مدل سازی دانش کاربر به منظور یادگیری تطبیقی در محیط یادگیری الکترونیکی
چکیده:
در سال های اخیر از روش های داده کاوی به طور گسترده درزمینه ی یادگیری الکترونیکی استفاده شده است. درواقع محققین مختلف با استفاده از روش های داده کاوی سعی در شناخت هر چه بیشتر یادگیرندگان و درنتیجه ایجاد یادگیری تطبیقی داشته اند. در تحقیقات از ویژگی ها، عملکرد، سبک یادگیری و سبک شناختی یادگیرندگان استفاده شده است. این مقاله به شناسایی سطح دانش یادگیرندگان و مدل سازی آن ها به منظور شخصی سازی آموزش ارائه شده، می پردازد. به منظور ایجاد مدل پیشنهادی از شبکه عصبی تابع پایه شعاعی بهبودیافته استفاده شده و برای ارتقاء این شبکه از یک رویکرد آموزش سه مرحله ای بهره گیری شده است. این رویکرد در مرحله اول از الگوریتم بهینه سازی گروه ذرات، در مرحله دوم الگوریتم نزدیک ترین K همسایه و در فاز سوم الگوریتم تندترین کاهش را به کار گرفته است. در ادامه ی مقاله به بررسی مشخصه های یادگیرندگان پرداخته و چهار مشخصه مناسب به منظور پیش بینی متغیر کلاس جهت تعیین سطح دانش یادگیرندگان، ایجادشده است. جهت ارزیابی مدل ارائه شده، یک دوره ی مجازی آموزش مایکروسافت اکسل مورد آزمایش قرارگرفته است. یادگیرندگان دوره ی موردنظر در سه گروه آزمایشی قرار گرفتند. یکی از گروه ها از مدل پیشنهادی استفاده کرده و دو گروه دیگر از یادگیرندگان از ارائه دروس متوسط و الگوریتمی موجود از ادبیات تحقیق بهره بردند. نتایج حاصل از آزمایش ها، موفقیت و رضایت تحصیلی یادگیرندگان گروه مربوط به مدل پیشنهادی را نشان می دهد.
کلیدواژگان:
زبان:
فارسی
در صفحه:
105
لینک کوتاه:
magiran.com/p1420126
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!