استخراج هوشمند سبک شناختی یادگیرندگان بر اساس تعامل آن ها با سامانه آموزش زبان انگلیسی
- سال انتشار: 1401
- محل انتشار: فصلنامه فناوری آموزش، دوره: 17، شماره: 1
- کد COI اختصاصی: JR_JEIT-17-1_014
- زبان مقاله: فارسی
- تعداد مشاهده: 320
نویسندگان
گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
چکیده
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 ارائه خدمات آموزشی در راستای بهبود آموزش و یادگیری زبان انگلیسی موثر است. شناسایی عوامل موثر در یادگیری، یکی از مقولههای مهم و مورد پژوهش است. از آنجا که عوامل موثر بر یادگیری بسیار گسترده و وسیع هستند؛ شناسایی این عوامل در رفع مشکلات و نارساییهای سیستم آموزشی مهم است. یکی از این عوامل، سبک شناختی است. افراد به تناسب تفاوتهای فردی خود از سبکهای متفاوتی برای یادگیری بهره میجویند. سبک شناختی را میتوان به عنوان روشی که افراد اطلاعات و تجربیات تازه را در ذهن خود پردازش میکنند، 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-جزئی 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 نرمافزار 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 نرمافزار، ثبت می شود. در ادامه با استفاده از روشهای یادگیری ماشین توسط داده های تعاملی ذخیره شده از کاربران هنگام کار با نرمافزار، مدل هوشمندی ارائه شد که افراد را در دو بعد مبتنی بر سبک شناختی رایدینگ دسته بندی می کند. این پژوهش از نظر هدف کاربردی است.روش ها: 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 ۲۲ تا ۳۵ سال، دارای تحصیلات کارشناسی و کارشناسی ارشد آشنا به زبان انگلیسی کمک گرفته ایم.یافته ها: داده های تعاملی ذخیره شده کاربران به عنوان ورودی پنج طبقه بند درخت تصمیم، شبکهعصبی، 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 ۹۰% در بعد کلامی –تصویری و دقت ۸۷% در بعد کلی نگر- جزئی نگر از نتایج این پژوهش بود.نتیجه گیری: 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 ارائه محتوای شخصی سازی شده منطبق بر سبک شناختی افراد را به نرم افزار طراحی شده اضافه کرد.کلیدواژه ها
یادگیری الکترونیکی, سبک شناختی, آموزش زبان انگلیسی, یادگیری ماشیناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.