بررسی دقت روشهای داده کاوی در پیش بینی رفتار فراگیران آموزش الکترونیک

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,311

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTM05_050

تاریخ نمایه سازی: 5 بهمن 1388

چکیده مقاله:

ظهور و رشد بی نظیر اینترنت و وب در دهه های اخیر باعث شده است کاربردهای مختلف این تکنولوژی ها در زندگی روزمره بشری تاثیرات مثبت فراوانی داشته باشند یکی ا ز این موارد تاثیرگذار آموزش الکترونیک بوده است آموزش الکترونیک می تواند به نوعی پدید آورنده عدالت در آموزش باشد تا تمام افراد جامعه فارغ از موقعیت مکانی و زمانی به تحصیل علم بپردازند داده کاوی از شاخه هایی است که به وسیله شخصی سازی می تواند در راستای افزایش کیفی سیستم های آموزش الکترونیک تاثیر بی بدیلی داشته باشد هدف از داده کاوی استخراج دانش از مجموعه داده های بزرگ است و دراین مقاله نیز به بررسی نحوه استفاده از داده کاوی در افزایش کیفیت سیستم های آموزش الکترونیک پرداخته شده است دراین مقاله پیش گویی نتیجه تحصیلی کاربران سیستم آموزش الکترونیک را با استفاده از روشهای یادگیری ماشین، انجام داده ایم که روشهای درخت تصمیم، شبکه های عصبی الگوریتم بیز و رگرسیون منطقی مورد استفاده ما واقع شده اند که روش رگرسیون منطقی با 80.9 درصد بیشتری دقت پیشگویی را در میان روشهای استفاده شده داشته است . روشهای درخت تصمیم و بیز ساده نیز دقت مشابه 80.1 درصد را داشته اند و در رده بعدی نیز شبکه عصبی با 79.3 درصد کمترین دقت را داشته است نتایج به دست آمده می تواند با پیش بینی دقیق تر برای ماژول پیش بینی نتیجه تحصیلی فراگیران، کمک شایانی در افزایش کیفیت سیستم آموزش الکترونیک و شخصی سازی بهتر آن نماید.

نویسندگان

هومن پاینده فر

دانشجوی کارشناسی ارشد دانشکده کامپیوتر دانشگاه پیام نور تهران

حسن سیدرضی

دانشیار دانشکده برق و کامپیوتر دانشگاه تهران

مسعود رهگذر

استادیار دانشکده برق و کامپیوتر دانشگاه تهران

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 :
  • Weka, Upiversity of Waiko, New Zealand, http ://www. cs. waiko ...
  • Ha, S, Bae, S, & Park, S, Web mining for ...
  • coferece on mapagement of innovation and technology, 2000. ...
  • Brusilovsky, P., & Peylo, C, Adaptive and intelligent web-based educationol ...
  • Han, J.;Kamber, M.; and Tung, A, Spatial Chustering Methods _ ...
  • Kontkanen, P.Myllymaki, P., and Tirri, H., Predictive data mining with ...
  • Weiss, S. M. and Kulikowski . A, Computer Systems that ...
  • Mitchel, Tom M., Machire Learming, McGraw-Hill, 1997. ...
  • Kantardzic M., Data Mining: Concepts, Models, Methods, _ Algorithms, Wiley ...
  • Muehlenbrock, M, Automatic dction learming ...
  • Zorilla, M. E., Menasalvas, E., Marin, D., Mora, E., & ...
  • Yade, Rapid-I, http :/'rapid-i.com/ ...
  • نمایش کامل مراجع