شناسایی تیپ‌های پنهان رضایت آموزشی با خوشه‌بندی داده‌های ارزیابی تدریس: رویکردی داده‌محور برای حکمرانی آموزشی
کد مقاله : 1035-DATAGOV2024
نویسندگان
زینب گلزاری *1، محمد امینی ولاشانی2
1استادیار دانشگاه آزاد اسلامی. واحد تهران جنوب
2استادیار دانشگاه مهر البرز
چکیده مقاله
این پژوهش با هدف شناسایی تیپ‌های پنهان رضایت آموزشی و تبدیل آن‌ها به مبنایی برای تصمیم‌گیری داده‌محور در حکمرانی آموزشی انجام شد. داده‌های مورد استفاده از مجموعه‌داده عمومی ارزیابی تدریس در مخزن «یو سی آی» استخراج گردید و شامل ۵۸۲۰ رکورد، ۲۸ گویه رضایت بر پایه مقیاس لیکرت (گویه های ۱ تا ۲۸) و سه متغیر زمینه‌ای حضور در کلاس، دشواری درس و تعداد تکرار درس است. پس از کنترل کیفیت داده‌ها، پاک‌سازی و نرمال‌سازی، الگوی پاسخ‌گویی به گویه‌های رضایت به‌عنوان مبنای خوشه‌بندی به‌کار گرفته شد. برای انتخاب تعداد خوشه‌های بهینه از دو معیار اعتبارسنجی درونی :روش آرنج بر اساس تغییرات مجموع مربعات درون‌خوشه‌ای و شاخص سیلوئت استفاده گردید. بر مبنای نتایج این ارزیابی‌ها، ساختار داده‌ها به هشت خوشه متمایز تفکیک شد. بررسی پروفایل گویه‌ها نشان داد خوشه‌ها تنها از نظر «سطح کلی رضایت» متفاوت نیستند، بلکه الگوی افت و قوت آن‌ها عمدتاً در دو محور قابل تفسیر است: محور «طراحی و محتوای درس» (گویه‌های ۱ تا ۱۲) و محور «کیفیت تدریس و تعامل مدرس» (گویه‌های ۱۳ تا ۲۸). بر این اساس، هر خوشه به‌عنوان یک تیپ قابل اقدام تعریف می‌شود و می‌تواند به مدیران آموزشی کمک کند تا به‌جای تصمیم‌های یکسان برای همه، پایش کیفیت، اولویت‌بندی مداخلات و تخصیص منابع را بر پایه تیپ‌های واقعی تجربه یادگیری انجام دهند.
کلیدواژه ها
حکمرانی آموزشی داده‌محور، رضایت آموزشی، داده‌کاوی آموزشی، یادگیری بدون‌نظارت، خوشه‌بندی داده‌ها، کی‌میانگین‌ها، ارزیابی تدریس، شاخص سیلوئت
وضعیت: پذیرفته شده