کشف الگوهای مکرر یادگیرندگان در یک محیط یادگیری مشارکتی پویا ایجاد شده براساس نظریه بازی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 285

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEIT-14-3_006

تاریخ نمایه سازی: 19 اردیبهشت 1400

چکیده مقاله:

پیشینه و اهداف: در هر سیستم آموزشی، بازدهی مطلوب رویکرد آموزشی از اهمیت ویژهای برخوردار است. بدین­منظور در نظر گرفتن خصوصیات شخصیتی افراد و ارائه خدمات آموزشی مطابق با خصوصیات یادگیرندگان یکی از عوامل موثر در افزایش یادگیری و بازدهی آموزشی است. از طرفی یکی از تحقیقات سال­های اخیر در این فضا، بررسی رفتار فرد در سیستم آموزشی و استخراج خصوصیات شخصیتی یادگیرندگان براساس رفتار آنها به صورت تلویحی و ضمنی است. در سالهای اخیر، استفاده از اطلاعاتی مانند تعداد دوستان، نحوه انجام فعالیت در تالار گفتگو، خصوصیات نوشتاری افراد، مدت زمان مطالعه، میزان سختی تکالیف و مثالهای ارائه شده توسط یادگیرنده، تعداد کلیکها، تعداد علامتهای داخل جملات و مدت زمان سپری شده در مورد تکالیف درسی، مواردی هستند که در جهت شناسایی خصوصیات شخصیتی وی مورد استفاده قرار گرفته­اند. هدف از پژوهش حاضر، استفاده از اطلاعات تغییر/عدم تغییر همگروه یادگیرندگان  به منظور شناسایی خصوصیات شخصیتی وی است. برای این منظور اطلاعات تغییر/عدم تغییر همگروه از یک محیط یادگیری مشارکتی پویا که به یادگیرندگان اجازه تغییر همگروه در طول جلسات مختلف یادگیری را می دهد، استخراج و سپس خصوصیات شخصیتی وی شناسایی می شود. سیستم یادگیری مشارکتی استفاده شده در این پژوهش براساس نظریه بازی طراحی و پیاده سازی گردیده است. نظریه بازی یک مدل ریاضی از تقابل و مشارکت، تصمیم گیرندگان عاقل مهیا می­کند. روشها: در این مقاله، ۱۱۹ دانشجوی مهندسی کامپیوتر به صورت تصادفی انتخاب شده و سپس اطلاعات مربوط به تغییر/عدم تغییر همگروه آنها از یک محیط یادگیری مشارکتی پویا جمع آوری می شود. به منظور ارزیابی پیش­بینی­های انجام شده، نتایج حاصل، با اطلاعات حاصل از پرسشنامه ۵ عاملی شخصیت نئوی یادگیرندگان مقایسه می شود.، در بخش دیگری از تحقیق، با استفاده از قوانین توالی لاپلاس، بر اساس سوابق تغییر/عدم تغییر همگروه یادگیرندگان، پیش بینی های ارزشمندی در مورد احتمال تغییر همگروه یادگیرندگان در طی فرآیند یادگیری انجام می­شود. یافته­ها: در پژوهش حاضر، با کاوش رفتار یادگیرنده، شناسایی­هایی در برخی از ابعاد شخصیتی نئو مانند بعد اول(در مورد افراد مضطرب)، بعد دوم (در افراد برونگرا) و بعد سوم (افراد علاقمند به تجارت تازه) و با مقدار پشتیبانی قابل قبول، به دست آوردیم. این اطلاعات می تواند در فرایند تطبیق محیط و مواد آموزشی براساس خصوصیات شخصیتی یادگیرندگان مورد استفاده قرار گیرد. در قدم بعدی تحقیق، پیش­بینی­هایی در مورد احتمال تغییر همگروه در جلسات بعد تا دقت %۴۴/۶۷ به دست آوردیم. با استفاده از این نتیجه می­توان براساس میزان احتمال تغییر همگروه، پیشنهاداتی به یادگیرنده ارائه داد. به این معنی که با افزایش احتمال محاسبه شده برای تغییر همگروه، همگروه مناسب تری به یادگیرنده پیشنهاد داد. نتیجه­گیری: نتایج تحقیق حاضر می­تواند در هر سیستم تطبیق پذیر که با هدف افزایش یادگیری، نیازمند پیش بینی رفتار تغییر همگروه یا شناسایی ابعاد شخصیتی براساس رفتار وی است، مورد استفاده قرار گیرد.

کلیدواژه ها:

کشف الگوهای مکرر ، قوانین توالی لاپلاس ، محیط یادگیری مشارکتی پویا

نویسندگان

سیده فاطمه نورانی

گروه نرمافزار و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

محمدحسین منشئی

گروه نرمافزار و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

الهام محمودزاده

گروه نرمافزار و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

محمدعلی منتظری

گروه نرمافزار و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Parsad B, Lewis L, Tice P. Distance education at degree-granting ...
  • Siddiquei N, Khalid RJOP. The relationship between personality traits, learning ...
  • Buckley P, Doyle E. Individualising gamification: An investigation of the ...
  • Boroujeni AAJ, Roohani A, Hasanimanesh AJT, Studies PiL. The impact ...
  • Lounsbury JW, Sundstrom E, Loveland JM, Gibson LWJP, differences i. ...
  • Rios TJJoEO. The relationship between students' personalities and their perception ...
  • Vasileva-Stojanovska T, Malinovski T, Vasileva M, Jovevski D, Trajkovik VJL, ...
  • Bhagat KK, Wu LY, Chang C-YJAJoET. The impact of personality ...
  • Khan A, Shin LP, Hishan SS, Mustaffa MS, Madihie A, ...
  • Denden M, Tlili A, Essalmi F, Jemni MJSLE. Implicit modeling ...
  • Tagiyare F, Seyadati M, Orooji F. [Measuring the effectiveness of ...
  • Nafiseh S, Montazer GA. [Personalized e-learning environment using fuzzy recommender ...
  • Ghorbani F, Montazer GA. E-learners’ personality identifying using their network ...
  • Petrides KV, Vernon P, Schermer J, Ligthart L, Boomsma D, ...
  • Costa Jr PT, McCrae RR. The revised NEO personality inventory ...
  • Lin J, Mao W, Zeng DD. Personality-based refinement for sentiment ...
  • Chen Z, Lin T. Automatic personality identification using writing behaviours: ...
  • Zarrin F, Montazer G. [Personalizing e-Learning environment based on learner’s ...
  • Wu W, Chen L, Yang Q, Li Y. Inferring students’ ...
  • Noorani SF, Manshaei MH, Montazeri MA, Zhu QJIA. Game-theoretic approach ...
  • Fostering peer learning through a new game-theoretical approach in a ...
  • Srba I, Bielikova M. Dynamic group formation as an approach ...
  • O'Donnell AM, Reeve J, Smith JK. Educational psychology: Reflection for ...
  • Maqtary N, Mohsen A, Bechkoum K, Learning. Group formation techniques ...
  • Zurita G, Nussbaum M, Salinas R, Society. Dynamic grouping in ...
  • Martin E, Paredes Barragán P. Using learning styles for dynamic ...
  • Myerson RB. Game theory. US: Harvard University Press; 2013 ...
  • Osborne MJ. An introduction to game theory. New York: Oxford ...
  • Feller W. An introduction to probability theory and its applications. ...
  • Agrawal R, Srikant R. Fast algorithms for mining association rules. ...
  • نمایش کامل مراجع