ارزیابی میزان شکاف دیجیتالی بین دانش آموزان و معلمان دوره متوسطه اول شهر تبریز در شرایط ویروس کووید-۱۹
محل انتشار: مجله رویکردهای نوین آموزشی، دوره: 16، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 120
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NEAU-16-1_003
تاریخ نمایه سازی: 22 فروردین 1401
چکیده مقاله:
پژوهش حاضر با هدف تعیین میزان شکاف دیجیتالی بین دانش آموزان و معلمان دوره متوسطه اول شهر تبریز در شرایط ویروس کووید-۱۹ انجام شد. روش پژوهش حاضر، توصیفی از نوع علی- مقایسه ای است. جامعه آماری پژوهش شامل همه دانش آموزان و معلمان مدارس دخترانه دوره متوسطه اول (پایه نهم) شهر تبریز در نیمسال اول سال تحصیلی ۱۴۰۰-۱۳۹۹ بود که از بین آنها ۳۵۲ دانش آموز و ۱۰۲ معلم از طریق فرمول کوکران و به روش نمونه گیری تصادفی طبقه ای انتخاب و داده های لازم از مناطق پنج گانه آموزشی شهر تبریز از طریق اجرای پرسشنامه های الکترونیکی گردآوری شد. برای گردآوری داده ها در ارتباط با متغیر «میزان دسترسی به فاوا» از پرسشنامه حسینی و همکاران (۲۰۱۳) و برای متغیرهای «میزان استفاده از فاوا»، «نگرش به فاوا» و «مهارت در استفاده از فاوا» از پرسشنامه گریگ (۲۰۱۶) استفاده گردید. روایی محتوایی پرسشنامه ها را متخصصان تایید کردند و پایایی پرسشنامه اول با استفاده از آلفای کرونباخ برای معلمان ۷۹۶/۰ و برای دانش آموزان ۷۷۳/۰ و برای پرسشنامه دوم مقدار ۸۶/۰ محاسبه شد. داده های گردآوری شده با استفاده از آزمون T به طور مستقل تجزیه وتحلیل شدند. نتایج نشان داد که بین دانش آموزان و معلمان مدارس دخترانه متوسطه اول شهر تبریز در همه ابعاد شکاف دیجیتالی به غیر از مهارت استفاده از فاوا نابرابری هست و معلمان در این ابعاد در بسیاری از مناطق آموزشی وضعیت بهتری دارند.
کلیدواژه ها:
نویسندگان
کیومرث تقی پور
استادیار گروه علوم تربیتی، دانشگاه تبریز، تبریز، ایران
فهیمه اکبری
کارشناس ارشد برنامه ریزی درسی، دانشگاه تبریز، تبریز، ایران
داود طهماسب زاده شیخلار
دانشیار گروه علوم تربیتی، دانشگاه تبریز، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :