پيشنهاد‌دهنده تطبيقي منابع آموزشي بر اساس سبك يادگيري ، بازخورد كاربر و الگوريتم اتوماتاي يادگير

سيستم‌هاي پيشنهاددهنده شخصي‌سازي شده، در كنار موتورهاي جستجو، راهكاري براي غلبه بر مشكل گرانباري اطلاعات هستند به گونه‌اي كه در آنها سعي ميشود با استفاده از تكنيك هاي هوشمند و تعاملات كاربران در وب، محيطي شخصي سازي شده جهت توليد پيشنهادات مناسب فراهم آيد. يكي از زمينه هاي كاربردي براي اين سيستمها، محدوده يادگيري تطبيقي است. يك زيرسيستم پيشنهاد دهنده، ماژول مهمي از سيستم‌هاي تطبيقي آموزشي است كه وظيفه ارائه اشياي آموزشي مناسب به كاربر خود را دارد. كاربران گوسفند خاكستري، يكي از چالش‌هاي مطرح‌شده در اين دسته از سيستم‌ها هستند. اين كاربران تشابه كمي با ديگر فراگيران دارند لذا پيشنهادات ارائه‌شده براي ديگران و يا بر اساس عادات قبلي آنها، لزوماً مناسب اين نوع از كاربران نيست. براي حل اين چالش، راهكار مطرح‌ شده در اين مقاله، استخراج فراداده صفحات آموزشي وب و تطابق آنها با خصوصيت سبك يادگيري كاربر در قالب يك فرمول رتبه‌بندي، جهت ارائه مناسب‌ترين پيشنهاد منبع آموزشي براي يك فراگير است. تعيين سبك يادگيري كاربر، بر اساس مدل فلدر - سيلورمن انجام مي‌گيرد. سپس بر طبق ميزان آن، صفحات مناسب براي آموزش و يادگيري بر حسب پارامترهاي صريح و پنهان تعريف‌ شده در آن صفحات، استخراج و پيشنهاد مي‌گردند. پاسخ سيستم به پرس و جوي كاربر در قالب خروجي ايده مطرح‌شده، به وي نمايش داده مي‌شود. همچنين كاربر مي‌تواند جواب پيشنهادات براي سؤال خود را با خروجي الگوريتم لوسين كه در اكثر موتورهاي جستجو مورد استفاده است، براي مقايسه ميزان مناسب‌بودن آنها مشاهده نمايد. كاربر ميزان مفيد بودن پيشنهادات مطرح‌شده را به سيستم بازخورد مي‌دهد. اين بازخورد براي الگوريتم اتوماتاي يادگير تعريف‌شده براي توليد نتايج و پيشنهادات بعدي، مورد استفاده قرار مي‌گيرد. نمونه‌اي از سيستم پياده‌سازي شده، در محيط آموزشي دانشگاهي، مورد ارزيابي دانشجويان قرار گرفته كه نتايج بازخورد كاربران نشان از بهبود عملكرد سيستم نسبت به الگوريتم‌هاي متعارف جستجوي عمومي دارد. اين سيستم را مي‌توان به صورت يادگيري رسمي و غير رسمي بر پايه منبع در محيط وب، مورد استفاده قرار داد.