استخراج هوشمند سبک شناختی یادگیرندگان بر اساس تعامل آن ها با سامانه آموزش زبان انگلیسی

پیشینه و اهداف:

 امروزه یادگیری الکترونیکی به عنوان یک فناوری تحول آفرین و ابزاری مهم در فرایند آموزش و فعالیت های آموزشی مطرح است. از طرفی نیاز به یادگیری زبان انگلیسی به عنوان زبان اول دنیا به منظور مبادله اطلاعات و ارتباط برقرار کردن با سایر ملل با هدف به کارگیری دانش روز غیرقابل انکار است، بنابراین استفاده از فناوری اطلاعات به منظور تولید و ارایه خدمات آموزشی در راستای بهبود آموزش و یادگیری زبان انگلیسی موثر است. شناسایی عوامل موثر در یادگیری، یکی از مقوله های مهم و مورد پژوهش است. از آنجا که عوامل موثر بر یادگیری بسیار گسترده و وسیع هستند؛ شناسایی این عوامل در رفع مشکلات و نارسایی های سیستم آموزشی مهم است. یکی از این عوامل، سبک شناختی است. افراد به تناسب تفاوت های فردی خود از سبک های متفاوتی برای یادگیری بهره می جویند. سبک شناختی را می توان به عنوان روشی که افراد اطلاعات و تجربیات تازه را در ذهن خود پردازش می کنند، تعریف کرد؛ بنابراین ایجاد محیط شخصی سازی شده براساس سبک شناختی افراد، با هدف انطباق بیشتر راهبرد آموزشی با نیازها و توانایی کاربر و افزایش بازدهی روند یادگیری، امری ضروری است. در این پژوهش، از سبک شناختی رایدینگ که افراد را در دو بعد کلامی-تصویری و کلی نگر-جزیی نگر تقسیم می کند، به عنوان عامل موثر در یادگیری استفاده می شود. این مطالعه با هدف پیش بینی سبک شناختی رایدینگ، براساس حرکت موس کاربران در یک نرم افزار آموزش زبان می باشد. در همین راستا، نرم افزار آموزش زبانی طراحی و پیاده سازی شد که در آن تمامی حرکات موس کاربر در مقیاس میلی ثانیه هنگام مطالعه متن انگلیسی و استفاده از امکانات طراحی شده در نرم افزار،  ثبت می شود. در ادامه با استفاده از روش های یادگیری ماشین توسط داده های تعاملی ذخیره شده از کاربران هنگام کار با نرم افزار، مدل هوشمندی ارایه شد که افراد را در دو بعد مبتنی بر سبک شناختی رایدینگ دسته بندی می کند. این پژوهش از نظر هدف کاربردی است.

در این پژوهش از آزمون سبک شناختی پترسن جهت استخراج سبک شناختی یادگیرندگان با هدف ساخت داده های برچسب دار استفاده می شود. همچنین، داده های موس افراد هنگام تعامل با نرم افزار ثبت شده و از الگوریتم ها و مدل های یادگیری ماشین مبتنی بر هوش مصنوعی جهت ساخت مدل های هوشمند برای طبقه بندی و پیش بینی سبک شناختی افراد استفاده می شود. فرآیند آموزش و ساخت مدل های هوشمند از طریق داده های برچسب دار انجام می شود. در نهایت ارزیابی مدل های استفاده شده، با مقایسه نتایج حاصل از آزمون سبک شناختی و خروجی های مدل های هوشمند انجام می شود. در آزمون های انجام شده از دانشجویان خانم و آقا 22 تا 35 سال، دارای تحصیلات کارشناسی و کارشناسی ارشد آشنا به زبان انگلیسی کمک گرفته ایم.

داده های تعاملی ذخیره شده کاربران به عنوان ورودی پنج طبقه بند درخت تصمیم، شبکه عصبی، نزدیک ترین همسایه، ماشین بردار پشتیبان و جنگل تصادفی، همچنین نتایج آزمون پترسون به عنوان برچسب این مدل ها استفاده شد؛ بنابراین افراد در دو بعد مبتنی بر سبک شناختی رایدینگ دسته بندی شدند. بهترین طبقه بندی، مربوط به درخت تصمیم با دقت 90% در بعد کلامی -تصویری و دقت 87% در بعد کلی نگر- جزیی نگر از نتایج این پژوهش بود.

با توجه به یافته های این پژوهش، سامانه آموزش زبان طراحی شده می تواند به صورت هوشمند سبک شناختی افراد را هنگام مطالعه متن انگلیسی با دقت مناسبی استخراج کند. بنابراین در آینده می توان قابلیت ارایه محتوای شخصی سازی شده منطبق بر سبک شناختی افراد را به نرم افزار طراحی شده اضافه کرد.