روشي جديد براي بهبود هوشمند يادگيري الكترونيكي

A New Approach To Improve E-Learning

يادگيري الكترونيكي با از بين بردن محدوديت زمان و مكان كلاس حضوري، كاربرد گسترده اي در ارتباط بين دانشجو و آموزگار پيدا كرده است. از سوي ديگر مولفه-هاي هوشمندي مانند فراهم ساختن بازخورد و راهنمايي براي دانشجو كيفيت آموزش را افزايش مي‏دهد، اما روش هاي كنوني هوشمندسازي هزينه پياده سازي بالايي دارند. اين پژوهش روشي جديد براي هوشمندي يادگيري الكترونيكي با هزينه پايين معرفي مي‏نمايد. هوشمندي در دو مولفه ارزيابي دانش و انتخاب راهنمايي مناسب حين حل مساله نمود مي يابد. در اين روش از شبكه بيزي براي ارزيابي دانش دانشجو و از شبكه عصبي مصنوعي براي انتخاب راهنمايي مناسب استفاده مي شود. ساختار هر دو شبكه تنها توسط داده آموزشي تعيين مي شود. روش پيشنهادي بر روي يك سيستم يادگيري الكترونيكي پياده سازي شده و ارزيابي مي شود. دقت بالاي 90 درصدي هر دو شبكه و هزينه پياده سازي پايين از مهم ترين مزاياي روش پيشنهادي است. همچنين ساختار مبتني بر داده آموزشي دو شبكه امكان استفاده از آن را در سيستم هاي متنوع يادگيري الكترونيكي در حال استفاده با دامنه هاي گوناگون دانش فراهم مي آورد.

: E-learning, by eliminating the limitation of space and time to attend in classes, has found a widespread use in communication between students and teachers. On the other hand, intelligence components, such as providing feedback and hint for students will increase the quality of education. But current methods for implementation of intelligent have high costs. This paper introduces a new method to provide intelligent e-learning at a low cost. Intelligence emergences in two components, including knowledge assessment and selection of appropriate hint during the problem solving. In this approach, a Bayesian network utilized to assess student knowledge and an Artificial Neural network utilized to select the appropriate hint. The structure of both networks is determined by training data. The proposed method is implemented and assessed in an e-learning system. The above 90 percent accuracy in both networks and low implementation cost are of the important advantages of the proposed method. The structure of the two networks which is based on training data makes it possible to use it in a variety of systems use e-learning systems with a diverse range of knowledge.