بررسی عوامل موثر بر میزان استفاده دانشجویان از اینترنت به روش شبکه عصبی مصنوعی

هدف: با توجه به پیشرفت های سریع علمی، استفاده از روشهای نوین آموزشی نظیر روشهای مبتنی بر اینترنت، اجتناب ناپذیر است. در این زمینه بررسی رفتارهای مطالعاتی دانشجویان از اهمیت زیادی برخوردار است و پیش بینی این رفتارها باید بر اساس مدل هایی باشد که حداقل خطا و حداکثر اطمینان را داشته باشد. هدف از این تحقیق، بررسی پارامترهای موثر بر میزان استفاده دانشجویان از اینترنت و پیش بینی میزان تاثیر این عوامل، با استفاده از شبکه عصبی مصنوعی (Artificial neural network: ANN) بوده است. روش کار: در ابتدای ترم تحصیلی پرسشنامه هایی شامل اطلاعات شخصی و وضعیت درسی تهیه شد و در اختیار 86 نفر از دانشجویان رشته علوم آزمایشگاهی قرار داده شد. پس از استخراج اطلاعات، آنالیز نتایج با استفاده از شبکه عصبی مصنوعی انجام شد. بدین منظور از روش پرسپترون چهارلایه (1-3-5-12) استفاده شد. در مرحله یادگیری، از روش Batch استفاده شد. لایه ورودی شامل 12 متغیر مستقل و لایه خروجی شامل میزان ساعات استفاده از اینترنت بود. جهت ارتباط لایه ها از تابع عملیاتی Hyperbolic tangent بهره برده شد. نتایج: محاسبه مجموع مربعات خطا، میزان خطای نسبی در مرحله آموزش و آزمایش و همچنین ضریب همبستگی بین مقادیر مشاهده شده و مقادیر پیشگویی شده توسط مدل شبکه عصبی نشان داد که این مدل دارای اعتبار قابل قبولی در پیشگویی میزان استفاده از اینترنت در بین دانشجویان است. بر اساس این مدل، آشنایی با سایتهای علمی، آشنایی با برنامه Acrobat reader و نرم افزار Word ،بیشترین تاثیر را بر میزان استفاده از اینترنت دارد.

کلیدواژه ها:

اینترنت ، پرسپترون ، شبکه عصبی مصنوعی ، علوم آزمایشگاهی ، یادگیری