طراحی الگوریتم شخصی سازی تمرینات ریاضی بر اساس سطح توانایی دانش آموز با استفاده از درخت تصمیم

در نظام های سنتی آموزش ریاضی، تمام دانش آموزان صرف نظر از سطح توانایی خود، تمرینات یکسانی دریافت می کنند که این امر به دلزدگی دانش آموزان مستعد و درماندگی دانش آموزان ضعیف تر منجر می شود. پژوهش حاضر با هدف طراحی الگوریتم شخصی سازی تمرینات ریاضی بر اساس سطح توانایی دانش آموز با استفاده از الگوریتم درخت تصمیم انجام شد. داده های ۵۸۸ دانش آموز مقطع متوسطه اول از پنج مدرسه شهر تهران جمع آوری گردید. پنج ویژگی شامل نمره آزمون تشخیص سطح، تعداد تمرینات حل شده در هفته، نرخ پاسخ صحیح، زمان متوسط پاسخ به هر سوال و تعداد تلاش مجدد برای هر تمرین به همراه برچسب سطح توانایی (مبتدی، متوسط، پیشرفته) که توسط معلمان تعیین شده بود، استخراج شد. مدل درخت تصمیم با معیار تقسیم جینی و عمق حداکثر ۵ سطح آموزش داده شد و بر روی مجموعه آزمون مورد ارزیابی قرار گرفت. یافته ها نشان داد مدل با دقت کلی ۸۶.۴۴ درصد و میانگین اعتبارسنجی متقابل ۸۶.۳۲ درصد توانست سطح توانایی دانش آموزان را پیش بینی کند. بهترین عملکرد مربوط به طبقه بندی دانش آموزان سطح متوسط (صحت ۸۸.۲۴ درصد، بازخوانی ۹۰.۹۱ درصد) و ضعیف ترین عملکرد مربوط به طبقه بندی دانش آموزان سطح مبتدی (صحت ۸۲.۳۵ درصد، بازخوانی ۷۸.۵۷ درصد) بود. هفت قاعده «اگر-آنگاه» از ساختار درخت استخراج شد که نشان می دهد نمره آزمون تشخیص سطح، نرخ پاسخ صحیح، تعداد تمرینات حل شده در هفته و زمان پاسخگویی به ترتیب مهم ترین متغیرهای تعیین کننده سطح توانایی هستند. سطح زیر منحنی ROC برای هر سه کلاس بالاتر از ۰.۸۷ بود که حاکی از کیفیت تشخیص عالی مدل است. نتیجه گیری می شود که الگوریتم درخت تصمیم ابزاری ساده، قابل تفسیر و دقیق برای شخصی سازی تمرینات ریاضی است. بر اساس قوانین استخراج شده، به معلمان توصیه می شود برای دانش آموزان مبتدی تمرینات پایه همراه با راهنمایی، برای دانش آموزان متوسط تمرینات ترکیبی و برای دانش آموزان پیشرفته مسائل چالشی و غیرروتین طراحی کنند.

کلیدواژه ها:

شخصی سازی یادگیری ، درخت تصمیم ، سطح توانایی ، تمرینات ریاضی ، داده کاوی آموزشی.