پایان نامه ارشد رایگان درباره مدلسازی، هوش مصنوعی، دانشجویان، حل مسئله

سؤالات فراگیران استفاده نماید، از لحاظ نظری، [بر خلاف آموزش به کمک رایانه] سیستم آموزش به کمک کامپیوتر هوشمند بر مبنای سؤالات از پیش تعیین شده، پاسخ‌های پیش بینی شده، شاخههای از پیش تعیین شده و مواردی از این قبیل، عمل نمیکند بلکه بر مبنای دانشی عمل می‌کند که در زمان یادگیریِ یادگیرنده حاصل می‌شود (فیجن بام۱۲۸،۱۹۷۷). این سیستمها، مجموعه معیارها و رهنمودهای روندی کلی دارند که به ساختار دانش سیستم و همچنین به وقایع اخیر آن، همچون پاسخ گذشت? یادگیرنده، بستگی دارد. یک ویژگی مهم بیشتر سیستمهای آموزش به کمک کامپیوتر هوشمند این است که چه در طرح سئوال و چه در پاسخ‌هایی مربوطه قادر به گفتگو به زبان طبیعی با فراگیران هستند. توانایی استفاده از گفتگو به زبان طبیعی امکان تعامل یادگیرنده با کامپیوتر در سؤالات و پاسخ‌هایی مطرح شده از دو طرف را فراهم می‌آورد (تنیسون و پارک،۱۹۸۷، ص ۳۲۱).”
همان‌طور که در توصیف یک سیستم آموزش هوشمند مشاهده میشود، این سیستمها در مقابل سیستمهای آموزش به کمک رایانه صرف، ویژگیها یا برتریهای زیر را دارند:
۱. انعطاف در ارائه و ارزشیابی.
۲. مبتنی بر یک دیالوگ (محاوره) بین یادگیرنده و سیستم است.
۳. بر سئوال و پاسخ‌هایی از پیش تعیین شده مبتنی نیست.
۴. سیستم یادگیرنده است، یعنی از سئوال و جوابهای خود با یادگیرنده، یاد میگیرد.
۵. نه تنها از روش‌هایی الگوریتمی بلکه از تکنیکها و فنون ابتکاری هوش مصنوعی نیز بهره میگیرد.
۶. پایگاه دانش غنیای داشته که تاریخچه تعاملات خود با یادگیرندگان را ذخیره و در موقع لزوم از آن‌ها بهره میگیرد.
موارد مذکور مهم‌ترین ویژگیهای یک سیستم آموزشی هوشمند است؛ البته باید مدنظر داشت که هوشمندی مفهوم نسبی است؛ چه بسا سیستمی از یک یا دو تکنیک مربوط به هوش مصنوعی استفاده نماید و در رده سیستمهای آموزشی هوشمند قرار گیرد. آنچنان که از شرح تنیسون و پارک (۱۹۸۷) برداشت میشود، سیستم خبره، پردازش گفتار طبیعی۱۲۹، یادگیری ماشینی و دادهکاوی آموزشی از جمله حوزههای پرکاربرد هوش مصنوعی برای پیاده سازی سیستمهای آموزشی هوشمند است.
بخشهای (اجزاء، ماژول‌های) تشکیل دهنده یک سیستم آموزشی هوشمند با توجه به نسبی بودن هوشمندی سیستم، ممکن است متفاوت باشد؛ لذا منابع و توسعهدهندگان سیستمهای آموزشی هوشمند، با توجه به سیستمی که توسعه دادهاند، ممکن است اجزاء یک سیستم آموزش هوشمند را متفاوت گزارش نمایند. به عنوان مثال تنیسون و پارک (۱۹۸۷) اجزاء تشکیل دهنده یک سیستم آموزشی هوشمند را در سه دسته قرار دادهاند: ۱) ماژول‌های خبره۱۳۰؛ ۲) ماژول‌های مدلسازی یادگیرنده۱۳۱؛ ۳) ماژول تدریس۱۳۲. برای اینکه نگاهی جامعتر داشته باشیم و جایگاه پژوهش حاضر و کاربرد آن را در یک سیستم آموزشی هوشمند بشناسیم، اجزاء یک سیستم آموزشی هوشمند با محوریت پژوهش انجام شده توسط پروسیلو وسکی و پیلو۱۳۳(۲۰۰۳) گزارش می‌شود (شکل ‏۲-۱۰). این پژوهشگران پس از بررسی مشترکات سیستم آموزشی هوشمند، اعم از سیستمهای مبتنی بر شبکه و مبتنی بر رایانه شخصی، مهم‌ترین اجزاء یک سیستم آموزشی هوشمند را شناسایی و گزارش نمودهاند. انطباقی بودن، جزء ویژگیهای خاص آموزشهای هوشمند است که بر قابلیت انطباق سیستم با نیازها، اهداف، علایق و … کاربر دلالت دارد. در طبقهبندی پژوهشگران فوق‌الذکر، سیستم هوشمند آموزشی و فرا رسانه‌ای های انطباقی جزء انواع کلاسیک آموزشهای هوشمند است، لذا در شکل ‏۲-۱۰ با رنگ تیره تر نمایش داده شده است.
شکل ‏۲-۱۰: اجزاء سیستم آموزش هوشمند مبتنی بر وب
جزء آموزش هوشمند، خود شامل سه دسته فناوریهای هوشمند میشود:
۱ ) ترتیب دهی به محتوا۱۳۴: مجموعه فناوریها و فنون هوش مصنوعی را شامل میشود که ترتیب و برنامه ارائه محتوا (ارائهها، مثالها، تمرینها، سئوالها و …) را برای کاربر (متناسب) می‌سازد. این فناوریها بهترین مسیر حرکت در محتوا و مواد آموزشی را برای یادگیرنده شناسایی میکند.
۲) تجزیه و تحلیل هوشمند راهحلها: سیستمهای هوشمند اغلب شامل مجموعه مسئلهها و تمارینی هستند که به کاربران خود ارائه میکنند. در آموزشهای مبتنی بر رایانه غیر هوشمند به دانشجو صحیح یا غلط بودن پاسخ بازخورد داده میشد. در سیستمهای آموزشی هوشمند، علل یا علل زمینهساز اشتباه دانشجو بر اساس پاسخ دانشجو، تجزیه و تحلیل میشود، به عنوان مثال مشخص میشود، یادگیرنده در کجای مسئله کم توجهی کرده است، یا کدام بخش از محتوا را به درستی درک نکرده است.
۳) پشتیبانی حل مسئله۱۳۵: مجموعه فناوریهایی را شامل می‌شود که در فرایند حل مسئله به دانشجو یاری میرسانند؛ همان‌گونه که یک مدرس در فرایند حل مسئله ممکن است به دانشجوی خود کمک کند.
جزء فرا رسانه انطباقی۱۳۶که در سمت چپ شکل ‏۲-۱۰ با رنگ تیره تر نشان داده شده است؛ با ماژول ترتیب دهی محتوا در سیستمهای آموزشی هوشمند که قبلاً توضیح آن گذشت، شباهت زیادی دارد. با این تفاوت که این جزء برای فرامتنها یا فرا رسانههای مبتنی بر شبکه است. یکی از فناوریهای هوشمند در این جزء، ارائه انطباقی۱۳۷ است. هدف فناوریهای ارائه انطباقی، منطبق سازی هر یک از صفحات وب، با اهداف، دانش و سایر اطلاعاتی است که در مدل سازی دانشجو شناسایی شده است. فناوری پشتیبانی پیمایش انطباقی۱۳۸، از دیگر فناوریهای ارائه انطباقی فرا رسانه محسوب می‌شود؛ فناوریهای پیمایش یا راهبری و حرکت در صفحات وب، حرکت و پیش روی یادگیرنده را در صفحات وب هدایت میکنند؛ به عنوان مثال این کار را با تغییر رنگ و یا قابل مشاهده و غیر قابل مشاهده کردن لینکها انجام میدهند.
جزء فیلتر انطباقی اطلاعات۱۳۹بر فناوریهای کلاسیک بازخوانی (بازیابی) اطلاعات از پایگاه داده‌های بزرگ مبتنی است. نمونه بارز این فناوریها موتورهای جستجو هستند. کاربرد این فناوریها در آموزشهای هوشمند به ویژه مواردی که مبتنی بر وب نیستند، بسیار محدود است. اما با توسعه آموزشهای مبتنی بر وب و افزایش محتواهای الکترونیکی تحت وب به ویژه در سامانههای مدیریت یادگیری الکترونیکی، فیلترینگ هوشمند و منطبق با نیازهای یادگیرندگان حائز اهمیت است. همان‌گونه که در شکل ‏۲-۱۰ مشاهده می‌شود، علوم بازیابی اطلاعات، یادگیری ماشینی و دادهکاوی آموزشی مهم‌ترین علومی هستند که برای طراحی و توسعه این جزء از سیستم آموزشی هوشمند استفاده میشود.
جزء نظارت هوشمند کلاس۱۴۰، در آموزشهای مبتنی بر وب مدرس نمیتواند چهره و بازخوردهای دانشجو را مشاهده کند. با توجه به این محدودیت بزرگ، نمی‌توان فهمید دانشجو مطالبی را متوجه نشده و به کمک یا توجه بیشتر نیاز دارد. در سیستمهای آموزشی مبتنی بر وب میتوان تمام فعالیتهای دانشجویان را ردیابی کرد، سیستمهای مانیتور هوشمند در این پیگیری به مدرس یا مدیر سیستم الکترونیکی کمک میکند. همان‌گونه که در شکل ‏۲-۱۰ مشاهده میشود، یادگیری ماشینی و دادهکاوی آموزشی، مهم‌ترین دانش حوزه هوش مصنوعی است که برای طراحی و توسعه این فناوریها به کار میرود.
جزء یادگیری همیارانه هوشمند۱۴۱شامل فناوریهایی میگردد که زمینه مشارکت و یادگیری همیارانه کاربر (یادگیرنده) را فراهم میآورد. از جمله انتقاداتی که بر سیستمهای آموزشی هوشمند وارد میشد، عدم امکان تعامل یادگیرنده با سایر یادگیرندگان و یادگیری اجتماعی بود، با توسعه و فراگیر شدن یادگیری مبتنی بر شبکه، این محدودیت نیز تا حد زیادی رفع شده است. در این جزء از سیستمهای آموزشی هوشمند، سه دسته فناوری شناسایی شده است. ۱) شکلدهی انطباقی گروه و کمک همگنان۱۴۲؛ ۲) پشتیبانی همیارانه انطباقی۱۴۳۳) دانشجوهای مجازی۱۴۴.
فناوریهای هوشمند، شکلدهی انطباقی گروه و کمک همگنان، شامل فناوریهای است که با استفاده از اطلاعات موجود در مدلسازی یادگیرندگان، برای کار بر روی پروژه یا مسئله خاصی، بهترین گروه از دانشجویان را شکل میدهد. به عنوان مثال اگر یک پروژه گروهی برای دانشجویان تعریف شود، این دسته از فناوریها بر حسب علاقه، میزان تسلط دانشجویان بر موضوع و … بهترین تیم را شناسایی و شکل میدهد. کمک همگنان نیز بهترین دانشجوی موجود در سامانه آموزش را برای کمک به دانشجوی خاص در مورد موضوع یا مسئله خاص شناسایی و معرفی میکند.
فناوریهای هوشمند پشتیبانی همیارانه انطباقی، همانند پشتیبانی حل مسئله است که شرح آن گذشت، با این تفاوت که در پشتیبانی حل مسئله، از پایگاه دانش سیستم هوشمند به صورت تعاملی به دانشجو کمک می‌شود؛ اما در سیستمهای پشتیبانی همیارانه انطباقی با استفاده از دانش موجود درباره بهترین و بدترین الگوهای همیاری که توسط توسعهدهنده سیستم تعریف شده است یا از لاگهای ارتباطات قبلی دانشجویان یاد گرفته شده است؛ پشتیبانی همیارانه فراهم میشود.
در فناوری دانشجوی مجازی، سعی میشود، به جای معرفی استاد یا مشاور به دانشجو، دانشجوی مجازی تعریف و به دانشجو معرفی شود. دانشجوی مجازی میتواند با استفاده از عاملهای انیمیشنی۱۴۵طراحی و توسعه یابد. همان‌گونه که در شکل ‏۲-۱۰ مشاهده میشود، یادگیری ماشینی، دادهکاوی، یادگیری همیارانه به کمک رایانه مهم‌ترین علومی هستند، که در توسعه این جزء از سیستمهای آموزشی هوشمند از آن‌ها استفاده میشود.
آنچنان که در معرفی اجزاء سیستمهای آموزشی هوشمند گذشت، یکی از مهم‌ترین ماژول‌های سیستمهای آموزشی هوشمند، مدلسازی یادگیرنده است. زیرا اغلب ماژول‌های فوق‌الذکر بلا استثناء مبنای عمل خود را اطلاعات مدل سازی یادگیرنده قرار می‌دهند. در ماژول مدلسازی یادگیرنده، اطلاعاتی از قبیل دانش قبلی یادگیرنده، انگیزش، علاقه، سبک یادگیری، مهم‌ترین اشتباهات یادگیرنده در یادگیری موضوع خاص و … مدل شده و در تعامل با سیستم هوشمند این اطلاعات به روز میشوند. پژوهش حاضر که با هدف طراحی مدل هوشمند برای پیشبینی میزان موفقیت یادگیرنده الکترونیکی، نوعی مدل سازی یادگیرنده است. به این روش که سعی میشود، بر اساس برخی متغیرها، چون دانش قبلی یادگیرنده، انگیزش، سبک یادگیری و برخی مشخصههای روان‌شناختی و دموگرافیک، در معرض خطر بودن دانشجو شناسایی (مدل) شود. یافته میتواند در اختیار دانشجو، استاد و یا سایر همگنان موفق‌تر دانشجو قرار گیرند و اقدامات پیشگیرانه لازم بر اساس مدلسازی صورت گرفته انجام شود.
یادگیری ماشینی مهم‌ترین دانش هوش مصنوعی است که در بخشهای مختلف یک سیستم آموزشی هوشمند به کار می‌رود، ۱) مدلسازی یادگیرنده؛ ۲) ماژول‌های مربوط به نظارت فعالیتهای دانشجو در سامانه مدیریت یادگیری الکترونیکی؛ ۳) فیلتر کردن داده‌ها با توجه به اطلاعات موجود در مدلسازی یادگیرنده؛۴) ماژول یادگیری همیارانه؛ ۵) سازماندهی ترتیب و توالی محتوای آموزشی و ۶) ارائه آن بر اساس مدلسازی یادگیرنده، همگی اجزاء حیاتی یک سیستم آموزشی

این مطلب مشابه را هم بخوانید :   پایان نامه ارشد رایگان دربارههوش مصنوعی، حل مسئله، روانشناسی، هوش هیجانی

دیدگاهتان را بنویسید