Skip to main content
SUPERVISOR
Mohammad Ali Montazeri
محمدعلی منتظری (استاد راهنما)
 
STUDENT
Nazanin Farsad
نازنین فرساد

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1392
Considering recent explosion in data and information amount, applying faster and more accurate solutions for information mining and extraction for different users is inevitable. One of the newest issues which is designed and developed based on web technologies is ELearning. The main goal of this area is to provide learning services for users in any place anytime. It is obvious to except that the learning styles of the different users are varied. The point mentioned in the literature is that the training quality is related to the users' learning styles. Besides the questionnaires which are designed in order to recognize this, other approaches for this aim are also proposed by researchers in computer science. One of the proposed solutions to improve the learning courses is to justify; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" Keywords: Learning Style, MFMC Algorithm , Mutual Information , Markov Model, Naïve Bayes Algorithm
امروزه با پیشرفت فناوری و افزایش روز افزون حجم اطلاعات، استفاده از روش هایی که بتوان سرعت و دقت استخراج اطلاعات برای کاربران مختلف را افزایش دهد، امری اجتناب ناپذیر است. یکی از فناوری های جدید که بر پایه وب طراحی و اجرا گردیده است، بحث آموزش الکترونیکی است. هدف اصلی این حوزه، ارائه خدمات آموزشی به کاربران در نقاط مختلف در طی ساعات مختلف است. طبیعی است کاربران این فناوری، دارای سبک های یادگیری متفاوت می باشند. آنچه در متون مقالات تحقیقی به آن اشاره شده، این است که آموزش کاربران با توجه به سبک یادگیری افراد می تواند در کیفیت آموزش تاثیرگذار باشد. در کنار پرسشنامه هایی که برای تشخیص سبک یادگیری طراحی گردیده، روش های تشخیص سبک یادگیری با توجه به رفتار کاربر، موضوعی است که محققان حوزه علوم کامپیوتر را به خود معطوف داشته است. یکی از راه حل های پیشنهادی برای بهبود این دوره های آموزشی، دسته بندی کردن یادگیرندگان براساس مدل و سبک یادگیری است که با این کار برای هر فرد با توجه به مدل یادگیری، محتوا و اطلاعات ارائه می شود در نتیجه باعث بهبود کارایی آموزش افراد می شود وکمک به هر فرد در طول دوره یادگیری را نتیجه خواهد داد. محققان که در این زمینه کار می کنند، چارچوب ها و مدل های یادگیری مختلفی برای افراد ارائه کرده اند. در این پژوهش پس از معرفی روش های موجود در تشخیص سبک یادگیری، به استفاده از مدل مارکوف در این امر پرداخته شده است. مدل مارکوف دارای دقت زیاد، انعطاف پذیری و پوشش بیشتری نسبت به دیگر روش های تشخیص سبک یادگیری می باشد. در این پژوهش از معیار اطلاعات متقابل، برای اندازه گیری میزان شباهت ویژگی های انتخابی استفاده شد. با استفاده از الگوریتم بیشینه جریان و کمینه برش سعی در کاهش انتخاب ویژگی ها شده است که در مرحله بعد با استفاده از دو الگوریتم مارکوف و نیوبیز پیش بینی سبک یادگیری افراد شرکت کننده در دوره آموزشی براساس مدل فلدرسیلورمن صورت گرفته است. در پایان دقت بدست آمده توسط روش پیشنهادی با برخی از روش های موجود مورد مقایسه قرار گرفت که نتایج بدست آمده افزایش دقت را نشان دادند. کلمات کلیدی: 1- سبک یادگیری2- الگوریتم بیشینه جریان و کمینه برش 3- معیار اطلاعات متقابل 4- مدل مارکوف 5- الگوریتم نیوبیز

ارتقاء امنیت وب با وف بومی