ارزشیابی تطبیق پذیر و تخمین سطح دانش با استفاده از مدل دانش و به کمک شبکه بیزی

Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 155

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JEIT-3-3_001

تاریخ نمایه سازی: 30 اردیبهشت 1400

Abstract:

در سیستم های مدیریت یادگیری۱ همواره ارزشیابی میزان دانش یادگیران بعنوان یک مساله مهم مطرح است. روش های ابتدایی ارزشیابی دانش یادگیران تنها به محاسبه امتیاز کسب شده در آزمون هایی بسنده می کنند که سوالات آنها به صورت ماشینی قابل تصحیح باشند. مشکلی که در اینجا ممکن است رخ دهد پاسخ دهی صحیح به صورت تصادفی توسط کاربر بدون داشتن دانش کافی۲، و یا پاسخ دهی اشتباه بر اثر عدم دقت۳ با وجود برخورداری از دانش کافی می باشد. از طرف دیگر به منظور بهبود فرایند یادگیری لازم است که نتایج آزمون ها به صورت تفصیلی و با تعیین نقاط ضعف و قوت کاربر مشخص شود، و بنا بر این فقط یک امتیازدهی کلی برای ارزشیابی دانش کاربر کافی نمی باشد. برای بدست آوردن سطح دانش کاربر به صورت تفکیک شده لازم است در مواردی که سوالات چند مفهوم را مورد پرسش قرار می دهند تشخیص دهیم ضعف در دانستن کدام مفهوم آموزشی عامل پاسخ نادرست کاربر شده است۴. در این پژوهش روشی بهبود یافته برای ارزشیابی دانش یادگیران ارائه شده است. در این روش مفاهیم آموزشی با استفاده از یک ساختار سلسله مراتبی اهداف آموزشی مدل سازی می شوند و از مدل دانش یادگیرنده برای تخمین میزان دانش او استفاده می شود. این مدل مبتنی بر شبکه های بیزی۵ است و با در نظر گرفتن ساختار اهداف آموزشی ارائه شده است. در روش پیشنهادی برای ارزشیابی یادگیرنده از سوالاتی استفاده شده است که با توجه به اهداف آموزشی تهیه شده و پس از سطح بندی بر اساس میزان پیچیدگی به کار گرفته شده اند. در این پژوهش با ارائه الگوریتمی جدید برای روزآمد کردن گره ها در شبکه بیزی، تا حد امکان تاثیر پاسخ های صحیح تصادفی و نیز پاسخ های غلط ناشی از عدم دقت، در ارزیابی نهایی کاهش یافته اند. در نهایت با بکارگیری مدل دانش ارائه شده و استفاده از ساختار اهداف آموزشی سلسله مراتبی راه حل موثری برای سه مسئله مطرح در ارزشیابی یادگیران  یعنی پاسخ های صحیح تصادفی، پاسخ های غلط ناشی از عدم دقت، و تشخیص ضعف های یادگیرنده، ارائه شده است.

Authors

احمد کاردان

آزمایشگاه فناوریهای پیشرفته در آموزش الکترونیکی دانشگاه صنعتی امیرکبیر،تهران،ایران

صمد کاردان

دانشکده مهندسی کامپیوتر و فناوری اطالعات، دانشگاه صنعتی امیرکبیر،تهران،ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :