پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 49 |
| تعداد شمارهها | 1,322 |
| تعداد مقالات | 11,437 |
| تعداد مشاهده مقاله | 24,415,841 |
| تعداد دریافت فایل اصل مقاله | 16,327,500 |
پیش بینی میزان استفاده از فناوری آموزشی معلمان براساس خودکارآمدی فناورانه و نگرش به فناوری با استفاده از شبکه عصبی مصنوعی | ||
| فناوری و دانش پژوهی در تعلیم و تربیت | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 مهر 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30473/t-edu.2026.78115.1448 | ||
| نویسندگان | ||
| داود طوسی1؛ سلیم کاظمی* 2؛ مرتضی جاویدپور3؛ علی آقایی خانه برق4 | ||
| 1دکتری مدیریت آموزشی دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 2اﺳﺘﺎدیار گروه ﻋﻠﻮم ﺗﺮﺑﯿتی، داﻧشکده ﻋﻠﻮم ﺗﺮﺑﯿتی و روانﺷﻨﺎسی، داﻧشگاه ﻣﺤﻘﻖ اردﺑﯿلی، اردﺑﯿﻞ، اﯾﺮان. | ||
| 3استادیار گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| 4استادیار گروه مدیریت آموزشی، دانشگاه فرهنگیان، صندوق پستی889-14665، تهران، ایران | ||
| چکیده | ||
| پژوهش حاضر با هدف پیشبینی میزان استفاده از فناوری آموزشی معلمان ابتدایی بر اساس خودکارآمدی فناورانه و نگرش به فناوری و با بهرهگیری از شبکه عصبی مصنوعی انجام شد. این مطالعه توصیفی–همبستگی با رویکرد پیشبینانه است. جامعه آماری شامل ۹۶۷ نفر از معلمان ابتدایی شهرستان مینودشت در سال تحصیلی ۱۴۰۴-۱۴۰۳ بود. با استفاده از فرمول کوکران ۲۷۴ نفر به روش تصادفی ساده انتخاب شدند. ابزار گردآوری دادهها شامل سه پرسشنامه استاندارد: خودکارآمدی فناورانه (وانگ و همکاران، ۲۰۰۴)، نگرش به فناوری (کنزک و کریستنسن، ۲۰۰۲) و میزان استفاده از فناوری آموزشی (تئو، ۲۰۱۱) بود که روایی و پایایی آنها تأیید شد. دادهها با شبکه عصبی مصنوعی پرسپترون چندلایه در نرمافزار SPSS26 تحلیل گردید. نتایج نشان داد که خودکارآمدی در طراحی و استفاده آموزشی از فناوری و اعتماد به فناوری قویترین پیشبینهای استفاده واقعی از فناوری آموزشی هستند، در حالی که سودمندی ادراکشده و اضطراب در فناوری نقش ضعیفتری داشتند. مدل شبکه عصبی با یک لایه پنهان سهگرهای و تابع فعالسازی تانژانت هیپربولیک توانست روابط میان متغیرها را با دقت مطلوبی شناسایی کند. یافتهها همسو با مدل پذیرش فناوری (TAM) و نظریه یکپارچه پذیرش و استفاده از فناوری (UTAUT) نشان میدهد که ارتقای خودکارآمدی فناورانه و ایجاد نگرش مثبت میتواند موجب افزایش استفاده واقعی معلمان از فناوری آموزشی شود. بنابراین، توصیه میشود سیاستگذاران آموزشی در طراحی برنامههای توانمندسازی، بر تقویت خودباوری فناورانه و ایجاد اعتماد به فناوری تمرکز کنند. | ||
| کلیدواژهها | ||
| خودکارآمدی فناورانه؛ نگرش به فناوری؛ استفاده از فناوری آموزشی؛ شبکه عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Predicting Teachers’ Use of Educational Technology Based on Technological Self-Efficacy and Attitudes toward Technology Using an Artificial Neural Network | ||
| نویسندگان [English] | ||
| Davood Toosi1؛ salim kazemi2؛ Morteza Javidpour3؛ َAli Aghaei Khaneh Bargh4 | ||
| 1PhD in Educational Management, University of Mohaghegh Ardabili, Ardabil, Iran. | ||
| 2Assistant Professor, Department of Educational Sciences, Faculty of Educational Sciences and Psychology, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| 3Assistant Professor, Department of Educational Sciences, Faculty of Educational Sciences and Psychology, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| 4Ali Aghaei Khaneh Bargh, Assistant Professor, Department of Educational Administration, Farhangian University, P.O. Box 14665-889, Tehran, Iran | ||
| چکیده [English] | ||
| This study aimed to predict elementary teachers’ actual use of educational technology based on technological self-efficacy and attitudes toward technology, using an artificial neural network approach.The research employed a descriptive-correlational design with a predictive orientation. The statistical population included 967 elementary teachers in Minoodasht during the 2023–2024 academic year. Using Cochran’s formula, 274 teachers were randomly selected. Data were collected through three standardized questionnaires: Technological Self-Efficacy (Wang et al., 2004), Teachers’ Attitudes toward Technology (Knezek & Christensen, 2002), and Educational Technology Use (Teo, 2011). The validity and reliability of the instruments were confirmed. Data were analyzed using a multilayer perceptron (MLP) neural network in SPSS26.Results revealed that self-efficacy in designing and using technology for instructional purposes and trust in technology were the strongest predictors of teachers’ actual technology use, whereas perceived usefulness and technology-related anxiety had weaker effects. The neural network model, with one hidden layer of three nodes and a hyperbolic tangent activation function, demonstrated satisfactory predictive accuracy. Findings, aligned with the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT), highlight that strengthening technological self-efficacy and fostering positive attitudes are essential for increasing teachers’ actual use of educational technologies. It is recommended that policymakers emphasize empowering teachers through professional development programs that build confidence and trust in technology. | ||
| کلیدواژهها [English] | ||
| Technological self-efficacy, Attitude toward technology, Educational technology use, Artificial neural network | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1 |
||