | ||
| نویسندگان [English] | ||
| Ahmad Nameni1؛ Siavash Talepasand2 | ||
| 1PhD Student in Educational Management, Faculty of Economics and Management, Semnan University | ||
| 2Associate Professor, Department of Educational Sciences, Faculty of Psychology and Educational Sciences, Semnan University | ||
| چکیده [English] | ||
| Objective: The aim of the present study was to identify factors influencing the academic achievement of students admitted to postgraduate courses (MS) in engineering and management fields in e-learning courses and compile them in the form of a prediction model. Method: This study performed with a correlation design. The participants were all of accepted students in the e-learning center of Iran University of Science and Technology (IUST) at postgraduate level, who had recorded formal marks at least in one semester, by the end of the second semester of the academic year 2012-13. The method of entering to the postgraduate course, the kind of university in the graduate program(BS), BS major, and BS grade point average (GPA) for each of participants, have taken as predictor variables and the grade point average (GPA) of the lessons in MS has considered as the criterion variable. Data were analyzed using linear regression model. Results: Among the predictor variables entered into the analysis; BS major (Engineering), admission through university entrance exam (with negative weight), BS grade point average, BS university type (governmental) and BS major (Science), are respectively identified as the most influential factors or predictors of success in post graduate course. Conclusion and discussion: Noticing the relatively low prediction power of the current variables set, some more powerful predictors should be applied if an accurate prediction for academic achievement is expected. | ||
| کلیدواژه‌ها [English] | ||
| student admission, academic achievement, prediction model | ||
| مراجع | ||
|
Zoghbi, C., Fabiana, A. R., &Enlinson, M. (2013).Education production efficiency: Evidence from Brazilian universities. Economic Modelling, 31, 94–103. Knauss, P. J., &Wilsson, P. (2013). Predicting early academic success: HESI admissions assessment exam. Journal of Professional Nursing, 29, 28-31. Saklofske, D. H., Austin, E. J., Mastoras, S. M., Beaton, L., &Osborne, S. E. (2012). Relationships of personality, affect, emotional intelligence and coping with student stress and academic success: Different patterns of association for stress and success. Learning and Individual Differences, 22, 251–257. McClure, J., Meyer, L. H., Garisch, J., Fischer, R., Weir, K. F., &Walkey, F. H. (2011). Students’ attributions for their best and worst marks: Do they relate to achievement? Contemporary Educational Psychology, 36, 71–81. Hardinger, K. L., Schauner, S., Graham, M., &Garavalia, L. (2013). Admission predictors of academic dismissal for provisional and traditionally admitted students. Currents in Pharmacy Teaching and Learning, 5, 33–38. Rosander, P., Bäckström, M., &Stenberg, G. (2011). Personality traits and general intelligence as predictors of academic performance: A structural equation modeling approach. Learning and Individual Differences, 21, 590–596. Nonis, S. A., Hudson, G., Philhours, M. J., &Teng, J. K. (2005).Changes in college student composition and implications for marketing education: revisiting predictors of academic success. Journal of Business Research, 58, 321– 329. Rodgers, S., Stenhouse, R., McCreaddie, M., & Small, P.(2013). Recruitment, selection and retention of nursing and midwifery students in Scottish Universities. Nurse Education Today, 33, 1301–131. Giambona, F., Erasmo, V. Vassiliadis, E. (2011).Educational systems efficiency in European Union countries. Studies in Educational Evaluation, 37, 108–12. Nistor, N., & Neubauer, K. (2010).from participation to dropout: Quantitative participation patterns in online university courses. Computers & Education, 55, 663-672. Willcockson, I. U., Johnson, C. W., Hersh, W., &Bernstam, E. V. (2009). Predictors of Student Success in Graduate Biomedical Informatics Training: Introductory Course and Program Success. Journal of the American Medical Informatics Association, 16, 837–846. Hamaideh, S. H., & Hamdan-Mansour, A. M.(2013). Psychological, cognitive and personal variables that predict college academic achievement among health sciences students. Nurse Education Today34, 703-8. | ||
|
آمار تعداد مشاهده مقاله: 6,392 تعداد دریافت فایل اصل مقاله: 3,874 |
||