استخدام خوارزميات تعلم الألة غير الخاضعة للإشراف لدراسة أساليب التعلم والخوف من الفشل للكشف عن أنماط تكيف طلاب المستوى الثاني بكالوريوس STEM في الجامعات المصرية | ||||
| مجلة الإرشاد النفسي | ||||
| Volume 72, Issue 2, December 2022, Page 437-510 PDF (1.4 MB) | ||||
| DOI: 10.21608/cpc.2022.307107 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
| أحمد بكر قطب محمد1; مجدي شعبان أمين محمد2 | ||||
| 1أستاذ مساعد علم النفس التربوي - كلية التربية - جامعة المنيا | ||||
| 2مدرس علم النفس التربوي - كلية التربية - جامعة عين شمس | ||||
| Abstract | ||||
| ملخص: هدف البحث الحالي إلى الاعتماد على التحليل العنقودي كأحد أساليب تعلم الألة غير الخاضعة للإشراف، وذلك للكشف عن تجمعات الطلاب وفقا لمتغيرات الخوف من الفشل وستة من أساليب التعلم، وتكونت عينة البحث من 183 طالب وطالبة، وقد بلغ عدد الذكور 40 (21,9%) وعدد الإناث 143 (78,1%). وجميعهم من طلاب المستوى الثاني لبكالوريوس ستيم وذلك بالجامعات المصرية الخمس التي يتوفر بها هذا النوع من التعليم. وتوصلّت النتائج إلى وجود تجمعين؛ التجمع الأول: غير المتكيفين مع تعليم ستيم، ويتصفون بخوفهم المرتفع من الفشل وعدم ميلهم للتعلم التشاركي ولا يتحمسون للتعلم ودافعيتهم منخفضة ولا يثقون بأنفسهم ولا يتعلمون ما يطلب منهم، والثاني: المتكيفين مع تعليم ستيم ويتصفون بعدم الخوف من الفشل وميلهم للتعلم التشاركي والحماس للتعلم والدافعية المرتفعة والثقة بالنفس وتعلم ما يطلب منهم. وتوصلّت نتائج الدراسة أن النمط السائد بين الطلاب هو النمط المتكيف مع تعليم ستيم بنسبة 68,31%، كما تمت دراسة العلاقة بين انتماء الفرد لأحد التجمعين في ضوء بعض المتغيرات الديموغرافية (التخصص، النوع، الجامعة)، وتوصلّت النتائج إلى أن نوع الطالب والجامعة المنتسب إليها لا يرتبط بشكل دال إحصائيا بانتمائه لأحد التجمعين، في حين ارتبط التخصص العلمي للطالب بشكل دال إحصائيا بانتمائه لأحد التجمعين، حيث يميل طلاب الرياضيات إلى عدم التكيف مع تعليم ستيم مقارنة بباقي التخصصات. وقد أجريت دراسة حالة لبيان أسباب ذلك. | ||||
| Keywords | ||||
| أساليب التعلمLearning styles; الخوف من الفشل Fear of failure; نظام تعليم STEM; الجامعات المصرية Egyptian Universities; التحليل العنقودي / التجمعات Cluster analysis; خوارزميات تعلم الآلة غير الخاضعة للإشراف Unsupervised machine learning algorithms | ||||
|
Statistics Article View: 143 PDF Download: 238 |
||||
