توسعه مکانیزم هوشمند مقایسه آموزش شخصی سازی شده در بستر سامانه آموزشی تعاملی

پیشینه و اهداف: در عصر حاضر، با توجه به گسترش روزافزون فناوری در سراسر جهان، سیستم های آموزش الکترونیکی به سرعت در حال گسترش هستند. با پیشرفت آموزش الکترونیکی حرکت از سمت آموزش سنتی (رویکرد ارائه یک آموزش برای همه) به سمت آموزش شخصی سازی شده آغاز شد. آموزش شخصی سازی شده یک رویکرد آموزشی است که هدف آن، سفارشی کردن یادگیری براساس نقاط قوت، مهارت ها، علایق و نیازهای یادگیرنده است. این روش از آموزش مانند هر شیوه نوین دیگری دارای نقاط ضعف و قوت است. در واقع، می توان افزایش انگیزه و کسب مهارت خودحمایتی را از مزایای مهم این نوع از آموزش دانست. در مقابل، به عنوان نقاط ضعف این روش می توان به زمان بر بودن آموزش، چالش در پیاده سازی و عدم وضوح در شیوه به کارگیری اشاره کرد. با توجه به در دسترس بودن داده های بسیار از یادگیرندگان، استفاده از هوش مصنوعی جهت شخصی سازی آموزش هم کیفیت را افزایش می دهد و هم باعث جذابیت آموزش خواهد شد. امروزه، یکی از شیوه های شخصی سازی آموزش، ارائه براساس ترجیحات یادگیرندگان است. ترجیحات یادگیرنده می تواند به صورت خودانگارانه و به طور صریح با درخواست مستقیم از یادگیرنده یا به صورت ضمنی و جمع آوری و پایش داده ها شناسایی و استخراج شود. امروزه مدل سازی ترجیحات کاربر یکی از چالش برانگیزترین وظایف در سیستم های آموزش الکترونیکی است که با حجم زیادی از اطلاعات سروکار دارد. هدف این پژوهش، استخراج ضمنی ترجیحات یادگیرنده با بهره گیری از یک سامانه آموزشی هوشمند تعاملی برخط است که مدل سازی ترجیحات یادگیرنده با استفاده از مفهوم سازی برای اشیای یادگیری از طریق گسترش پروفایل و بهره گیری از الگوریتم های هوش مصنوعی انجام می شود. مدل با داده های تعاملی جمع آوری شده آموزش دیده و اشیای یادگیری جدید را براساس ترجیحات یادگیرنده در اختیار او قرار می دهد. این پژوهش، از نظر هدف کاربردی است.روش ها : در این پژوهش، با توجه به جامعه در دسترس ما، ۲۹ آقا و خانم دانشجوی کارشناسی رشته کامپیوتر، با میانگین سنی ۵/۲۱ سال که درس یادگیری ماشین را نگذرانده بودند، به عنوان شرکت کننده همکاری داشتند. شرکت کنندگان پس از ثبت نام به صورت تصادفی به دو گروه کنترل و آزمایش تقسیم شدند. به گروه آزمایش محتوای شخصی سازی شده منطبق با ترجیحات و به گروه کنترل محتوای نامنطبق با ترجیحات ارائه شد. پس از طی آموزش، میزان یادگیری و بار شناختی شرکت کنندگان توسط آزمون عملکردی طراحی شده و پرسش نامه شاخص بار کاری ناسا مورد سنجش قرار گرفت. در پایان سطح معناداری نتایج به دست آمده دو گروه با استفاده از آزمون آماری تی مستقل مورد ارزیابی قرار گرفت.یافته ها: براساس نتایج به دست آمده، میانگین نمرات آزمون عملکردی گروه آزمایش که محتوای منطبق با ترجیحات دریافت کرده بودند نسبت به میانگین گروه کنترل با مقدار ۷/۰p= دارای اختلاف معنادار نبود (ضمن انجام یادگیری)؛ اما میانگین بار شناختی گروه آزمایش نسبت به میانگین بار شناختی گروه کنترل با مقدار ۰۰/۰p= به صورت معنادار پایین تر گزارش شد.نتیجه گیری: براساس یافته های پژوهش، ارائه محتوای آموزشی شخصی سازی شده براساس ترجیحات یادگیرندگان با استفاده از تکنیک گسترش پروفایل، در زمان یادگیری، بار شناختی را میزان قابل توجهی کاهش داد. بنابراین، ارائه محتوای آموزشی براساس ترجیحات یادگیرندگان، به عنوان یکی از شیوه های آموزشی شخصی سازی شده در یادگیری الکترونیکی، نقش مهمی در کاهش بار شناختی یادگیرندگان ایفا می کند.

Keywords:

آموزش الکترونیکی , یادگیری الکترونیکی , شخصی سازی آموزش , ترجیحات یادگیری , بار شناختی