يادگيري مبتني بر مسيله: رويكردي نوين در آموزش پليس

Problem-based learning: A new approach to police training

الگوهاي نوين پليسي و پيچيده‏تر شدن حرفه‏ي انتظامي، ضرورت بهره‏گيري از روش‏هاي نوين و يادگيري مبتني بر مسيله را ايجاب مي‏كند. تحقيقات مختلف بيانگر آن است كه رويكرد يادگيري مبتني بر مسيله، فوايد بالقوه‏اي در آموزش و تربيت نيروي پليس دارد. يادگيري مبتني بر مسيله، يكي از روش‏هايي است كه مي‎تواند در كنار ساير روش‏هاي آموزشي براي آموزش و تربيت نيروي پليس در عصر نوين مورد استفاده قرار گيرد. تاكنون انواع متعددي از روش‏هاي تدريس و الگوهاي آموزشي مبتني بر مسيله ارايه شده است كه الگوي مريل يكي از آنهاست. پنج اصل مريل: 1) مسيله محوري، 2) فعال سازي، 3) نمايش دادن، 4) كاربرد، 5) تلفيق، را اصول اوليه آموزش قلمداد مي‏كند. به اعتقاد مريل محيط‌هاي موثر يادگيري، محيط‌هايي است كه مسيله محور باشد. روش آموزشي مبتني بر اين الگو، مسيله را به عنوان محور آموزش قرار مي‏دهد. در اين مقاله، ضمن تشريح اهميت بهره‏گيري از رويكرد مبتني بر مسيله در آموزش پليس، يك الگوي مسيله محور معرفي شده است. استفاده از اين الگو در آموزش انتظامي مي‏تواند سبب افزايش كيفيت تربيت پليس شده و آنان را براي ايفاي نقش در محيط واقعي آماده‏تر سازد.

Emerging patterns and increasing complexity of police profession have made it necessary to benefit from new teaching and learning methods such as problem-based learning. Various studies have demonstrated potential benefits of problem-based learning approach in police training. Several types of problem-based educational models and teaching methods are provided .Merrill Model, also known as the "First Principles of Instruction" is one of these models. There are five principles in this model: 1) problem-centeredness, 2) Activation, 3) Demonstration, 4) Application, and 5) Integration. Merrill believes that effective learning environments are problem-centered and learning is promoted when learners are engaged in solving real-world problems. This paper describes the importance of using of this approach in police training. Utilizing this model can increase the quality of police training and prepare the police to play an effective role in the real and complex environments.