بهینه سازی تطبیق پذیری در سیستم‌های ابررسانه‌ای به کمک بازخوردهای ضمنی
200,000 تومان
150,000 تومان
پرداخت و دریافت فایل
چکیده
برای ساخت مدل کاربری برای هر یادگیرنده، در یک سیستم آموزش الکترونیکی دو نوع منبع وجود دارد : داده های صریح و داده های ضمنی . داده های ضمنی که با کمترین زحمت و بدون تاثیر بر فرایند یادگیری، قابل جمع آوری می باشند، به عنوان منابع با ارزش در روش های مختلف تطبیق پذیری معرفی شده اند.
امروزه، روشی استاندارد و یکپارچه برای دخیل کردن انواع پارامترای ضمنی مانند مدت زمان مطالعه یک صفحه، تعداد کلیلک ها در یک صفحه و مدت زمان اسکرول کردن یک صفحه، در یک سیستم تطبیق پذیر آموزشی کمتر به چشم می خورد.
بیشتر تحقیقاتی که تاکنون بر روی بازخوردهای ضمنی انجام شده است با اهدافی غیر از هدف یادگیری صورت گرفته اند. در این پایان نامه برایبرطرف کردن این نقصان، یک چارچوب کلی ارایه می شود که هدف نهایی آن معرفی راهکاری برای بدست آودرن رابطه بازخوردهای ضمنی کاربر، با میزان یادگیری او می باشد.
بر مبنای این چراچوب بخشی از یک سیستم آموزشی پیاده سازی می شود که قابلیت ارایه محتواهای آموزش ابررسانه ای و جمع آوری بازخوردهای ضمنی را خواهد داشت. برای ارزیابی سیستم، آنرا توسط یک جامعه آماری مورد آزمایش قرار می دهیم تا رابطه بین انواع بازخوردهای ضمنی و میزان یادگیری کاربر را اثبات و کشف کنیم.
از جمله نتایج این آزمایشات
کشف رابطه بین هر یک از بارخوردهای ضمنی با میزان یادگیری کاربر می باشد. همچنین یک رابطه ترکیبی نیز استخراج شده می شود که میزان یادگیری کاربر را با توجه به بازخوردهای ضمنی وی، پیش بینی می کند. از این رابطه می توان در ساخت قوانین تطبیق پذیری برای دیگر سیستم های آموزشی تطبیق پذیر نیز استفاده کرد.
Key Words: e-Learning, Adaptive Learning, Implicit Feedback, Learning Management System, Adaptive Hypermedia System.
بهینه سازی تطبیق پذیری
آموزش الکترونیکی، یادگیری تطبیقی، بازخورد ضمنی، سیستم مدیریت یادگیری، سیستم هایپر رسانه تطبیقی.
