پديد آورندگان :
نوراني، فاطمه دانشگاه صنعتي اصفهان - دانشكده برق و كامپيوتر گروه نرم‌افزار و فناوري اطلاعات، اصفهان، ايران , منشئي، محمدحسين دانشگاه صنعتي اصفهان - دانشكده برق و كامپيوتر گروه نرم‌افزار و فناوري اطلاعات، اصفهان، ايران , محمودزاده، الهام دانشگاه صنعتي اصفهان - دانشكده برق و كامپيوتر گروه نرم‌افزار و فناوري اطلاعات، اصفهان، ايران , منتظري، محمدعلي دانشگاه صنعتي اصفهان - دانشكده برق و كامپيوتر گروه نرم‌افزار و فناوري اطلاعات، اصفهان، ايران
چكيده فارسي :
پيشينه و اهداف: در هر سيستم آموزشي، بازدهي مطلوب رويكرد آموزشي از اهميت ويژهاي برخوردار است. بدينمنظور در نظر گرفتن خصوصيات شخصيتي افراد و ارائه خدمات آموزشي مطابق با خصوصيات يادگيرندگان يكي از عوامل موثر در افزايش يادگيري و بازدهي آموزشي است. از طرفي يكي از تحقيقات سالهاي اخير در اين فضا، بررسي رفتار فرد در سيستم آموزشي و استخراج خصوصيات شخصيتي يادگيرندگان براساس رفتار آنها به صورت تلويحي و ضمني است. در سالهاي اخير، استفاده از اطلاعاتي مانند تعداد دوستان، نحوه انجام فعاليت در تالار گفتگو، خصوصيات نوشتاري افراد، مدت زمان مطالعه، ميزان سختي تكاليف و مثالهاي ارائه شده توسط يادگيرنده، تعداد كليكها، تعداد علامتهاي داخل جملات و مدت زمان سپري شده در مورد تكاليف درسي، مواردي هستند كه در جهت شناسايي خصوصيات شخصيتي وي مورد استفاده قرار گرفتهاند. هدف از پژوهش حاضر، استفاده از اطلاعات تغيير/عدم تغيير همگروه يادگيرندگان به منظور شناسايي خصوصيات شخصيتي وي است. براي اين منظور اطلاعات تغيير/عدم تغيير همگروه از يك محيط يادگيري مشاركتي پويا كه به يادگيرندگان اجازه تغيير همگروه در طول جلسات مختلف يادگيري را مي دهد، استخراج و سپس خصوصيات شخصيتي وي شناسايي مي شود. سيستم يادگيري مشاركتي استفاده شده در اين پژوهش براساس نظريه بازي طراحي و پياده سازي گرديده است. نظريه بازي يك مدل رياضي از تقابل و مشاركت، تصميم گيرندگان عاقل مهيا ميكند.
روش‌ها: در اين مقاله، 119 دانشجوي مهندسي كامپيوتر به صورت تصادفي انتخاب شده و سپس اطلاعات مربوط به تغيير/عدم تغيير همگروه آنها از يك محيط يادگيري مشاركتي پويا جمع آوري مي شود. به منظور ارزيابي پيشبينيهاي انجام شده، نتايج حاصل، با اطلاعات حاصل از پرسشنامه 5 عاملي شخصيت نئوي يادگيرندگان مقايسه مي شود.، در بخش ديگري از تحقيق، با استفاده از قوانين توالي لاپلاس، بر اساس سوابق تغيير/عدم تغيير همگروه يادگيرندگان، پيش بيني هاي ارزشمندي در مورد احتمال تغيير همگروه يادگيرندگان در طي فرآيند يادگيري انجام ميشود.
يافتهها: در پژوهش حاضر، با كاوش رفتار يادگيرنده، شناسايي هايي در برخي از ابعاد شخصيتي نئو مانند بعد اول (در مورد افراد مضطرب)، بعد دوم (در افراد برونگرا) و بعد سوم (افراد علاقمند به تجارت تازه) و با مقدار پشتيباني قابل قبول، به دست آورديم. اين اطلاعات مي تواند در فرايند تطبيق محيط و مواد آموزشي براساس خصوصيات شخصيتي يادگيرندگان مورد استفاده قرار گيرد.
در قدم بعديِ تحقيق، پيش بيني هايي در مورد احتمال تغيير همگروه در جلسات بعد تا دقت %44/67 به دست آورديم. با استفاده از اين نتيجه ميتوان براساس ميزان احتمال تغيير همگروه، پيشنهاداتي به يادگيرنده ارائه داد. به اين معني كه با افزايش احتمال محاسبه شده براي تغيير همگروه، همگروه مناسب تري به يادگيرنده پيشنهاد داد.
نتيجه گيري: نتايج تحقيق حاضر ميتواند در هر سيستم تطبيق پذير كه با هدف افزايش يادگيري، نيازمند پيش بيني رفتار تغيير همگروه يا شناسايي ابعاد شخصيتي براساس رفتار وي است، مورد استفاده قرار گيرد.
چكيده لاتين :
Background and Objectives:In any educational system, the optimal output of educational approach is of particular importance. Therefore, considering the personality characters of individuals and providing educational services in accordance with their characteristics are effective factors in learning and educational efficiency improvement. Analyzing the data related to learner’s behavior in an educational environment and implicitly discovering the learner’s personality based on their behavior is a well-noticed study in recent years. Over the last few years, using learners’ information such as number of friends, the level of activities in educational forum, writing style of learner, study duration, the difficulty of solved problem, the difficulty of presented example by learners, number of clicks, number of signs in sentences, the time spent doing homework are items that has been used to personal characteristic identification.
This study is aimed at using teammates’ changing / not changing data in order to learners’ personality identification. For this purpose the teammates’ changing/ not changing data extracted from a dynamic collaborative learning environment that allows leaners to change their teammate during the different sessions of learning, are used. The design and implementation of mentioned dynamic collaborative learning environment is based on game theory. Game theory provides mathematical models of conflict and collaboration between intelligent rational decision-makers.
Methods: In this paper, we collect teammates’ changing/not changing information of 119 randomly selected computer engineering students from a game theoretical dynamic collaborative learning environment. At the next step, using frequent pattern mining, as a tools of data mining, some aspects of the neo big 5 personality traits of learners are identified. In this survey, in order to evaluate the results, the extracted patterns from frequent pattern mining are compared with the neo big 5 personality questionnaire that have been filled by learners. In another part of research, using the Laplace’s rule of succession, valuable predictions were made about the probability of teammate’s changing of learners during the learning process.
Findings: In this study, using frequent pattern mining in learners’ behaviour, we identified some neo big 5 personality traits such as those in the first (neuroticism), second (extraversion), and third (openness to experience) dimensions, with an acceptable support value. The results of this part of research can be used in any adaptive learning environment that adapt learning process for individual learners with different personality. At the next step of our study, we predicted the probability of the teammate changing in the sessions after. At this step, we had a prediction accuracy of up to 67.44%. Using the results of this part, teammate suggestion can be made to learner based on likelihood of their teammates’ changing. That is, higher teammate changing probability, more appropriate teammate suggestion to learner.
Conclusion: The results of the present study can be used in any adaptive system that requires predicting group change behaviour or identifying personality dimensions based on behaviour.
