گروه بندی همگن یادگیرندگان الکترونیکی بر اساس رفتار شبکه ای آنان

گروه بندی همگن یادگیرندگان از نظر مشابهت سبک یادگیری، موجب افزایش توانمندی سامانه های یادگیری الکترونیکی در تطبیق یادگیری و ایجاد فضای مشارکتی میان یادگیرندگان می شود. در این مقاله سامانه ای تشریح شده است که با استفاده از اطلاعات مربوط به رفتار شبکه ای یادگیرندگان در محیط یادگیری الکترونیکی، گروه هایی از یادگیرندگان را که از منظر سبک یادگیری مشابه هستند، شناسایی می کند. روش خوشه بندی ارائه شده برای تفکیک یادگیرندگان مبتنی بر ساختار شبکه عصبی ART و فرایند یادگیری شبکه عصبی Snap-Drift توسعه داده شده است. این شبکه امکان شناسایی گروه های یادگیرندگان را در فضای عدم قطعیت ویژگی های موثر بر تفکیک گروه ها، فراهم می سازد ضمن آنکه در این روش نیازی به دانستن تعداد مناسب گروه ها نیست. عملکرد این سامانه در شناسایی گروه های یادگیرندگان در محیط یادگیری الکترونیکی بر اساس سبک یادگیری مورد ارزیابی قرار گرفته است. نتایج ارزیابی بر اساس معیارهای ارزیابی دیبویس – بولدین و خلوص و تجمع نشان می دهد روش پیشنهادی به طور کلی گروه های مناسب تر و دقیق تری را نسبت به روش های دیگر ایجاد کرده است.