مقایسه مدل های سنجش کیفیت خدمات در ارزیابی دانشجویان از کیفیت فرایند تدریس و یادگیری با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 83
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAEDR-45-4_008
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
هدف از این مطالعه تعیین و ارزیابی کمی موقعیت کیفی فرایند تدریس و یادگیری در مراکز آموزش عالی کشاورزی است. به این منظور، از توانمندی شبکه های عصبی مصنوعی در مدل سازی روابط غیر خطی، برای بررسی و ارزیابی مدل های مختلف سنجش کیفیت خدمات استفاده شد. جامعه آماری، دانشجویان تحصیلات تکمیلی رشته های کشاورزی دانشگاه فردوسی مشهد (۱۰۷۰نفر) است که با استفاده از جدول مورگان ۲۸۰ پرسشنامه جمع آوری شد و درنهایت ۲۰۲ پرسشنامه تجزیه و تحلیل شد. به منظور بررسی و ارزیابی کیفیت فرایند تدریس و یادگیری از چهار مدل سروپروف غیر وزنی، سروکوآل غیر وزنی، سروپرف وزنی و سروکوآل وزنی به کمک شبکه های عصبی مصنوعی استفاده شد. نتایج به کارگیری رویکرد شبکه های عصبی مصنوعی نشان داد مدل سروکوآل وزنی با دقت بیشتری قادر به ارزیابی کیفیت تدریس و پیش بینی رضایت است. این مدل با معماری ۷-۲۹-۱۴-۱ یعنی ۷ نرون در لایه ورودی، ۲۹ و ۱۴ نرون در لایه های مخفی اول و دوم و یک نرون در لایه خروجی، به عنوان بهترین راه حل برای تخمین ارزیابی کیفیت انتخاب شد. این معماری دارای ضریب همبستگی ۹۶/۰ بود و مقایر MAE، MSE و MAPE آن به ترتیب ۱۸/۰، ۰۶/۰ و ۴۱/۴ درصد داشتند.
کلیدواژه ها:
نویسندگان
سید یوسف حجازی
Professor, MSc. Student Education, Professor, Faculty of Agricultural Engineering and Technonogy, University of Tehran, Iran
فاطمه رجبیان غریب
Professor, MSc. Student Education, Professor, Faculty of Agricultural Engineering and Technonogy, University of Tehran, Iran
محمود امید
Professor, MSc. Student Education, Professor, Faculty of Agricultural Engineering and Technonogy, University of Tehran, Iran
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 :