Thesis

بهینه سازی انتخاب درس پار در محیط یادگیری الکترونیکی به کمک الگوریتم بهینه سازی گروه ذرّات

Abstract(in Persian; no English abstract is available)

در عصر اطلاعات جهت گیری بسیاری از سامانه ها به سمت شخصی سازی اطلاعات برای کاربر است. یادگیری الکترونیکی نیز از این قاعده مستثنا نیست و یکی از ملزومات آن وجود مکانیزمی شخصی شده برای کمک به یادگیری موثر یادگیرنده است. از سوی دیگر سامانه های یادگیری الکترونیکی در قیاس با آموزش سنتی دارای نقایصی جدّی هستند. به عنوان مثال می توان به فقدان تعامل موثر بین یادگیرنده و یاددهنده و عدم ارائه محتوای شخصی شده اشاره کرد. بنابراین محیط یادگیری الکترونیکی باید با در نظر داشتن نیاز اطلاعاتی و سطح توانمندی کاربران مختلف، شخصی سازی شده و محیطی یادگیرنده محور طراحی شود. هدف از این تحقیق طراحی آموزشیاری هوشمند است که ابعاد سبک یادگیری و توانایی یادگیرنده را استخراج کرده و به بهینه سازی توالی درس پارهای ارائه شده بر مبنای آن ها می پردازد. بدین منظور سبک یادگیری یادگیرندگان از طریق پرسشنامه ی فلدر و سولومون شناسایی شده است و آزمون ها با در نظر گرفتن توانایی یادگیرنده و بر اساس نظریه ی پرسش- پاسخ شخصی سازی شده اند. پس از استخراج ابعاد سبک یادگیری و توانایی یادگیرنده، روشی بهینه برای توالی درس پارهای ارائه شده به هر یک از یادگیرندگان ارائه می شود که مبنای این بهینه سازی الگوریتم بهینه سازی گروه ذرّات است. روش پیشنهادی با الگوریتم ژنتیک مقایسه شد که نتایج حاصل گواه بر دقت و پایایی بیشتر نتایج روش پیشنهادی هستند. به منظور ارزیابی سامانه ی پیشنهادی، نرم افزار میکروسافت ورد در سه حالت با استفاده از الگوریتم بهینه سازی گروه ذرّات، الگوریتم ژنتیک و بدون استفاده از سامانه ی پیشنهادی برای آموزش به مخاطبان برگزیده شد. تحلیل آماری نتایج حاصل، موفقیت و رضایت تحصیلی یادگیرندگان را در حالت کاربرد آموزشیار بهینه نشان می دهد.

Supervisors and advisors

غلامعلی منتظر