مدیریت آموزشی با مدل‌های نوین تحلیل پوششی داده‌ها برای ارزیابی کارایی مدارس هوشمند

چکیده

این پژوهش به بررسی کاربرد مدل‌های نوین تحلیل پوششی داده‌ها (DEA) در مدیریت آموزشی و ارزیابی کارایی مدارس هوشمند می‌پردازد. مسئله اصلی، ناکارآمدی روش‌های سنتی ارزیابی عملکرد در مدارس هوشمند است که با ادغام فناوری‌های پیشرفته مانند هوش مصنوعی، یادگیری الکترونیکی، سیستم‌های یکپارچه مدیریتی و زیرساخت‌های دیجیتال روبرو هستند و نیازمند رویکردهای پیشرفته برای سنجش کارایی نسبی با در نظر گرفتن عوامل محیطی غیراختیاری مانند نوع حکومت و محدودیت‌های زیرساختی می‌باشد. اهداف تحقیق شامل شناسایی عوامل کلیدی مؤثر بر کارایی (حکومت هوشمند، زیرساخت فناوری و نیروی انسانی)، توسعه مدل DEA خروجی‌محور با گسترش‌هایی مانند EBCC برای گنجاندن متغیرهای محیطی، مقایسه کارایی مدارس هوشمند با مدارس عادی، و ارائه راهکارهای بهبود مدیریت آموزشی است. اساس کار بر تحلیل داده‌های کمی از نمونه‌ای شامل ۱۰۰ مدرسه هوشمند ایران، با ورودی‌هایی نظیر تعداد معلمان، هزینه‌های فناوری و زیرساخت، و خروجی‌هایی مانند عملکرد تحصیلی، یادگیری خودراهبر و مهارت‌های دیجیتال انجام گرفت. نتایج نشان داد مدارس هوشمند در عملکرد تحصیلی میانگین معدل بالاتری (۱۸.۶۳ در برابر ۱۷.۸۲ مدارس عادی) کسب می‌کنند (t=۴.۳۳، p<۰.۰۰۱)، اما در تفکر انتقادی تفاوت معناداری مشاهده نشد (t=۰.۲۴، p=۰.۸۰). میانگین کارایی فنی نسبی مدارس هوشمند حدود ۴۸.۳ درصد برآورد شد، با کارایی بالاتر در مدارس بزرگ‌تر (۶۳.۶ درصد). گنجاندن عوامل محیطی در مدل EBCC تعداد واحدهای کارا را تا ۱۸ درصد افزایش داد. چالش‌های اصلی شامل کمبود زیرساخت (رتبه اول آسیب‌شناسی)، آموزش ناکافی معلمان و محدودیت‌های حکومت هوشمند است. کاربرد هوش مصنوعی یادگیری خودراهبر و توسعه حرفه‌ای معلمان را به طور معنادار بهبود می‌بخشد (F=۲۳.۳۳ برای خودمدیریتی). مدل پیشنهادی با ترکیب DEA و ماتریس مدیریتی، ۷۶ درصد مدارس را در چارک‌های بالای کارایی قرار داد و نشان داد تمرکز بر حکومت هوشمند و نیروی انسانی ماهر می‌تواند کارایی را تا ۲۷ درصد در مدارس خصوصی ارتقا دهد. این رویکرد ابزار مؤثری برای تصمیم‌گیری هدفمند در مدیریت آموزشی نوین فراهم می‌کند