ارائه مدل پيش بيني موفقيت تحصيلي براي دوره هاي كارشناسي ارشد؛ مطالعه موردي: مركز آموزش الكترونيكي دانشگاه علم و صنعت ايران

Academic Achievement Predicting Model for Admission in Master Levels Case Study: E-learning Center of Iran University of Science and Technology

هدف مطالعه حاضر، شناسائي شاخص هاي پذيرشي موثر در موفقيت تحصيلي دانشجويان دوره هاي كارشناسي ارشد در رشته هاي مهندسي و مديريت در دوره هاي آموزش الكترونيكي و تدوين آنها در قالب يك مدل پيش بيني بود. روش: طرح مطالعه حاضر از نوع همبستگي است. شركت كنندگان، كليه پذيرفته شدگان در دوره هاي كارشناسي ارشد مركز آموزش الكترونيكي دانشگاه علم و صنعت ايران بودند كه تا پايان نيمسال دوم سال تحصيلي 92-1391حداقل، يك نيمسال، نمرات ثبت شده داشته اند. شيوه ورود به دوره كارشناسي ارشد، نوع دانشگاه محل تحصيل مقطع كارشناسي، نوع رشته تحصيلي مقطع كارشناسي و معدل كل مقطع كارشناسي به عنوان متغيرهاي پيش بين و معدل كل واحدهاي اخذ شده در مقطع كارشناسي ارشد به عنوان متغير ملاك جمع آوري شدند. و داده ها با مدل رگرسيون تحليل شدند. يافته ها: از ميان متغيرهاي پيش بين وارد شده در تحليل، رشته تحصيلي مقطع كارشناسي (مهندسي)، پذيرش از طريق آزمون اختصاصي (با وزن منفي)، معدل كل مقطع كارشناسي، نوع دانشگاه محل تحصيل مقطع كارشناسي (دولتي) و رشته تحصيلي مقطع كارشناسي (علوم پايه)، به ترتيب، به عنوان مؤثرترين عوامل يا پيش بيني كننده هاي موفقيت در مقطع كارشناسي ارشد شناسائي شدند. نتيجه گيري: با توجه به توان پيش بين نسبتا پائين ملاك هاي موجود پذيرش دانشجويان كارشناسي ارشد آموزش الكترونيكي در دانشگاه مورد مطالعه توصيه مي شود از متغيرهاي بيشتري به منظور پيش بيني قوي تر، استفاده كرد.

The aim of the present study was to identify factors influencing the academic achievement of students admitted to postgraduate courses (MS) in engineering and management fields in e-learning courses and compile them in the form of a prediction model. Method: This study performed with a correlation design. The participants were all of accepted students in the e-learning center of Iran University of Science and Technology (IUST) at postgraduate level, who had recorded formal marks at least in one semester, by the end of the second semester of the academic year 2012-13. The method of entering to the postgraduate course, the kind of university in the graduate program(BS), BS major, and BS grade point average (GPA) for each of participants, have taken as predictor variables and the grade point average (GPA) of the lessons in MS has considered as the criterion variable. Data were analyzed using linear regression model. Results: Among the predictor variables entered into the analysis; BS major (Engineering), admission through university entrance exam (with negative weight), BS grade point average, BS university type (governmental) and BS major (Science), are respectively identified as the most influential factors or predictors of success in post graduate course. Conclusion and discussion: Noticing the relatively low prediction power of the current variables set, some more powerful predictors should be applied if an accurate prediction for academic achievement is expected.