تبیین فرایند تاثیرگذاری برنامه ی درسی پنهان در شکل گیری اخلاق حرفه ای دانشجویان مهندسی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 119

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_KARFN-19-0_012

تاریخ نمایه سازی: 2 خرداد 1402

چکیده مقاله:

دانش آموختگان رشته ی مهندسی بخش عمده ای از اخلاق خود را از طریق برنامه ی درسی پنهان کسب می کنند که در حوزه ی مهندسی موضوع با اهمیتی است اما مغفول مانده است. این مطالعه با هدف «تبیین فرایند تاثیرگذاری برنامه ی درسی پنهان در شکل گیری اخلاق حرفه ای دانشجویان مهندسی» انجام شده است، تا با توجه به برنامه ی درسی پنهان در محیط های آموزشی بتوان اخلاق حرفه ای مهندسین را ارتقا داد. در این پژوهش رویکرد کیفی و روش تحقیق پدیدارشناسی مورد استفاده قرار گرفته است. جامعه، تمامی دانشجویان تحصیلات تکمیلی رشته های مهندسی در دانشکده­های ایران بوده­اند. نمونه گیری هدفمند انجام شد و مصاحبه نیمه ساختارمند عمیق با ۱۰ مشارکت کننده در خصوص تجربه­زیسته­شان در کسب اخلاق مهندسی در محیط­های آموزشی صورت گرفت. بررسی داده ها در نرم افزار MAXQDA در پاسخ  به سوالات پژوهش به ایجاد ۴ کد محوری آموزشگر، شرکای یادگیری، میدان عمل و سیستم آموزشی منجر شد، کدهای محوری از تلفیق ۳۰ کد باز به دست آمده­اند. نتایج و یافته­های حاصل از تحلیل تجربیات زیسته مشارکت­کنندگان، گویای این است که جزئیات محیط آموزشی شامل کدهای محوری به ترتیب مذکور، مورد توجه دانشجویان مهندسی بوده و در شکل گیری ضمنی برنامه ی درسی اخلاق حرفه­ای دانشجویان مهندسی بسیار تاثیرگذار عمل کرده­اند و فرصت­ها و تهدیدهای زیادی را در زمینه ی آموزش ضمنی اخلاق حرفه­ای دانشجویان ایجاد کرده­اند.

کلیدواژه ها:

اخلاق حرفه ای ، اخلاق مهندسی ، برنامه ی درسی پنهان ، پدیدارشناسی و دانشجوی مهندسی

نویسندگان

سمانه یگانه

کارشناسی ارشد گروه مدیریت و برنامه ریزی آموزشی، دانشگاه الزهرا (س)، تهران، ایران.

پروین صمدی

عضو هیئت علمی گروه مدیریت و برنامه ریزی آموزشی، دانشگاه الزهرا(س)، تهران، ایران.

پروین احمدی

عضو هیئت علمی گروه مدیریت و برنامه ریزی آموزشی، دانشگاه الزهرا(س)، تهران، 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 :
  • Adibhaj Bagheri, M., Parvizi, S., & Salsali, M. (۲۰۱۱). Qualitative ...
  • Bielefeldt, A. R., Polmear, M., Knight, D., Canney, N., & ...
  • نمایش کامل مراجع