بهبود چارچوب تعیین مدل دانشجو در سیستم شبه آموزشی با استفاده از N-Armed bandit و آتوماتای یادگیر
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 912
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICS11_058
Index date: 6 October 2013
بهبود چارچوب تعیین مدل دانشجو در سیستم شبه آموزشی با استفاده از N-Armed bandit و آتوماتای یادگیر abstract
در جامعه کنونی به کارگیری کامپیوتر جهت آموزش امری ضروری است و در این میان سیستمهای آموزشی هوشمند توجه محققان را به خود جلب کرده است. مدلسازی دانشجو نقطه تمرکز اصلی و یکی از اجزاء سیستم آموزشی هوشمند و نمایشی از رفتار و وضعیت دانشجو است. در هنگام استفاده دانشجو از سیستم، دنبال های از اعمال انجام شده او ثبت می شود و سیستم تلاش می کند تا بر اساس آن، مدل یادگیری دانشجو را تعیین کند. این مقاله یک دیدگاه جدید برای بهبود چارچوب تعیین مدل دانشجو در سیستم شبه آموزشی با استفاده از ترکیب آتوماتای یادگیر و Armed Bandit-N بیان می کند. در مدل پیشنهادی، مدل دانشجو توسط عامل تعیین کننده سطح به نام LA/Bandit-1LDA که مدل یادگیری دانشجو را مشخص می کند، تعیین می شود. LDA- Bandit /LA در حقیقت الگوریتم یادگیری Bandit N-Armed را به عنوان مکانیزم یادگیری برای تعیین اینکه دانشجو یادگیرنده کند، نرمال یا سریع میباشد، بکار میگیرد و نشان داده شد با بکارگیری این الگوریتم سرعت و دقت تعیین مدل یادگیری دانشجو افزایش یافته است
بهبود چارچوب تعیین مدل دانشجو در سیستم شبه آموزشی با استفاده از N-Armed bandit و آتوماتای یادگیر Keywords:
بهبود چارچوب تعیین مدل دانشجو در سیستم شبه آموزشی با استفاده از N-Armed bandit و آتوماتای یادگیر authors
سیده لیلا جوادی
کارشناسی ارشد، گرایش نرم افزار، دانشگاه آزاد اسلامی قزوین
بهروز معصومی
استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه آزاد اسلامی قزوین
محمدرضا میبدی
استاد دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
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 :