طراحی سامانه تحلیل آموزشی مبتنی بر کلان داده برای شناسایی الگوهای یادگیری دانشجویان

پژوهش حاضر با هدف طراحی سامانه تحلیل آموزشی مبتنی بر فناوری کلان داده برای شناسایی الگوهای یادگیری دانشجویان انجام شد. روش پژوهش از نوع توسعه ای-کاربردی با رویکرد سیستم های نرم افزاری است. در این پژوهش، ابتدا مولفه ها و شاخص های کلیدی الگوهای یادگیری از مرور نظام مند پیشینه استخراج گردید. سپس معماری سامانه شامل چهار لایه اصلی (جمع آوری داده، ذخیره سازی توزیع شده، پردازش و تحلیل، و نمایش بصری) طراحی شد. برای پیاده سازی نمونه اولیه، از پایگاه داده توزیع شده هادوپ، موتور پردازش اسپارک، و الگوریتم های خوشه بندی کی-میانگن و درخت تصمیم استفاده گردید. داده های لاگ فعالیت ۵۰۰ دانشجو در یک نیمسال تحصیلی از سامانه آموزش مجازی جمع آوری شد. یافته ها نشان داد که سامانه طراحی شده قادر است چهار الگوی یادگیری اصلی (یادگیری فعال در ساعات ابتدایی روز، یادگیری تدریجی در طول ترم، یادگیری متمرکز در شب امتحان، و یادگیری غیرفعال با حداقل مشارکت) را با دقت ۸۶ درصد شناسایی کند. همچنین همبستگی معناداری بین الگوهای یادگیری و عملکرد تحصیلی دانشجویان مشاهده شد. نتیجه پژوهش نشان داد که سامانه تحلیل آموزشی مبتنی بر کلان داده می تواند ابزار موثری برای شناسایی زودهنگام دانشجویان در معرض خطر افت تحصیلی و ارائه بازخورد شخصی سازی شده به اساتید و دانشجویان باشد.کلیدواژه ها: سامانه تحلیل آموزشی، کلان داده، الگوهای یادگیری، داده کاوی آموزشی، یادگیری الکترونیکی