سال انتشار: ۱۳۹۰

محل انتشار: ششمین کنفرانس ملی و سومین کنفرانس بین المللی یادگیری و آموزش الکترونیک

تعداد صفحات: ۶

نویسنده(ها):

ناهید قصاب زاده سریزدی – آزمایشگاه فناوری پیشرفته در یادگیری الکترونیکی، دانشکده ی مهندسی کا
محمدرضا فانی ثانی – آزمایشگاه فناوری پیشرفته در یادگیری الکترونیکی، دانشکده ی مهندسی کا
رویا حسینی – آزمایشگاه فناوری پیشرفته در یادگیری الکترونیکی، دانشکده ی مهندسی کا

چکیده:

یادگیری تطبیق پذیر یک مدل یاددهی در آموزش الکترونیکی است که در بهبود یادگیری یادگیرندگان تاثیر بسزایی دارد. در این نوع یادگیری، محتواهای یادگیری با تطبیق با مدل هر یادگیرنده، مجموعه ای از محتوا های یادگیری را به هر یادگیرنده ارائه می کنند که با سطح دانش و تمایلات او بیشترین تطبیق را دارند. در سیستم های آموزش الکترونیکی مبتنی بر وب، اغلب حجم زیادی از محتواهای یادگیری برای یادگیرندگان فراهم می شود. بنابراین ، واضح است که ارائه ی مجموعه ی یکسانی از محتواهای یادگیری پاسخگوی نیاز طیف وسیعی از یادگیرندگان با اهداف و سطوح دانش متفاوت نیست. به همین منظور در این مقاله روشی برای انتخاب تطبیق پذیر محتواهای یادگیری در سیستم آموزش الکترونیکی قواعد زبان انگلیسی پیشنهاد می شود. در این روش محتواهای یادگیری در قالب مجموعه ای از قطعات یادگیری با در نظر گرفتن سطح دانش هر یادگیرنده انتخاب می شوند. برای انتخاب تطبیق پذیر قطعات یادگیری از SOM و شبکه های عصبی مصنوعی که از روش های یادگیری ماشین هستند، استفاده می شود. نتایج حاصل از شبیه سازی نشان م یدهد که روش پیشنهادی دقت بسیار بالایی در انتخاب قطعات یادگیری متناسب با سطح دانش هر یادگیرنده دارد.