ارزیابی روابط یادگیرندگان در یک سیستم آموزشی به کمک ابزارهای تحلیل شبکه اجتماعی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,600

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICELEARNING06_013

تاریخ نمایه سازی: 30 مرداد 1391

چکیده مقاله:

امروزه شبکه های اجتماعی کاربردهای گوناگونی در حوزه های مختلف زندگی پیدا کرده اند که شبکه های یادگیری یکی از آنهاست. تحلیل شبکه اجتماعی یادگیرندگان و ارزیابی روابط آنها م یتواند نقش مهمی در مدیریت بهتر جوامع یادگیری داشته باشد. دانستن محبوبیت اجتماعی یادگیرندگان می تواند مدرس را در شناخت بهتر افراد تاثیر گذار و تعریف درست نقش ایشان در یادگیری گروهی و مشارکتی یاری دهد. در این تحقیق که در دانشکده مهندسی برق و کامپیوتر دانشگاه تهران انجام شده است از دانشجویان یک دوره درسی خواسته شده است نظرات خود را نسبت به انجام فعالیت مشترک تحقیقی با سایر افراد دوره از طریق یک پرسش نامه اعلام دارند. آنالیز عددی و تحلیل مفهومی داده ها به کمک ابزارهای ارزیابی شبکه های اجتماعی نشان داده است که شناخت قبلی یادگیرندگان و داشتن تجربه های مشترک ملاک اصلی افراد در انتخاب هم درس در یک کار گروهی است. تحلیل همبستگی میان نمرات دانشجویان و ملاک های تاثیر گذاری در یک شبکه اجتماعی نشان داده است افرادی که تجربه های تحصیلی موفق تری دارند می توانند نقش موثرتری د رانتشار رفتار و اطلاعات در شبکه یادگیری به عهده بگیرند. از این نتایج می توان د رتشکیل گروه های یادگیری و کنار هم قرار دادن افراد مناسب جهت انجام فعالیت های مشارکتی سود جست. همچنین دستاورهای این تحقیق م یتواند به عنوان راهکاری جهت انتخاب افراد کلیدی در محیط های یادگیری مبتنی بر وب در مدیریت و راهبردی فعالیت های یادگیری بکار گرفته شود.

کلیدواژه ها:

شبکه یادگیری ، یادگیری مبتنی بر وب ، تحلیل شبکه اجتماعی ، ضریب همبستگی ، درجه ورودی وزن دار ، هاب

نویسندگان

سرور رشیدیان دزفولی

دانشکده برق و کامپیوتر، دانشگاه تهران

فاطمه عروجی

دانشکده برق و کامپیوتر، دانشگاه تهران

فتانه تقی یاره

دانشکده برق و کامپیوتر، دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S. Strogatz, "Exploring complex networks, " Nature, vol. 410, Mar. ...
  • Wasserman, Stanley, Faust, Katherine, Social network analysis: methods and applications, ...
  • Analysis (SNA)", Language Learning Center, UC Davis, 2011 ...
  • ID E N TIF ICATION" , IADIS International Conference on ...
  • نمایش کامل مراجع