CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تحلیل داده های جریان کلیک دانشجویان در سامانه آموزش برخط بر اساس الگوریتم های گراف پدیداری

عنوان مقاله: تحلیل داده های جریان کلیک دانشجویان در سامانه آموزش برخط بر اساس الگوریتم های گراف پدیداری
شناسه ملی مقاله: AISC01_078
منتشر شده در اولین کنفرانس هوش مصنوعی و پردازش هوشمند در سال 1401
مشخصات نویسندگان مقاله:

حدیث عزیزی - دانشجو ارشد مهندسی نرم افزار، دانشکده مهندسی کامپیوتر، دانشگاه کردستان، سنندج
صادق سلیمانی - استادیار دانشکده مهندسی کامپیوتر، دانشگاه کردستان، سنندج
پرهام مرادی - دانشیار دانشکده مهندسی کامپیوتر، دانشگاه کردستان، سنندج

خلاصه مقاله:
داده های جریان کلیک اهمیت زیادی در رابطه با کشف الگو های رفتاری سامانه های یادگیری الکترونیک دارد. اکثر بررسی های انجام شده تاکنون بر داده های جریان کلیک، مبتنی بر روش های غیرشبکه ای و مرتبط با الگوریتم های یادگیری ماشین بوده است. با توجه به اهمیت گراف پدیداری و کاربرد های متعدد آن در حیطه تحلیل داده های سری زمانی، با نگاشت به حیطه داده های آموزشی می توان از این پتانسیل بهره برد. این پژوهش با هدف تحلیل الگو میانگین کلیک دانشجو ممتاز و ضعیف بر اساس زمآ ن های فعال در سامانه و تبدیل به گراف پدیداری طبیعی و تحلیل گراف پدیداری آ ن ها با معیار های تحلیل شبکه مانند میانگین ضریب خوشه بندی، میانگین درجه، توزیع درجه و ضریب شباهت جاکارد است. داده های پژوهش از سامانه OULAD که مشتمل بر یک میلیون سطر داده است، انتخاب شده است. نتایج نشانگر این است که میانگین درجه و میانگین ضریب خوشه بندی بالاتر، متمایز کننده دانشجو ضعیف از ممتاز است. از طرفی پایین بودن ضریب شباهت جاکارد دانشجو ممتاز و ضعیف، خود بیان گر عدم شباهت رفتاری دانشجویان بر اساس میانگین کلیک هایشان در سامانه آموزشی است. بدین ترتیب مشخص است که الگوریتم های گراف پدیداری از کیفیت بالایی برای تحلیل دانشجو ممتاز و ضعیف، با توجه به الگو میانگین کلیک شان در سامانه های آموزشی برخوردار هستند.

کلمات کلیدی:
داده های سری-زمانی آموزش الکترونیکی، داده های جریان کلیک، گراف پدیداری، گراف پدیداری طبیعی، شبکه های پیچیده، تحلیل شبکه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1549642/