<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>مجله شناخت، رفتار، یادگیری</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1406</Year>
        <Month>02</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Determining the Dimensions and Components of an AI-Oriented Entrepreneurship Curriculum Model in Universities of Mazandaran Province</ArticleTitle>
    <VernacularTitle>تعیین ابعاد و مؤلفه‌های الگوی برنامه درسی کارآفرینی‌محور با رویکرد هوش مصنوعی در دانشگاه‌های استان مازندران</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>21</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>سیده راحیل </FirstName>
        <LastName>هاشمی  </LastName>
        <Affiliation>دانشجوی دکتری ، گروه علوم تربیتی، واحد رودهن ، دانشگاه آزاد اسلامی، رودهن ، ایران </Affiliation>
      </Author>
      <Author>
        <FirstName>ندا</FirstName>
        <LastName>اسماعیلی</LastName>
        <Affiliation>گروه علوم تربیتی، واحد قائم شهر ،دانشگاه آزاد اسلامی، قائم شهر ، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>صغری</FirstName>
        <LastName>افکانه  </LastName>
        <Affiliation>گروه علوم تربيتي ، واحد رودهن ، دانشگاه آزاد اسلامي ، رودهن ، ايران.  </Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1405</Year>
        <Month>03</Month>
        <Day>08</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;The present study aimed to determine the dimensions and components of an AI-oriented entrepreneurship curriculum model for universities in Mazandaran Province. This applied study employed an exploratory sequential mixed-methods design consisting of qualitative and quantitative phases. In the qualitative phase, Glaserian grounded theory was used, and 20 experts and faculty members from universities in Mazandaran Province were selected through purposive judgmental sampling. Data were collected through semi-structured interviews and analyzed using open, axial, and selective coding. This phase resulted in the identification of 72 indicators, 22 components, and seven main dimensions. In the quantitative phase, a researcher-developed 72-item questionnaire was administered to 334 faculty members selected through stratified random sampling from a population of 2,578 faculty members. Exploratory factor analysis was used to examine construct validity, and Cronbach’s alpha was calculated to assess internal consistency reliability. The Kaiser–Meyer–Olkin measure of sampling adequacy was 0.871, and Bartlett’s test of sphericity was statistically significant (p&amp;lt;0.001), confirming the suitability of the data for factor analysis. Exploratory factor analysis extracted seven factors with eigenvalues greater than one, which collectively explained 69.10% of the total variance. The extracted structure consisted of entrepreneurial and intelligent competencies, AI and data competencies, intelligent curriculum design and structure, active and applied learning, human and professional competencies, infrastructure, faculty, and organizational support ecosystem, and assessment and program outcomes. Factor loadings ranged from 0.63 to 0.88. Cronbach’s alpha was 0.949 for the total instrument and ranged from 0.850 to 0.961 across the seven dimensions. The findings confirmed that the proposed AI-oriented entrepreneurship curriculum model has a coherent multidimensional structure, satisfactory construct validity, and high internal consistency and can provide a scientific basis for redesigning entrepreneurship curricula in universities of Mazandaran Province.&lt;/p&gt;
&lt;p&gt;&lt;br /&gt;&lt;br /&gt;&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف پژوهش حاضر تعیین ابعاد و مؤلفه‌های الگوی برنامه درسی کارآفرینی‌محور با رویکرد هوش مصنوعی در دانشگاه‌های استان مازندران بود. پژوهش حاضر از نظر هدف کاربردی و از نظر روش، آمیخته اکتشافی متوالی بود که در دو مرحله کیفی و کمی انجام شد. در مرحله کیفی، از نظریه‌پردازی داده‌بنیاد با رویکرد گلیزری استفاده شد و 20 نفر از خبرگان و اعضای هیئت‌علمی دانشگاه‌های استان مازندران با روش نمونه‌گیری هدفمند قضاوتی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری و با کدگذاری باز، محوری و انتخابی تحلیل شدند. حاصل این مرحله، استخراج 72 شاخص، 22 مؤلفه و هفت بُعد اصلی بود. در مرحله کمی، پرسش‌نامه محقق‌ساخته 72 گویه‌ای در میان 334 نفر از اعضای هیئت‌علمی دانشگاه‌های استان مازندران از جامعه‌ای به حجم 2578 نفر اجرا شد. نمونه‌گیری به روش تصادفی طبقه‌ای انجام گرفت. برای بررسی اعتبار سازه‌ای از تحلیل عاملی اکتشافی و برای ارزیابی پایایی از ضریب آلفای کرونباخ استفاده شد. مقدار شاخص کفایت نمونه‌برداری کایزر–میر–اولکین برابر با 0.871 بود و آزمون کرویت بارتلت نیز از نظر آماری معنادار به دست آمد (p&amp;lt;0.001)، بنابراین داده‌ها برای اجرای تحلیل عاملی مناسب بودند. تحلیل عاملی اکتشافی هفت عامل با مقدار ویژه بیشتر از یک استخراج کرد که در مجموع 69.10 درصد از واریانس کل ابزار را تبیین کردند. ساختار عاملی استخراج‌شده شامل ابعاد شایستگی‌های کارآفرینانه و هوشمند، شایستگی‌های هوش مصنوعی و داده، طراحی و ساختار برنامه درسی هوشمند، یادگیری فعال و کاربردی، شایستگی‌های انسانی و حرفه‌ای، زیرساخت، استاد و اکوسیستم حمایت سازمانی و ارزشیابی و پیامدهای برنامه بود. دامنه بارهای عاملی بین 0.63 تا 0.88 قرار داشت. ضریب آلفای کرونباخ کل ابزار 0.949 و برای ابعاد هفت‌گانه بین 0.850 تا 0.961 به دست آمد. نتایج نشان داد الگوی برنامه درسی کارآفرینی‌محور با رویکرد هوش مصنوعی از ساختاری چندبعدی، منسجم و دارای اعتبار سازه‌ای و پایایی مطلوب برخوردار است و می‌تواند مبنایی علمی برای بازطراحی برنامه‌های درسی کارآفرینی در دانشگاه‌های استان مازندران فراهم کند&lt;/p&gt;
&lt;p&gt; &lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Curriculum</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Entrepreneurship</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Artificial Intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Data-driven Theory</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Higher Education</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Mazandaran Province</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">برنامه درسی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">کارآفرینی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value"> هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">نظریه داده‌بنیاد</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value"> آموزش عالی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">استان مازندران</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journalcbl.com/index.php/jcbl/article/download/528/344</ArchiveCopySource>
  </Article>
</ArticleSet>
