تخمین موفقیت کاربران آموزش الکترونیکی با استفاده از ترکیب دسته بندی کننده بیز و روش K-NN

تحقیقات نشان داده است که بازدهی آموزش الکترونیکی بر روی همه افراد یکسان نیست و در بسیاری از مواقع دوره های آموزش الکترونیکی، پس از صرف زمان و هزینه زیاد توسط افراد، با شکست مواجه خواهند شد.دراین سیستم ها ، کاربران و یادگیرندگان سیستم از لحاظ ویژگیهای فردی مانند سطح دانش قبلی، میزان و سرعت پیشرفت در یادگیری، سن، نوع تخصص و انگیزه و هدف برای یادگیری با یکدیگر متفاوت هستند. اگر سیستم آموزش الکترونیکی ، شیوه آموزش مطالب درسی را با توجه به ویژگیهای کاربر انتخاب کرده و به او ارایه کند، تاثیر بسزایی در ارتقاء کیفیت آموزش الکترونیکی خواهد داشت. دراین مقاله از ترکیب دسته بندی کننده بیز و روش K-NN (Kتا نزدیکترین همسایه) روشی برای داده کاوی ارائه شده است. در این روش، هنگام مراجعه یک کاربر به سیستم آموزش الکترونیکی ابتدا کاربرانی که پروفایل و مشخصات فردی مشابه با کاربر مراجعه کننده دارند، با استفاده از روش K-NN استخراج می شوند. سپس دسته بندی کننده بیز بر روی داده های تاریخچه ای این کاربران مشابه اعمال می گردد. داده های تاریخچه ای، حاوی دوره های آموزشی گذرانده شده توسط این کاربران و همچنین شیوه آموزشی استفاده شده درهر دوره می باشد. پس از این مرحله احتمال موفقیت کاربر مراجعه کننده در هر شیوه آموزشی تخمین زده می شود و شیوه آموزشی دارای احتمال موفقیت بالاتر، برای آموزش کاربر بکار برده می شود. استفاده از این روش، موفقیت کاربران در گذراندن دوره های آموزش الکترونیکی را افزایش داده و کارایی سیستم آموزش را بالا برده است.

کلیدواژه ها:

داده کاوی ، آموزش الکترونیکی ، دسته بندی کننده بیز ، K-NN ، پروفایل کاربران ، پیش بینی