نفیسه شبیب - دانشجوی کارشناسی ارشد فناوری اطلاعات دانشگاه شیراز
محمدعلی نعمت بخش - عضو هیئت علمی و استادیار دانشگاه اصفهان

به منظور افزایش انگیزه در یادگیری، مسئله مهم کمک به کاربران به منظور انتخاب مناسب متون، متناسب با علایق آنها می باشد. هدف این مقاله توسعه یک سیستم پیشنهاد دهنده شخصی سازی شده برای کاربران آنلاین در آموزش الکترونیک می باشد. یک سیستم پیشنهاد دهنده اطلاعات مفید را پیشنهاد می دهد یا استراتژی هایی به کاربران برای دستیابی به اهداف شان پیشنهاد می دهد. چنین سیستمی رفتار کاربران را بررسی نموده و پیشنهاد مناسب را ارائه می نماید. یک مثال ساده از چنین سیستمی یک موتور جستجوست وقتی هیچ نتیجه ای برای پرس و جوهای آن پیدا نشود می تواند کلمات کلمات کلیدی دیگری یا پرسش های بهتری که ممکن است نتابج بهتری را در بر داشته باشد پیشنهاد کند. [6] سیستم های پیشنهاد دهنده بسیاری در فیلدهایی مثل تجارت الکترونیک، فیلم، موزیک، کتاب و ... وجود دارند اما برای کاربران سیستم های آموزش الکترونیک، سیستم های کمی با توابع پیشنهاد دهنده طراحی شده اند. اغلب سیستم های پیشنهاد دهنده با روشهای فیلتر همبستگی یا فیلتر مبتنی بر محتوا برای ازائه پیشنهاد به کاربران مطابقت دارند. [11] روش مبتنی بر محتوا از اطلاعات آیتم ها به منظور ارائه پیشنهاد استفاده می کند. روش مبتنی بر محتوا از مقایسه آیتم‌ها و پروفایل کاربران استفاده نموده تا آیتم‌های مشابهی که کاربر در گذشته انتخاب نموده به وی پیشنهاد دهد. در این سیستم ها اغلب از بعضی از شماهای وزن دهی استفاده می کنند، به گونه ای که وزن بالا علامت مشخصه ای برای انتخاب می باشد. زمانی که یک آیتم به کاربر نشان داده می شود، بازخورد آن استنباط می شود. اگر کاربر آیتم مورد نظر را دوست داشته باشد به پروفایل کاربر اشافه می شود. چنین پروسه ای به عنوان بازخوردی برای به روز رسانی پروفایل کاربر می باشد. در فیلتر همبستگی بر اساس شباهت رفتاری و الگوهای عملکردی کاربرانی که شباهت رفتاری و الگوهای مشابهی با کاربر فعلی در گذشته داشته اند، پیشنهادات ارائه می گردد. آنالیزهای داده کاوی نیز به متدولوژی های سیستم های پیشنهاد دهنده اضافه شده‌اند. در ترکیبی از متد فیلتر همبستگی و تکنیک‌های قوانین مرتبط به کار رفته است و در سیستم های پیشنهاد دهنده شخصی روی وب کاوی و استنتاج در حوزه درخت تصمیم استفاده نموده‌اند.