نوع مقاله : علمی-پژوهشی

نویسندگان

• سیده محبوبه حسینی ¹
• مرجان کائدی ²
• سیدفخرالدین نوربهبهانی ¹

¹ دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران.

² 'دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، ایران

چکیده

برنامه‌های آموزشی آنلاین در سال‌های اخیر محبوبیت زیادی پیدا کرده‌اند. با این حال، علیرغم پذیرش گسترده آن‌ها، نرخ تکمیل و موفقیت در دوره‌های آنلاین به طور قابل توجهی پایین‌تر از آموزش‌های سنتی حضوری است. اگر بتوان عملکرد نهایی تحصیلی دانش‌آموزان را با تحلیل رفتار آن‌ها در محیط یادگیری مجازی پیش‌بینی کرد، می‌توان هشدارهای به‌موقع صادر کرد و مداخلات هدفمند برای جلوگیری از عملکرد ضعیف و رها کردن دوره‌ها پیشنهاد داد. مطالعات قبلی عملکرد تحصیلی را با استفاده از ویژگی‌های مختلفی مانند داده‌های جمعیتی، تاریخچه تحصیلی، نتایج امتحانات میان‌دوره‌ای و ارزیابی‌های تکالیف پیش‌بینی کرده‌اند. با این حال، بسیاری از پلتفرم‌های یادگیری آنلاین به چنین داده‌هایی دسترسی ندارند که این موضوع باعث می‌شود این روش‌ها بی‌اثر شوند. این پژوهش، بر پیش‌بینی زودهنگام عملکرد تحصیلی دانش‌آموزان با استخراج ویژگی‌های رفتاری جدید مبتنی بر تعاملات آن‌ها با پلتفرم یادگیری آنلاین تمرکز دارد. برای توسعه مدل‌های پیش‌بینی‌کننده، از یک رویکرد یکپارچه استفاده می‌شود که شامل ترکیب روش‌های مختلف انتخاب ویژگی برای استخراج الگوهای تعاملات کاربر است که حاوی بیشترین اطلاعات هستند. سپس از الگوریتم‌های پیشرفته یادگیری ماشین شامل روش‌های یادگیری جمعی و شبکه‌های عصبی مصنوعی (ANNs) استفاده می‌کنیم. نتایج ارزیابی نشان می‌دهد که این رویکرد پیشنهادی می‌تواند عملکرد نهایی تحصیلی دانش‌آموزان را تنها با استفاده از داده‌های جمع‌آوری‌شده در یک‌سوم اول دوره آنلاین با دقت 90.62٪ پیش‌بینی کند.

کلیدواژه‌ها

• پیش بینی زودهنگام
• عملکرد دانش آموزان
• آموزش الکترونیکی
• محیط آموزش مجازی
• داده های تعاملات
• یادگیری ماشین

موضوعات

• آموزش از دور