چکیده مقاله
در عصر تحول دیجیتال بهینه سازی مدیریت سامانه های آموزش الکترونیکی به یک چالش اساسی در ارائه تجربه های آموزشی شخصی سازی شده و کارآمد تبدیل شده است این پژوهش یک مدل هوشمند ترکیبی نوآورانه پیشنهاد میدهد که الگوریتم خوشه بندی مبتنی بر چگالی DBSCAN را با مدل پیش بینی دنباله ای مبتنی بر ترنسفورمر مارکوفی ترکیب میکند تا مدیریت آموزش الکترونیکی را ارتقا دهد در این مدل الگوریتم DBSCAN برای خوشه بندی یادگیرندگان اساس داده های رفتاری شناختی و تعاملی به کار میرود تا الگوهای پنهان یادگیری و پروفایلهای درگیر شدن آنها شناسایی گردد سپس معماری ترنسفورمر تقویت شده با گذارهای مارکوفی به منظور پیش بینی مسیرهای یادگیری فردی شده مورد استفاده قرار میگیرد؛ به گونه ای که وابستگیهای زمانی و گذارهای احتمالاتی بین وضعیت های یادگیری را به درستی مدل سازی میکند این رویکرد ترکیبی امکان سازگاری پویا در ارائه محتوا و راهبردهای یادگیری را فراهم می آورد و موجب ارتقای دقت در پروفایل سازی یادگیرندگان و برنامه ریزی آموزشی پیش بینانه می شود ارزیابی های مقایسه ای با استفاده از داده های واقعی آموزشی نشان دهنده عملکرد برتر مدل پیشنهادی از نظر صحت خوشه بندی، دقت پیش بینی و سازگاری سیستم است نتایج حاکی از آن است که این مدل میتواند نقش موثری در افزایش مشارکت یادگیرندگان، کاهش نرخ ریزش و بهینه سازی تخصیص منابع در محیط های آموزش الکترونیکی هوشمند ایفا کند
کلیدواژهها
نویسندگان
شیوه ارجاع
�طار عباسی، امین و ملایی، مسلم و بای، زهرا و روی دل، جعفر،1404،ارائه مدل هوشمند ترکیبی برای بهینه سازی مدیریت آموزشی الکترونیک با استفاده از خوشه بندی DBSCAN،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران