ارایه مدل مدیریت محتوای رسانه های آموزشی دیجیتال فارسی زبان

نویسندگان

• امیررضا استخریان حقیقی ¹
• علی اکبر فرهنگی ²
• رقیه اسکروچی ³
• غلامرضا اسکروچی ⁴

¹ دانشجوی دکتری مدیریت رسانه ای، پردیس بین الملل کیش دانشگاه تهران

² استاد ارتباطات و مدیرت رسانه، پردیس بین الملل کیش دانشگاه تهران.

³ دانشیار آموزش با بهره گیری از فناوری اطلاعات، دانشکده مدیریت و اطلاع رسانی دانشگاه علوم پزشکی ایران.

⁴ استاد آمار دانشکده تکنولوژی دانشگاه آکسفورد بروکس انگلستان

چکیده

یک رسانه با ایفای نقش آموزش محور می تواند در بهبود و روان سازی راهبردهای مدیریت آموزشی یک کشور نقشی ویژه را ایفا کند. پیدایش فناوری های نوظهور ارتباطات و اطلاعات و گره خوردن آن با صنعت رسانه منجر به شکل گیری رسانه های آموزشی دیجیتال به عنوان ابزار های نوین در نظام آموزشی کشور شد. از این رو، چگونگی تدوین و ارایه محتوی آموزشی و هم چنین، پیش بینی مقدار اثرگذاری محتوای دیجیتالی بر مخاطب به عنوان یک چالش مطرح می باشد به گونه ای که مدیریت بهینه محتوی رسانه آموزشی تحت وب می تواند منجر به بهینه شدن فرآیند مدیریت آموزش شود که هدف این پژوهش تحقق این امر است. طرح پژوهش از نوع همبستگی می‌باشد. نمونه آماری پژوهش شامل دو گروه 30 نفره از خبرگان و کاربران است که 239 محتوی دیجیتال آموزشی را بررسی کرده اند. جهت گرد آوری داده ها از یک پرسش نامه 25 پرسشی محقق ساخته استفاده شد. اعتبار و پایایی پرسش نامه از قابلیت لازم برخوردار بوده است. نتایج پژوهش که به کمک نرم افزار SPSS مورد تحلیل قرار گرفت، نشان می دهد همبستگی معناداری بین خروجی مدل و نظرخبرگان در شدت احساسات و تمایل مخاطبان به یادگیری وجود دارد.

کلیدواژه‌ها

• مدیریت آموزشی
• رسانه آموزشی
• تحلیل احساسات
• رسانه دیجیتال
• شبکه اجتماعی

20.1001.1.20086369.1395.7.26.12.3

---

عنوان مقاله [English]

Presenting Model for Content Management of Persian Educational Digital Media

نویسندگان [English]

• A.R. Estakhrian Haghighi ¹
• A.A. Farhangi ²
• R. Eskrootchi ³
• Gh. R. Oskrouchi ⁴

چکیده [English]

 A Media by instructive oriented approach can play an important role in improvement of educational strategies of a country. Emergence of modern information and communication technology in media industry was the main reason for definition of digital media as a tool for educational objectives. The way which the digital content can be presented and how much it is probably welcomed by the audience has always been considered as a challenge. Whatever the digital content of educational media be better managed, the educational administration process would be optimized and the main objective of this research is based on this fact. The research type is correlation. Statistical sample of this research included two groups, each included 30 personswho have investigated 239 digital educational contents. For data gathering a researcher constructed questionnaire composed of 30 questions was used. Validity of this questionnaire has been guaranteed. The research result which has been analyzed by SPSS software showed a meaningful correlation between output of model and experts on learning tendency of digital media audiences.

کلیدواژه‌ها [English]

• Educational Administration
• Educational Media
• Sentimental Analysis
• Digital Media
• Social Network

مراجع

Ateeq, A. (2011).” A Short Description of Social Networking Websites”. (IJACSA) International Journal of Advanced Computer Science and Applications, 124-128.

- Berelson, B. (1952). “Content Analysis in Communication Research”. Glencoe: Free Press.

- Dadashmiri,P. (2001).” Detection of End of Words and Space Creation between Sentences”.Master Thesis in Science and Industry University. (In Persian)

- Domas White, M., & Marsh, E. E. (2014).“Content analysis: a flexible methodology”. Library Trends, 55(1), 22-45.

- Rahmath, P. (2014) ,”Opinion Mining and Sentiment Analysis Challenges and Applications”. International Journal of Application or Innovation in Engineering&Management (IJAIEM) 401-403.

- Hemalatha,D. (2014). “Automated Sentiment Analysis System Using Machine Learning Algorithms”. International Journal of Research in Computer and Communication Technology.300-303

- Hemalatha,D, Saradhi V.,Govardhan,D.(2012). “Preprocessing the Informal Text for efficient Sentiment Analysis”. International Journal of Emerging Trends&Technology in Computer Science (IJETTCS),58-61

- Kaushik, C., & Mishra, A. (2014).” A Scalabel, Lexicon BasedTechniques for Sentiment Analysis”. International Journal in Foundations of Computer Science & Technology (IJFCST), 35-43

Kim, I., Kuljis, J. (2010).” Applying content analysis to Web based content”. Computing and Information Technology, 369-375.

- Leonardi, P., Huysman, M., &Steinfield, C. (2013).” Enterprise Social Media: Definition, History, and Prospects for the Study of Social Technologies in Organizations”. Journal of Computer-Mediated Communication, 1-19.

- Oraby,S. , Sonbaty, Y.، و Abou Nasr, M. (2013). “Finding Opinion Strength Using Rule-Based Parsing for Arabic Sentiment Analysis”. Springer-Verlag،509-520.

- Poorkarimi, J. (2002). “Media Advertisement Changing Attitude of Audience” .Pajuhesh and Sanjesh Journal. Round 9 . No.29.( In Persian)

- Rahimi,M. (2011).”Students Excitement and it’s relation with Information Application and Personal Computer”. Proceeding of forth Conference of E-Learning. Tehran University, PP120-128.( In Persian)

-Shamsfard, M. (2006). “Previous Results, Future Challenge” .Second Research Workshop of Persian Language and Computer.172-189.( In Persian)

- Shahmoradi , M. (2011) .”Conformity Assessment Activities Smart School King City High School with a Roadmap to Smart School”. MSc.  Thesis Tehran Teacher Training University Faculty of Education.(In Persian)

- Steinfeild, F., L, R., & J, H. (2013).“The Online Health Care Revolution.Pewinternet”.

- Yousefan, A. Salehi Zareei, S. , and Minayee Bigdeli , B. (2006). “Difficulties for Root Finding and a Method for Detection of Roots of Farsi Verbs”.Second Research Workshop of Persian Language.172-189. ( In Persian)

- Weifeng, L. and Hsinchun, Ch. (2014). Identifying Top Sellers In Underground EconomyUsing Deep Learning-based Sentiment Analysis. IEEE Joint Intelligence and Security Informatics Conference,64-67.

- Zhang, K., Cheng, Y., Yusheng, X., Daniel H. Ankit, A., and Diana P. (2011).. Sentiment Elicitation System for Social Media Data. 11th IEEE International Conference on Data Mining Workshops،129-136