دسته‌بندی سبک‌های یادگیری با استفاده از ویژگی‌های رفتاری و ماشین‌بردار پشتیبان دوقلو

دسته‌بندی سبک‌های یادگیری با استفاده از ویژگی‌های رفتاری و ماشین‌بردار پشتیبان دوقلو
درجه علمی نشریه: 
فصل: 
دوره: 
۱۳
شماره: 
۳
شماره صفحه (از - تا): 
۴۵۹-۴۶۹
چکیده

موفقیت تحصیلی دانشجویان از اهداف مهم در محیط‌های آموزشی است. یکی از عوامل مهم در تحقق این هدف، توجه به سبک یادگیری دانشجویان است. آگاهی از سبک یادگیری دانشجویان به طراحی یک روش مناسب آموزش کمک می‌کند. لحاظ کردن یک شیوه مناسب آموزش باعث بهبود عملکرد دانشجویان در محیط آموزشی می‌شود. در این مقاله، هدف ساخت یک مدل برای تشخیص خودکار سبک‌های یادگیری است. بدین منظور از یک محیط آموزش الکترونیکی متشکل از ۲۰۲ دانشجو رشته مهندسی برق و کامپیوتر، دو مجموعه داده برای ایجاد مدل جمع‌آوری شده است. ویژگی‌های رفتاری از نحوه تعامل دانشجویان با سامانه آموزش الکترونیکی استخراج شده و سپس سبک‌های یادگیری با روش ماشین‌بردار پشتیبان دوقلو دسته‌ندی می‌شوند. ماشین‌بردار پشتیبان دوقلو گونه جدیدی از دسته‌بند‌های مبتنی بر مرز مانند SVM است که هدف آن بدست آوردن حاشیه ناموازی است. این دسته‌بند به دادگان نامتوزان حساس نمی‌باشد و سرعت آموزش آن بسیار سریع است. نتایج نشان می‌دهد که روش پیشنهادی از سایر روش‌ها بهتر عمل کرده و با دقت ۹۵ درصد سبک‌های یادگیری را تشخیص می‌دهد.

استناد: 

نصیری، جلال‌الدین، امیرمحمود میر، و سمیه فتاحی. ۱۳۹۸. دسته‌بندی سبک‌های یادگیری با استفاده از ویژگی‌های رفتاری و ماشین‌بردار پشتیبان دوقلو . فناوری آموزش ۱۳ (۳): ۴۵۹-۴۶۹.

مقاله ادواری علمی
وضعیت انتشار: 

افزودن دیدگاه