عوامل پیش بینی کنندگی رضایتمندی دانشجویان مهندسی از کیفیت برنامه درسی معادلات دیفرانسیل

نوع مقاله: مقاله پژوهشی

نویسنده

. دانشکده ریاضی، واحد اهر، دانشگاه آزاد اسلامی، اهر، ایران

چکیده

پژوهش حاضر با هدف مطالعه عوامل پیش بینی کنندگی رضایتمندی دانشجویان مهندسی از کیفیت برنامه درسی معادلات دیفرانسیل با روش تحلیل عامل انجام شد. این مطالعه توصیفی- تحلیلی در سال 1393-94 برای دانشجویان مهندسی دانشگاه اهر انجام شده است. در ابتدا پرسشنامه مطالعه عوامل رضایتمندی از آموزش معادلات دیفرانسیل طراحی شد. سپس با روش نمونه گیری خوشه‌ای تعداد 316 دانشجو به پرسشنامه پاسخ دادند. پایایی پرسشنامه با استفاد از روش‌های آزمون باز آزمون و آلفای کرونباخ و روایی آن با استفاده از روش‌های روایی صوری، محتوا و سازه تعیین شد. تحلیل عامل اکتشافی با استفاده از نرم افزار SPSS نسخه 16 و تحلیل عامل تأییدی با استفاده از نرم افزار AMOS نسخه 22 انجام و مدل مناسب ارائه شد. تحلیل عامل اکتشافی پرسشنامه، به استخراج هشت عامل (مدلسازی، تدریس، مفید بودن، هدفمند بودن، ارزشیابی، کارگروهی، تعامل و امکانات) انجامید. نتایج تحلیل عامل تأییدی و قوی‌ترین مدل تدوین شده نشان داد که مدل هشت عاملی برای پیشگیری از نارضایتی از کیفیت برنامه درسی معادلات دیفرانسیل برازش مناسب دارد. بر اساس یافته‌های پژوهش حاضر، پرسشنامه 27 گویه‌ایدر رابطه با عوامل پیش بینی کنندگی رضایتمندی از کیفیت برنامه درسی معادلات دیفرانسیل، دارای روایی و پایایی مناسب بوده و مدل ارائه شده می‌تواند در طراحی برنامه‌های آموزشی قابل استفاده باشد.  

کلیدواژه‌ها


-  آراسته، ح   و محمودی‌راد، م. (1382). آموزش اثربخش: رویکردی بر اساس ارزیابی تدریس توسط دانشجویان، موسسه پژوهش و برنامه‌ریزی آموزش عالی، کومش، ویژه نامه آموزش پزشکی.  

-  امین بیدختی، ع  و جعفری، س. (1393). تأثیر سرمایه اجتماعی بر رضایت تحصیلی. مطالعات برنامه ریزی آموزشی، دوره 2، شماره 3، صص 107-138.

-  بازرگان، ع. (1388). ظرفیت سازی برای تضمین کیفیت آموزش مهندسی در ایران: ضرورت ملی وفرصت سازی برای عرضه آموزش مهندسی فراملی. فصلنامه آموزش مهندسی ایران.

-  جهانشاهی، م. (1387). بررسی اصول و مبانی مدلسازی ریاضی مسائل خوش طرح فیزیک و مهندسی. فصلنامه آموزش مهندسی ایران، دوره 10، شماره 39، صص 19-36.

-  داورزنی، م  و  رازقندی، ف. (1389).  رضایتمندی دانشجویان از حوزهی معاونت آموزشی دانشگاه علوم پزشکی سبزوار در نیمسال دوم سال تحصیلی 86- 87، فصلنامه کمیتـه تحقیقـات دانشـجویی دانشـگاه علـوم پزشـکی و خـدمات بهداشتی درمانی سبزوار، دوره 15، شماره 2، صص 10-15.

-  رفیع پور، ا. (1393). مدل‌سازی و کاربردها: گزارش یک پژوهش. دو فصلنامه نظریه و عمل در برنامه درسی. دوره 2، شماره 3، صص 93-116.

-  زین آبادی، ح  و  کیامنش، ع. (1384). ارزیابی درونی کیفیت گروه مشاوره و راهنمایی دانشگاه تربیت معلم تهران به منظور پیشنهاد الگویی جهت بهبود کیفیت و حرکت در جهت اعتبار بخشی گروههای مشاوره و راهنمایی کشور. پژوهش های مشاوره (تازه ها و پژوهش های مشاوره).

-  فتحی واجارگاه، ک  و شفیعی، ن. (1386). ارزشیابی کیفیت برنامه درسی دانشگاهی (مورد برنامه درسی آموزش بزرگسالان). مطالعات برنامه درسی، دوره  2. شماره 5. صص 1-26.

-  فراستخواه م. (1389).  بررسی الگوی تعاملات آموزش عالی و دانشگاه با سایر نظامهای تولید و خدمات، پژوهش و برنامه ریزی در آموزش عالی، دوره 16، صص 45-64.

-  فربد، ا. (1393). مدلسازی معادلات ساختاری در داده های پرسشنامه ای به کمک.AMOS 22 مهرگان قلم و واژگان.

-  کریمی‌فردین‌پور، ی  و  گویا ز. (1392). دور نمای نوآوری آموزش ریاضی با تاکید بر رفع نیازهای آموزش مهندسی. پنجمین همایش ملی آموزش، دانشگاه تربیت دبیر شهید رجایی.

-  کریمی‌فردین‌پور، ی. (1393). معرفی چارچوبی برای شناسایی و تحلیل خطای دانشجویان مهندسی در حل معادلات دیفرانسیل: مدل تحلیل خطای بافت. فصلنامه آموزش مهندسی ایران، دوره 16، شماره 63، صص 111-133.

- معماریان، ح. (1382). تضمین کیفیت آموزش مهندسی معدن در ایران. فصلنامه آموزش مهندسی ایران. دوره 5، شماره 19، صص 15-48.           

-  معماریان، ح. (1390). کاستیهای برنامه‌های آموزش مهندسی ایران. فصلنامه آموزش مهندسی ایران. دوره 13، شماره 51، پاییز 1390، صص 53-74.

-  میرکمالی، س. (1383). رهبری مدیریت دانشگاهی، اولین همایش راهکارهای ارتقای کیفی دانشگاه ها و مراکز آموزش عالی نیروهای مسلح، تهران.

-  یعقوبی،  م  و مطهری‌نژاد، ح. (1390).  ضرورتهای اصلی در تدوین راهبردهای آموزش مهندسی ایران. فصلنامه آموزش مهندسی ایران، دوره 13، شماره 51، صص 31-51.

-  Allen, M., et al., Comparing student satisfaction with distance education to traditional classrooms in higher education: A meta-analysis. The American Journal of Distance Education, 2002. 16(2): p. 83-97.

-  Arslan, S., Traditional instruction of differential equations and conceptual learning. Teaching Mathematics and its Applications, 2010. 29(2): p. 94-107.

-  Astin, A.W., Assessment for excellence: The philosophy and practice of assessment and evaluation in higher education. 2012: Rowman & Littlefield Publishers.

-  Athanassopoulos, A., S. Gounaris, and V. Stathakopoulos, Behavioural responses to customer satisfaction: an empirical study. European Journal of Marketing, 2001. 35(5/6): p. 687-707.

-  Bahmaei, F., Mathematical modelling in university, advantages and challenges. Journal of Mathematical Modelling and Application, 2013. 1(7): p. 34-49.

-  Barrett, P., Structural equation modelling: Adjudging model fit. Personality and Individual differences, 2007. 42(5): p. 815-824.

-  Benjamin, M. and A.E. Hollings, Toward a theory of student satisfaction: An exploratory study of the" quality of student life.". Journal of College Student Development, 1995.

-  Bentler, P.M. and C.-P. Chou, Practical issues in structural modeling. Sociological Methods & Research, 1987. 16(1): p. 78-117.

-  Bentler, P.M. and D.G. Bonett, Significance tests and goodness of fit in the analysis of covariance structures. Psychological bulletin, 1980. 88(3): p. 588.

-  Blum, W., et al., Modelling and applications in mathematics education. 2007: Springer New York.

-  Bolliger, D. and T. Martindale, Student Satisfaction in an Online Master's Degree Program in Instructional Technology. 2001.

-  Boyce, W.E., R.C. DiPrima, and C.W. Haines, Elementary differential equations and boundary value problems. Vol. 9. 1992: Wiley New York.

-  Bray, E., K. Aoki, and L. Dlugosh, Predictors of learning satisfaction in Japanese online distance learners. The International Review of Research in Open and Distributed Learning, 2008. 9(3).

-  Chen, S.C., S.J. Yang, and C.C. Hsiao, Exploring student perceptions, learning outcome and gender differences in a flipped mathematics course. British Journal of Educational Technology, 2015.

-  Christen, M., G. Iyer, and D. Soberman, Job satisfaction, job performance, and effort: A reexamination using agency theory. Journal of Marketing, 2006. 70(1): p. 137-150.

-  Chua, C. Perception of quality in higher education. in Proceedings of the Australian universities quality forum. 2004. AUQA Occasional Publication Melbourne.

-  Crandall, P.G., et al., A Comparison of the Degree of Student Satisfaction using a Simulation or a Traditional Wet Lab to Teach Physical Properties of Ice. Journal of Food Science Education, 2015. 14(1): p. 24-29.

-  Damirchili, F. and M. Tajari, Explaining Internal Factors Effective on Educational Quality Improvement Based on Views of Students from Zanjan Azad Universities. Procedia-Social and Behavioral Sciences, 2011. 30: p. 363-366.

-  DeBourgh, G.A., Technology Is the Tool, Teaching Is the Task: Student Satisfaction in Distance Learning. 1999.

-  DeShields Jr, O.W., A. Kara, and E. Kaynak, Determinants of business student satisfaction and retention in higher education: applying Herzberg's two-factor theory. International journal of educational management, 2005. 19(2): p. 128-139.

-  Doerr, H.M., J.B. Ärlebäck, and A. Costello Staniec, Design and effectiveness of modelingbased mathematics in a summer bridge program. Journal of Engineering Education, 2014. 103(1): p. 92-114.

-  Elliott, K.M. and D. Shin, Student satisfaction: An alternative approach to assessing this important concept. Journal of Higher Education Policy and Management, 2002. 24(2): p. 197-209.

-  Enders, C.K. and D. Tofighi, The impact of misspecifying class-specific residual variances in growth mixture models. Structural Equation Modeling, 2008. 15(1): p. 75-95.

-  Gatabi, A.R., K. Stacey, and Z. Gooya, Investigating grade nine textbook problems for characteristics related to mathematical literacy. Mathematics Education Research Journal, 2012. 24(4): p. 403-421.

-  Goold, E., The role of mathematics in engineering practice and in the formation of engineers. 2012, National University of Ireland Maynooth.

-  Harvey, L., et al., Student Satisfaction Manual (Buckingham, Society for Research into Higher Education/Open University Press). 1997.

-  Hayduk, L., et al., Testing! testing! one, two, three–Testing the theory in structural equation models! Personality and Individual Differences, 2007. 42(5): p. 841-850.

-  Helgesen, Ø. and E. Nesset, What accounts for students' loyalty? Some field study evidence. International Journal of Educational Management, 2007. 21(2): p. 126-143.

-  Henderson, K., et al. Using e-assessment to promote engagement in engineering mathematics. 2015. IMA.

-  Hu, L.t. and P.M. Bentler, Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural equation modeling: a multidisciplinary journal, 1999. 6(1): p. 1-55.

-  Hu, L.-t. and P.M. Bentler, Fit indices in covariance structure modeling: Sensitivity to underparameterized model misspecification. Psychological methods, 1998. 3(4): p. 424.

-  Johnson, M.D., et al., The evolution and future of national customer satisfaction index models. Journal of economic Psychology, 2001. 22(2): p. 217-245.

-  Kenny, D.A. and D.B. McCoach, Effect of the number of variables on measures of fit in structural equation modeling. Structural equation modeling, 2003. 10(3): p. 333-351.

-  Kenny, D.A., B. Kaniskan, and D.B. McCoach, The performance of RMSEA in models with small degrees of freedom. Sociological Methods & Research, 2014: p. 0049124114543236.

-  Khiat, H., A Grounded Theory Approach: Conceptions of Understanding in Engineering Mathematics Learning. Qualitative Report, 2010. 15(6): p. 1459-1488.

-  MacCallum, R.C., M.W. Browne, and H.M. Sugawara, Power analysis and determination of sample size for covariance structure modeling. Psychological methods, 1996. 1(2): p. 130.

-  O'Boyle Jr, E.H. and L.J. Williams, Decomposing model fit: Measurement vs. theory in organizational research using latent variables. Journal of Applied Psychology, 2011. 96(1): p. 1.

-  Oliver, R.L., Processing of the satisfaction response in consumption: a suggested framework and research propositions. Journal of Consumer Satisfaction, Dissatisfaction and Complaining Behavior, 1989. 2(1): p. 1-16.

-  Reinhart, J. and P. Schneider, Student satisfaction, self-efficacy, and the perception of the two-way audio/video distance learning environment: A preliminary examination. Quarterly Review of Distance Education, 2001. 2(4): p. 357-365.

-  Satorra, A. and W.E. Saris, Power of the likelihood ratio test in covariance structure analysis. Psychometrika, 1985. 50(1): p. 83-90.

-  Sebastianelli, R., C. Swift, and N. Tamimi, Factors Affecting Perceived Learning, Satisfaction, and Quality in the Online MBA: A Structural Equation Modeling Approach. Journal of Education for Business, 2015(ahead-of-print): p. 1-10.

-  Tanaka, J.S., " How big is big enough?": Sample size and goodness of fit in structural equation models with latent variables. Child development, 1987: p. 134-146.

-  Tofighi, D. and C.K. Enders, Identifying the correct number of classes in growth mixture models. Advances in latent variable mixture models, 2008(Information Age Publishing, Inc): p. 317-341.

-  Tsui, A.S., S.S. Nifadkar, and A.Y. Ou, Cross-national, cross-cultural organizational behavior research: Advances, gaps, and recommendations. Journal of management, 2007. 33(3): p. 426-478.

-  Twigg, C.A., Quality assurance for whom. Providers and Consumers in Today’s Distributed Learning Environment. The Pew Learning and Technology Program, Rensselaer Polytechnic Institute, 2001.

-  Walker, A. and B.E. Shelton, Problem-based educational games: Connections, prescriptions, and assessment. Journal of Interactive Learning Research, 2008. 19(4): p. 663.

-  Willem, A., M. Buelens, and I. De Jonghe, Impact of organizational structure on nurses’ job satisfaction: A questionnaire survey. International Journal of Nursing Studies, 2007. 44(6): p. 1011-1020.

-   ogy34(2),