ارائه راهکاری جهت افزایش دقت مدلسازی آشکار یادگیرنده مبتنی بر شبکه بیزی

یکی از حوزه های مهم د ریادگیری الکترونیکی سامانه های یادگیری تطبیق پذیر می باشد. شاخصه بارز این دسته از سامانه ها فراهم نمودن خدمات یادگیری متناسب با مدل یادگیرنده می باشد. مدل یادگیرنده در بر گیرنده اطلاعاتی در مورد ویژگی های یادگیرنده است. هرگاه اجزای مدل یادگیرنده برای او و سایر کاربران قابل مشاهده و بررسی باشدف ان را مدل آشکار یادگینده می نامند.از آنجایی که عمل تطبیق بر اساس مدل یادگیرنده صورت می گیرد لذا دقت عمل تطبیق وابسته به دقت مدلسازی می باشد. همچنین در بعضی موارد مدل یادگیرنده جهت ارزیابی دانش مورد استفاده قرا می گیرد. یکی از راه های افزایش دقت مدلسازی به روز کردن مدل بر اساس نظر یادگیرنده در مدل سازی آشکار می باشد. در این پژوهش به منظور ارتقا دقت مدل سازی، راهکاری دو مرحله ای پیشنهاد گردیده است: در مرحله اول با توجه یه ساختار شبکه بیزی مدلی جهت محاسبه میزان اعتماد سامانه به نظر یادگیرنده معرفی گردیده است. د رمرحله دوم با در نظر گرفتن میزان اعتماد سامانه به یادگیرنده و نظر یادگیرنده الگوریتمی جهت به روز رسانی مدل دانش پیشنهاد شده است. جهت ارزیابی عملکرد روش پیشنهادی، سامانه OpenLAUT پیاده سازی گردیده و دانش ارزیابی شده یا استفاده از رهیافت پیشنهادی با دانش امتیازدهی شده توسط آزمون جامع مورد مقایسه قرار گرفت. همچنین این مقایسه یک بار بدون استفاده از رهیافت پیشنهادی صورت پذیرفت. مقایسه بین این دو حالت نشان می دهد که رهیافت پیشنهادی منجر به افزایش دقت یادگیرنده گشته است.

کلیدواژه ها:

مدلسازی یادگیرنده ، مدل آشکار یادگیرنده ، دقت مدلسازی یادگیرنده ، شبکه های بیزی