Benchmarking

Improving the quality of Islamic education requires a quality management approach that is not only oriented toward meeting established standards but also grounded in Islamic values, including trustworthiness (amanah), justice (‘adl), excellence (ihsan), consultation (shura), and continuous improvement. This article focuses on synthesizing quality management principles with Islamic educational values and developing a quality management model that systematically integrates audit, self-evaluation, benchmarking, and accreditation. This study employs a qualitative approach using a literature review method. The research stages include identifying and selecting relevant literature, analyzing the concepts of quality management and Islamic educational values, synthesizing relevant principles, and formulating an Islamic education quality management model. The findings indicate that integrating Islamic values with quality management principles can establish a quality assurance system that goes beyond compliance with standards toward fostering an ethical, integrity-based, and sustainable quality culture. Audits function as instruments for assessment and control, self-evaluation as a reflective process for identifying institutional achievements and weaknesses, benchmarking as a means of learning from best practices, and accreditation as formal recognition of quality standards compliance. The proposed model positions Islamic values as its philosophical foundation, quality management as its organizational framework, and the four instruments as mechanisms for continuous quality improvement. Therefore, the model provides a conceptual framework for developing Islamic education quality management that is integrative, adaptive, sustainable, and oriented toward public benefit.

Sentiment analysis from video streams requires effective modeling of both temporal dynamics and multimodal cues. This paper presents a lightweight multimodal CNN-LSTM framework, designed for low-latency operation on live video streams, that classifies individuals' affective states as negative, neutral, or positive by jointly exploiting audio and visual information. The proposed system consists of four lightweight deep neural network models that fuse sequences of audio and visual features into a unified temporal stream, enabling the accumulation of sentiment evidence over time for robust prediction. To further enhance discriminative power, dynamic mouth state classification is incorporated, allowing the model to better capture subtle visual cues related to speech and sentiment. Experiments conducted on the Ryerson Audio-Visual Database of Emotional Speech (RAVDESS) demonstrate that the proposed approach achieves a test accuracy of 84.89% on the three-class sentiment recognition task, competitive with substantially larger audio-visual architectures, while using an order of magnitude fewer parameters and maintaining low-latency operation. In addition, we provide a comprehensive comparison with multiple multimodal large language models (LLMs), evaluated under diverse input configurations and prompting strategies. The results offer practical insights into the strengths and limitations of contemporary LLMs for audio-visual sentiment analysis and highlight the continued effectiveness of compact, task-specific neural architectures for streaming audio-visual input.

This study examined how governance modalities shape institutional performance at The Polytechnic of Ibadan, Nigeria, amid governance deficiency and stakeholder disaffection in post-colonial technical education. Grounded in Fiedler's Contingency Theory, it addressed the empirical gap on decision-making effectiveness within this specific institutional context. A descriptive survey design was adopted as an institutional case study. The population comprised 305 administrative and academic staff stratified into top-level administrators (n = 25), middle-level managers (n = 68), and operational-level staff (n = 212). A sample of 173 respondents was selected via stratified random sampling using Yamane's formula. Data were collected through a researcher-designed questionnaire measuring participatory, consultative, directive, and digital-enabled decision-making alongside administrative effectiveness dimensions. The instrument demonstrated strong reliability (α = 0.87 and 0.84). Descriptive statistics, Pearson correlation, multiple regression, and one-way ANOVA were applied using SPSS v.26 at p ≤ 0.05. Findings revealed strong positive associations between participatory and consultative modalities (r = 0.72, p < 0.01), inverse relationships for directive structures (r = −0.34 to −0.28, p < 0.01–0.05), and moderate technological alignment (r = 0.58–0.61, p < 0.01). Regression confirmed participatory (β = 0.298), consultative (β = 0.251), and digital (β = 0.187) mechanisms as positive predictors, with directive governance (β = −0.142) as a negative predictor, explaining 55% of the variance (R² = 0.55, F = 24.87, p < 0.001). It recommends digital literacy training for administrators, formal feedback loops, evidence-based benchmarking, integrated change management with technology deployment, and participatory governance reforms to redress hierarchical asymmetries.

این پژوهش به بررسی چگونگی تأثیر شیوه‌های حکمرانی بر عملکرد نهادی در پلی‌تکنیک ایبادان، نیجریه، در شرایط کمبود حکمرانی و نارضایتی ذینفعان در آموزش فنی پس از استعمار می‌پردازد. این مطالعه مبتنی بر نظریه اقتضایی فیدلر بوده و به خلأ تجربی در زمینه اثربخشی تصمیم‌گیری در این بستر نهادی خاص می‌پردازد. طرح پژوهش توصیفی-پیمایشی به عنوان مطالعه موردی نهادی اتخاذ شد. جامعه آماری شامل ۳۰۵ نفر از کارکنان اداری و آموزشی بود که به سه طبقه مدیران عالی‌رتبه (n = 25)، مدیران میان‌رده (n = 68) و کارکنان عملیاتی (n = 212) تقسیم شدند. نمونه‌ای متشکل از ۱۷۳ نفر با استفاده از نمونه‌گیری تصادفی طبقه‌ای و فرمول یامانه انتخاب شد. داده‌ها از طریق پرسشنامه محقق‌ساخته که شیوه‌های تصمیم‌گیری مشارکتی، مشورتی، دستوری و مبتنی بر فناوری دیجیتال را در کنار ابعاد اثربخشی اداری اندازه‌گیری می‌کرد، گردآوری شد. ابزار پژوهش از پایایی بالایی برخوردار بود (α = 0.87 و 0.84). برای تحلیل داده‌ها از آمار توصیفی، همبستگی پیرسون، رگرسیون چندگانه و تحلیل واریانس یک‌طرفه با استفاده از نرم‌افزار SPSS نسخه ۲۶ در سطح معناداری p ≤ 0.05 استفاده شد. یافته‌ها نشان داد که بین شیوه‌های مشارکتی و مشورتی ارتباط مثبت قوی وجود دارد (r = 0.72, p < 0.01)، ساختارهای دستوری رابطه معکوس دارند (r = −0.34 تا −0.28, p < 0.01–0.05) و همسویی فناورانه در حد متوسط است (r = 0.58–0.61, p < 0.01). نتایج رگرسیون نشان داد که سازوکارهای مشارکتی (β = 0.298)، مشورتی (β = 0.251) و دیجیتال (β = 0.187) پیش‌بین‌های مثبت و حکمرانی دستوری (β = −0.142) پیش‌بین منفی عملکرد نهادی هستند و ۵۵٪ از واریانس را تبیین می‌کنند (R² = 0.55, F = 24.87, p < 0.001). بر اساس نتایج، آموزش سواد دیجیتال برای مدیران، ایجاد حلقه‌های بازخورد رسمی، الگوبرداری مبتنی بر شواهد، مدیریت تغییر یکپارچه با استقرار فناوری و اصلاحات حکمرانی مشارکتی برای رفع عدم تقارن سلسله‌مراتبی توصیه می‌شود.

Student advising is gaining prominence with senior university staff in UK Higher Education, driven by the need to retain students and support successful outcomes across diverse groups. Drawing on initial findings from a cross-institutional experiential project, the paper explores institutional enhancement activities related to student advising through a data-people-theory model. Using purposive sampling, participants were invited to join the research because the first and second authors were aware that their institutions were in the process of or about to undergo, institution-wide projects to enhance advising. The project initially sought to explore whether McVitty and Maxwell’s (2024) data-people-theory model could provide a consistent framework for better understanding varied approaches to advising activity. An in-depth overview of the model and its constituent parts is provided, enabling readers to consider how they might use this same lens at their own institutions. Typical use cases include benchmarking existing advising systems and practices to better understand how their input components interact. Gaps in provision can be surfaced through an intentional consideration of the components and their interplay. The model can also be used to articulate a future desired state for advising that enhances student success. Project findings offer institutions a flexible framework for reviewing and enhancing student advising, drawing conclusions that can help other institutions consider how to proceed. A revised version of the data-people-theory model is also presented.

مشاوره دانشجویی در میان مدیران ارشد دانشگاه‌ها در آموزش عالی بریتانیا اهمیت فزاینده‌ای یافته است؛ این امر ناشی از نیاز به حفظ دانشجویان و حمایت از نتایج موفقیت‌آمیز در میان گروه‌های متنوع است. این مقاله با بهره‌گیری از یافته‌های اولیه یک پروژه تجربی بین‌دانشگاهی، به بررسی فعالیت‌های ارتقای نهادی مرتبط با مشاوره دانشجویی از طریق مدل داده-افراد-نظریه می‌پردازد. با استفاده از نمونه‌گیری هدفمند، شرکت‌کنندگان به این دلیل به پژوهش دعوت شدند که نویسندگان اول و دوم آگاه بودند که مؤسسات آن‌ها در حال اجرای پروژه‌های سراسری برای ارتقای مشاوره هستند یا به زودی این کار را انجام خواهند داد. هدف اولیه پروژه، بررسی این موضوع بود که آیا مدل داده-افراد-نظریه مک‌ویتی و مکسول (2024) می‌تواند چارچوبی منسجم برای درک بهتر رویکردهای متنوع به فعالیت‌های مشاوره‌ای فراهم کند یا خیر. مروری جامع بر این مدل و اجزای تشکیل‌دهنده آن ارائه می‌شود تا خوانندگان بتوانند بررسی کنند که چگونه می‌توانند از این دیدگاه در مؤسسه خود بهره ببرند. کاربردهای معمول شامل ارزیابی تطبیقی نظام‌ها و رویه‌های موجود مشاوره برای درک بهتر نحوه تعامل اجزای ورودی آن‌ها است. با توجه عمدی به اجزا و تعامل آن‌ها، می‌توان خلأهای موجود در ارائه خدمات را شناسایی کرد. همچنین این مدل می‌تواند برای تبیین وضعیت مطلوب آینده مشاوره که موفقیت دانشجویان را ارتقا می‌دهد، مورد استفاده قرار گیرد. یافته‌های پروژه، چارچوبی انعطاف‌پذیر برای بازنگری و ارتقای مشاوره دانشجویی در اختیار مؤسسات قرار می‌دهد و نتایجی ارائه می‌کند که می‌تواند به سایر مؤسسات در تصمیم‌گیری کمک کند. نسخه‌ای بازنگری‌شده از مدل داده-افراد-نظریه نیز ارائه شده است.

Background Faculty development grant programs are strategic levers for improving teaching quality, curriculum design, and student learning, yet longitudinal evaluations remain scarce. In this study, we assess King Saud University's Program for Excellence in Learning and Teaching (PELT)— an early university-wide faculty teaching-grant initiative —examining its implementation, faculty uptake, and programmatic evolution over a decade. Methods Using a longitudinal, multi-source program-evaluation design, we analyzed eight PELT cycles through 157 completed grants, faculty ( n = 108) and student ( n = 413) surveys, and descriptive benchmarking against 11 international peers. Survey data were analyzed using descriptive statistics, and selected faculty ratings were compared using Mann–Whitney U -tests. Results PELT evolved from a high-volume inaugural phase (71 grants) to a more selective model (6–11 grants annually) with a 95.7% completion rate. Participation remained broadly balanced across Humanities (34.4%), Science (30.6%), and Health (28.0%), supporting cross-disciplinary engagement. Teaching and assessment strategies (51% of funded projects) consistently dominated, with targeted emphases on job-market skills and e-learning in specific cycles. Among student respondents, 71.9% prioritized professional skills for employability, 52% favored problem-based learning, and 57% preferred project-based assessment over traditional exams. Successful grantees reported high overall satisfaction with the program (mean = 4.5/5), whereas non-applicants highlighted awareness gaps (54.5%) and workload constraints (33.3%) as key barriers. A statistically significant perceptual divide emerged between accepted and rejected applicants ( p ≤ 0.001), and international benchmarking positioned PELT in alignment with corresponding teaching-grant schemes. Conclusions PELT offers a replicable model for university teaching-grant schemes that combines faculty development, student-centered priorities, and longitudinal evolution. The findings support strategies such as targeted outreach, formalized resubmission pathways, and tiered funding to advance pedagogical innovation and strengthen educational development.

زمینه و هدف: برنامه‌های اعطای گرنت توسعه اعضای هیئت علمی، اهرم‌های راهبردی برای ارتقای کیفیت تدریس، طراحی برنامه درسی و یادگیری دانشجویان هستند، با این حال ارزیابی‌های طولی آن‌ها همچنان نادر است. در این مطالعه، برنامه تعالی در یادگیری و تدریس (PELT) دانشگاه King Saud—به عنوان یکی از نخستین ابتکارات اعطای گرنت تدریس در سطح دانشگاه—از نظر اجرا، مشارکت اعضای هیئت علمی و تحول برنامه‌ای طی یک دهه مورد ارزیابی قرار گرفته است. روش‌ها: با استفاده از یک طرح ارزیابی برنامه‌ای طولی و چندمنبعی، هشت دوره PELT از طریق ۱۵۷ گرنت تکمیل‌شده، پرسشنامه‌های اعضای هیئت علمی (n = 108) و دانشجویان (n = 413) و بنچمارک توصیفی با ۱۱ دانشگاه بین‌المللی همتا تحلیل شد. داده‌های پرسشنامه با آمار توصیفی تحلیل گردید و ارزیابی‌های منتخب اعضای هیئت علمی با آزمون Mann–Whitney U مقایسه شد. یافته‌ها: PELT از یک فاز آغازین با حجم بالا (۷۱ گرنت) به مدلی گزینشی‌تر (۶ تا ۱۱ گرنت سالانه) با نرخ تکمیل ۹۵/۷٪ تحول یافت. مشارکت در سه حوزه علوم انسانی (۳۴/۴٪)، علوم پایه (۳۰/۶٪) و سلامت (۲۸/۰٪) به طور گسترده متوازن باقی ماند و از تعامل میان‌رشته‌ای حمایت کرد. راهبردهای تدریس و ارزیابی (۵۱٪ پروژه‌های تأمین مالی‌شده) همواره غالب بودند و در برخی دوره‌ها بر مهارت‌های بازار کار و آموزش الکترونیکی تأکید ویژه شد. در میان پاسخ‌دهندگان دانشجو، ۷۱/۹٪ مهارت‌های حرفه‌ای برای اشتغال‌پذیری را در اولویت قرار دادند، ۵۲٪ یادگیری مبتنی بر مسئله را ترجیح دادند و ۵۷٪ ارزیابی مبتنی بر پروژه را به آزمون‌های سنتی ترجیح دادند. دریافت‌کنندگان موفق گرنت رضایت کلی بالایی از برنامه گزارش کردند (میانگین = ۴/۵ از ۵)، در حالی که غیرمتقاضیان، کمبود آگاهی (۵۴/۵٪) و محدودیت‌های حجم کار (۳۳/۳٪) را به عنوان موانع اصلی مطرح کردند. شکاف ادراکی معناداری بین متقاضیان پذیرفته‌شده و ردشده مشاهده شد (p ≤ 0.001) و بنچمارک بین‌المللی، PELT را هم‌راستا با طرح‌های مشابه گرنت تدریس قرار داد. نتیجه‌گیری: PELT مدلی قابل تکرار برای طرح‌های گرنت تدریس دانشگاهی ارائه می‌دهد که توسعه اعضای هیئت علمی، اولویت‌های دانشجومحور و تحول طولی را ترکیب می‌کند. یافته‌ها از راهبردهایی مانند اطلاع‌رسانی هدفمند، مسیرهای رسمی بازارسال و تأمین مالی طبقه‌بندی‌شده برای پیشبرد نوآوری آموزشی و تقویت توسعه آموزشی حمایت می‌کند.

Background Digital mental health tools, including general-purpose artificial intelligence (AI) chatbots, may provide accessible and low-threshold psychological support for people living with chronic conditions. However, their value in this population depends not only on recognizing depression or anxiety, but also on understanding how psychological distress is shaped by disease-specific experiences and when self-guided support should transition toward professional care. We evaluated the appropriateness, contextual sensitivity, safety, and consistency of psychological support provided by three widely accessible AI chatbots across contrasting chronic illness contexts. Methods We conducted a standardized simulated-patient benchmarking study comparing ChatGPT, Gemini, and Doubao. Twenty scenarios were developed across type 2 diabetes mellitus (T2DM) and chronic spontaneous urticaria (CSU), representing matched mild and moderate presentations of depression and anxiety together with condition-specific distress related to diabetes self-management and CSU-related flare uncertainty. Each scenario was independently submitted to all three systems in two testing rounds, yielding 120 responses. Blinded raters assessed overall psychological support appropriateness, recognition and emotional support, chronic-illness contextualization, psychological support and referral, psychosomatic balance and safety, and major clinical or safety errors. Repeated testing assessed response consistency. Results Overall psychological support appropriateness differed across systems (P = 0.002), with 90.0% of ChatGPT, 75.0% of Gemini, and 55.0% of Doubao responses meeting the prespecified appropriateness threshold. Recognition and emotional support was consistently strong across systems, whereas greater differences emerged in chronic-illness contextualization (P = 0.001), psychological support and referral (P = 0.002), and psychosomatic balance and safety (P<0.001). All responses to mild presentations were classified as psychologically appropriate, compared with 58.3% of responses to moderate presentations, indicating that performance became less reliable when digital support required stronger escalation toward professional assessment. Contextualization was also less consistent in CSU, particularly when responses needed to incorporate flare unpredictability, pruritus, sleep disruption, and illness uncertainty. Major clinical or safety errors occurred in 0%, 10.0%, and 15.0% of first-round ChatGPT, Gemini, and Doubao responses, respectively. Test–retest consistency was moderate and varied between systems. Conclusions General-purpose AI chatbots show potential as accessible, self-guided digital mental health resources for people living with chronic conditions, particularly for recognizing distress and providing initial supportive guidance. Their current limitations emerge when effective support requires disease-specific contextualization, balanced interpretation of psychological and somatic factors, or escalation as symptoms become more severe. These findings identify important boundaries for the use of conversational AI in chronic-illness mental health care and suggest that implementation should emphasize context-sensitive guidance, severity-responsive referral, and clear integration with rather than substitution for professional care.

زمینه: ابزارهای سلامت روان دیجیتال، از جمله چت‌بات‌های هوش مصنوعی عمومی، ممکن است حمایت روان‌شناختی قابل دسترس و با آستانه پایین برای افراد مبتلا به بیماری‌های مزمن فراهم کنند. با این حال، ارزش آن‌ها در این جمعیت نه تنها به شناسایی افسردگی یا اضطراب بستگی دارد، بلکه به درک چگونگی شکل‌گیری پریشانی روان‌شناختی توسط تجارب خاص بیماری و زمان انتقال حمایت خودراهنما به مراقبت حرفه‌ای نیز وابسته است. ما تناسب، حساسیت زمینه‌ای، ایمنی و انسجام حمایت روان‌شناختی ارائه‌شده توسط سه چت‌بات هوش مصنوعی عمومی و در دسترس را در زمینه‌های متضاد بیماری مزمن ارزیابی کردیم. روش‌ها: یک مطالعه بنچمارک‌گیری بیمار شبیه‌سازی‌شده استانداردشده انجام دادیم و ChatGPT، Gemini و Doubao را مقایسه کردیم. بیست سناریو در زمینه دیابت نوع ۲ (T2DM) و کهیر مزمن خودبه‌خود (CSU) توسعه یافت که ارائه‌های خفیف و متوسط افسردگی و اضطراب را همراه با پریشانی خاص بیماری مرتبط با خودمدیریتی دیابت و عدم قطعیت شعله‌ورشدگی مرتبط با CSU بازنمایی می‌کرد. هر سناریو به طور مستقل در دو دور آزمون به هر سه سیستم ارائه شد و ۱۲۰ پاسخ به دست آمد. ارزیابان نابینا تناسب کلی حمایت روان‌شناختی، شناسایی و حمایت هیجانی، زمینه‌مندی بیماری مزمن، حمایت روان‌شناختی و ارجاع، تعادل روان‌تنی و ایمنی، و خطاهای عمده بالینی یا ایمنی را ارزیابی کردند. آزمون تکرارشونده انسجام پاسخ‌ها را سنجید. نتایج: تناسب کلی حمایت روان‌شناختی بین سیستم‌ها متفاوت بود (P = 0.002)، به‌طوری‌که ۹۰.۰٪ پاسخ‌های ChatGPT، ۷۵.۰٪ Gemini و ۵۵.۰٪ Doubao به آستانه تناسب از پیش تعیین‌شده رسیدند. شناسایی و حمایت هیجانی در همه سیستم‌ها به طور مداوم قوی بود، در حالی که تفاوت‌های بیشتری در زمینه‌مندی بیماری مزمن (P = 0.001)، حمایت روان‌شناختی و ارجاع (P = 0.002)، و تعادل روان‌تنی و ایمنی (P<0.001) مشاهده شد. همه پاسخ‌ها به ارائه‌های خفیف از نظر روان‌شناختی مناسب طبقه‌بندی شدند، در حالی که تنها ۵۸.۳٪ پاسخ‌ها به ارائه‌های متوسط مناسب بودند که نشان می‌دهد عملکرد زمانی که حمایت دیجیتال نیازمند ارجاع قوی‌تر به ارزیابی حرفه‌ای بود، کمتر قابل اعتماد می‌شود. زمینه‌مندی در CSU نیز کمتر منسجم بود، به‌ویژه زمانی که پاسخ‌ها باید عدم قطعیت شعله‌ورشدگی، خارش، اختلال خواب و عدم قطعیت بیماری را در بر می‌گرفتند. خطاهای عمده بالینی یا ایمنی به ترتیب در ۰٪، ۱۰.۰٪ و ۱۵.۰٪ پاسخ‌های دور اول ChatGPT، Gemini و Doubao رخ داد. انسجام آزمون–بازآزمون متوسط بود و بین سیستم‌ها تفاوت داشت. نتیجه‌گیری: چت‌بات‌های هوش مصنوعی عمومی به عنوان منابع سلامت روان دیجیتال خودراهنما و قابل دسترس برای افراد مبتلا به بیماری‌های مزمن، به ویژه در شناسایی پریشانی و ارائه راهنمایی حمایتی اولیه، پتانسیل نشان می‌دهند. محدودیت‌های فعلی آن‌ها زمانی آشکار می‌شود که حمایت مؤثر نیازمند زمینه‌مندی خاص بیماری، تفسیر متعادل عوامل روانی و جسمانی یا ارجاع در صورت تشدید علائم باشد. این یافته‌ها مرزهای مهمی را برای استفاده از هوش مصنوعی مکالمه‌ای در مراقبت سلامت روان بیماری مزمن شناسایی می‌کند و نشان می‌دهد که پیاده‌سازی باید بر راهنمایی حساس به زمینه، ارجاع متناسب با شدت و ادغام شفاف با مراقبت حرفه‌ای (و نه جایگزینی آن) تأکید کند.

Engineering education in Nigeria is critical for national technological development and economic transformation. However, the sector faces persistent challenges, including inadequate funding, obsolete curricula, poor laboratory facilities, a shortage of qualified academic staff, and weak industry‑academia linkages. This article provides a comprehensive analysis of the current state of engineering education in Nigerian universities and polytechnics. Using a mixed‑methods approach comprising a review of policy documents, institutional surveys, and comparative benchmarking with global best practices, the study identifies key bottlenecks. Results show that only 38% of accredited engineering programmes meet minimum laboratory equipment standards, and student‑to‑lecturer ratios exceed 35:1 in 70% of institutions. Additionally, less than 20% of engineering graduates undergo industrial training of acceptable quality. The article presents a detailed table of accreditation status from the Council for the Regulation of Engineering in Nigeria (COREN) and another on graduate employability. Findings indicate a widening gap between curricular content and industry needs, leading to high graduate unemployment despite reported skill shortages. Recommendations include a sustainable funding model, mandatory curriculum revision every five years, establishment of regional engineering hubs, and a compulsory one‑year industry residency for lecturers. Policy implications for the National Universities Commission (NUC) and COREN are discussed. The article concludes that without urgent structural reforms, Nigeria’s vision of becoming a technologically driven economy by 2030 will remain unattainable.

آموزش مهندسی در نیجریه برای توسعه فناوری ملی و تحول اقتصادی اهمیت اساسی دارد. با این حال، این بخش با چالش‌های مداومی از جمله کمبود بودجه، برنامه‌های درسی منسوخ، امکانات آزمایشگاهی ضعیف، کمبود اعضای هیئت علمی واجد شرایط و پیوندهای ضعیف میان صنعت و دانشگاه مواجه است. این مقاله تحلیلی جامع از وضعیت فعلی آموزش مهندسی در دانشگاه‌ها و پلی‌تکنیک‌های نیجریه ارائه می‌دهد. با استفاده از رویکردی ترکیبی شامل مرور اسناد سیاستی، پیمایش‌های نهادی و مقایسه با بهترین رویه‌های جهانی، پژوهش گلوگاه‌های کلیدی را شناسایی می‌کند. نتایج نشان می‌دهد که تنها ۳۸٪ از برنامه‌های مهندسی دارای اعتبار، حداقل استانداردهای تجهیزات آزمایشگاهی را رعایت می‌کنند و نسبت دانشجو به استاد در ۷۰٪ مؤسسات بیش از ۳۵ به ۱ است. همچنین کمتر از ۲۰٪ فارغ‌التحصیلان مهندسی، آموزش صنعتی با کیفیت قابل قبول را می‌گذرانند. مقاله جدولی تفصیلی از وضعیت اعتباربخشی شورای تنظیم مهندسی نیجریه (COREN) و جدولی دیگر درباره اشتغال‌پذیری فارغ‌التحصیلان ارائه می‌دهد. یافته‌ها نشان‌دهنده شکاف فزاینده میان محتوای برنامه‌های درسی و نیازهای صنعت است که منجر به بیکاری بالای فارغ‌التحصیلان علی‌رغم کمبود مهارت‌های گزارش‌شده می‌شود. توصیه‌ها شامل مدل تأمین مالی پایدار، بازنگری اجباری برنامه‌های درسی هر پنج سال، ایجاد قطب‌های منطقه‌ای مهندسی و الزام یک سال اقامت صنعتی برای اعضای هیئت علمی است. پیامدهای سیاستی برای کمیسیون دانشگاه‌های ملی (NUC) و COREN مورد بحث قرار گرفته است. مقاله نتیجه می‌گیرد که بدون اصلاحات ساختاری فوری، چشم‌انداز نیجریه برای تبدیل شدن به اقتصادی مبتنی بر فناوری تا سال ۲۰۳۰ دست‌نیافتنی خواهد بود.

Science, technology, engineering, and mathematics (STEM) education has become central to Africa’s development aspirations and technological transformation. However, persistent gaps in scientific capability, technological agency, and innovation outcomes continue to widen. This article examines how global science and technology (S&T) asymmetry shapes African STEM education systems: structurally, institutionally, and epistemically. Using a conceptual analytical approach, the study analyzes how inherited institutional cultures and structures, economic constraints, epistemic hierarchies, and emerging digital dependencies converge to influence STEM education systems across the continent. The analysis is organized around four interconnected domains: systemic foundations, curriculum packages, human capital, and innovation ecosystems. Across these domains, the findings show that African STEM education systems are deeply embedded in externally shaped policy frameworks, donor-driven priorities, and global benchmarking regimes. At the policy level, reliance on imported models and weak coordination undermines long-term system building. At the practice level, fragile institutional capacity, inadequate funding and infrastructure, talent loss, and fragmented innovation systems constrain meaningful implementation. These conditions weaken the capacity of STEM education to inspire learners, support teachers, foster technological agency, and connect scientific learning to local problem-solving and development pathways. Drawing on illustrative country cases and development experiences from non-African contexts, the article argues that Africa’s STEM education challenges are primarily structural and institutional. The paper concludes by outlining general pathways for strengthening African STEM education via reclaiming policy autonomy, ecosystem-based approaches, strategic public investment, and alignment with national and continental development priorities.

آموزش علوم، فناوری، مهندسی و ریاضیات (STEM) به محوریت آرمان‌های توسعه و تحول فناورانه آفریقا بدل شده است. با این حال، شکاف‌های ماندگار در توانمندی علمی، عاملیت فناورانه و پیامدهای نوآوری همچنان در حال گسترش است. این مقاله بررسی می‌کند که چگونه عدم‌تقارن جهانی علم و فناوری (S&T) به‌صورت ساختاری، نهادی و معرفتی بر نظام‌های آموزش STEM در آفریقا تأثیر می‌گذارد. با بهره‌گیری از رویکرد تحلیلی مفهومی، پژوهش حاضر تحلیل می‌کند که چگونه فرهنگ‌ها و ساختارهای نهادی به ارث رسیده، محدودیت‌های اقتصادی، سلسله‌مراتب معرفتی و وابستگی‌های نوظهور دیجیتال در هم می‌آمیزند تا بر نظام‌های آموزش STEM در سراسر قاره تأثیرگذار باشند. تحلیل در چهار حوزه به‌هم‌پیوسته سازمان یافته است: بنیان‌های نظام‌مند، بسته‌های درسی، سرمایه انسانی و زیست‌بوم‌های نوآوری. یافته‌ها در این حوزه‌ها نشان می‌دهد که نظام‌های آموزش STEM در آفریقا عمیقاً در چارچوب‌های سیاستی شکل‌گرفته از خارج، اولویت‌های مبتنی بر کمک‌های بین‌المللی و رژیم‌های ارزیابی جهانی جای گرفته‌اند. در سطح سیاست‌گذاری، اتکاء به الگوهای وارداتی و ضعف هماهنگی، ساختارسازی بلندمدت نظام را تضعیف می‌کند. در سطح عمل، ظرفیت نهادی شکننده، تأمین مالی و زیرساخت ناکافی، فرار استعداد و نظام‌های نوآوری پراکنده، اجرای معنادار را محدود می‌سازد. این شرایط، توان آموزش STEM را برای الهام‌بخشی به یادگیرندگان، حمایت از معلمان، تقویت عاملیت فناورانه و پیوند یادگیری علمی با حل مسائل محلی و مسیرهای توسعه تضعیف می‌کند. با بهره‌گیری از نمونه‌های کشوری و تجارب توسعه‌ای از زمینه‌های غیرآفریقایی، مقاله استدلال می‌کند که چالش‌های آموزش STEM در آفریقا عمدتاً ساختاری و نهادی است. در پایان، مسیرهای کلی برای تقویت آموزش STEM در آفریقا از طریق بازپس‌گیری خودمختاری سیاستی، رویکردهای مبتنی بر زیست‌بوم، سرمایه‌گذاری راهبردی دولتی و همسویی با اولویت‌های توسعه ملی و قاره‌ای ترسیم می‌شود.

Graduate employability remains a central concern in computing education, where students are expected to move from academic learning into professional environments requiring technical, organisational, social and self-management capabilities. This study examines, from a Scholarship of Teaching and Learning perspective, changes in students’ self-reported work readiness after participation in a curriculum-embedded consultant–client project workflow in an undergraduate computing module in Botswana. The module required student teams to elicit requirements, complete benchmarking activities, develop an e-learning module, participate in structured meetings, prepare staged deliverables, demonstrate outputs to peer-client teams and submit final handover documentation. A within-cohort pre–post survey design was used. Self-reported work readiness was measured before and after the module using an adapted Work Readiness Scale. Thirty-two students with matched pre- and post-module responses were included in the final analysis. Wilcoxon signed-rank tests were used to compare pre- and post-module scores. Significant increases were found in organisational acumen, work competence, social intelligence and overall self-reported work readiness, while personal characteristics did not change significantly. Sensitivity analysis excluding one influential case showed that work competence, social intelligence and overall self-reported work readiness remained significant, while organisational acumen became a non-significant positive trend. The study provides practical guidance for computing educators by illustrating how professional project practices can be made explicit, structured and assessable within the curriculum.

اشتغال‌پذیری فارغ‌التحصیلان همچنان یکی از دغدغه‌های اصلی در آموزش رایانه است، جایی که انتظار می‌رود دانشجویان از یادگیری دانشگاهی به محیط‌های حرفه‌ای با نیاز به توانمندی‌های فنی، سازمانی، اجتماعی و خودمدیریتی منتقل شوند. این مطالعه از منظر بورس آموزش و یادگیری، تغییرات در آمادگی شغلی خودگزارش‌شده دانشجویان پس از مشارکت در جریان کاری پروژه مشاور–مشتری تعبیه‌شده در برنامه درسی یک واحد درسی کارشناسی رایانه در بوتسوانا را بررسی می‌کند. این واحد درسی مستلزم آن بود که تیم‌های دانشجویی نیازمندی‌ها را استخراج کنند، فعالیت‌های بنچمارکینگ را انجام دهند، یک واحد آموزش الکترونیکی توسعه دهند، در جلسات ساختاریافته شرکت کنند، تحویل‌دادنی‌های مرحله‌ای آماده سازند، خروجی‌ها را به تیم‌های همتای مشتری ارائه دهند و مستندات نهایی واگذاری را ارائه نمایند. از طرح پیمایش پیش‌آزمون–پس‌آزمون درون‌گروهی استفاده شد. آمادگی شغلی خودگزارش‌شده پیش و پس از واحد درسی با استفاده از نسخه تعدیل‌شده مقیاس آمادگی شغلی سنجیده شد. سی‌ودو دانشجو با پاسخ‌های منطبق پیش و پس از واحد درسی در تحلیل نهایی وارد شدند. برای مقایسه نمرات پیش و پس از واحد درسی از آزمون رتبه علامت‌دار ویلکاکسون استفاده شد. افزایش معناداری در فراست سازمانی، شایستگی شغلی، هوش اجتماعی و آمادگی شغلی کلی خودگزارش‌شده مشاهده شد، در حالی که ویژگی‌های فردی تغییر معناداری نداشتند. تحلیل حساسیت با حذف یک مورد تأثیرگذار نشان داد که شایستگی شغلی، هوش اجتماعی و آمادگی شغلی کلی خودگزارش‌شده همچنان معنادار باقی ماندند، در حالی که فراست سازمانی به روند مثبت غیرمعنادار تبدیل شد. این مطالعه با تبیین چگونگی صریح، ساختارمند و قابل ارزیابی کردن شیوه‌های پروژه حرفه‌ای در برنامه درسی، راهنمایی عملی برای مدرسان رایانه ارائه می‌دهد.