استخراج هوشمند سبك شناختي يادگيرندگان بر اساس تعامل آن‌ها با سامانه آموزش زبان انگليسي

پيشينه و اهداف: امروزه يادگيري الكترونيكي به‌عنوان يك فنّاوري تحول‌آفرين و ابزاري مهم در فرايند آموزش و فعاليت‌هاي آموزشي مطرح است. از طرفي نياز به يادگيري زبان انگليسي به‌عنوان زبان اول دنيا به‌منظور مبادله اطلاعات و ارتباط برقرار كردن با ساير ملل با هدف به‌كارگيري دانش روز غيرقابل‌انكار است، بنابراين استفاده از فناوري اطلاعات به‌منظور توليد و ارائه خدمات آموزشي در راستاي بهبود آموزش و يادگيري زبان انگليسي مؤثر است. شناسايي عوامل مؤثر در يادگيري، يكي از مقوله هاي مهم و مورد پژوهش است. از آنجا كه عوامل مؤثر بر يادگيري بسيار گسترده و وسيع هستند؛ شناسايي اين عوامل در رفع مشكلات و نارسايي هاي سيستم آموزشي مهم است. يكي از اين عوامل، سبك‌شناختي است. افراد به تناسب تفاوت هاي فردي خود از سبك هاي متفاوتي براي يادگيري بهره مي جويند. سبك شناختي را مي توان به‌عنوان روشي كه افراد اطلاعات و تجربيات تازه را در ذهن خود پردازش مي كنند، تعريف كرد؛ بنابراين ايجاد محيط شخصي‌سازي شده براساس سبك شناختي افراد، با هدف انطباق بيشتر راهبرد آموزشي با نيازها و توانايي كاربر و افزايش بازدهي روند يادگيري، امري ضروري است. در اين پژوهش، از سبك شناختي رايدينگ كه افراد را در دو بعد كلامي تصويري و كلي‌نگر جزئي‌نگر تقسيم مي‌كند، به‌عنوان عامل مؤثر در يادگيري استفاده مي‌شود. اين مطالعه با هدف پيش‌بيني سبك‌شناختي رايدينگ، براساس حركت موس كاربران در يك نرم افزار آموزش زبان مي‌باشد. در همين راستا، نرم‌افزار آموزش زباني طراحي و پياده‌سازي شد كه در آن تمامي حركات موس كاربر در مقياس ميلي‌ثانيه هنگام مطالعه متن انگليسي و استفاده از امكانات طراحي شده در نرم افزار،  ثبت مي‌شود. در ادامه با استفاده از روش هاي يادگيري ماشين توسط داده‌هاي تعاملي ذخيره‌شده از كاربران هنگام كار با نرم افزار، مدل هوشمندي ارائه شد كه افراد را در دو بعد مبتني بر سبك‌شناختي رايدينگ دسته‌بندي مي‌كند. اين پژوهش از نظر هدف كاربردي است.روش‌ها:‌ در اين پژوهش از آزمون سبك‌شناختي پترسن جهت استخراج سبك‌شناختي يادگيرندگان با هدف ساخت داده‌هاي برچسب‌دار استفاده مي‌شود. همچنين، داده‌هاي موس افراد هنگام تعامل با نرم‌افزار ثبت شده و از الگوريتم‌ها و مدل‌هاي يادگيري ماشين مبتني بر هوش مصنوعي جهت ساخت مدل‌هاي هوشمند براي طبقه‌بندي و پيش‌بيني سبك‌شناختي افراد استفاده مي‌شود. فرآيند آموزش و ساخت مدل‌هاي هوشمند از طريق داده‌هاي برچسب‌دار انجام مي‌شود. در نهايت ارزيابي مدل‌هاي استفاده شده، با مقايسه نتايج حاصل از آزمون سبك شناختي و خروجي‌هاي مدل‌هاي هوشمند انجام مي‌شود. در آزمون‌هاي انجام شده از دانشجويان خانم و آقا 22 تا 35 سال، داراي تحصيلات كارشناسي و كارشناسي ارشد آشنا به زبان انگليسي كمك گرفته‌ايم.يافته‌ها: داده‌هاي تعاملي ذخيره‌شده كاربران به‌عنوان ورودي پنج طبقه‌بند درخت تصميم، شبكه عصبي، نزديك‌ترين همسايه، ماشين بردار پشتيبان و جنگل تصادفي، همچنين نتايج آزمون پترسون به‌عنوان برچسب اين مدل‌ها استفاده شد؛ بنابراين افراد در دو بعد مبتني بر سبك‌شناختي رايدينگ دسته‌بندي شدند. بهترين طبقه‌بندي، مربوط به درخت تصميم با دقت 90% در بعد كلامي –تصويري و دقت 87% در بعد كلي‌نگر جزئي‌نگر از نتايج اين پژوهش بود.نتيجه‌گيري: با توجه به يافته‌هاي اين پژوهش، سامانه آموزش زبان طراحي شده مي‌تواند به‌صورت هوشمند سبك شناختي افراد را هنگام مطالعه متن انگليسي با دقت مناسبي استخراج كند. بنابراين در آينده مي‌توان قابليت ارائه محتواي شخصي‌سازي شده منطبق بر سبك شناختي افراد را به نرم‌افزار طراحي شده اضافه كرد.