مقایسه مدل های سنجش کیفیت خدمات در ارزیابی دانشجویان از کیفیت فرایند تدریس و یادگیری با استفاده از شبکه عصبی مصنوعی

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:

Artificial Neural Networks ، quality of teaching ، Student satisfaction ، weighted Servqual model