دادهکاوی در حوزه سلامت و مدیریت و تحلیل کلان داده های پزشکی شخصی سازی محتوی آموزشی با استفاده از تکنیک های داده کاوی

مقدمه:امروزه استفاده از تکنیک های داده کاوی در حوزه های مختلف کاربرد فراوانی پیدا کرده است. شخصی سازی محتوی آموزشی براساس نیازها، شرایط و ترجیحات دانشجویان یکی از این حوزه ها می باشد که مورد توجه محققین حوزه آموزش می باشد. در این مطالعه با استفاده از تکنیک داده کاوی به شخصی سازی تعدادی از دروس رشته فناوری اطلاعات سلامت از دیدگاه دانشجویان پرداخته شده است.روش بررسی:این تحقیق به روش توصیفی مقطعی انجام پذیرفت. جامعه مورد پژوهش دانشجویان ترم 7 (ترم آخر تیوری) مقطع کارشناسی پیوسته رشته فناوری اطلاعات سلامت در دانشگاه های علوم پزشکی مشهد، سمنان و اهواز بودند. از بین دانشجویان 56 نمونه به صورت تصادفی انتخاب گردیدند. ابزار پژوهش پرسشنامه محقق ساخت های بود که مبتنی بر سرفصل های دروس فناوری اطلاعات سلامت 1 و 2 و 3 تدوین گشته بود. روایی پرسشنامه توسط اساتید این رشته مورد بررسی و تایید قرار گرفت. از دانشجویان خواسته شد، ترتیب سرفصل های ارایه شده این دروس را بازبینی نمایند و توالی که از نظر آنها میتواند در ایجاد فهم و پیوستگی مطالب ارایه شده به دانشجویان کارآمدتر باشد، را پیشنهاد نمایند. سپس با کمک الگوریتم های داده کاوی که به زبان C پیاده سازی گردید، الگوهای پرتکرار از مجموعه توالی های پیشنهاد شده استخراج گردید. سپس نتایج تحقیق در اختیار 3 نفر از اساتید مربوط به دروس مورد بررسی قرار گرفت و نتایج تحلیل به صورت چینش پیشنهادی برای سرفصل ها و موارد حذف و اضافه شده ارایه گردید. یافته ها:پس از جمع آوری پرسشنامه ها و تحلیل آنها، 4 توالی پرتکرار استخراج گردید، که براساس آنها میتوان دانشجویان را به 4 دسته اصلی تقسیم نمود. دسته اول، دانشجویانی که برای درس فناوری اطلاعات سلامت 1 و بخشی از سرفصل های درس فناوری اطلاعات سلامت 2 توالی پرتکرار پیشنهاد داده بودند. دسته دوم و سوم، دانشجویانی که تنها برای درس فناوریاطلاعات سلامت 1 توالی پرتکرار پیشنهاد داده بودند. دسته چهارم، دانشجویانی که هیچ توالی پرتکراری پیشنهاد نداده بود. با توجه به این نتایج میتوان استنتاج نمود، ارتباط معنایی بین سرفصل های ارایه شده، تنها در درس فناوری اطلاعات سلامت 1 توسط اکثر دانشجویان درک شده بود.نتیجه حاصل از تحلیل داده ها، توسط اساتید مربوط به دروس نشان داد عواملی مانند مناسب نبودن سرفصل ها، مناسب نبود چارت درسی، مناسب نبودن منابع مورد معرفی شده، مناسب نبودن حجم مطالب گنجانده شده در سرفصل ها، مناسب نبودن روش ارایه مطالب توسط اساتید (تیوری و عملی) میتواند علت اختلاف نظرها در خصوص سرفصل ها باشد.نتیجه گیری:استفاده از تکنیک های داده کاوی جهت تحلیل داده های آموزشی میتواند در زمینه های مختلف یادگیری الکترونیکی به متخصصین جهت تصمیم گیری بهتر کمک نماید. تحلیل نتایج این بررسی توسط متخصصین و مدرسین دورس، نشان داد که الگوریتم پیشنهادی در ارایه توالی های مناسب سرفصل های آموزشی مفید بوده است و از نتایج حاصل شده میتوان در محیط-های یادگیری الکترونیکی و کلاسهای درس سنتی استفاده نمود

کلیدواژه ها:

استخراج الگوهای پرتکرار ، داده کاوی ، شخصی سازی محتوی آموزشی ، یادگیری الکترونیکی