ایجاد مدل یادگیری تطبیقی بر مبنای شبکه ی عصبی خود سازمانده به منظور خوشه بندی یادگیرندگان در محیط یادگیری الکترونیکی

چکیده مقاله

گسترش سریع فناور ی اطلاعات، سبب تغییر در چگونگی یادگیری، مکان و زمان آن شده و حتی یاددهنده نیز از این تحول بی بهرهنبوده است گستردگی تحولات در فناوری اطلاعات، موجب پدید آمدن نوع جدیدی از یادگیری به نام یادگیری الکترونیکی شده است بابه کارگیری رو شهای هوشمند در سامان ههای این محیط با هدف انطباق بیشتر راهبرد آموزشی با نیا زها و توانایی کاربر و افزایش بازدهیروند یادگیری، سامانه های آموزشیار هوشمند پدیدار شدند در تحقیقات مختلف از ویژگی ها، عملکرد، سبک یادگیری و سبک شناختییادگیرندگان استفاده شده است در این مقاله مدلی به منظور گرو هبندی یادگیرندگان بر اساس سبک یادگیری آنها ارائه شده است بهاین ترتیب که ابتدا با استفاده از پرسشنامه فلدر سولومون ابعاد مختلف سبک یادگیری یادگیرندگان در قالب مدل فلدر سیلورمنسنجیده و سپس با استفاده از الگوریتم کوهونن که از شبکه عصبی های خود سازمانده میباش د، به گروه بندی آنها پرداخته شده است درنهایت مدل ارائه شده در دورهای واقعی مورد استفاده قرار گرفته است نتایج حاصل نشان از کارایی مدل پیشنهادی دارند به این دلیلکه یادگیرندگان با استفاده از مدل پیشنهادی به موفقیت تحصیلی بالاتری دست یافتند و همچنین دورهی برگزار شده از جذابیت خاصیبرخوردار شد

کلیدواژه‌ها

نویسندگان

آرش قاضی سعیدی

دانشگاه مهرالبرز

قاضی سعیدی، آرش،1403،ایجاد مدل یادگیری تطبیقی بر مبنای شبکه ی عصبی خود سازمانده به منظور خوشه بندی یادگیرندگان در محیط یادگیری الکترونیکی،هشتمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندس�

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی27 آذر 1403