ارائه یک سیستم فازی مبتنی بر بهینه سازی ازدحام ذرات برای طبقه بندی سوالات به صورت خودکار در یک محیط یادگیری رقابتی
Publish place: International Conference on New Research Findings in Electrical Engineering and Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,148
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_347
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
سیستم های اموزشی هوشمند ابزاری موثرهستند که بصورت خودکار فرایند یادگیری را باتوجه به پیشرفت و نیازهای دانش اموزان بوجود می اورد مطابقت میدهد یکی ازسازگاری های ممکن این است که یک سیستم متوالی ازسوالات منطبق که دشواری سوالات راباتوجه به سطح اطلاعات دانش اموزان مطابقت میدهد اعمال کرد دراین زمینه این امر که طبقه بندی سوالات به درستی و باتوجهبه سطح دشواری آنها برای دانش اموزان ارایه گردد مهم است سیستم های زیادی برای تخمین دشواری سوالات ایجادوبسط داده شده اند هرچند تنوع درمحیطهای استفاده شده اعمال راه حلهای موجود را بطور مستقیم به یک برنامه دیگر دشوار می سازد راه حلهای پیشنهادی یک سیستم هوشمند پیچیده است که ازیک الگوریتم PSO استفاده می کند تا هرکدام ازسطح دشواری را مشخص کند باتوجه به خروجی الگوریتم قانوهای پیچیده و مبهمی که برای دسته بندی سوالات ازآنها استفاده شده است مشخص میشوند داده های ثبت شده ازیک فعالیت رقابتی دریک دوره ی مهندسی ارتباطات به منظور اعتبار سیستم دربرابر گروهی ازکارشناسان استفاده شده است نتایج حاکی ازاجرای موفقیت امیز سیستم است بنابراین میتوان نتیجه گرفت که سیستم قادر به انجام کارطبقه بندی سوالات دریک محیط رقابتی است
Keywords:
Authors
طاهره شاه حسینی
دانشجوی کارشناسی ارشد مهندسی هوش مصنوعی دانشگاه آزاد اسلامی گروه کامپیوتر بوشهر ایران
مرضیه دادور
دانشجوی دکتری هوش مصنوعی دانشگاه آزاد بوشهر ایران
منیژه رسولی
دانشجوی کارشناسی ارشد مهندسی هوش مصنوعی دانشگاه آزاد اسلامی گروه کامپیوتر بوشهر 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 :