Modeling of Personalized E-Learning Environment Based on Intelligent Agents

مقدمه: پژوهش حاضر به بررسي ابعاد طراحي الگوي محيط يادگيري الكترونيكي شخصي‌سازي شده بر مبناي عامل هاي هوشمند و ارايه يك مدل تلفيق يافته از 11 عامل هوشمند مي‌پردازد. روش: اين پژوهش از نظر ماهيت و هدف كاربردي و از نظر روش جمع‌آوري داده‌ها از نوع توصيفي و پيمايشي است. جامعه آماري پژوهش شامل دو گروه اصلي اساتيد مركز تحصيلات تكميلي دانشگاه پيام نور (حجم نمونه 15نفر) و گروه دانشجويان دكتري مركز تحصيلات تكميلي دانشگاه پيام‌نور تهران (حجم نمونه 48نفر) و سومين گروه، دانشجويان كارشناسي ارشد مركز آموزش‌هاي الكترونيكي دانشگاه پيام‌نور اصفهان (حجم نمونه 112نفر) در سال تحصيلي 95- 94 بود. براي گردآوري داده‌ها از پرسشنامه محقق‌ساخته بررسي عامل‌هاي هوشمند در محيط‌هاي يادگيري الكترونيكي شخصي‌سازي شده استفاده شد. داده‌ها با استفاده از نرم‌افزارهايLisrel نسخه 5/8 (به‌منظور ايجاد مدل اندازه‌گيري برازنده و قابل قبول و تحليل عامل تاييدي) وSPSS نسخه 16 از طريق شاخص‌هاي توصيفي و آمار استنباطي تحليل شد. نتايج: نتايج نشان داد در ميان مولفه‌هاي الگوي محيط يادگيري الكترونيكي شخصي‌سازي شده بر مبناي عامل‌هاي هوشمند به‌ترتيب مولفه عامل كاربر و محتواي الكترونيكي داراي بيشترين و كمترين اهميت در الگوي پيشنهادي است. نتيجه‌گيري: تمامي مسيرهاي مدل پژوهش از معناداري برخوردار بودند، اين بدان معناست كه مدل پيشنهادي برازش خوبي از دادههاي دنياي واقعي داشته است و طراحي محيط‌هاي يادگيري الكترونيكي شخصي‌سازي شده با به‌كارگيري عامل‌هاي هوشمند 11 گانه، اثربخشي بهتر اين دوره‌ها را در پي خواهد داشت.

Background: The present study dealt with investigating the designing dimensions of personalized e-learning environment scale on the basis of intelligent agents and presentation of an integrated model from 11 intelligent agents. Method: The study was an applied research with respect to its nature and purpose, and a descriptive and survey research with regard to data collection methodology. Population of the study was three main groups including; 1. Professors in Payame Noor University (15 samples), 2. Ph.D. Students in Payame Noor University of Tehran (48 samples), and 3. MA Students of E-learning Center in Payame Noor University of Isfahan (112 samples) in the educational year of 2015-2016. To collect data, a researcher made questionnaire of personalized e-learning environment scale for intelligent agents was administered. Data were summarized and analyzed by using Lisrel 8.5 software and Spss 16 via descriptive indexes and inferential statistics. By using Spss the correlation coefficient between dependent and independent variables were measured, and the path analysis scale was performed to design a casual model and, finally the proposed fitting scale was measured using Lisrel software. Results: Results shows that among the components of personalized e-learning environment pattern on the basis of intelligent agents, respectively user and electronic content factors are the most and least of importance in proposed architecture. Conclusion: The entire paths of the research model were significant that means a proper fitness of the proposed model from real world data. Also, research hypotheses were approved, which means designing of personalized e-learning environments by means of proposed intelligent agents, increases effectiveness of these courses.