ارائه روشی ترکیبی جهت بهبود عملکرد سیستم های پیشنهاددهنده در زمینه یادگیری الکترونیکی مبتنی بر روش های خوشه بندی فازی و الگوریتم تکاملی تفاضلی (de)

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 66

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MEECDSTS04_032

تاریخ نمایه سازی: 26 خرداد 1405

چکیده مقاله:

بسیاری از سیستم های یادگیری مرسوم مبتنی بر داده های ایستا هستند و همه دانش آموزان را یکسان و مشابه در نظر می گیرند بنابراین نمی توانند پاسخگوی نیازها و سلایق متنوع آنها باشند. مشکل اصلی آنها در نظر نگرفتن علاقه مندی ها و تعاملات پیشین کاربران است. سیستم های پیشنهاددهنده یادگیری الکترونیکی با هدف غلبه بر این مشکلات و پیشنهاد مناسب ترین دوره های آموزشی شخصی سازی شده به هر کاربر مطرح شده اند. این سیستم ها را می توان از طریق سیستم های توصیه گر به کاربران پیشنهاد نمود. از مهم ترین چالش های موجود در زمینه سیستم های توصیه گر می توان به مشکل شروع سرد و قلم جدید، خلوت بودن داده ها و رابط کاربر اشاره کرد که ما تلاش می کنیم روشی را برای بهبود عملکرد سیستم های پیشنهاددهنده در مواجهه با یکی از بزرگ ترین چالش های این سیستم با عنوان شروع سرد ارائه کنیم. این مشکل در هنگام مواجهه با کاربر جدید و یا اقلام جدید به وجود می آید به عنوان مثال هنگامی که کاربر جدید وارد می شود سیستم به دلیل عدم در دسترس بودن سوابق کاربر امکان پیشنهاد اقلام جدید به کاربر را ندارد لذا برای غلبه بر این چالش و افزایش دقت سیستم های توصیه گر روشی مبتنی بر رویکرد ترکیبی پیشنهاد می گردد. این سیستم های ترکیبی می توانند در قالب فیلترهای مشارکتی، خوشه بندی و الگوریتم های فراابتکاری باشند لذا خوشه بندی فازی به دلیل برتری نسبت به خوشه بندی های دیگر مطرح شد از این جهت که در خوشه بندی فازی هر داده می تواند به چندین خوشه به طور همزمان تعلق داشته باشد. در انتها با توجه به عملکرد بالای روش فراابتکاری (de) به منظور بهبود رویکرد خوشه بندی فازی از الگوریتم تکاملی تفاضلی de استفاده خواهد شد. از مهم ترین ویژگی های الگوریتم de می توان به سرعت همگرایی بالا و سادگی در پیاده سازی اشاره نمود که دلیل انتخاب این الگوریتم برای ترکیب با رویکرد خوشه بندی فازی است. استفاده از این رویکرد ترکیبی در سیستم یادگیری الکترونیک سبب افزایش دقت و کاهش زمان پیشنهاد مناسب ترین دوره های آموزشی شخصی سازی شده به هر کاربر بر اساس ویژگی های دموگرافیک و سلیقه کاربران و با در نظر گرفتن تعاملات پیشین آنها است.

کلیدواژه ها:

سیستم پیشنهاد دهنده ، سیستم پیشنهاددهنده یادگیری الکترونیکی ، خوشه بندی ، الگوریتم تکاملی تفاضلی

نویسندگان

سکینه جهانگیرزاده

عضو هیات علمی (استادیار)، موسسه آموزش عالی کارون اهواز ایران

سجاد کوتی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر موسسه آموزش عالی کارون اهواز ایران

رضوان محمد رضایی

عضو هیات علمی (مربی)، موسسه آموزش عالی کارون اهواز، ایران