روش های نمایش و به روز رسانی مدل یادگیرنده در سیستم های آموزش الکترونیکی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,769
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICELEARNING04_040
تاریخ نمایه سازی: 7 مرداد 1388
چکیده مقاله:
مدل یادگیرنده (Learner Model) یکی از مشخصه های فردی در هر سیستم آموزشی تطبیق پذیر است . این مدل شامل اطلاعات ضروری یادگیرنده است که در سیستم های آموزشی یا بصورت صریح و از طریق پرسشنامه استخراج می شود و یا اینکه بصورت تلویحی و براساس رفتار یادگیرنده در سیستم آموزشی محاسبه می گردد. با توجه به تاثیر مدل یادگیرنده در فرآیند یادگیری و استفاده از اطلاعات آن در تطبیق فرآیند یادگیری مطابق با نیازهای یادگیرنده، استفاده از ساختاری که بتواند این مدل را حفظ نماید و به درستی به روز نماید، ضروری به نظر می آید. هدف اصلی این مقاله بیان رهیافت هایی است که برای نگهداری و نمایش و به روز رسانی مدل یادگیرنده می تواند مورد استفاده قرار گیرند. بدیهی است مدلی مطلوب است که بتواند توانایی نگهداری حداکثر اطلاعات کاربر را داشته باشد و با توجه به رفتار یادگیرنده در سیستم آموزشی به درستی به روز شده و اطلاعات لازم برای سیستم تطبیق پذیر را دارا باشد. این مقاله ضمن معرفی روش های مبتنی بر قانون،شبکه های بیزین، نقشه شناختی و آنتولوژی، و برشمردن ویژگی های هرکدام از رو شها، نمونه ای از هریک را نیز ارائه خواهد داد . تجمیع مدل ها در کنار یکدیگر، فرصت انتخاب ساختار مناسب برای نگهداری مدل یادگیرنده را در سیستم های مختلف ایجاد خواهد نمود ، و با تلفیق این مدل ها با یکدیگر می توان به ساختاری جدید و با قابلیت بیشتر نائل شد.
کلیدواژه ها:
مدل یادگیرنده ، سیستم آموزشی تطبیق پذیر ، نمایش مبتنی بر قانون ، شبکه های بیزین ، نقشه شناختی (Cognitive Map) ، آنتولوژی
نویسندگان
سیده فاطمه نورانی
دانشگاه پیام نور - دانشکده مهندسی کامپیوتر
احمد کاردان
دانشگاه صنعتی امیرکبیر- دانشکده مهندسی کامپیوتر و فناوری اطلاعات
سمانه مدبری
دانشگاه صنعتی امیرکبیر- دانشکده مهندسی کامپیوتر و فناوری اطلاعات
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 :