ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

سال انتشار: 1393
کد COI مقاله: ICMI01_123
زبان مقاله: فارسیمشاهد این مقاله: 292
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

هادی انصاری هادی پور - دکترای تخصصی (Ph.D)، رشته بیوشیمی بالینی، گروه بیوشیمی و ژنتیک، دانشکده پزشکی، دانشگاه علوم پزشکی اراک
نیره امینی زاده - دانشجوی دوره کارشناسی ارشد، رشته تاریخ و فلسفه آموزش و پرورش (تعلیم و تربیت اسلامی)، گروه آموزش و پژوهش علوم تربیتی و روانشناسی دانشگاه پیام
امیر بهاء الدین سبط الشیخ - فارغ التحصیل دوره کارشناسی، رشته نرم افزار، دانشکده نرم افزار، دانشگاه غیاث الدین جمشید کاشانی، آبیک قزوین
مهدی انصاری هادی پور - دانشجوی دوره کارشناسی، رشته مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، تهران

چکیده مقاله:

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

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/415519/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
انصاری هادی پور، هادی و امینی زاده، نیره و سبط الشیخ، امیر بهاء الدین و انصاری هادی پور، مهدی،1393،بررسی عوامل موثر بر میزان استفاده دانشجویان از اینترنت به روش شبکه عصبی مصنوعی،کنفرانس بین المللی مدیریت و مهندسی صنایع،تهران،،،https://civilica.com/doc/415519

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، انصاری هادی پور، هادی؛ نیره امینی زاده و امیر بهاء الدین سبط الشیخ و مهدی انصاری هادی پور)
برای بار دوم به بعد: (1393، انصاری هادی پور؛ امینی زاده و سبط الشیخ و انصاری هادی پور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • دکتر علی چهره ئی، دکتر علی اکبر حق دوست، دکتر ...
  • ب83-9 International Journal of Engineering, Science and Technology Vol. 2, ...
  • Julie M. Byers Gonza'lez and Stephen L. DesJardins _ .ARTIFICIAI ...
  • Porter S. The three e's enabling environment for everyone: E-learning ...
  • Wang E. Media consultant, e-learning: promises, issues, perspectives. CRYSTAL network ...
  • Shafazand M.H., Neuhold E. An advanced e-learning system based on ...
  • Rosemary H. A framework for e-learning as a tool for ...
  • Online courses for students. Morehead State University USA. 2004. Available ...
  • Ward J.P., Gordon J., Field M.J., Lehman H.P. C ommunication ...
  • Aggarwal R., , Grandcharov T., Moorthy K., Hance Y., Darzi ...
  • _ Reilly A., Spratt C. The perceptions of undergraduate student ...
  • Jeffries P.R., Woolf S., Linde B. Techno logy-based Vs. traditional ...
  • Engum S.A., Jeffries P., Fisher L. Intravenous catheter training system: ...
  • Strobl, R.O., and Forte, F. (2007). Artificial neural network exploration ...
  • Dagli, C.H. (1994). Artificial neural networks for intelligent manufacturing. Operating ...
  • Wu, J.K. (1994). Neural networks and simulation methods, Marcel Dekker ...
  • Gop alakrishnan, K. (2010) "Effect of training algorithms _ neural ...
  • Elena SUSNEA .U.P.B. Sci. Bull., Series C, Vol. 72, Iss. ...
  • Stamos T. Karamouzis and Andreas Vrettos .An Artificial Neural Network ...
  • Vendlinski, T., & Stevens, R. (2000).The Use of Artificial Neural ...
  • Jawaher K. Alenezi, Mohammed M. Awny and Maged M. M. ...
  • Ms Maitrei Kohli, Dr. T.V. Prasad, Member, IAENG. Identifying Dyslexic ...
  • Jafar Pouramini. Forecasting Number of Students Applicant for Courses by ...
  • Ricardo Contreras A., Pedro Salcedo L., M. Angelica Pinninghoff J.. ...
  • V.O. Oladokun, Ph.D. *, A.T. Adebanjo, B.Sc., and O.E. Charles ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: علوم پزشکی
    تعداد مقالات: 462
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی