امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای ی چکیده کامل
امروزه به لطف رشد و توسعه فناوریهای ارتباطی و اطلاعاتی، سیستمهای یادگیری برخط قادر شدهاند امکانات یادگیری گروهی و فضای تعامل و تبادل نظر میان یادگیرندگان را فراهم آورند. این امر مستلزم تشکیل گروههای یادگیری موثر و فراهم آوری ابزارهای مشارکت یادگیرندگان در محیطهای یادگیری برخط است که در سیستمهای موجود که مراکز آموزشی مجازی مورد استفاده قرار میگیرند به ندرت مشاهده میشود. در این مقاله محتوا و ساختار تالارهای گفتگو مورد بررسی قرار گرفتهاند. تحلیل محتوایی به منظور تطابق محتوای مباحثات با اهداف تالار و استخراج حوزههای مورد علاقه مشارکتکنندگان انجام شده است. محققین ضمن بیان دستاوردهای تحلیل شبکه اجتماعی یک محیط یادگیری دانشگاهی، راهکاری برای استخراج روابط اجتماعی افراد از طریق تحلیل ساختاری تالارهای گفتگو در یک محیط یادگیری برخط ارائه کردهاند. همچنین آنها روشی برای بهکارگیری روابط استخراج شده در مکانیزمهای گروهبندی یادگیرندگان ارائه نمودهاند و کارآمدی آن را مورد ارزیابی قرار دادهاند. بخشهای مختلف این تحقیق در دورههای درسی مختلف در ترمهای متوالی انجام شده است و دستاوردهای آن میتواند در راستای بهبود فعالیتهای یادگیری همکارانه در محیطهای یادگیری برخط و ترکیبی مورد استفاده قرار بگیرد
پرونده مقاله
گروهبندی همگن یادگیرندگان از نظر مشابهت سبک یادگیری، موجب افزایش توانمندی سامانههای یادگیری الکترونیکی در تطبیق یادگیری و ایجاد فضای مشارکتی میان یادگیرندگان میشود. در این مقاله سامانهای تشریح شده است که با استفاده از اطلاعات مربوط به رفتار شبکهای یادگیرندگان در مح چکیده کامل
گروهبندی همگن یادگیرندگان از نظر مشابهت سبک یادگیری، موجب افزایش توانمندی سامانههای یادگیری الکترونیکی در تطبیق یادگیری و ایجاد فضای مشارکتی میان یادگیرندگان میشود. در این مقاله سامانهای تشریح شده است که با استفاده از اطلاعات مربوط به رفتار شبکهای یادگیرندگان در محیط یادگیری الکترونیکی، گروههایی از یادگیرندگان را که از منظر سبک یادگیری مشابه هستند، شناسایی میکند. روش خوشهبندی ارائه شده برای تفکیک یادگیرندگان مبتنی بر ساختار شبکۀ عصبی ART و فرایند یادگیری شبکۀ عصبی Snap-Drift توسعه داده شده است. این شبکه امکان شناسایی گروههای یادگیرندگان را در فضای عدم قطعیت ویژگیهای مؤثر بر تفکیک گروهها، فراهم میسازد ضمن آنکه در این روش نیازی به دانستن تعداد مناسب گروهها نیست. عملکرد این سامانه در شناسایی گروههای 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 میدهد روش پیشنهادی به طور کلی گروههای مناسبتر و دقیقتری را نسبت به روشهای دیگر ایجاد کرده است.
پرونده مقاله