ارائه مدل پيش‌بيني موفقيت تحصيلي براي دوره‌هاي كارشناسي ارشد مطالعه موردي: مركز آموزش الكترونيكي دانشگاه علم و صنعت ايران

احمد نامنی, سیاوش طالع پسند

چکیده


هدف مطالعه حاضر، شناسائي شاخص‌هاي پذيرشي مؤثر در موفقيت تحصيلي دانشجويان دوره‌هاي كارشناسي ارشد در رشته‌هاي مهندسي و مديريت در دوره‌هاي آموزش الكترونيكي و تدوين آنها در قالب يك مدل پيش‌بيني بود.

روش: طرح مطالعه حاضر از نوع همبستگی است. شرکت‌کنندگان، كليه پذيرفته‌شدگان در دوره‌هاي كارشناسي ارشد مركز آموزش الكترونيكي دانشگاه علم و صنعت ايران بودند كه تا پايان نيمسال دوم سال تحصيلي 92-1391حداقل، يك نيمسال، نمرات ثبت شده داشته‌اند. شيوه ورود به دوره كارشناسي ارشد، نوع دانشگاه محل تحصيل مقطع كارشناسي، نوع رشته تحصيلي مقطع كارشناسي و معدل كل مقطع كارشناسي به‌عنوان متغیرهای پیش‌بین و معدل كل واحدهای اخذ شده در مقطع كارشناسي ارشد به ‌عنوان متغیر ملاک جمع‌آوری شدند. و داده‌ها با مدل رگرسیون تحلیل شدند.

یافته‌ها: از ميان متغيرهاي پيش‌بين وارد شده در تحليل، رشته تحصيلي مقطع كارشناسي (مهندسي)، پذيرش از طريق آزمون اختصاصي (با وزن منفي)، معدل كل مقطع كارشناسي، نوع دانشگاه محل تحصيل مقطع كارشناسي (دولتي) و رشته تحصيلي مقطع كارشناسي (علوم پايه)، به ترتيب، به‌عنوان مؤثرترين عوامل يا پيش‌بيني‌كننده‌هاي موفقيت در مقطع كارشناسي ارشد شناسائي شدند.

نتیجه‌گیری: با توجه به توان پیش‌بین نسبتاً پائين ملاک‌های موجود پذیرش دانشجویان کارشناسی ارشد آموزش الكترونيكي در دانشگاه مورد مطالعه توصیه می‌شود از متغیرهای بیشتری به‌منظور پیش‌بینی قوی‌تر، استفاده کرد.

 


واژگان کلیدی


پذيرش دانشجو، مدل پيش‌بيني، ‌موفقيت تحصيلي

تمام متن:

PDF

منابع و مآخذ مقاله


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.


ارجاعات

  • در حال حاضر ارجاعی نیست.