چکیده:
این پژوهش میکوشد تا با شناخت صحیح پارادایمهای آموزش آنلاین و استفاده هدفمند از فناوریهای نوین دیجیتال، بتواند اهداف آموزش کارآفرینانه را در این بستر محقق ساخته و توسعه دهد. پژوهش حاضر از منظر هدف، کاربردی و روش آمیخته با رویکرد متوالی، در دو مرحلهی کمی و کیفی انجام شده است. بخش کمی به روش مدلیابی معادلات ساختاری، با استفاده از پرسشنامه محقق ساخته در تابستان 1399 ازمیان جامعه آماری از اساتید دانشگاههای شهر تهران (شهیدبهشتی، علم و صنعت، فرهنگیان، آزاد اسلامی، پیام نور) و کارشناسان حوزه فناوری اطلاعات،که با استناد به فرمول کوکران از بین آنها 115 نفر به شیوه نمونهگیری تصادفی ساده و طبقهای با تخصیص متناسب انتخاب شدند، در بخش کیفی با رویکرد سناریونویسی، شناسایی پیشرانها و حالتهای عدم قطعیت با بررسی تاثیرات متقاطع از ماتریس عوامل کلیدی برمبنای اجماع نظر 15 خبره، با تکنیک گلوله برفی در پاییز 1399، انجام شده است. در روش کمی یافتههای پژوهش ضمن تایید تاثیر مستقیم 4 مولفه هوشمندسازی، آموزش کارآفرینانه، محیط یادگیری آنلاین و سواد دیجیتال بر تحقق آموزش کارآفرینانه آنلاین در قلمرو مکانی ایران با شناسایی 5 پیشران موثر (شیوه نوین آموزش، شخصی سازی، رباتچتها، ادغام تدریس و دسترسی همه جانبه به منابع) به شناسایی و نگارش سناریوهای محتمل با استفاده از نرم افزار سناریوویزارد پرداخته است که 4 سناریو با یشترین سازگاری و احتمال وقوع در آینده نتیجه شد.
The present study aimed to achieve and develop the goals of entrepreneurial education in this context by properly understanding the paradigms of online education and the purposeful use of new digital technologies. In terms of purpose, an applied-developmental method along with a successive approach, in two quantitative and qualitative sections were used in this study. The quantitative section was done by structural equation modelling through using a researcher-developed questionnaire. The population included all university professors in Tehran (Shahid Beheshti University, University of Science and Technology, Farhangian University, Islamic Azad University, Payame Noor University) and experts in the field of information technology. According to Cochran's formula, 115 experts were selected by simple random sampling with stratified proportional allocation. In the qualitative section, by using a scenario planning approach, the drivers and states of uncertainty have been identified by examining Matrix Key Factors based on the consensus of 15 purposefully selected experts with snowball technique in Iran. In the quantitative section, the findings confirmed the direct impact of 4 components of intelligence, entrepreneurial education, online learning environment and digital literacy on the realization of online entrepreneurship education by identifying 5 effective drivers (namely: modern teaching method, personalization, robots, integration of teaching and comprehensive access to resources) as factors influencing events, trends, actions and images which may give rise to distinct futures. The present study identified several possible scenarios which are a continuation of the past and present’s situations, and finally, four possible and future scenarios were presented.
خلاصه ماشینی:
بخش کمی به روش مدل یابی معادلات ساختاری ، با استفاده از پرسشنامه محقق ساخته در تابستان ١٣٩٩ ازمیان جامعه آماری از اساتید دانشگاه های شهر تهران (شهیدبهشتی ، علم و صنعت ، فرهنگیان ، آزاد اسلامی ، پیام نور) و کارشناسان حوزه فناوری اطلاعات ،که با استناد به فرمول کوکران از بین آن ها ١١٥ نفر به شیوه نمونه گیری تصادفی ساده و طبقه ای با تخصیص متناسب انتخاب شدند، در بخش کیفی با رویکرد سناریونویسی ، شناسایی پیشران ها و حالت های عدم قطعیت با بررسی تاثیرات متقاطع از ماتریس عوامل کلیدی برمبنای اجماع نظر ١٥ خبره ، با تکنیک گلوله برفی در پاییز ١٣٩٩، انجام شده است .
چشم بینایی میتواند بیان صورت و وضعیت رفتار بدن دانش پژوهان را تجزیـه و تحلیل کند، شبکه عصـبی مصـنوعی در پـیش بینـی دانـش پژوهـان در معـرض خطـر، بهتـر از مـدل هـای موجـود عمـل مـی کنـد (٢٠٢٠,Lin et al ;٢٠٢٠ ,Han et al ;٢٠٢٠ ,Waheed et al)؛ (٢) شخصی سازی ٢: بـا کمـک هـوش مصـنوعی مـیتـوان یـادگیری را شخصـی سـازی کـرد، چارچوب شخصی سازی مبتنی بر داده بزرگ و مبتنی بر هوش مصنوعی است ، شخصی سازی گزینه ای برای بهبود فرایند یادگیری برای یک محـیط آمـوزش الکترونیکـی اسـت ( Cox et al ٢٠٢٠ ,Alkurd et al ;٢٠١٩)؛ (٣) تحلیل کلان داده: تحلیل داده های بزرگ در آموزش آنلاین نقش بسزایی دارد (٢٠٢٠ ,Cerezo et al).