پیش بینی میزان دانش یادگیرندگان در محیط یادگیری الکترونیکی با استفاده از شبکه عصبی تابع پایه ی شعاعی بهبود یافته

در این تحقیق به شناسایی سطح دانش یادگیرندگان با استفاده از رویکرد داده کاوی پرداخته شد. به منظور ایجاد مدل پیشنهادی از شبکه عصبیRBF بهبود یافته استفاده شد. به منظور بهبود این شبکه عصبی از الگوریتم آموزش سه مرحله ای استفاده شد که در مرحله اول از ترکیبی از الگوریتم بهینه سازی گروه ذرات و k میانگین، در مرحله دوم از الگوریتم نزدیک ترین k همسایه و در فاز سوم از الگوریتم تندترین کاهش استفاده شد. سپس در ادامه ایجاد مدل به بررسی مشخصه های یادگیرندگان پرداخته شد و چهار مشخصه مناسب به منظور پیش بینی متغیر کلاس که همان سطح دانش یادگیرندگان بود ، ایجاد شد. در نهایت به منظور ارزیابی، مدل ارایه شده در دوره ای مجازی به کار گرفته شد. دو گروه دیگر از یادگیرندگان نیز که از ارایه دروس متوسط و الگوریتمی موجود از ادبیات تحقیق بهره می بردند، در نظر گرفته شدند. نتایج حاصل از دوره موفقیت و رضایت تحصیلی یادگیرندگان دوره ی با مدل پیشنهادی را نشان می دهد.

پیش بینی میزان دانش یادگیرندگان در محیط یادگیری الکترونیکی با استفاده از شبکه عصبی تابع پایه ی شعاعی بهبود یافته Keywords:

یادگیری الکترونیکی , داده کاوی , الگوریتم بهینه سازی گروه ذرات , شبکه عصبی تابع پایه ی شعاعی , الگوریتمk میانگین