تحلیل دومرحله‌ای کارایی فردی دانش‌آموزان در آموزش ریاضی: کاربرد مدل BCC و بررسی عوامل محیطی با رویکرد همبستگی

نویسندگان

  • مرضیه خواجه‌پور * گروه ریاضی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
  • فرهاد حسین‌زاده لطفی گروه ریاضی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. https://orcid.org/0000-0001-5022-553X

https://doi.org/10.48313/asemel.v2i4.93

چکیده

هدف: در این پژوهش، کارایی فردی دانش‌آموزان در درس ریاضی با استفاده از مدل BCC ورودی‌ محور تحلیل پوششی داده‌ها ارزیابی شد. داده‌ها از مجموعه معتبر عملکرد دانش‌آموزان پرتغال استخراج گردید و شامل ۳۵۷ مشاهده بود. ورودی‌ها عبارت بودند از زمان مطالعه هفتگی، تعداد غیبت‌ها، تعداد شکست‌های قبلی، زمان رفت‌وآمد به مدرسه و اندازه خانواده و خروجی، نمره نهایی درس ریاضی دوره دوم در نظر گرفته شد.

روش‌شناسی پژوهش: نتایج نشان داد، میانگین کارایی در سطح متوسطی قرار دارد و تعداد محدودی از دانش‌آموزان کارا تشخیص داده شدند. در مرحله دوم، رابطه امتیاز کارایی با عوامل محیطی شامل نمره دوره اول، حمایت آموزشی مدرسه، محل سکونت، جنسیت، حمایت آموزشی خانواده، وضعیت زندگی والدین و زمان آزاد بعد از مدرسه با استفاده از ضریب همبستگی اسپیرمن بررسی گردید.

یافته‌ها: یافته‌ها حاکی از آن است که نمره دوره اول قوی‌ترین رابطه مثبت و معنادار را با کارایی دارد. همچنین سکونت شهری، جنسیت مذکر و تمایل به ادامه تحصیل در دانشگاه رابطه مثبت معنادار نشان دادند. دریافت حمایت آموزشی اضافی از مدرسه رابطه منفی معنادار با کارایی داشت، در حالی که سایر عوامل مانند حمایت خانواده، وضعیت زندگی والدین و زمان آزاد بعد از مدرسه تاثیر معناداری نشان ندادند.

اصالت/ارزش‌افزوده علمی: این مطالعه نشان می‌دهد که کارایی فردی دانش‌آموزان در آموزش ریاضی تحت‌تاثیر ترکیبی از عوامل آموزشی و محیطی قرار دارد و نتایج می‌تواند مبنایی برای سیاست‌گذاری و مداخلات آموزشی هدفمند باشد.

کلمات کلیدی:

تحلیل پوششی داده‌ها، مدل BCC، کارایی فردی، آموزش ریاضی، همبستگی اسپیرمن با عوامل محیطی

مراجع

  1. [1] Villegas-Ch, W., Gutierrez, R., Jaramillo-Alcazar, A., & Maldonado-Navarro, A. (2026). Integrating artificial intelligence and data envelopment analysis for sustainable efficiency assessment in higher education. Computers and education: artificial intelligence, 10, 100557. https://doi.org/10.1016/j.caeai.2026.100557

  2. [2] Shero, J. A., Otaiba, S. Al, Schatschneider, C., & Hart, S. A. (2022). Data envelopment analysis (DEA) in the educational sciences. The journal of experimental education, 90(4), 1021–1040. https://doi.org/10.1080/00220973.2021.1906198

  3. [3] Almeida, J. P. L. De, Anjos, F. H. Dos, Moreira, M. F., Bermejo, P. H. De S., Prata, D. N., & Rodrigues, W. (2025). University efficiency evaluation using data envelopment analysis: Future research agenda. Cogent education, 12(1), 2445964. https://doi.org/10.1080/2331186X.2024.2445964

  4. [4] Popović, M., Savić, G., Kuzmanović, M., & Martić, M. (2020). Using data envelopment analysis and multi-criteria decision-making methods to evaluate teacher performance in higher education. Symmetry, 12(4), 563. https://doi.org/10.3390/sym12040563

  5. [5] Kuah, C. T., & Wong, K. Y. (2011). Efficiency assessment of universities through data envelopment analysis. Procedia computer science, 3, 499–506. https://doi.org/10.1016/j.procs.2010.12.084

  6. [6] Rao, M. V. S. (1975). Socio-economic indicators for development planning. International social science journal, 27(1), 121. https://openurl.ebsco.com/EPDB%3Agcd%3A13%3A6643533/detailv2?sid=ebsco%3Aplink%3Ascholar&id=ebsco%3Agcd%3A5624141&crl=c&link_origin=scholar.google.com

  7. [7] Moradi-Motlagh, A., & Emrouznejad, A. (2022). The origins and development of statistical approaches in non-parametric frontier models: A survey of the first two decades of scholarly literature (1998–2020). Annals of operations research, 318(1), 713–741. https://doi.org/10.1007/s10479-022-04659-7

  8. [8] Izadikhah, M., Azadi, E., Azadi, M., Farzipoor Saen, R., & Toloo, M. (2022). Developing a new chance constrained NDEA model to measure performance of sustainable supply chains. Annals of operations research, 316(2), 1319–1347. https://doi.org/10.1007/s10479-020-03765-8

  9. [9] Preeti, P., Dixit, D., & Garg, V. (2024). Analyzing the development of data envelopment analysis research. 2024 4th international conference on advancement in electronics & communication engineering (AECE) (pp. 330–334). IEEE. https://doi.org/10.1109/AECE62803.2024.10911300

  10. [10] Hanushek, E. A., & Woessmann, L. (2008). The role of cognitive skills in economic development. Journal of economic literature, 46(3), 607–68. https://doi.org/10.1257/jel.46.3.607

چاپ شده

2025-12-16

ارجاع به مقاله

خواجه‌پور م. ., & حسین‌زاده لطفی ف. . (2025). تحلیل دومرحله‌ای کارایی فردی دانش‌آموزان در آموزش ریاضی: کاربرد مدل BCC و بررسی عوامل محیطی با رویکرد همبستگی. مطالعات کاربردی در مدیریت آموزشی و یادگیری الکترونیکی, 2(4), 224-233. https://doi.org/10.48313/asemel.v2i4.93

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.