Abstract:
سامانههای آموزشی شخصیسازی شده برای یادگیرندگان کارآیی بیشتری نسبت به سامانههای سنتی دارند. یادگیری الکترونیکی نیز از این قاعده مستثنا نیست و یکی از ملزومات آن وجود مکانیزمی شخصیشده برای کمک به یادگیری موثر یادگیرنده است. در سالهای اخیر از روشهای دادهکاوی بهطور گسترده در زمینهی بهبود کیفیت آموزش استفاده شده است. با استفاده از روشهای دادهکاوی میتوان شناخت بیشتری از یادگیرندگان در محیط یادگیری الکترونیکی بدست آورده و از آن در جهت دستیابی به یادگیری تطبیقی استفاده کرد. در این مقاله مدلی به منظور گروهبندی یادگیرندگان براساس سبک یادگیری آنها ارائه شده است. به این ترتیب که ابتدا با استفاده از پرسشنامه فلدر-سولومون ابعاد مختلف سبک یادگیری یادگیرندگان در قالب مدل فلدر-سیلورمن سنجیده و سپس با استفاده از الگوریتم k میانگین به گروهبندی آنها پرداخته شده است. در نهایت مدل ارائه شده بهمنظور برنامهریزی بهتر آموزشی، در دورهای واقعی مورد استفاده و ارزیابی قرار گرفته است. نتایج حاصل شده نشان از کارآیی مدل پیشنهادی دارند. در واقع، یادگیرندگان با استفاده از مدل پیشنهادی به موفقیت تحصیلی بالاتری دست یافتند و همچنین دورهی برگزار شده از جذابیت بیشتری برخوردار شد.
Machine summary:
1. Educational Data Mining (رجوع شود به تصویر صفحه) برای انجام خوشه بندی، از الگوریتم معروف k میانگین استفاده کرده ایم .
در گروه بندی بایستی مدل خوشه بندی برای یادگیرندگان با توجه به داده های به دست آمده در مورد ابعاد سبک یادگیری آن ها اجرا و نتایج حاصل از این مدل برای پاسخ به سوالات تحقیق مورد بررسی و تحلیل قرار گیرد.
در این جدول میانگین بدست آمده برای هر بعد برای گروه دوم یادگیرندگان نشان داده شده است .
در این جدول برای هر یادگیرنده ، مقادیر ابعاد سبک یادگیری بدست آمده از روی پاسخنامه وی و شماره خوشه یا گروه ، مشخص شده است .
بحث و نتیجه گیری در این تحقیق با استفاده از داده کاوی بر روی داده های سیستمی، مدلی به منظور گروه بندی یادگیرندگان براساس سبک یادگیری آن ها ارائه شد.
به این ترتیب میتوان نتیجه گرفت که خوشه بندی یادگیرندگان با استفاده از سبک یادگیری و با استفاده از الگوریتم های داده کاوی در بهبود فرآیند آموزش مؤثر واقع میشود البته به شرطی که آموزش متناسب با ویژگی های هر خوشه داده شود.
Özpolat & Akar جذابیت بیشتری را برای یادگیرندگان ایجاد کرده و سبب گسترش و به کارگیری مؤثر این نوع آموزش در کشور شویم که خود نتایجی چون کاهش هزینه های آموزش را در پی خواهد داشت .
Using data mining on student behavior and cognitive style data for improving e-learning systems: a case study.
Learning and teaching styles in engineering education.