تحلیل مضمون آسیب‌های نظام ارزشیابی آنلاین پیشرفت تحصیلی مقطع متوسطه دوم از دیدگاه متخصصان

نویسندگان

    غلامعلی عباسی دانشجوی دکتری گروه مدیریت آموزشی، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران.
    مجید محمدی * گروه مطالعات آموزشی و برنامه‌ریزی درسی، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران. majid.mohamadi@iau.ac.ir
    رفیق حسنی گروه حکمرانی آموزشی و سرمایه انسانی، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران.

کلمات کلیدی:

 ارزشیابی آنلاین, پیشرفت تحصیلی, آموزش متوسطه, یادگیری دیجیتال, تحلیل مضمون, هوش مصنوعی

چکیده

هدف پژوهش حاضر شناسایی و تحلیل مضمون آسیب‌های نظام ارزشیابی آنلاین پیشرفت تحصیلی دانش‌آموزان مقطع متوسطه دوم از دیدگاه متخصصان آموزشی بود. پژوهش حاضر از نوع کیفی و با رویکرد پدیدارشناختی انجام شد. جامعه پژوهش شامل معلمان و کارشناسان آموزشی مقطع متوسطه دوم استان کردستان در سال تحصیلی ۱۴۰۱–۱۴۰۰ بود. نمونه‌گیری به‌صورت هدفمند نظری انجام گرفت و ۱۵ نفر از متخصصان دارای تجربه و آشنایی با نظام ارزشیابی مجازی انتخاب شدند. ابزار گردآوری داده‌ها مصاحبه نیمه‌ساختاریافته بود و داده‌ها با استفاده از روش کدگذاری باز، محوری و انتخابی تحلیل شدند. برای افزایش دقت و اعتبار، از نرم‌افزار NVivo جهت مدیریت داده‌ها و از راهبردهای بازبینی مشارکت‌کنندگان، هم‌سنجی تحلیلی و مثلث‌سازی منابع استفاده شد. نتایج تحلیل مضمون نشان داد که آسیب‌های نظام ارزشیابی آنلاین در سه بعد اصلی قابل طبقه‌بندی هستند: آسیب‌های آموزشی و زیرساختی، آسیب‌های انسانی و مدیریتی، و آسیب‌های اخلاقی و روان‌شناختی. در مجموع، هشت مقوله فرعی شناسایی شد که شامل ضعف در بازخورد آموزشی، مشکلات زیرساختی، ضعف مهارت‌های دیجیتال معلمان، تقلب دانش‌آموزان، دخالت والدین، استرس روانی، کاهش تعامل انسانی، و نبود فرهنگ استفاده صحیح از فضای مجازی بود. یافته‌ها بیانگر آن است که نبود بازخورد مؤثر، ضعف زیرساخت‌ها و کمبود سواد فناوری معلمان بیشترین نقش را در کاهش اعتبار و اثربخشی نظام ارزشیابی آنلاین ایفا می‌کنند. پژوهش حاضر نشان داد که نظام ارزشیابی آنلاین علی‌رغم ظرفیت‌های فناورانه خود، با چالش‌های عمیق آموزشی، مدیریتی و اخلاقی روبه‌رو است. برای بهبود کیفیت و عدالت آموزشی، بازنگری در سیاست‌های ارزشیابی، ارتقای مهارت دیجیتال معلمان و طراحی نظام اخلاقی روشن در محیط‌های مجازی ضروری است.

 

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Ahmad, N., Noorani, Z., & Sewani, R. (2025). Exploring Feedback and Assessment Practices: Perspectives From Prospective Teachers. CRSSS, 3(1), 953-966. https://doi.org/10.59075/c39z2h90

Anwar, R. N. (2024). Pendampingan Pembuatan Asesmen Sumatif Sebagai Laporan Hasil Belajar Peserta Didik Pada Komunitas Belajar Guru PAUD. Profetik J. Pengabdi. Masy., 2(2), 95-104. https://doi.org/10.62490/profetik.v2i02.670

Bakar, S. A. (2025). The Impact of Online Submission Systems on Teaching Practice in Digital Education Environments: A Case Study of Open University Malaysia. Muallim Journal of Social Science and Humanities, 231-239. https://doi.org/10.33306/mjssh/345

Beerepoot, M. T. P. (2023). Formative and Summative Automated Assessment With Multiple-Choice Question Banks. Journal of Chemical Education, 100(8), 2947-2955. https://doi.org/10.1021/acs.jchemed.3c00120

Begimbetova, G. A., Kassymova, G. K., & Abduldayev, Y. (2023). Criteria-Based Assessment Model in the Education System of Kazakhstan. Iasaýı Ýnıversıtetіnіń Habarshysy, 127(1), 276-287. https://doi.org/10.47526/2023-1/2664-0686.23

Brian, R., Murillo, A., Gomes, C., & Alseidi, A. (2024). Artificial Intelligence and Robotic Surgical Education. Global Surgical Education - Journal of the Association for Surgical Education, 3(1). https://doi.org/10.1007/s44186-024-00262-5

Dockens, A. L., & Shelton, K. (2025). AI for Formative and Summative Assessment. 353-386. https://doi.org/10.4018/979-8-3373-5102-5.ch013

Dubey, P., Crevar, A. R., & Rischard, M. K. (2025). Relevance of Artificial Intelligence in Assessment. 477-500. https://doi.org/10.4018/979-8-3373-2397-8.ch016

Gupta, S., & Srivastava, T. (2024). Assessment in Undergraduate Competency-Based Medical Education: A Systematic Review. Cureus. https://doi.org/10.7759/cureus.58073

Hurskaya, V., Mykhaylenko, S., Kartashova, Z., Kushevska, N., & Zaverukha, Y. (2024). Assessment and Evaluation Methods for 21st Century Education: Measuring What Matters. Futurity Education, 4(4), 4-17. https://doi.org/10.57125/fed.2024.12.25.01

Kumar, R., Balla, R., Chahal, D., Yadav, R., Manzer, S. M., Kadaiyan, R., & Singh, G. (2025). Creating Digital Environment Using Data Analytics and AI for Evaluation: A Conceptual Study. Int. J. Environ. Sci., 3435-3444. https://doi.org/10.64252/9dfkj869

Mahmudah, S., & Anggunsari, P. (2023). Oral Corrective Feedback as a Formative Assessment in Teaching Speaking Skill. Journal of Research on English and Language Learning (J-Reall), 4(1), 18-25. https://doi.org/10.33474/j-reall.v4i1.19432

Marzuki, A. G. (2023). Principles, Functions, Types, and Implementation of Assessments in Schools. https://doi.org/10.31219/osf.io/ejrk2

Muhanguzi, J., Tukur, M., Aja, L., Umar, S., Nakafu, G., Mugerwa, S., Sewalu, M. B. D., & Shafiu, A. (2025). Qualitative Study on Formative and Summative Assessment Strategies for Effective Learning Outcome Among Pharmacy Students: A Systematic Review. Foefujs, 5(2), 24-28. https://doi.org/10.64348/zije.20255

Nurhasan, U., Rahmanto, A. N., Mubarok, F. U., & Sabita, A. R. (2024). The Implementation of Automated Assessment Platform in Asynchronous Learning for Independent Learning of Game Programming User Interface for Students at Telkom Malang Vocational High School. Abdi Dosen Jurnal Pengabdian Pada Masyarakat, 8(1), 167-177. https://doi.org/10.32832/abdidos.v8i1.2165

Paiva, J. C., Figueira, Á., & Leal, J. P. (2023). Bibliometric Analysis of Automated Assessment in Programming Education: A Deeper Insight Into Feedback. Electronics, 12(10), 2254. https://doi.org/10.3390/electronics12102254

Paiva, J. C., Leal, J. P., & Figueira, Á. (2025). Incremental Repair Feedback on Automated Assessment of Programming Assignments. Electronics, 14(4), 819. https://doi.org/10.3390/electronics14040819

Peña, H.-K. D., & Galigao, R. (2025). Assessment for Learning: Balancing Traditional and Innovative Evaluation Approaches in Education. Pijhss. https://doi.org/10.69651/pijhss0402165

Riese, E., & Bälter, O. (2022). A Qualitative Study of Experienced Course Coordinators’ Perspectives on Assessment in Introductory Programming Courses for Non-Cs Majors. Acm Transactions on Computing Education, 22(4), 1-29. https://doi.org/10.1145/3517134

Tariq, M. U. (2025). AI-Powered Assessment Platforms. 117-146. https://doi.org/10.4018/979-8-3373-2130-1.ch004

Thakre, N. K., Ramesh, P., Thakur, M., & Sumitra, S. (2024). Using Innovative Technologies as E-Assessment Tool in Higher Educational Institutions. Nanotechnology Perceptions, 1262-1269. https://doi.org/10.62441/nano-ntp.vi.1757

Tonbuloğlu, B. (2024). Online Assessment in K12 Computer Science Education. 223-262. https://doi.org/10.4018/979-8-3693-4542-9.ch009

Tu, B., Nguyễn, M. T., & Nam, L. H. (2025). Development of Automatic Assessment System Based on Machine Learning for Student Learning Evaluation. Al-Hijr Journal of Adulearn World, 3(4), 483-493. https://doi.org/10.55849/alhijr.v3i4.856

Wijk, E. V. v., Blankenstein, F. M. v., Donkers, J., Janse, R. J., Bustraan, J., Adelmeijer, L. G. M., Dubois, E. A., Dekker, F. W., & Langers, A. M. J. (2024). Does ‘Summative’ Count? The Influence of the Awarding of Study Credits on Feedback Use and Test-Taking Motivation in Medical Progress Testing. Advances in Health Sciences Education, 29(5), 1665-1688. https://doi.org/10.1007/s10459-024-10324-4

Yang, Y. (2024). Formative Assessment: A Significant Facilitator of Student Learning. Science Insights Education Frontiers, 20(2), 3219-3221. https://doi.org/10.15354/sief.24.co267

دانلود

چاپ شده

۱۴۰۴/۱۰/۲۵

ارسال

۱۴۰۴/۰۲/۱۳

بازنگری

۱۴۰۴/۰۸/۰۸

پذیرش

۱۴۰۴/۰۸/۲۱

شماره

نوع مقاله

مقالات

ارجاع به مقاله

عباسی غ.، محمدی م.، و حسنی ر. (1404). تحلیل مضمون آسیب‌های نظام ارزشیابی آنلاین پیشرفت تحصیلی مقطع متوسطه دوم از دیدگاه متخصصان. مجله شناخت، رفتار، یادگیری، 1-18. https://journalcbl.com/index.php/jcbl/article/view/313

مقالات مشابه

41-50 از 128

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.