بهينه سازي انتخاب و توالي محتواي شخصي سازي شده در سامانه هاي آموزشي تطبيق پذير

Optimization of Personalized Content Selection and Succession in Adaptive Learning Systems

تطبيق پذيري سامانه هاي آموزشي و ضرورت اعمال ش يوه ها ي نو ين در ارايه محتوا يك زمينه تحقيقاتي قابل ملاحظه و مهم است . زي ر سامانه ارايه محتوا بايد متناسب با مدل كاربر، محتواي مناسب را انتخاب كرده و در اخت ي ار وي قرار دهد تا ويژگي تطبيق پذ يري تحقق پ ي دا كند . توجه به ويژگ ي ها ي شخصيتي يادگيرنده و در نظر گرفتن توانايي و استعدادهاي او در ارايه محتو اي آموزشي مناسب بسيار تاثيرگذار است. از اين رو زيرسيستم ارايه محتو ا با يك مساله بهينه سازي مواجه است كه بايد ميزان تناسب محتو اي ارايه شده با توانايي ها، انتظارت و استعدادهاي يادگيرنده را بهينه كند. اين مقاله جهت توسعه و بهبود رو شهاي قبلي بر دو بخش تمركز كرده است . در بخش مدل مس اله، تناسب شيوه ارايه محتوا با سبك ي ادگيري يادگيرنده را اضافه كرده و لذا جنبه هاي بيشتري از شخصي ساز ي را مد نظر قرار داده است . در بخش حل و الگوريتم جديد جستجوي NBPSO مساله، با استفاده از الگوريتم تكامل يافته تر گرانشي، منجر به توليد پاسخ هاي بهينه تر (انتخاب مناس ب تر و تطبي ق پذ يرتر محتوا) شده است. به منظور ارزي ابي راهكار پيشنهاد ي با روش ها ي پيش ين، الگوريتم پايه جمعيت پرندگان نيز پياده سازي شده است. نتا يج بر مبنا ي معي ار دقت، به هدف سنجش ميزان بهينه بودن پاسخ ارايه شده و معي ار پاي داري، به منظور اطمينان از پاسخ در اجراهاي متفاوت، مورد ارزيابي و مقايسه قرار گرفتند كه راهكار پيشنهادي، بهبود قابل توجهي را نشان داده است.

One of the main research areas is providing adaptive learning systems with new style for content delivery to users. Content delivery subsystem manages and selects the appropriate contents based on the user model. In order to realize the adaption and personalization, selecting approach should consider the learning capabilities and background knowledge of the learners. Therefore an optimization problem is defined and the system must optimize the difference between the learning capabilities and the learning style of the learner with the difficulty level and the presentation style of the delivered contents. This paper has focused on two aspects. In the problem modeling section, the previous defined model has been extended. The presented model has also considered the adaption between the learning style of the learner and the presentation style of the delivered contents. In problem solving section, this paper has applied two newer optimization algorithms, NBPSO and GSA, thus resulting in producing better answers (more appropriate and more adaptive selection of content). Also, according to the previous approaches, the problem has implemented and solved using PSO. The provided results of three algorithms have been evaluated using two well-known criteria: accuracy (aiming to measure optimality of the delivered answer) and stability (to ensure of getting answer in different performances). The results showed considerable progress (more personalized and adaptive contents).