نوع مقاله : مقاله پژوهشی

نویسندگان

• سیده فاطمه نورانی
• محمدحسین منشئی
• الهام محمودزاده
• محمدعلی منتظری

گروه نرم‌افزار و فناوری اطلاعات، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

چکیده

پیشینه و اهداف: در هر سیستم آموزشی، بازدهی مطلوب رویکرد آموزشی از اهمیت ویژه‏ای برخوردار است. بدین­منظور در نظر گرفتن خصوصیات شخصیتی افراد و ارائه خدمات آموزشی مطابق با خصوصیات یادگیرندگان یکی از عوامل موثر در افزایش یادگیری و بازدهی آموزشی است. از طرفی یکی از تحقیقات سال­های اخیر در این فضا، بررسی رفتار فرد در سیستم آموزشی و استخراج خصوصیات شخصیتی یادگیرندگان براساس رفتار آنها به صورت تلویحی و ضمنی است. در سالهای اخیر، استفاده از اطلاعاتی مانند تعداد دوستان، نحوه انجام فعالیت در تالار گفتگو، خصوصیات نوشتاری افراد، مدت زمان مطالعه، میزان سختی تکالیف و مثالهای ارائه شده توسط یادگیرنده، تعداد کلیکها، تعداد علامتهای داخل جملات و مدت زمان سپری شده در مورد تکالیف درسی، مواردی هستند که در جهت شناسایی خصوصیات شخصیتی وی مورد استفاده قرار گرفته­اند. هدف از پژوهش حاضر، استفاده از اطلاعات تغییر/عدم تغییر همگروه یادگیرندگان  به منظور شناسایی خصوصیات شخصیتی وی است. برای این منظور اطلاعات تغییر/عدم تغییر همگروه از یک محیط یادگیری مشارکتی پویا که به یادگیرندگان اجازه تغییر همگروه در طول جلسات مختلف یادگیری را می دهد، استخراج و سپس خصوصیات شخصیتی وی شناسایی می شود. سیستم یادگیری مشارکتی استفاده شده در این پژوهش براساس نظریه بازی طراحی و پیاده سازی گردیده است. نظریه بازی یک مدل ریاضی از تقابل و مشارکت، تصمیم گیرندگان عاقل مهیا می­کند.
روش‌ها‌: در این مقاله، 119 دانشجوی مهندسی کامپیوتر به صورت تصادفی انتخاب شده و سپس اطلاعات مربوط به تغییر/عدم تغییر همگروه آنها از یک محیط یادگیری مشارکتی پویا جمع آوری می شود. به منظور ارزیابی پیش­بینی­های انجام شده، نتایج حاصل، با اطلاعات حاصل از پرسشنامه 5 عاملی شخصیت نئوی یادگیرندگان مقایسه می شود.، در بخش دیگری از تحقیق، با استفاده از قوانین توالی لاپلاس، بر اساس سوابق تغییر/عدم تغییر همگروه یادگیرندگان، پیش بینی های ارزشمندی در مورد احتمال تغییر همگروه یادگیرندگان در طی فرآیند یادگیری انجام می­شود.
یافته­ها: در پژوهش حاضر، با کاوش رفتار یادگیرنده، شناسایی­هایی در برخی از ابعاد شخصیتی نئو مانند بعد اول(در مورد افراد مضطرب)، بعد دوم (در افراد برونگرا) و بعد سوم (افراد علاقمند به تجارت تازه) و با مقدار پشتیبانی قابل قبول، به دست آوردیم. این اطلاعات می تواند در فرایند تطبیق محیط و مواد آموزشی براساس خصوصیات شخصیتی یادگیرندگان مورد استفاده قرار گیرد.
در قدم بعدیِ تحقیق، پیش­بینی­هایی در مورد احتمال تغییر همگروه در جلسات بعد تا دقت %44/67 به دست آوردیم. با استفاده از این نتیجه می­توان براساس میزان احتمال تغییر همگروه، پیشنهاداتی به یادگیرنده ارائه داد. به این معنی که با افزایش احتمال محاسبه شده برای تغییر همگروه، همگروه مناسب تری به یادگیرنده پیشنهاد داد.
نتیجه­گیری: نتایج تحقیق حاضر می­تواند در هر سیستم تطبیق پذیر که با هدف افزایش یادگیری، نیازمند پیش بینی رفتار تغییر همگروه یا شناسایی ابعاد شخصیتی براساس رفتار وی است، مورد استفاده قرار گیرد.

کلیدواژه‌ها

• کشف الگوهای مکرر
• قوانین توالی لاپلاس
• محیط یادگیری مشارکتی پویا

20.1001.1.20080441.1399.14.3.6.8

موضوعات

• کاربرد بازی در آموزش

عنوان مقاله [English]

Learners’ frequent pattern discovering in a dynamic collaborative learning environment designed based on game theory

نویسندگان [English]

• S. F. Noorani
• M.H. Manshaei
• E. Mahmoudzadeh
• M. A. Montazeri

Computer and IT Group, Department of Electrical and Computer Engineering, Isfahan University of Technology, Isfahan, Iran

چکیده [English]

Background and Objectives:In any educational system, the optimal output of educational approach is of particular importance. Therefore, considering the personality characters of individuals and providing educational services in accordance with their characteristics are effective factors in learning and educational efficiency improvement. Analyzing the data related to learner’s behavior in an educational environment and implicitly discovering the learner’s personality based on their behavior is a well-noticed study in recent years. Over the last few years, using learners’ information such as number of friends, the level of activities in educational forum, writing style of learner, study duration, the difficulty of solved problem, the difficulty of presented example by learners, number of clicks, number of signs in sentences, the time spent doing homework are items that has been used to personal characteristic identification.
This study is aimed at using teammates’ changing / not changing data in order to learners’ personality identification. For this purpose the teammates’ changing/ not changing data extracted from a dynamic collaborative learning environment that allows leaners to change their teammate during the different sessions of learning, are used. The design and implementation of mentioned dynamic collaborative learning environment is based on game theory. Game theory provides mathematical models of conflict and collaboration between intelligent rational decision-makers.
Methods: In this paper, we collect teammates’ changing/not changing information of 119 randomly selected computer engineering students from a game theoretical dynamic collaborative learning environment. At the next step, using frequent pattern mining, as a tools of data mining, some aspects of the neo big 5 personality traits of learners are identified. In this survey, in order to evaluate the results, the extracted patterns from frequent pattern mining are compared with the neo big 5 personality questionnaire that have been filled by learners. In another part of research, using the Laplace’s rule of succession, valuable predictions were made about the probability of teammate’s changing of learners during the learning process.
Findings: In this study, using frequent pattern mining in learners’ behaviour, we identified some neo big 5 personality traits such as those in the first (neuroticism), second (extraversion), and third (openness to experience) dimensions, with an acceptable support value. The results of this part of research can be used in any adaptive learning environment that adapt learning process for individual learners with different personality. At the next step of our study, we predicted the probability of the teammate changing in the sessions after. At this step, we had a prediction accuracy of up to 67.44%. Using the results of this part, teammate suggestion can be made to learner based on likelihood of their teammates’ changing. That is, higher teammate changing probability, more appropriate teammate suggestion to learner.
Conclusion: The results of the present study can be used in any adaptive system that requires predicting group change behaviour or identifying personality dimensions based on behaviour.
 

کلیدواژه‌ها [English]

• Frequent pattern mining
• Laplace’s rule of succession
• Dynamic collaborative learning environment

COPYRIGHTS 
©2020 The author(s). This is an open access article distributed under the terms of the Creative Commons Attribution (CC BY 4.0), which permits unrestricted use, distribution, and reproduction in any medium, as long as the original authors and source are cited. No permission is required from the authors or the publishers.