خلاصة:
پژوهش حاضر با هدف تبیین نابرابری های آموزشی مناطق 24 گانة آموزش وپرورش استان آذربایجان غربی با استفاده از تحلیل شاخص های آموزشی انجام گرفته است. تحقیق حاضر توصیفی- تحلیلی است و جامعة آماری، مناطق 24 گانة آموزش وپرورش استان آذربایجان غربی است. شیوة جمع آوری آمار و اطلاعات به صورت اسنادی است. در تجزیه و تحلیل داده ها از مدل های تاپسیس، ضریب پراکندگی، تحلیل رگرسیون، تحلیل مسیر و شبکه های عصبی استفاده شده است. نتایج رتبه بندی مناطق با استفاده از تکنیک تاپسیس نشان می دهد که بین مناطق آموزشی استان نابرابری وجود دارد و از 24 منطقة آموزش وپرورش استان آذربایجان غربی منطقة بوکان به عنوان برخوردارترین و منطقة صومای برادوست به عنوان محروم ترین مناطق آموزش وپرورش استان آذربایجان غربی هستند. با استفاده از مدل ضریب پراکندگی برای اندازه گیری نابرابری معلوم می شود بیشترین میزان نابرابری با 0.828 در شاخص های دان ش آموزی و 0 در شاخص های پیشرفت تحصیلی بوده است. براساس نتایج تحلیل مسیر شاخص های امکانات دانش آموزی / کمترین میزان نابرابری با 3 دارای بیشترین و شاخص های امکانات فیزیکی دارای کمترین تاثیرات بر نابرابری مناطق آموزش وپرورش استان آذربایجان غربی بوده اند. نتایج پیش بینی با استفاده از شبکة عصبی نیز نشان می دهد، بیشترین تاثیر را بخش شاخص های اقتصادی و کمترین تاثیر را شاخص نیروی انسانی در پیشگویی نابرابری مناطق آموز شوپرورش استان آذربایجان غربی داشتهاند.
This study was conducted with the aim of explanaing and modeling educational inequality in 24 educational districts in west Azarbaijan province using educational indicators analysis. The research is of descriptive – analytical type. The statistical society is the 24 educational districts in West Azerbaijan province. Documentary method was used for collecting the required data and information. SPSS software is used for data analysis. TOPSIS models، dispersion coefficient، path analysis and neural networks were used for data analysis. Ranking results of districts by using TOPSIS technique shows that there is an inequality between educational districts of the province and amomg the 24 educational districts of West Azerbaijan province ، Boukan and Soomaye Baradoost are the richest and the most deprived Educational districts of west Azerbaijan respectively . The dispersion coefficient used for measuring the inequality، indicates that the highest inequality 0.828 was for the student''s indices and the lowest with 0.3 was for the educational progress indices. Based on the results of path analysis، student indices and physical facilities، respectively، have the highest and lowest impact on the inequality of educational districts. Neural network analysis shows that economic indicators and human resources respectively، had the most and the least importance in inequality of educational districts