چکیده:
تطبیق پذیری سامانه های آموزشی و ضرورت اعمال ش یوه ها ی نو ین
در ارائه محتوا یک زمینه تحقیقاتی قابل ملاحظه و مهم است . زی ر سامانه ارائه
محتوا باید متناسب با مدل کاربر، محتوای مناسب را انتخاب کرده و در اخت ی ار
وی قرار دهد تا ویژگی تطبیق پذ یری تحقق پیدا کند . توجه به ویژگ ی ها ی
شخصیتی یادگیرنده و در نظر گرفتن توانایی و استعدادهای او در ارائه محتو ای
آموزشی مناسب بسیار تاثیرگذار است. از این رو زیرسیستم ارائه محتو ا با یک
مساله بهینه سازی مواجه است که باید میزان تناسب محتو ای ارائه شده با
توانایی ها، انتظارت و استعدادهای یادگیرنده را بهینه کند. این مقاله جهت توسعه
و بهبود رو شهای قبلی بر دو بخش تمرکز کرده است . در بخش مدل مس اله،
تناسب شیوه ارائه محتوا با سبک ی ادگیری یادگیرنده را اضافه کرده و لذا
جنبه های بیشتری از شخصی ساز ی را مد نظر قرار داده است . در بخش حل
و الگوریتم جدید جستجوی NBPSO مساله، با استفاده از الگوریتم تکامل یافته تر
گرانشی، منجر به تولید پاسخ های بهینه تر (انتخاب مناسبتر و تطبیق پذیرتر محتو ا)
شده است. به منظور ارزیابی راهکار پیشنهادی با روش های پیشین، الگوریتم پایه
جمعیت پرندگان نیز پیاده سازی شده است. نتایج بر مبنای معیار دقت، به هدف
سنجش میزان بهینه بودن پاسخ ارائه شده و معیار پای داری، به منظور اطم ینان از
پاسخ در اجراهای متفاوت، مورد ارزی ابی و مقایسه قرار گرفت ند که راهکار
پیشنهادی، بهبود قابل توجهی را نشان داده است.
One of the main research areas is providing adaptive
learning systems with new style for content delivery to users. Content
delivery subsystem manages and selects the appropriate contents
based on the user model. In order to realize the adaption and
personalization, selecting approach should consider the learning
capabilities and background knowledge of the learners. Therefore an
optimization problem is defined and the system must optimize the
difference between the learning capabilities and the learning style of
the learner with the difficulty level and the presentation style of the
delivered contents. This paper has focused on two aspects. In the
problem modeling section, the previous defined model has been
extended. The presented model has also considered the adaption
between the learning style of the learner and the presentation style of
the delivered contents. In problem solving section, this paper has
applied two newer optimization algorithms, NBPSO and GSA, thus
resulting in producing better answers (more appropriate and more
adaptive selection of content). Also, according to the previous
approaches, the problem has implemented and solved using PSO. The
provided results of three algorithms have been evaluated using two
well-known criteria: accuracy (aiming to measure optimality of the
delivered answer) and stability (to ensure of getting answer in
different performances). The results showed considerable progress
(more personalized and adaptive contents).
خلاصه ماشینی:
با جمع بندي مطالب فوق و با توجه به اهميت ارائۀ سامانه هاي آموزشـي تطبيـق پـذير، اين مقاله در راستاي توسعه و بهبود روش هاي قبلي بر دو بخش تمرکز کرده اسـت : بخـش اول به منظور تکامـل مسـئله ، سـبک يـادگيري خـاص هـر يادگيرنـده را در ارائـۀ محتـواي آموزشي ، مورد توجه قرار داده و به مدل مسـئله اضـافه کـرده اسـت .
از ايـن رو بـراي حـل مسـئلۀ بهينـه سـازي مطـرح شـده و بـه منظـور ارائـۀ پاسـخ هـاي بهتـر (انتخـاب مناسـب تـر و تطبيق پذيرتر محتوا)، الگوريتم تکامـل يافتـه تـر «ان بـي پـي اسُ ا»٢ (نظـام آبـادي پـور، رسـتمي شــهربابکي و مغفــوري ١٣٨٧) و الگــوريتم جديــد «جســتجوي گرانشــي نســخۀ بــاينري » (٢٠١٠ Rashedi, Nezamabadi-Pour, and Saryazdi) مورد استفاده قرار گرفته اند.
بدين ترتيب مبناي کار سامانه هاي آموزشي تطبيق پذير و شخصي سازي شده ، انتخاب و ارائۀ محتواي آموزشي متناسب با سبک يادگيري کاربر است و همچنـين بسـتري را بـراي ارائـۀ محتواي سفارشي سازي شده بر مبناي توانايي و نيازهاي يادگيرنده فراهم مـي آورنـد ( Graf ٢٠١١ Joshi, Vaidya, and Lingras ;٢٠١٣).
قابـل ذکـر اسـت کـه مـوارد يـک و دو در مدل مسئلۀ بسياري از مقالـه هـا (ماننـد ;٢٠١١ Chu, Chang, and Tsai ;٢٠١٢ Chang and Ke ٢٠١٠ Dheeban, Deepak, and Dhamodharan) مورد توجه قرار گرفته اند، اما مورد سـوم در اين مقاله اضافه شده : ارائۀ محتواي آموزشي متناسب با توانايي ها و استعدادهاي يادگيرنـده کـه بسـتگي بـه سن ، تحصيلات ، و ضريب هوشي او دارد.