| تاریخ ارسال: 1404/2/4 |
تصویب‌نامه کمیته آموزش آمار دانشگاهی (دوره هفدهم)
بسمه تعالی
در عصر داده و به خصوص گسترش هوش مصنوعی لازم است آموزش آمار، که پایه و اساس تحلیل دادهها با استفاده از الگوریتم‌های هوشمند است، یادگیری دروس پایه و تخصصی دانشگاهی آمار از ویژگی‌های کافی برای انطباق با وضعیت جدید و رشد فناوری برخوردار و دانش‌آموختگان را برای ورود به بازار کار آماده سازد. برای نیل به این هدف و متناسب با روند پیشرفت‌ها در علوم مختلف به ویژه علم دادهها و نظر به تفاوت‌ها با گذشته و بنا به ضرورت باید شاخص‌های کلیدی در آیین‌نامه آموزش دانشگاهی آمار به روز شوند.
نظر به ضرورت پویایی و به روز رسانی علم آمار مطابق با سرعت تغییرات و پیوند آن با پیشرفتهای علمی به‌خصوص در زمینه هوش مصنوعی و بهرهگیری از دستاوردهای نوین آن در تحلیل دادهها، این کمیته شاخص‌های کلیدی عملکرد (KPI) زیر را در تعیین خط‌‌مشی‌ها و اهداف خود مدنظر قرار میدهد.
نظر به ضرورت پویایی و به روز رسانی علم آمار مطابق با سرعت تغییرات و پیوند آن با پیشرفتهای علمی به‌خصوص در زمینه هوش مصنوعی و بهرهگیری از دستاوردهای نوین آن در تحلیل دادهها، این کمیته شاخص‌های کلیدی عملکرد (KPI) زیر را در تعیین خط‌‌مشی‌ها و اهداف خود مدنظر قرار میدهد.
ماده۱-خط مشی کمیته:
- تضمین کیفیت و استاندارد سازی: نظر به اینکه سیاستگذاری علمی، دستورالعمل‌ها و آیین‌نامه‌ها در سطح دانشگاهی به طور اعم و در گروههای آموزشی آمار به طور خاص محتوا، دقت و عمق یادگیری در سطح کارشناسی یا تحصیلات تکمیلی، و همچنین دوران گذار بین تحصیل در مقطع پیش دانشگاهی و دانشگاهی، و نیز بین مقطع کارشناسی و تحصیلات تکمیلی را تعریف و ارزیابی میکند باید از کیفیت لازم برخوردار باشد. بنابراین، و اهداف برنامه‌ها طوری تعریف شوند تا سطح قابل قبولی از یافته‌های دانشجویان و یادگیری آنان صرفنظر از ماموریت کلی موسسه، مدرسین و یا بخشی از دوره تضمین و قابل رقابت و مقایسه باشد.
- برنامه درسی: برنامه آموزشی و درسی باید جامع، مؤثر و همراه با یادگیری مورد انتظار متناسب با هدف برنامه باشد. برنامه درسی باید به گونه‌ای طراحی شود که دانشجویان دانش و مهارت‌های لازم در آموزش عمومی و تخصصی ضروری، از جمله حداقل ارتباطات با کسب و کار، استدلال علمی و کمی، تجزیه و تحلیل انتقادی و استدلال، و شایستگی‌های فنی را کسب کرده و نشان دهند. بنابراین، دانش، مهارت‌ها و شایستگی‌های دانشجو پس از اتمام موفقیت‌آمیز یک دوره، برنامه تحصیلی، باید الزامات مهارتی و آموزشی فراگیر را نشان و تضمین نماید. ارزیابی یادگیری دانشجویان نشان میدهد که در پایان دوره آموزش فراگیران دانش، مهارت‌ها و شایستگی‌های منطبق با اهداف آموزش را دارند. از آنجایی که نتایج یادگیری مورد انتظار فراگیران مستلزم گنجانده آن در برنامه های درسی است، برنامه باید پویا و توسط اساتید، صاحبنظران و دیگر متخصصان طراحی، نگهداری و به روز شوند. با این حال، ضروری است که اطمینان حاصل شود که فراگیران، صرف نظر از دوره تحصیلی خاص و یا اساتید، از فرصت برای دستیابی به اهداف و نتایج یادگیری پیشبینی شده در برنامه برخوردار هستند.
- جذب و توانمندسازی اساتید: آموزش و یادگیری محور فعالیت اساتید است و آنها مسئولیت اصلی ترویج، تسهیل، تضمین و ارزیابی یادگیری دانشجویان را بر عهده دارند. بنابراین، استاد باید به واسطه تحصیلات، آموزش، تجربه یا مهارت‌های مناسب واجد شرایط باشد به طوری که صلاحیت‌های حرفهای تعیین شده در دوره تحصیلی را داشته و انتظارات را از نظر استانداردهای مناسب کیفیت و مأموریت سازمانی برآورده سازد. تدوین مقررات شامل استانداردها و رویه‌های اجرایی برای اساتید مانند انتصاب، ارتقاء، تصدی، انضباط، راهنمایی و آموزشهای ضمن خدمت از طریق شرکت در کنفرانسها و کارگاهها و نیز استفاده از فرصت مطالعاتی که بر اساس اصول انصاف و با رعایت کرامت انسانی و حقوق همه افراد را تصریح کند امری ضروری است.
- ملاحظات اخلاق حرفهای و استفاده مسئولانه از دادهها: این آیین نامه به جنبه‌های اخلاقی جمع‌آوری، تجزیه و تحلیل و تفسیر دادهها اهمیت زیادی می دهد. لازم است آیین نامه در رابطه با اخلاق آماری در انجام فعالیت های آماری در نظر گرفته شود. با ظهور هوش مصنوعی، این ملاحظات اهمیت بیشتری پیدا می‌کنند، زیرا الگوریتم‌ها می‌توانند سوگیری‌های موجود را تداوم بخشند و تقویت کنند.
- سازگاری با پیشرفتهای هوش مصنوعی: استفاده فزاینده از هوش مصنوعی در تحلیل آماری، به‌روزرسانی برنامه درسی و روشهای تدریس را ضروری میکند. این آیین نامه می تواند ساختاری برای گنجاندن مسئولانه ابزارها و تکنیک‌های هوش مصنوعی فراهم کرده و اطمینان حاصل کند که دانشجویان مهارت‌های لازم برای پیمایش چشم‌انداز در حال تحول علم داده ها را توسعه می‌دهند. این شامل درک محدودیت‌ها و سوگیری‌های بالقوه الگوریتم‌های هوش مصنوعی و همچنین پیامدهای اخلاقی استفاده از آنها میشود. به علاوه لازم است به نیاز به آموزش آمار در زمینه امنیت دادهها و حریم خصوصی در زمینه تجزیه و تحلیل مبتنی بر هوش مصنوعی پرداخته شود.
- پذیرش و آموزش دانشجویان: معیار پذیرش دانشجویانی که علایق، اهداف و توانایی‌های آنها مطابق با اهداف دوره تحصیلی باشد.
- حمایت از فراگیران: گروه آموزشی برای حفظ دانشجویان خدمات پشتیبانی که دانشجو را قادر سازد به اهداف دوره دست یابد ارائه میدهد. خدمات در جهت اهداف آموزشی معمولاً مستلزم برنامه‌ای سازمان‌یافته و متناسب با اهداف یادگیری است که با کمک اساتید و تعهد نهاد آموزشی تامین میشود. با این حال، باید اطمینان حاصل شود که فراگیران از فرصتهای کافی و پیش‌رونده برای دستیابی به اهداف و نتایج یادگیری پیشبینی شده برخوردار هستند.
با توجه به شاخص های عملکردی فوق، چشم انداز و اهداف کمیته آموزش آمار دانشگاهی به شرح زیر است.
ماده۲-چشم انداز:
مقدمه: آموزش آمار باید مبتنی بر توانمندسازی دانشجویان برای تبدیل شدن به متفکران انتقادی و راویان داده‌ای تمرکز کند. انتظار دارد فراگیران از حفظ کردن مطالب، فرمول‌ها، رویه‌ها و محاسبات ریاضی به سمت پرورش درک واقعی مفاهیم آماری و کاربردهای دنیای واقعی آنها سوق داده شوند. در ادامه چشم انداز مورد نظر این آیین نامه در چند بند ارائه می شود.
- درک مفهومی: بر "چرایی" پشت روشهای آماری به همان اندازه "چگونه" تأکید شود. دانشجویان تشویق شوند تا درک شهودی از مفاهیم اصلی مانند تغییرپذیری، عدم قطعیت و استنتاج آماری ایجاد گردد.
- سواد داده‌ای: دانشجویان به مهارت‌های لازم برای ارزیابی انتقادی دادهها، شناسایی سوگیری‌های احتمالی و نتیجه‌گیری‌های معنادار مجهز شوند.
- ارتباط با دنیای واقعی: مفاهیم آماری به مسائل و مجموعه داده‌های دنیای واقعی مرتبط شده و از مثال‌ها و مطالعات موردی در زمینه‌های مختلف برای نشان دادن کاربرد عملی آمار در پرداختن به مسائل پیچیده استفاده گردد.
- تفکر محاسباتی: ابزارها و تکنیک‌های محاسباتی از ابتدای آموزش آمار دانشگاهیی در برنامه های درسی ادغام شده و دانشجویان قادر شوند تا ضمن آشنا شدن با ابزار و برنامه‌های محاسباتی، مجموعه داده‌های بزرگتر (مه داده، کلان داده (Big Data) را تجزیه و تحلیل و مدل‌های آماری پیچیده‌تری را بررسی کنند.
- یادگیری انطباق‌پذیر: ذهنیت یادگیری مادام‌العمر و انطباق‌پذیر القا شود و دانشجویان برای پیمایش چشم‌انداز در حال تحول تجزیه و تحلیل دادهها و پذیرش روشهای آماری جدید، از جمله روشهای مبتنی بر هوش مصنوعی، آماده گردند.
ماده۳-اهداف:
- سیاستگذاری برای تشویق و جذب دانش آموزان مستعد برای انتخاب رشته آمار در مراکز آموزش عالی
- نشر و توسعه استانداردها و چارچوبها در برنامه درسی آمار دانشگاهها
- ترویج روشهای آماری در تحلیل دادهها با بکارگیری هوش مصنوعی در آموزشهای دانشگاهی
- ایجاد منطقی نسبت بین آمار با سایر رشته‌ها در پیوند و توسعه تخصصهای بین‌رشته‌ای مانند علم داده
- تدوین، پی گیری و حمایت از اجرای «شیوه نامه اخلاقی کارهای آماری» به منظور ترویج اصول علمی و اخلاقی در کارهای آماری کشور
- کمک به توسعه و انتشار متون علمی به روز آمار به زبان فارسی جهت تدریس دروس مقدماتی و پایه آماری
- ارتقاء کاربرد روشهای آماری در تحقیقات از طریق گسترش آموزش روشهای پیشرفته آماری به مقاطع تحصیلات تکمیلی سایر رشته‌های دانشگاهی
- افزایش سواد آماری مدرسین و محققین از طریق اشاعه و گسترش کارگاههای آموزشی روشهای آماری
- کمک به ارتقاء اثربخشی آموزشی علم آمار در رفع نیازهای کاربردی جامعه با گسترش روشهای محاسباتی و استفاده از برنامه‌ها و کدهای نرم‌افزاری
ماده۴-وظایف:
۱.۴. تهیه، تدوین و بازنگری برنامه‌های اجرایی کمیته
۲.۴. کمک به ترویج فرهنگ استفاده از هوش مصنوعی در امر آموزش
۳.۴. ارائه برنامه‌های راهبردی جهت نیل به اهداف تعیین شده در ماده ۳
۴.۴. حمایت و پیگیری ایجاد رشته علم داده در مقطع کارشناسی و تحصیلات تکمیلی
۵.۴. پیگیری مصوبات کارگروه اخلاق آماری
۶.۴. پیشنهاد برگزاری و حمایت از کنفرانسها، سمینارها، سخنرانی‌ها، و کارگاههای آموزشی روشهای آماری جهت افزایش سواد آماری
۷.۴. پیگیری توسعه و انتشار متون علمی آمار
۸.۴. تعیین راه‌کارهای جذب دانش آموزان مستعد برای ادامه تحصیل در مقطع کارشناسی آمار
۹.۴. تهیه برنامه‌های اقدام مطابق با برنامه‌های راهبردی ارائه شده
۱۰.۴. انجام امور محوله از سوی هیأت مدیره
ماده۵- اعضا:
دکتر هوشنگ طالبی (دانشگاه اصفهان)
نصرالله ایران‌پناه (دانشگاه اصفهان)
دکتر مهدی روزبه (دانشگاه سمنان)
دکتر سید مهدی صالحی (دانشگاه نیشابور)
دکتر محمد آرشی (دانشگاه فردوسی مشهد)
دفعات مشاهده: 53 بار |
دفعات چاپ: 6 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر