استفاده از داده کاوی آموزشی جهت گروه بندی یادگیرندگان در محیط یادگیری الکترونیکی به منظور شخصی سازی برنامه آموزش

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سامانه های آموزشی شخصی سازی شده برای یادگیرندگان کارآیی بیشتری نسبت به سامانه های سنتی دارند. یادگیری الکترونیکی نیز از این قاعده مستثنا نیست و یکی از ملزومات آن وجود مکانیزمی شخصی شده برای کمک به یادگیری موثر یادگیرنده است. در سال های اخیر از روش های داده کاوی به طور گسترده در زمینه ی بهبود کیفیت آموزش استفاده شده است. با استفاده از روش های داده کاوی می توان شناخت بیشتری از یادگیرندگان در محیط یادگیری الکترونیکی بدست آورده و از آن در جهت دستیابی به یادگیری تطبیقی استفاده کرد. در این مقاله مدلی به منظور گروه بندی یادگیرندگان براساس سبک یادگیری آن ها ارائه شده است. به این ترتیب که ابتدا با استفاده از پرسشنامه فلدر-سولومون ابعاد مختلف سبک یادگیری یادگیرندگان در قالب مدل فلدر-سیلورمن سنجیده و سپس با استفاده از الگوریتم k میانگین به گروه بندی آن ها پرداخته شده است. در نهایت مدل ارائه شده به منظور برنامه ریزی بهتر آموزشی، در دوره ای واقعی مورد استفاده و ارزیابی قرار گرفته است. نتایج حاصل شده نشان از کارآیی مدل پیشنهادی دارند. در واقع، یادگیرندگان با استفاده از مدل پیشنهادی به موفقیت تحصیلی بالاتری دست یافتند و هم چنین دوره ی برگزار شده از جذابیت بیشتری برخوردار شد.
زبان:
فارسی
صفحات:
83 تا 108
لینک کوتاه:
magiran.com/p1843645 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!