شخصی سازی محیط یادگیری الکترونیکی به کمک توصیه گر فازی مبتنی برتلفیق سبک یادگیری و سبک شناختی
محورهای موضوعی : فناوری اطلاعات و ارتباطات
1 - دانشگاه تربيت مدرّس
2 -
کلید واژه: یادگیری الکترونیکی, شخصی سازی, سبک - یادگیری, سبکشناختی, سیستم توصیهگر فازی,
چکیده مقاله :
شناسایی اولویتها و ویژگیهای یادگیرندگان امری ضروری در شخصی سازی محیط آموزش الکترونیکی است به طوری که بدون شناخت ویژگیهای ذهنی یادگیرنده از یک طرف و رویکردهای یادگیری از طرف دیگر شخصی سازی تحقق نمییابد. هرچه این شناخت کاملتر و با دقت بیشتری انجام پذیرد، مدل یادگیرنده مبتنی بر این شناخت از قابلیت اعتماد بیشتری برخوردار است. دراین تحقیق تلاش شده تا از تلفیق نظریات مؤثر در شناسایی رویکردهای یادگیری مانند سبک یادگیری و سبک شناختی استفاده شود. برای کاهش عدم قطعیت در بیان نظریات یادگیرندگان، از منطق فازی بهره بردهایم. این تحقیق در قالب سیستم توصیه گر فازی در بطن سامانه آموزشیار هوشمند در یک نیمسال تحصیلی بر روی تعدادی از دانشجویان دوره های آموزش الکترونیکی در رشته مهندسی در دو مرحله اجرا شد؛ بدین ترتیب که در گام اول و بر روی نیمی از درس پارها از توصیه های مبتنی بر سبک یادگیری و در گام بعد و بر روی نیمه دوم درس پارها، از هم افزایی توصیههای مبتنی بر سبک یادگیری و سبک شناختی با هم استفاده شد. در تمامی مراحل ارائه دروس، توانمندی یادگیرندگان بر اساس نظریه پرسش -پاسخ فازی پایش و ارزیابی میشود. بعد از تلفیق توصیهها بهبود چشمگیری در معیارهای سنجش سامانه - های آموزشیار هوشمند ملاحظه میگردد که بیانگر دقت بالای توصیههای ارائه شده در زمان مناسب است، بهطوریکه زمان یادگیری مؤثر و میزان ارجاع به آموزشیار(استاد) کاهش یافته و نگرش نسبت به محیط آموزش الکترونیکی که به صورت افزایش میزان رضایت و موفقیت تحصیلی تعریف میشود رشد داشته است.
Personalization needs to identify the learners’ preferences and their characteristics as an important part in any e-learning environment which without identify learners’ mental characteristics and their learning approaches, personalization cannot be possible. Whatever this identifying process has been done more completely and more accurately, the learner model that based on it will be more reliable. Using the combination and relation of effective theories in learning approaches detection such as learning style and cognitive trait, have been used in this research. Also for reducing ambiguity in learners’ opinions and their feedbacks, have been used fuzzy logic. This study was conducted during one semester on some e-learning students in engineering field based on fuzzy recommender system in two phases. This recommender is part of Intelligent Tutoring System as prepared some recommendations based on learning style in first phase and on half of courses and in second phase and on remaining courses, prepared recommendations based on combination of two mentioneed theories. Learners’ ability have been monitored and evaluated based on fuzzy item response theory in all steps. Measures of Intelligent Tutoring System have been optimized after this combination that clarifies the presentation of accurate recommendations in appropriate time. The time of effective learning and amount of referee to tutor have decreased, learner’s and tutor’s view to e-learning that define such as learners’ success rate and the learner’s satisfaction have improved increasingly.