سیستم پیشنهاددهنده مبتنی بر اعتماد در محیط یادگیری الکترونیکی با استفاده از خوشه بندی فازی
Publish place: Technology of Education Journal، Vol: 15، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 343
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEIT-15-3_003
تاریخ نمایه سازی: 20 تیر 1400
Abstract:
پیشینه و اهداف: بسیاری از سیستمهای یادگیری مرسوم مبتنی بر داده های ایستا هستند و همه دانش آموزان را یکسان و مشابه در نظر می گیرند. بنابراین نمی توانند پاسخگوی نیازها و سلایق متنوع آنها باشند. مشکل اصلی آنها، درنظر نگرفتن علاقه مندی ها و تعاملات پیشین کاربران است. سیستمهای پیشنهاد دهنده یادگیری الکترونیکی با هدف غلبه بر این مشکلات و پیشنهاد مناسب ترین دوره های آموزشی شخصی سازی شده به هر کاربر مطرح شده اند. هدف این مقاله،ارائه یک سیستم پیشنهاد دهنده یادگیری الکترونیکی مبتنی بر اعتماد با استفاده از خوشه بندی فازی با در نظر گرفتن تعاملات پیشین کاربران و تمایلات آن ها است. بدین منظور از کاوش قوانین انجمنی وزندار و پیشبینی رتبه برای تولید لیست کاندید دورههای آموزشی و رتبهبندی مجدد لیست کاندید برای تولید لیست نهایی استفاده شده است. روش ها : در این مقاله یک روش جدید مبتنی بر ترکیب روابط اعتماد بین کاربران و شباهت علایق آنها برای محاسبه میزان تشابه کاربران در یک سیستم پیشنهاددهنده یادگیری الکترونیکی با هدف پیشنهاد دورههای آموزشی به کاربران ارائه شده است که از روش خوشه بندی فازی و قوانین انجمنی وزندار استفاده می کند. در روش پیشنهادی بعد از بررسی شباهت میان کاربران و ساخت ماتریس اعتماد، ادامه مراحل به دو فاز کلی تقسیم میشود: فاز خوشهبندی کاربران و فاز تولید پیشنهاد دوره های آموزشی مناسب برای کاربر. فاز خوشه بندی شامل دو مرحله است که در مرحله اول با استفاده از الگوریتم X-Means، تعداد بهینه خوشهها به دست می آید و در مرحله دوم بر اساس تعداد خوشههای به دست آمده، خوشه بندی C-Means فازی انجام می شود. در فاز ایجاد پیشنهاد برای کاربر، با استفاده از قوانین انجمنی وزندار و بر اساس خوشه های نهایی که برای کاربران حاصل شده اند، رتبه موردنظر کاربر هدف، برای هر آیتم آموزشی با توجه به همسایههای خوشههای کاربر پیش بینی می شود. در نهایت بر اساس رتبه های پیش بینی شده، N آیتم آموزشی با رتبه بالاتر به عنوان آیتم های مورد علاقه کاربر هدف به وی پیشنهاد می شوند. یافته ها: پیاده سازی و ارزیابی روش پیشنهادی بر روی مجموعه داده Moodle نشان می دهد که با کاهش دو معیار میانگین خطای مطلق و خطای جذر میانگین مربعات، دقت پیشنهاد های ارائه شده با استفاده از روابط اعتماد افزایش یافته و نرخ پوشش کاربران و رتبهها نیز با استفاده از خوشه بندی فازی و قوانین انجمنی وزندار نسبت به روشهای موجود بهبود یافته است. این نتایج حاصل استفاده از خوشهبندی فازی کاربران بر اساس علاقهمندیهای و روابط اعتماد میان آنها است که امکان عضویت هر کاربر را در چند خوشه با درجات عضویت مختلف، قرار میدهد. علاوه بر این، در استفاده از قوانین انجمنی وزن دار، قوانین انجمنی که بیشترین مطابقت را با دوره های گذرانده شده توسط کاربر موردنظر دارند انتخاب میشوند. امتیازگذاری انتخاب قوانین، نه تنها بر اساس ضریب اطمینان، بلکه بر اساس ترکیبی از ضریب اطمینان و علاقه مندیهای کاربر به دورههای آموزشی، محاسبه شود. نتیجه گیری: بکارگیری معیار اعتماد میان کاربران باعث افزایش دقت در انتخاب همسایه ها و محدود کردن اثرات مخرب کاربران و نظرات بی اعتبار میشود که منجر به ارائه پیشنهادهای دقیق تری خواهد شد. همچنین با توجه به خوشه بندی فازی کاربران، پیش بینی رتبه دوره های آموزشی مختلف فقط بر اساس همسایه های موجود در خوشههای کاربر هدف، انجام می شود و در نتیجه برای حجم انبوه اطلاعات موجود در یک سیستم یادگیری الکترونیکی، عملکرد کارآتری خواهد داشت و مشکل خلوت بودن دادهها را کاهش میدهد.
Keywords:
Authors
رضوان محمدرضایی
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
رضا روانمهر
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، 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 :