نوع مقاله : مقاله پژوهشی

نویسندگان

• منصوره دلارامی فر ¹
• طیبه سرگزی مقدم ²

¹ استادیار گروه آموزش زبان انگلیسی، دانشگاه فرهنگیان. تهران، ایران

² گروه علوم کامپیوتر، دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، ایران.

چکیده

امروزه فناوری اطلاعات و ارتباطات بخش جدایی‌ناپذیر از زندگی بشر است. یکی از زمینه‌هایی که سهم عمده‌ای از این فناوری را به خود اختصاص می‌دهد یادگیری است؛ به نحوی که استفاده از فناوری‌های اطلاعات و ارتباطات در این زمینه منجر به ظهور حیطه نوینی تحت عنوان یادگیری الکترونیکی یا آموزش الکترونیکی به معنی بهره‌گیری از نظام‌های الکترونیکی مانند کامپیوتر، اینترنت، دیسک‌های آموزش الکترونیکی جهت آموزش است. از این رو، ارتقاء نظام‌های یادگیری الکترونیکی اهمیت ویژه‌ای می‌یابد؛ بنابراین، پژوهش حاضر بر آن است که با به‌کارگیری فن‌های هوش مصنوعی، روشی کارآمد جهت فراهم‌سازی مناسب‌ترین محتوای آموزشی زبان انگلیسی برای یادگیرنده را از طریق کشف علایق و ترجیحات وی معرفی نماید. پژوهش حاضر از یک چارچوب تصمیم‌گیری با بهره‌برداری از الگوریتم بهینه‌سازی ممتیک جهت استخراج مناسب‌ترین تطبیق بین مسیرها و فعالیت‌های یادگیری در دسترس استفاده کرده است. همچنین، با استفاده از یک فرمول خطی و تعیین فاکتورهای شخصی از قبیل میزان دانش یادگیرنده و ترجیحات وی بهینه‌ترین پاسخ ممکن که همان بهترین تصمیم سیستم برای یادگیری هر فرد است، ارائه داده است. فریم‌ورک آموزشی به‌دست آمده بر روی تعداد 40 دانش‌آموز 12-15 سال آزمایش گردید. در این آزمایش، یک گروه کنترل شامل 20 نفر و یک گروه آزمایش شامل 20 نفر در نظر گرفته شد و فریم ورک در اختیار گروه آزمایش قرار گرفت و گروه کنترل با استفاده از روش‌های سنتی از قبیل کتاب به یادگیری پرداختند. در تحلیل داده‌ها از نرم‌افزار SPSS استفاده گردید. همچنین، در جلسه آخر کلاس با استفاده از یک نظرسنجی از گروه آزمایش مواردی از قبیل علاقه‌مندی افراد به یادگیری الکترونیکی، تمایل به استمرار کلاس، نیاز به زمان استراحت بیشتر و تمایل به ادامه یادگیری زبان انگلیسی از این طریق مورد بررسی قرار گرفت. یافته‌ها نشان دادند که میانگین نمره پس‌آزمون گروه کنترل پس از آموزش از طریق محتوای درسی کتاب محور 14,8750 و میانگین نمره پس‌آزمون گروه آزمایش که با در نظر گرفتن ترجیحات یادگیرنده و با استفاده از محتوای متنوع آموزش دیده بودند 16,7500 بوده است. در حالی‌که میانگین نمره پیش‌آزمون این دو گروه  10,2250 و 10,8000 است که تقریباً نزدیک به یکدیگر قرار داشته است. همچنین، انحراف معیار پس‌آزمون نزدیک به صفر است که نمایانگر پراکندگی اندک داده‌ها است. از سوی دیگر، بررسی سطح معناداری حاکی از این است که استفاده از برنامه آموزشی الکترونیکی بر اساس ترجیحات یادگیرنده دارای تأثیر معنادار (p < 0.05) بر گروه آزمایش بوده است و در نتیجه اشاره به تأثیر بیشتر آموزش الکترونیکی با در نظر گرفتن ترجیحات یادگیرنده نسبت به یادگیری سنتی افراد دارد. با توجه به تأثیر بیشتر آموزش الکترونیکی با استفاده از الگوریتم ممتیک، یادگیری افراد هنگامی‌که از آنها در ارتباط با علایق و ترجیحاتشان سؤال می‌شود و بر اساس آن به آموزش می‌پردازند، افزایش می‌یابد و فرد با محتوای شخصی‌سازی‌شده نتیجه بهتری در پایان دوره آموزش به‌دست خواهد آورد. در نتیجه، استفاده از الگوریتم ممتیک در یادگیری الکترونیکی باعث بهینه‌سازی نمرات یادگیرندگان خواهد شد

کلیدواژه‌ها

• الگوریتم ممتیک
• ترجیحات یادگیرنده
• الگوریتم فازی
• هوش مصنوعی
• آموزش الکترونیکی

موضوعات

• برای مشاهده مقالات مرتبط با موضوع، روی نام موضوع کلیک کنید.

عنوان مقاله [English]

Matching Course Content with Learner Preferences in E-learning Systems Based on the Memetic Algorithm

نویسندگان [English]

• Mansoureh Delaramifar ¹
• Tayebeh Sargazi Moghadam ²

¹ teaching English language department, Farhangian University, Tehran, Iran

² Department of Computer Science, University of Sistan and Baluchestan, Sistan and Baluchestan, Iran

چکیده [English]

Since, due to the advancement of technology, mankind solves many of its educational needs, such as learning foreign languages, through electronic education, upgrading electronic learning systems with educational infrastructure become very important. Therefore, this research aims to introduce an efficient method to provide the most appropriate educational content for the learner by discovering her interests and preferences and adapting it to educational and cultural issues by using artificial intelligence techniques. In this regard, The present study uses a decision-making framework using a Memetic optimization algorithm to extract the best match between available learning paths and activities. It also provides the best possible response, which is the system's best decision for each individual's learning, using a linear formula and determining personal factors such as the learner's knowledge level and preferences. The resulting educational framework was tested on 40 students, 12-15 year old. In this experiment, a control group of 20 and an experimental group of 20 were considered, and the framework was given to the experimental group and the control group learned using traditional methods such as books. SPSS software was used for data analysis. In addition, in the last class session, a survey was used to examine the experimental group on issues such as interest in e-learning, willingness to continue the class, need for more breaks, and willingness to continue learning English in this way. The findings showed that the average post-test score of the control group after training through textbook-based content was 14.8750 and the average post-test score of the experimental group that was trained with diverse content considering the learner's preferences was 16.7500. On the other hand, the significance level test indicates that the use of an e-learning program based on learner preferences had a significant (p < 0.05) effect on the experimental group, and as a result, it refers to the greater effect of e-learning with considering learner preferences compared to traditional learning.The final achievement was evaluated using multi-part software plugins from the point of view of flexibility, efficiency and interoperability through user satisfaction testing. Considering that more than seventy percent of users were satisfied with the learning efficiency and flexibility of the system, the results indicate that the system's output will have a more favorable effect on individual learning

کلیدواژه‌ها [English]

• Memetic algorithm
• E-Learning
• cultural and educational knowledge
• learner preferences