1
استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی همدان، همدان، ایران
2
استادیار گروه مطالعات آیندهنگر، مؤسسه مطالعات فرهنگی و اجتماعی، تهران
چکیده
زمینه و هدف: توسعه میانرشتهایها در آموزش عالی در سطح دنیا، راهحلی برای فهم دقیق تغییرات و فراگیری چگونگی رویارویی با چالشهای رو به گسترش جهان بوده است. به دلیل همین تغییرات است که بهداشت و سلامت در جهان ماهیت پیچیدهای پیدا کرده و امکان فهم این حوزه تنها با تکیه بر علوم پزشکی میسر نیست. بر این اساس هدف اصلی این ارائه مدل توسعه مناسب برای گسترش میانرشتهایها در علوم پزشکی ایران است. در این مدل به عدمقطعیتها، توجه میکنیم و سناریوهایی پیشرو برای آینده توسعه میانرشتهایها در علوم پزشکی ایران را تشریح مینمائیم. روش بررسی: در این مقاله از روش پانل خبرگان به منظور گردآوری، اولویتگذاری و اعتباربخشی عوامل تأثیرگذار بر آینده توسعه میانرشتهایها در دانشگاههای علوم پزشکی با تکیه بر جلسات تخصصی با منتخبان کلانمناطق دهگانه علوم پزشکی کشور، استفاده شده است. همچنین از روش تحلیل ساختاری-تفسیری به منظور احصای مهمترین عوامل شکلدهنده به آینده میانرشتهایها استفاده کردهایم و از روش مدلسازی برای صورتبندی مدل توسعه میانرشتهایها در دانشگاههای علوم پزشکی استفاده شده است، از روش تحلیل عدم قطعیت به منظور تعیین مهمترین عوامل شکلدهنده به آینده میانرشتهایها و از روش سناریو برای تصویرپردازی آیندههای بدیل پیشروی توسعه میانرشتهایها در علوم پزشکی استفاده شده است. یافتهها: در این مقاله عوامل تأثیرگذار بر توسعه دانشهای میانرشتهای، عدمقطعیتها و چهار سناریوی پیشروی توسعه میانرشتهای در علوم پزشکی کشور احصا و مدل پیشنهادی برای پیشبرد و گسترش دانشهای میانرشتهای در علوم پزشکی در لایههای آموزشی و پژوهشی ارائه شده است. نتیجهگیری: مدل پیشنهادی توسعه میانرشتهایها در علوم پزشکی برپایه چگونگی برهمکنش دو پیشران اصلی یعنی «گفتمانسازی و مشارکت در سطح ملی» و «تمرکز و تقویت همکاریها» در سایر لایههای نظام آموزش عالی بهداشت و سلامت با تأکید بر نقشآفرینی شبکهای از کنشگران و ذینفعان کلیدی مستقیم و غیرمستقیم در تعریف، بهکارگیری و توسعه دانشهای میانرشتهای نتیجه این پژوهش است.
Davé A, Hopkins M, Hutton J, Krcál A, Kolarz P, Martin B, Nielsen K, Rafols I, Rotolo D, Simmonds P, Stirling A. Landscape review of interdisciplinary research in the UK. Report to HEFCE and RCUK by Technopolis and the Science Policy Research Unit (SPRU), University of Sussex. 2016;184.
Pourabbasi A, Akbari H, Akhvan AA, Haghdoost AA, Kheiry Z, Dehnavieh R, et al. Analysis of Iran's National Medical Education Evolution and Innovation Plan using the Michelle and Scott's model of policymaking. Journal of Advances in Medical Education & Professionalism. 2019;7(1):20. [Persian]
Holland JH. Studying complex adaptive systems. Journal of systems science and complexity. 2006 Mar;19(1):1-8.
Miller JH, Page SE, LeBaron B. Complex adaptive systems: an introduction to computational models of social life. Journal of Economic Literature. 2008;46(2):427-8.
Kurtz CF, Snowden DJ. The new dynamics of strategy: Sense-making in a complex and complicated world. IBM systems journal. 2003;42(3):462-83.
Gray B. The Cynefin framework: applying an understanding of complexity to medicine. Journal of primary health care. 2017 Dec 20;9(4):258-61.
Stanford Center on Longevity. 100 Years to Thrive. Stanford University. 2022. [Avilable from: https://longevity.stanford.edu]
Organisation for Economic Co-operation and Development. Reviews of National Policies for Education: Kazakhstan, Kyrgyz Republic and Tajikistan 2009: Students with Special Needs and Those with Disabilities. OECD Publishing; 2010.
Hosseini M. M., Foresight Scientific Report of Interdisciplinary Development Education in Medical Sciences, Tehran, Institute of Cultural and Social Studies, 2022. [Persian]
Saritas O. Systemic foresight methodology. InScience, technology and innovation policy for the future 2013 (pp. 83-117). Springer, Berlin, Heidelberg.