یادگیری شخصی سازی شده با استفاده از تحلیل رفتار دانش آموزان با رویکرد داده کاوی

در دهه گذشته، هوش مصنوعی به عنوان یک عامل اصلی تحول در آموزش عمل کرده است. این فناوری با فراهم کردن یادگیری شخصی سازی شده به دانش آموزان اجازه میدهد تا به شیوه ای متناسب با سبک، یادگیری، نیازها و علایق خود یاد بگیرند. سیستمهای هوشمند قادرند نقاط قوت و ضعف دانش آموزان را شناسایی کنند و محتوای آموزشی مناسب را به صورت خودکار پیشنهاد دهند. این رویکرد باعث افزایش انگیزه، کارایی و تعامل دانش آموزان می شود. با این حال، استفاده از هوش مصنوعی در آموزش با چالشهایی مانند حفظ حریم خصوصی دانش آموزان، مدیریت داده ها و احتمال بروز خطاهای الگوریتمی همراه است. در این پژوهش با استفاده از الگوریتم های نزدیک ترین همسایه، درخت تصمیم، ماشین بردار پشتیبان و جنگل های تصادفی داده ها مورد ارزیابی قرار گرفت و سپس با کاهش بعد ویژگی ها دقت تا ۸۰ درصد افزایش پیدا کرد. همچنین با مدل های ترکیبی نیز کار ارزیابی بر روی داده ها صورت گرفت. لذا استفاده از الگوریتم های قوی می توان مشابهت لازم در ارزیابی را بین مدل های ترکیبی و ساده یکسان در نظر گرفت.

کلیدواژه ها:

هوش مصنوعی ، آموزش شخصی سازی شده ، داده کاوی