CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی پیشرفت تحصیلی دانش آموزان از طریق هوش های چندگانه آنها با استفاده از شبکه های عصبی مصنوعی

عنوان مقاله: پیش بینی پیشرفت تحصیلی دانش آموزان از طریق هوش های چندگانه آنها با استفاده از شبکه های عصبی مصنوعی
شناسه ملی مقاله: TSCONF03_012
منتشر شده در سومین کنفرانس بین المللی پژوهشهای کاربردی در علوم تربیتی و مطالعات رفتاری و آسیب های اجتماعی ایران در سال 1396
مشخصات نویسندگان مقاله:

مهرنوش بهجانی زاده - کارشناس ارشد برنامه ریزی آموزشی، دانشگاه آزاد اسلامی واحد کرج
مهتاب سلیمی - استاد یار بخش علوم تربیتی، دانشگاه آزاد اسلامی واحد کرج
افشین ایوانی - استادیار پژوهش، موسسه تحقیقات فنی و مهندسی، کرج

خلاصه مقاله:
هدف پژوهش حاضرشناسایی رابطه بین هوش های چند گانه گاردنر با پیشرفت تحصیلی دانش آموزان بود. در این مطالعه، جامعه آماری شامل تمامی دانش آموزان دختر مقطع ابتدایی ناحیه 3 آموزش وپرورش کرج در سال تحصیلی 1395-96 می شد که تعداد آنها 8019 نفر بود. نمونه آماری که با فرمول کوکران وبا روش نمونه گیری تصادفی سیستماتیک انتخاب شد، شامل تعداد 117 نفر بود. سپس پرسشنامه هوش چند گانه گاردنر ( آرمسترانگ، 2003) و پیشرفت تحصیلی که شامل نمرات و معدل کسب شده در دروس ریاضی، علوم و فارسی بود(عاشوری، 1393) از افراد اخذ گردید. داده های جمع آوری شده از گروه نمونه تحقیق با استفاده از آمار توصیفی واستنباطی( ضریب همبستگی وتحلیل رگرسیون) مورد تجزیه و تحلیل قرار گرفتند که نتایج زیر به دست آمد: بین هوش های چندگانه با پیشرفت تحصیلی دانش آموزان، همبستگی مثبت و معنی دار وجود دارد. بین ابعاد هوش های چندگانه( زبانی، ریاضی، فضایی، حرکتی، میان فردی، درونفردی، موسیقی، طبیعت گرایی) با اجزای پیشرفت تحصیلی(دروس فارسی، ریاضی و علوم) دانش آموزان، همبستگی مثبت و معنی دار وجود دارد. همچنین در این پژوهش برای ارتباط بین مولفه ها از مدلهای هوشمند مبتنی بر شبکه های عصبی مصنوعی استفاده شد. همه شبکه های عصبی طراحی شده در این پژوهش، با همبستگی های بسیار مطلوب، کارآیی خود را در پیش بینی متغیرهای وابسته به ترتیب زیر نشان دادند: اولین شبکه عصبی از نوع MLP ، توانست با همبستگی 95 % معدل دانش آموزان را از طریق هوش های چند گانه آنها تخمین بزند. دومین شبکه عصبی از نوع Liner بود که توانست نمرات پیشرفت تحصیلی( به ترتیب، دروس فارسی، ریاضی و علوم) دانش آموزان را از طریق ابعاد هوش های چندگانه آنها با همبستگی های 69% و 74% و 79% برآورد نماید.

کلمات کلیدی:
هوش های چندگانه، پیشرفت تحصیلی، شبکه های عصبی، هوش مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/739044/