ارزیابی شایستگی دانشجومعلمان آموزش زیست شناسی دانشگاه فرهنگیان با به کارگیری شبکه عصبی پیشخور هوش مصنوعی

آموزش و پرورش یکی از ارکان اصلی تولید دانش و علم در نیل به پیشرفت علمی و فرهنگی هر کشور توسط معلمان است و هرگونه ناکارآمدی در آن می تواند به چالش ها و مشکلات گسترده ای از منظر اجتماعی، فرهنگی، علمی، سیاسی، مذهبی و... در جامعه بینجامد. ازاین رو تعیین ارزیابی شایستگی دانشجومعلمان به ویژه قبل از ورود به عرصه حرفه معلمی از منظر دانش، مهارت و نگرش ضروری به نظر می آید. در این پژوهش، شایستگی نو معلمان قبل از ورود به آموزش و پرورش، با استفاده از شبکه عصبی هوش مصنوعی به عنوان یک ابزار محاسباتی دقیق ارزیابی شد.

در پژوهش حاضر، روش تحقیق از نوع کاربردی و به صورت کمی است. جامعه آماری، دانشجویان دانشگاه فرهنگیان و نمونه آماری به صورت خوشه ای، تعداد 91 دانشجو معلم ورودی 1395-1394 رشته آموزش زیست شناسی مرکز آموزش عالی شهید بهشتی دانشگاه فرهنگیان مورد ارزیابی قرار گرفتند. نمونه آماری با حجم500 داده (80% آموزش و 20% تست) به عنوان شرکت کننده انتخاب و داده ها، براساس ریز نمرات فارغ التحصیلان در دروس عمومی، تربیتی، تخصصی تربیتی، تخصصی تیوری، کارنما، کارورزی و معدل کل جمع آوری و سپس با بهره گیری از تکنیک های استخراج ویژگی از ریزنمرات دانشجو معلمان مذکور، در فایل اکسل به داده های مناسب جهت تعیین شایستگی و عدم شایستگی آنها برچسب زنی شد و براساس یافته ها، به روش شبکه عصبی پیشخور مورد آموزش قرار گرفت. با توجه به بررسی های انجام شده بر روی لایه ها و تعداد نورون ها بر دادگان الگوریتم، شبکه عصبی سه لایه با دو لایه پنهان با تعداد نورون های 300 و یک لایه خروجی با تعداد 1 نورون طراحی شد.

نتایج حاصل از بررسی شایستگی حرفه ای براساس ریزنمرات دانشجومعلمان و استخراج دادگان جدید در هفت بعد تخصصی تیوری، تخصصی تربیتی، عملی تربیتی، عمومی، کارورزی، کارنما و معدل کل نشان دهنده  بالاترین میانگین با عدد 8/19 در دروس تربیتی و کمترین میانگین با عدد 67/16 در دروس تخصصی تیوری بود. آنالیز یافته ها با توجه به دادگان آموزشی موجود از فارغ التحصیلان و برچسب زنی افراد خبره، میزان شایستگی را به میزان 77/17 نشان داد.

ارزیابی شایستگی دانشجومعلمان دانشگاه فرهنگیان، براساس شبکه عصبی پیشخور هوش مصنوعی به عنوان یک رویکرد جدید در کشور انجام شد. طراحی شبکه عصبی مورد نظر براساس معیارهای موجود در روش ماتریس درهم ریختگی صورت گرفت. بر این اساس معیارهای صحت و دقت برای شبکه عصبی پیشخور با دو لایه پنهان به ترتیب 94% و 95% بود و میزان شایستگی دانشجویان دانشگاه فرهنگیان در دروس مختلف، نمرات بالای 17 به عنوان شاخص مطلوب و نمرات پایین تر از 17 به عنوان شاخص نامطلوب در نظر گرفته شد. میزان شایستگی دانشجویان در دروس تربیتی با میانگین عددی 8/19 در حد مطلوب و در دروس تخصصی تیوری با میانگین عددی 67/16 در حد نامطلوب برآورد شد. این نتایج، لزوم توجه بیشتر به دروس تخصصی تیوری را خاطر نشان کرد؛ چرا که هر معلمی، در کنار تمام شاخصه های تربیتی، بایستی دانش و سطح علمی مناسب و کافی جهت ارایه درست و اصولی مطالب علمی به دانش آموزان را داشته باشد. علاوه براین، پیشنهاد می شود در پژوهش های دیگر با به کارگیری پرسش نامه های خاص مبتنی بر نگرش دانشجویان از حرفه معلمی، ضریب شایستگی ارزیابی می شود. از طرفی، دست خط دانشجو می تواند به عنوان یک شاخص دیگر در کنار سایر دادگان، مورد بررسی و مطالعه قرار گیرد. همچنین از الگوی شبکه عصبی هوش مصنوعی، جهت تعیین شایستگی دانشجو معلمان در سایر رشته های علوم پایه و علوم انسانی استفاده شود.