بررسی دقت روش های داده کاوی در پیش بینی رفتار فراگیران آموزش الکترونیک

بررسی دقت روش های داده کاوی در پیش بینی رفتار فراگیران آموزش الکترونیک

آکادمی داده

۱۳۹۷/۰۴/۲۸


  • 87 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

در این مقاله، به نحوه استفاده از روش های داده کاوی در سیستم های آموزش الکترونیک پرداخته شده است. هدف از استفاده روش های داده کاوی، غنی کردن، توسعه و شخصی کردن این محیط هاست. سیستم آموزشی هوشمند و شخصی شده تلاش می کند بوسیله تهیه طرحی از ویژگی های شخصی، علایق و معلومات فراگیران، شکلی از آموزش اختصاصی را به فراگیران ارائه دهد داده کاوی با دانش استخراج خودکار الگوهای مفید از مجموعه داده های بزرگ، می تواند برای دستیابی به مدل فرایند یادگیری و مدل یابی فراگیران به کار رود و با جستجو و یافتن اطلاعات آموزشی سودمند بر مبنای اسناد آموزشی، در ارزیابی و بهبود سیستم آموزشی نیز استفاده شود.
در این مقاله، به پیش بینی رفتار فراگیران آموزش الکترونیک پرداخته شده است. اهمیت تخمین دقیق نتیجه تحصیلی آتی فراگیران برای تامین یک سیستم آموزشی متناسب با توانایی فراگیری و در نتیجه یاری وی در این فرایند برای موفقیت بیشتر ضروری است. اگر مدرس و یا سیستم آموزشی بتواند نتیجه تحصیلی فراگیر را در هر مقطع زمانی از دوره تحصیلی پیش بینی کند، قادر خواهد بود که برنامه آموزشی متناسب با فراگیر را به وی ارایه نماید و از افت تحصیلی فراگیران ضعیف جلوگیری نماید و با شکوفایی بیشتر فراگیران مستعد را فراهم سازد و این همان مفهوم شخصی سازی در آموزش الکترونیک است. برای این امر از ۴ روش مختلف یادگیری ماشین شامل رگرسیون منطقی، درخت تصمیم، بیز ساده و شبکه عصبی استفاده شده است که در مقایسه این ۴ روش رگرسیون منطقی با ۸۰ . ۹۶۶ درصد، بیشترین دقت در پیش بینی را در میان روش های استفاده شده داشته است. همچنین روش های درخت تصمیم و بیز ساده نیز دقت مشابه ۸۰. ۱۱۳ درصد را داشته اند و در رده بعدی نیز شبکه عصبی با 79.261 درصد کمترین دقت را داشته است. لذا اگر که در این سیستم آموزش الکترونیک، از تکنیک رگرسیون منطقی به منظور پیش بینی نتیجه تحصیلی فراگیران استفاده گردد، به شخصی سازی مطلوبتری منتج خواهد گردید.
 اما بدیهی است که باید در راستای افزایش دقت نتایج بدست آمده از اعمال روشهای داده کاوی در پیش بینی، به عنوان کارهای آتی این فعالیت تلاش نمود، هر چند که دقت بدست آمده ۸۰.۹۶۶ درصد دقت مناسبی برای یک روش داده کاوی است، اما در صورتی که بخواهیم از یک ماژول پیش بینی کننده نتیجه تحصیلی در یک سیستم واقعی آموزش الکترونیک بهره جوییم، قطعا این دقت کافی و کار آمد نخواهد بود و باید در افزایش این دقت تلاش نمود همچنین یک گام أرمانی برای مرحله بعدی این تحقیق، استفاده نتایج بدست آمده در یک سیستم آموزش الکترونیک واقعی و تلاش برای استفاده از نتایج ماژول پیش بینی نتایج تحصیلی کاربران در راستای شخصی سازی پروفایل آموزشی فراگیران می باشد.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.