ارائه مدل استقرار رایانش ابری به منظور توسعه آموزش عالی در دانشگاه علوم پزشکی مازندران
محورهای موضوعی :
سید‌محمود حسینی‌اشلقی
1
,
مهسا غلامحسین زاده
2
,
فرشیده ضامنی
3
,
حسن صیامیان
4
1 - 0دانشجوی دکترای تخصصی مدیریت آموزش عالی، دانشگاه آزاد اسلامی و احد ساری، ساری، ایران.
2 - استادیار گروه مدیریت آموزشی، دانشگاه آزاد اسلامی و احد ساری، ساری، ایران.
3 - استاديار گروه علوم تربيتي دانشگاه ازاد اسلامي واحد ساري
4 - دانشیار گروه فناوری اطلاعات سلامت، دانشگاه علوم پزشکی مازندران، ساری، ایران.
کلید واژه: ارائه مدل, استقرار رایانش ابری, توسعه آموزش عالی.,
چکیده مقاله :
اين مطالعه، با هدف استقرار رایانش ابری به‌منظور توسعه آموزش عالی در دانشگاه علوم پزشکی مازندران همراه با ارائه مدل انجام شد. پژوهش حاضر از نوع آميخته (كيفي- كمي) با طرح اکتشافی است. در بخش کیفی، استادان دانشگاه‌های علوم پزشکی به روش نمونه¬گيري هدفمند (تعداد 10 نفر) انتخاب شدند. جمع-آوري داده¬هاي كيفي از طريق مصاحبه نيمه¬ساختاريافته صورت گرفت و به روش تحليل محتواي كيفي تحليل شدند. در بخش کمی، 276 نفر از استادان دانشگاه و مدعوین دانشگاه علوم پزشکی مازندران (به تعداد 975 نفر) با استفاده از فرمول كوكران محاسبه و با روش نمونه‌گیری تصادفی طبقه‌ای انتخاب شدند. ابزار گردآوري داده¬ها، پرسش‌نامه محقق¬ساخته بود كه روايي صوري و محتوايي آن تأیید شد و ضريب آلفاي كرونباخ آن بيش از 7/0 بود. جهت تجزیه‌وتحلیل داده‌ها از تكنيك مدل‌سازي معادلات ساختاری استفاده شد. در بخش كيفي، 5 مؤلفه رايانش ابري اعم از «برنامه‌ریزی»، «انتخاب مدل»، «انتخات فروشنده خدمات»، «قرارداد سطح خدمات» و «بهینه¬سازی» و 3 مؤلفه اصلی توسعه آموزش عالي «عوامل درون‌سازمانی»، «عوامل برون‌سازمانی» و «عوامل زیر ساختی» شناسايي شدند. بخش كمي نشان داد كه در میان ابعاد و مؤلفه‌های این دو متغیر، بالاترین ضریب به « انتخاب مدل» با ضریب مسیر 0.866 مربوط می‌شود که میزان R2 آن نیز برابر 749/0 است.
This research sought to develop a model for integrating cloud computing into higher education at Mazandaran University of Medical Sciences. Employing an exploratory mixed-methods design, the study began with a qualitative phase. In this stage, ten experienced university professors, holding PhDs and ranking as associate professors or higher in medical sciences, were purposively selected. Their insights were gathered through semi-structured interviews and analyzed using qualitative content analysis. The quantitative phase involved 276 faculty members and guests from Mazandaran University of Medical Sciences, chosen via stratified random sampling based on Cochran's formula from a total of 975 individuals. Data was collected using a custom-designed questionnaire, which demonstrated strong face and content validity, along with a Cronbach's Alpha above 0.7. Structural Equation Modeling (SEM) was then applied for data analysis. The qualitative findings pinpointed five key cloud computing elements for implementation: Planning, Model Selection, Service Vendor Selection, Service Level Agreement (SLA), and Optimization. Additionally, three primary categories of factors influencing higher education development were identified: Intra-organizational, Extra-organizational, and Infrastructural. Quantitatively, the results highlighted "Model Selection" as having the strongest relationship between the two variables, exhibiting the highest path coefficient (0.866) and an R2 value of 0.749.
Development in Iran’s 2025 Vision. Social Development & Welfare Planning, 4(14), 26-68. https://doi.org/10.22054/qjsd.2013.3263
Bhatiasevi, V., & Naglis, M. (2016). Investigating the structural relationship for the determinants of cloud computing adoption in education. Education and Information Technologies, 21, 1197-1223.
Cappos, J., Beschastnikh, I., Krishnamurthy, A., & Anderson, T. (2009). Seattle: a platform for educational cloud computing. Proceedings of the 40th ACM technical symposium on Computer science education, Department of Computer Science and Engineering.
Changchit, C. (2015). Cloud computing: Should it be integrated into the curriculum? International Journal of Information and Communication Technology Education (IJICTE), 11(2), 105-117.
El Mhouti, A., Erradi, M., & Nasseh, A. (2018). Using cloud computing services in e-learning process: Benefits and challenges. Education and Information Technologies, 23, 893-909.
Emamy, S. M., & Jabbardokht, H. (2021). The cultural impact assessment of development of higher education in the humanities in Iran: Strategic necessities. Letter of Culture and Communication, 5(1), -. https://doi.org/10.30497/lcc.2021.240747.1032
Ercan, T. (2010). Effective use of cloud computing in educational institutions. Procedia-Social and Behavioral Sciences, 2(2), 938-942.
Ghallabi, S., Essalmi, F., Jemni, M., & Kinshuk. (2020). Learner modeling in cloud computing. Education and Information Technologies, 25(6), 5581-5599.
Jain, A., & Pandey, U. (2013). Role of cloud computing in higher education. International Journal of Advanced Research in Computer Science and Software Engineering, 3(7), 966-972.
Klug, W., & Bai, X. (2015). Factors affecting cloud computing adoption among universities and colleges in the United States and Canada. Issues in Information Systems, 16(3), 1-10.
Kumar, V., & Sharma, D. (2017). Cloud computing as a catalyst in STEM education. International Journal of Information and Communication Technology Education (IJICTE), 13(2), 38-51.
Mell, P., & Grance, T. (2010). The NIST definition of cloud computing. Communications of the ACM, 53, 50-58.
Mulyawan, B., Kosala, R., Ranti, B., & Supangkat, S. H. (2020). Cloud computing model in higher education. IOP Conference Series: Materials Science and Engineering,
Sabi, H. M., Uzoka, F.-M. E., & Mlay, S. V. (2018). Staff perception towards cloud computing adoption at universities in a developing country. Education and Information Technologies, 23, 1825-1848.
Samari, E., Yamani Douzi Sorkhabi, M., Salehi Omran, E., & Garaeinejad, G. (2014). Investigation and identification of effective factors in the process of "university development" in Iranian public universities. https://civilica.com/doc/2007601. Journal of Educational Planning Studies, 2(4), 67-100.
Shahzad, F., Xiu, G., Khan, I., Shahbaz, M., Riaz, M. U., & Abbas, A. (2020). The moderating role of intrinsic motivation in cloud computing adoption in online education in a developing country: a structural equation model. Asia Pacific Education Review, 21, 121-141.
Subrahmanyam, V., Kumar, S., Srivastava, S., Bist, A. S., Sah, B., Pani, N. K., & Bhambu, P. (2023). Optimizing horizontal scalability in cloud computing using simulated annealing for Internet of Things. Measurement: Sensors, 28, 100829.
Tarimo, R., & Kavishe, G. (2017). Internet access and usage by secondary school students in Morogoro Municipality, Tanzania. International Journal of Education and Development using ICT, 13(2), 56-69.
Ume, A., Bassey, A., & Ibrahim, H. (2012). Impediments facing the introduction of cloud computing among organizations in developing countries: Finding the answer. Asian Transactions on Computers, 2, 12-20.
Yaghubi, N. M., Hemmat, Z., & Rashki, M. (2016). The proposed model of factors influencing to adoption of cloud computing ecosystem in Iran (university, industry and services sectors). Iranian Journal of Information Processing and Management, 31(2), 555-580.