أثر استراتيجية تدريسية مقترحة قائمة على خوارزمية أسراب الطيور (P. S. O) في تنمية الاستدلال   لتكيفي لدى طلاب المرحلة المتوسطة في مادة الرياضيات

القسم: Article
إصدار
مجلد 22 عدد 3 (2026): المجلد (22) العدد (3) ايلول 2026
الصفحات
317-336

الملخص

    يهدف البحث الحالي الى معرفة أثر استراتيجية تدريسية، تم اقتراح وبناء استراتيجية تدريسية مستندة إلى مبادئ خوارزمية أسراب الطيور(Particle Swarm Optimization)، في تنمية الاستدلال التكيّفي لدى عينة من طلبة الصف الاول المتوسط في مادة الرياضيات. ولتحقيق هذا الهدف، اعتمد البحث على المنهج شبه التجريبي بتصميم المجموعتين المتكافئتين (التجريبية والضابطة). تكوّنت عينة البحث من (73) طالباً، جرى توزيعهم عشوائياً باذ ضمّت المجموعة التجريبية (36) طالباً درسوا وفق الاستراتيجية المقترحة، في حين ضمّت المجموعة الضابطة (37) طالباً درسوا بالطريقة الاعتيادية. وتم التحقق من تكافؤ المجموعتين في متغيرات (العمر الزمني، تحصيل مادة الرياضيات لسادس الابتدائي، والاستدلال التكيفي القبلي). تطلّب البحث بناء أداة رئيسة تمثلت في "اختبار الاستدلال التكيّفي المكوّن من (30) فقرة الموزعة على مهارات (التبرير الرياضي، التفسير والاستكشاف، التحقق والاثبات، التعميم الرياضي)، وقد تم التحقق من صدقه وثباته، وبعد تطبيق التجربة التي استمرت ثمانية أسابيع، أظهرت النتائج  تفوقاً للمجوعة التجريبية على المجموعة الضابطة في اختبار استدلال التكيفي البعدي وفي تنميته الاختبار ايضا و واستنتج الباحث أن الاستراتيجية المقترحة تمتلك فاعلية في تعزيز قدرات الطلاب على بناء التبريرات والأدلة الرياضية، وعليه، أوصى البحث بضرورة دمج هذه الاستراتيجية في أدلة المدرسين وتدريبهم على مبادئها.

الكلمات المفتاحية:

استراتيجية المقترحة، اسراب الطيور، الاستدلال التكيفي

المراجع

  1. Hussein, Ali Mahdi. (2022). The Effectiveness of Active Learning Strategies in Developing Mathematical Thinking Skills among Intermediate School Students. Journal of the College of Education – University of Babylon, 14(3), 210–245.
  2. Al-Zahrani, Hind Saeed. (2023). The Effect of a Training Program Based on Problem Solving on Developing Mathematical Reasoning Skills among Intermediate School Mathematics Teachers. Journal of Education and Psychology, 78(2), 45–82.
  3. Al-Shammari, Fahd Abdullah. (2023). Employing Modern Technology in Mathematics Education: Digital Tools and Their Role in Improving Understanding. Journal of Human and Natural Sciences, 4(9), 1–28.
  4. Al-Obaidi, Mohammed Kazem. (2021). The Level of Mathematical Proficiency among Intermediate School Students in Light of NCTM Standards. Al-Ustadh Journal – University of Baghdad, 60(4), 18–52.
  5. Al-Shami, S., & Hassan, M. (2022). Applying bioinspired optimization algorithms to adaptive learning path design in digital platforms. International Journal of Educational Technology, 19(3), 112-138. https://doi.org/10.1186/s41239-022-00341-5
  6. Boaler, J. (2016). Mathematical mindsets: Unleashing students' potential through creative math, inspiring messages and innovative teaching. Jossey-Bass.
  7. Clerc, M. (2006). Particle swarm optimization. ISTE.
  8. Clerc, M., & Kennedy, J. (2002). The particle swarm: Explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, 6(1), 58–73. https://doi.org/10.1109/4235.985692
  9. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
  10. Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE Publications.
  11. Dorigo, M., & Stutzle, T. (2004). Ant colony optimization. MIT Press.
  12. Ellis, A. B., Lockwood, E., & Dogan, M. F. (2022). Generalization across multiple mathematical domains. Cognition and Instruction, 40(3), 351-397. https://doi.org/10.1080/07370008.2021.2000989
  13. Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
  14. George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference (4th ed.). Allyn & Bacon.
  15. Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Buckingham Shum, S., ... & Koedinger, K. R. (2022). Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education, 32(2), 504–526.
  16. Johnson, D. W., & Johnson, R. T. (2009). An educational psychology success story: Social interdependence theory and cooperative learning. Educational Researcher, 38(5), 365–379.
  17. Jonassen, D. H. (1999). Designing constructivist learning environments. In C. Reigeluth (Ed.), Instructional design theories and models (Vol. 2, pp. 215–239). Lawrence Erlbaum Associates.
  18. Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization. Proceedings of IEEE International Conference on Neural Networks, 4, 1942–1948. https://doi.org/10.1109/ICNN.1995.488968
  19. Kilpatrick, J., Swafford, J., & Findell, B. (Eds.). (2001). Adding it up: Helping children learn mathematics. National Academy Press.
  20. Mercer, N., & Littleton, K. (2007). Dialogue and the development of children's thinking: A sociocultural approach. Routledge.
  21. National Council of Teachers of Mathematics (NCTM). (2014). Principles to actions: Ensuring mathematical success for all. NCTM.
  22. Nguyen, D. T., Pham, Q. V., & Le, T. H. (2023). Swarm intelligence-based intelligent tutoring systems: A comparative study. Computers & Education: Artificial Intelligence, 4, 100119. https://doi.org/10.1016/j.caeai.2023.100119
  23. OECD. (2022). PISA 2022 results: The state of learning and equity in education. OECD Publishing.
  24. Poli, R., Kennedy, J., & Blackwell, T. (2007). Particle swarm optimization: An overview. Swarm Intelligence, 1(1), 33–57. https://doi.org/10.1007/s11721-007-0002-0
  25. Reynolds, C. W. (1987). Flocks, herds and schools: A distributed behavioral model. ACM SIGGRAPH Computer Graphics, 21(4), 25–34.
  26. Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78.
  27. Schoenfeld, A. H. (2014). Mathematical problem solving. Academic Press.
  28. Sfard, A. (2008). Thinking as communicating: Human development, the growth of discourses, and mathematizing. Cambridge University Press.
  29. Stylianides, G. J., & Ball, D. L. (2008). Understanding and describing mathematical knowledge for teaching: Knowledge about proof for engaging students in the activity of proving. Journal of Mathematics Teacher Education, 11(4), 307–332.
  30. Stylianides, A. J., & Stylianides, G. J. (2021). Developing adaptive reasoning in mathematics: A framework and empirical investigation. Mathematical Thinking and Learning, 23(2), 89–127. https://doi.org/10.1080/10986065.2020.1737003
  31. TIMSS. (2023). TIMSS 2023 international results in mathematics and science. International Association for the Evaluation of Educational Achievement (IEA).
  32. Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
  33. Yang, X. S. (2010). Nature-inspired metaheuristic algorithms (2nd ed.). Luniver Press.

المؤلف

حسين عبيد ضحوي

جامعة الموصل، كلية التربية للعوم الصرفة، قسم الرياضيات، موصل، العراق.

المعرفات

معرف الكائن الرقمي DOI: 10.33899/berj.2026.Vol22.Iss3.62620

تنزيل هذا الملف
PDE

الإحصائيات

طريقة الاقتباس

the أثر استراتيجية تدريسية مقترحة قائمة على خوارزمية أسراب الطيور (P. S. O) في تنمية الاستدلال  لتكيفي لدى طلاب المرحلة المتوسطة في مادة الرياضيات. (2026). مجلة ابحاث كلية التربية الاساسية, 22(3), 317-336. https://doi.org/10.33899/berj.2026.Vol22.Iss3.62620
حقوق الطبع والنشر والتراخيص
Creative Commons Licenseهذا العمل مرخص بموجب رخصة المشاع الإبداعي نسب المصنف 4.0 رخصة دولية.

طريقة الاقتباس