توضیحات
عنوان: طراحی الگوریتم آموزش الکترونیکی مبتنی بر سیستمهای توصیه گر آموزشی با رویکرد دادهکاوی و شبکه عصبی مصنوعی
- چکیده
- فصل اول کلیات پژوهش
- مقدمه
- بیان مسئله پژوهش
- اهداف پژوهش
- هدف اصلی
- اهداف فرعی
- قلمرو پژوهش
- نوآوری پژوهش
- روش و ابزار گردآوری دادهها
- روش و ابزار تجزیهوتحلیل دادهها
- کاربردها و استفادهکنندگان از پژوهش
- فرضیات پژوهش
- جمعبندی
- فصل دوم مرور ادبیات و پیشینه تحقیق
- معرفی سیستمهای توصیه گر
- اهمیت و ضرورت پژوهش
- اصول طراحی سیستمهای توصیه گر
- نوع داده موجود در پایگاه داده سیستم
- الگوریتم فیلتر کننده مورداستفاده
- مدل انتخابشده برای سیستم
- تکنیکهای مورداستفاده
- سطح پراکندگی دادهها و مقیاسپذیری
- عملکرد سیستم
- تحقق هدف موردنظر
- کیفیت موردنظر نتایج
- روشها و الگوریتمهای فیلترینگ
- فیلتر کننده مشارکتی
- فیلتر کننده دموگرافیک
- فیلتر کننده مبتنی بر محتوا
- فیلتر کننده اجتماعی
- فیلتر کننده مبتنی بر زمینه
- فیلتر کننده مبتنی بر دانش
- روشهای الهام گرفته از طبیعت
- کاربردهای سیستمهای توصیه گر
- سیستمهای توصیه گر دولت الکترونیک
- سیستمهای توصیه گر کسبوکار الکترونیک
- سیستمهای توصیه گر تجارت/خرید الکترونیک
- سیستمهای توصیه گر کتابخانه الکترونیکی
- سیستمهای توصیه گر آموزش الکترونیک
- سیستم توصیه گر گردشگری الکترونیکی
- سیستم توصیه گر منابع الكترونیك
- توصیه برچسب
- چالشهای سیستمهای توصیه گر
- شروع سرد
- پراکندگی داده
- مقیاسپذیری
- تنوع در برابر دقت
- آسیبپذیری در برابر حملات
- ارزش زمانی
- ارزیابی توصیه
- رابط کاربری
- روشهای توصیه گر مدرن
- روشهای متن آگاه
- روشهای مبتنی بر معنا یا دانشمحور
- روشهای توصیه مبتنی بر دامنه (دامنه محور)
- سامانه توصیه گر نظیر به نظیر
- سامانه توصیه گر فرازبانی
- اصطلاحات و تعاریف در ارزیابی سامانههای توصیه گر
- معیارهای اندازهگیری سامانههای توصیه گر
- مسائل و چالشهای موجود در سامانههای توصیه گر
- مقدمهای بر ارزیابی سامانههای توصیه گر
- ارزیابی سامانههای توصیه گر
- مزایای استفاده از سامانههای توصیه گر
- تشریح برخی از تکنیکها
- قواعد انجمنی
- فیلترینگ همکاری
- فیلترینگ مبتنی بر محتوا
- فیلترینگ هیبریدی (پیوندی)
- سیستمهای توصیه گر مکان آگاه
- فصل سوم طراحی الگوریتم
- مقدمه
- نوع و روش پژوهش (ازنظر هدف و نحوه گردآوری دادهها)
- مراحل و فرآیند تحقیق
- روش گردآوری دادهها
- روائی و پایائی دادهها
- روایی ابزار سنجش
- پایایی ابزار سنجش
- روش تجزیهوتحلیل دادهها
- روش خوشهبندی فازی c میانگین FCM
- سیستمهای استنتاجی فازی مبتنی بر دادهکاوی
- روشهای استنتاج در الگوریتم شبکه عصبی مصنوعی چندلایه فازی استنتاجی
- روش MCGP برای تبدیل مدل چندهدفه به تک هدفه (برنامهریزی آرمانی)
- روش دلفی فازی
- روش تحلیل سلسله مراتبی فازی
- روش ویکور فازی
- الگوریتم پیشنهادی تحقیق
- جمعبندی
- فصل چهارم تجزیهوتحلیل دادهها
- مقدمه
- رتبهبندی دانشجویان با استفاده از تکنیک ویکور فازی
- اجرای الگوریتم خوشهبندی فازی پیشنهادی مبتنی بر دادهکاوی برای طبقهبندی
- پیشبینی زمان و کیفیت یادگیری در آموزش الکترونیکی
- استفاده از الگوریتم ANFIS برای پیشبینی
- ارزیابی تکنیکهای خوشهبندی مورداستفاده در طراحی سیستم فازی
- مقایسه تکنیکهای خوشهبندی جهت تطبیقپذیری
- برنامهریزی و بهینهسازی آموزش الکترونیکی با استفاده روش فرا ابتکاری PSO
- مدل ریاضی آرمانی بهمنظور بهینهسازی آموزش الکترونیکی با سیستم توصیه گر آموزشی
- استفاده از روش MCGP برای تبدیل مدل چندهدفه به تک هدفه
- حل دقیق مدل با استفاده از روش Cplex
- الگوریتم بهینهسازی ازدحام ذرات
- الگوریتم ابتکاری ترکیبی برای حل مدل ریاضی
- حل مدل در محیط نرمافزار MATLAB
- فصل پنجم نتیجهگیری و ارائه پیشنهادها
- یافته هاو نتایج
- پیشنهادات تحقیق
- منابع و مآخذ
چکیده
آموزش یکی از مهمترین ارکان توسعهای هر کشوری محسوب میشود که یک رویه ادامهدار و روبهپیشرفت و تعالی میباشد. با توجه به گسترش فناوری اطلاعات و نیاز روزافزون به استفاده از فضای آموزش الکترونیکی در این تحقیق بر آن شدیم که به بررسی و طراحی یک الگوریتم توصیه گر هوشمند بهمنظور آموزش بهرهور و بهینه بپردازیم. هدف اصلی این تحقیق ارائه یک مدل و الگوریتم هیبریدی بهمنظور آموزش الکترونیکی کارآمد و بهینه با استفاده از سیستمهای توصیه گر مبتنی بر هوش مصنوعی و دادهکاوی میباشد. در این تحقیق برای این کار از دادههای واحد آموزش الکترونیکی دانشگاه امیرکبیر و همچنین دیتاستهای استاندارد موجود در UCI Machine Learning Repository استفاده شده است. سپس با استفاده از تلفیق روش دلفی فازی و تحلیل مؤلفههای اصلی به شناسایی شاخصهای مؤثر بر آموزش الکترونیکی مؤثر با استفاده از سیستمهای توصیه گر پرداخته شد که در انتهای این مرحله 15 شاخص شناسایی شد. در گام بعدی این معیارها با استفاده از روش تحلیل سلسله مراتبی فازی وزن دهی شدند و درنهایت با استفاده از ویکور فازی دانشجویان که تعداد آنها 100 نفر میباشد مورد ارزیابی قرارگرفته و رتبهبندی شدند. درنهایت دادههای این دانشجویان با استفاده از روش پیشنهادی خوشهبندی طبقهبندی شدند. دادههای به دست آمد از خوشهبندی با استفاده از الگوریتم شبکه عصبی برازش شده و برای پیشبینی سیستم بهینه آموزشی به ازای هر دانشجو در مدل ریاضی آرمانی برنامهریزی آموزش مورداستفاده قرار گرفتند.
واژههای کلیدی: آموزش الکترونیکی، توصیه گر، دادهکاوی، هوش مصنوعی، شبکه عصبی
با نگاهی به چالشهای آموزش عالی در هزاره سوم، سند چشمانداز بیستساله ایران ۱۴۰۴ و پتانسیلهای فناوری اطلاعات و ارتباطات، حرکت به سمت آموزشهای الکترونیکی دانشگاهی برای استفاده بهتر از فناوری اطلاعات و ارتباطات در فرآیند آموزش عالی و دستیابی به آموزشهای کیفیتر، مسیر مناسبی به نظر میرسد. محیط رقابتی دنیای امروز و توسعهی علم و فناوری، استفاده از آموزش الکترونیکی را در جامعهی بشری امری اجتنابناپذیر کرده است. در یک دههی اخیر، وجود چالشهایی از قبیل تقاضای روزافزون آموزش عالی، عدمکفایت بودجه، کمبود اعضای هیئتعلمی تماموقت و عدم محدودیت جغرافیایی آموزش الکترونیکی موردتوجه قرارگرفته است؛ بهطوریکه روشهای سنتی آموزش دیگر قادر به نیازهای آموزشی مادامالعمر فراگیران نیست. بررسی مطالعات در حوزهی آموزش الکترونیکی نشان میدهد که سهولت دسترسی به منابع آموزشی، امکان دسترسی در هر زمان و هر مکان، انعطافپذیری، کاهش هزینه و اتلاف وقت، یادگیرنده محور بودن و افزایش پیشرفت تحصیلی دانشجویان (مونی، ۲۰۱8).
در حال حاضر به دنبال پیشرفتهای صورت گرفته در فناوری اطلاعات و علوم نوینی مانند دادهکاوی و هوش مصنوعی سیستمهای آموزش الکترونیکی نیز دستخوش تغییرات بسیاری بودهاند که بهتبع آنها باید در سیستمهای مورداستفاده بازنگری و بازمهندسی جدی صورت پذیرد. ازاینرو تحقیقات متنوع و زیادی در حوزه آموزش الکترونیکی با استفاده از هوش مصنوعی و دادهکاوی صورت گرفته است. یکی از جنبههای مثبت پیشرفتهای صورت گرفته استفاده از سیستمهای توصیه گر در آموزش است که نتایج مثبت و با راندمان بالایی را از خود بهجا گذشته است. ازاینرو در این پژوهش به بررسی استفاده از ابزار هوش مصنوعی و دادهکاوی بهمنظور طراحی سیستم توصیه گر برای آموزش الکترونیکی پرداختهشده است که در ادامه به ارائه کلیاتی از مسئله پژوهش پرداختهشده است. انجام تحقیق
کسبوکار و بهتبع آن آموزش الکترونیکی ازجمله الزامات جوامع امروزی تلقی میشود. توسعه فناوری اطلاعات و ارتباطات، ارتباطات فرهنگی، توسعه شتابان علمی و فناوری، گستردگی جامعه هدف خواهان خدمات باکیفیت آموزشی ازجمله این اقتضائات محسوب میشوند. در حال حاضر با گسترش زیرساخت فناوری اطلاعات بستر مناسبی برای استفاده از ساختارهای مبتنی بر داده و یادگیری برای ارائه خدمات حساس مانند آموزش فراهم است. یکی از تکنولوژیهای کارآمد در آموزش آنلاین یا الکترونیکی، سیستمهای توصیه گر میباشند. این سیستمها قادر به یادگیری بر اساس دادههای آموزشی که حاصل پیادهسازی الگوها و مراحل آموزشی بروی افراد مختلف است، بوده و بر اساس آنها میتواند به ارائه آموزش به افراد جدید جهت دستیابی به بیشترین راندمان بپردازد. از طرفی دیگر برای طراحی سیستمهای توصیه گر از روشها و الگوریتمهای یادگیری عمیق استفاده میشود که تکنیکهای دادهکاوی و هوش مصنوعی در زمره بهترینها به شمار میروند.
توجه:
برای دانلود فایل کامل ورد لطفا اقدام به خرید نمایید.
لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.
سفارش تحقیق
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.