دانلود مقاله ISI انگلیسی شماره 41012 + ترجمه فارسی
عنوان فارسی مقاله

مدل دسترسی الکترونیکی در یادگیری الکترونیکی ترکیبی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
41012 2015 10 صفحه PDF 10 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
E-inclusion Modeling for Blended e-learning Course ☆
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Computer Science, Volume 65, 2015, Pages 744-753

فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی
1. پیشگفتار
2. تکنولوژی ها و روش های پیش بینی دسترسی الکترونیکی
2.1 تاریخچه تحقیق
شکل 1. فرایندهای اصلی سیستم پیش بینی براساس فراگیری ماشین 
2.2 دامنه آنالیز دسترسی الکترونیکی و انتخاب الگوریتم ها برای پیش بینی
2.3 مقایسه با روش های دیگر
3. طراحی مدل دسترسی الکترونیکی
3.1 روش
3.2 مدل اهداف در سیستم پیش بینی دسترسی الکترونیکی
شکل 2. مدل اهداف برای سیستم پیش بینی دسترسی الکترونیکی 
3.3 بیشترین موارد استفاده از مدل پیش بینی دسترسی الکترونیکی
شکل 4. مورد استفاده مدرس از مدل دسترسی الکترونیکی 
4. الگوریتم های مدل پیش بینی دسترسی الکترونیکی
شکل 5. الگوریتم یادگیری مدل دسترسی الکترونیکی 
شکل 6. الگوریتم پیش‌بینی در مدل دسترسی الکترونیکی 
5. نتیجه
کلمات کلیدی
گنجاندن الکترونیکی - آموزش الکترونیکی - فراگیری ماشین
کلمات کلیدی انگلیسی
E-inclusion; e-learning; machine learning
ترجمه چکیده
این مطالعه به بررسی مشکل دسترسی الکترونیکی می پردازد که به دسترسی حداکثر افراد برای بهره بردن از مزایای تکنولوژی اطلاعات و ارتباطات مربوط می شود. با وجود این که اتحادیه اروپا بیانیه ی دسترسی الکترونیکی که هدف آن کاهش تفاوت های موجود میان افراد و افزایش سطح مهارت های الکترونیکی میان افراد است را در سال 2006 پذیرفت، این روزها مشکل دسترسی الکترونیکی هنوز وجود دارد. بنابراین یافتن روش مناسب برای ارتقای سطح دسترسی الکترونیکی در جامعه ضروری است. ما روشی با ظرافت بیشتری را پیشنهاد می کنیم که رضایت دانش آموزان از محیط یادگیری الکترونیک و مواد آموزشی الکترونیک، توانایی دانش آموزان در یادگیری، تمایل مدرس در ارائه ی اطلاعات و موارد دیگر در آن مَد نظر قرار گرفته است. علاوه بر آن ما معتقدیم دسترسی الکترونیکی نه تنها به معنا مهارت های دیجیتال در سطح بالا است بلکه به معنای استفاده از این مهارت های دیجیتال برای بهره بردن از تکنولوژی های مختلف است. جهت بدست آوردن پیش بینی‌هایی برای الگوریتم ها دامنه ی مطالعه داده های دسترسی الکترونیکی را براساس تئوری مدیریت دانش تعیین کردیم. هدف کار پیشنهاد شده ارائه مدل مجازی دسترسی الکترونیکی است که براساس ترکیب چندین الگوریتم است هنگامی که آنالیز تجمعی یا رگرسیون های خطی افزایش می یابد. این الگوریتم ها بر اساس داده های آماری بدست آمده از ارزشیابی گروه صد نفری دانش آموزان شرکت کننده در یادگیری الکترونیکی ترکیبی محاسبه شده است. در این مقاله ساختاری را پیشنهاد می کنیم که برای پیش بینی میزان دسترسی الکترونیکی دانش آموزان بر اساس روش فراگیری ماشین و عامل هوشمند طراحی شده است. ما در سیستم پیش بینی دسترسی الکترونیکی دو فرایند اصلی را مشخص کردیم. فرایند اول شامل فعالیت های یادگیری عامل می شود. عوامل باهوش الگوریتم مناسب جهت پیش بینی میزان دسترسی الکترونیکی دانش آموزان براساس رگرسیون خطی یا آنالیز تجمعی را یاد می گیرند. فرایند دوم شامل فعالیتهایی برای پیش بینی میزان دسترسی الکترونیکی دانش آموزان می شود. این فرایند بررسی ریسک های دسترسی الکترونیکی و نیز ارتباط میان دانش آموز و مدرس را شامل می شود. مدل دسترسی الکترونیکی پیشنهاد شده شامل نمودار، نمودار موارد استفاده و الگوریتم های اصلی سیستم می باشد. از جمله نتایج استفاده از مدل دسترسی الکترونیکی می توان به پیش بینی میزان دسترسی الکترونیکی فرد و نیز عوامل ریسک در دسترسی الکترونیکی برای فرد، برای مثال مواد آموزشی یادگیری الکترونیکی نامناسب یا عدم علاقه به یادگیری، یا نارضایتی نسبت محیط یادگیری الکترونیکی یا عوامل دیگر اشاره کرد.
پیش نمایش مقاله
پیش نمایش مقاله مدل دسترسی الکترونیکی در یادگیری الکترونیکی ترکیبی

چکیده انگلیسی

This study addresses the e-inclusion problem that relates to the inclusion of as many individuals as possible to enjoy benefits of information and communication technology. Despite the fact that European Union accepted e-inclusion declaration in 2006 which aims to reduce disparities that exist among individuals and to improve the level of e-skills among people, nowadays e-inclusion problem still exists. Therefore it is necessary to find out new approach to promote e-inclusion in society. We propose a more nuanced design approach that takes into account student's satisfaction with e-learning environment and e-materials, student's ability to learn, instructor willingness to share knowledge and others factors. Moreover we believe that e-inclusion means not only high level of digital skills but also the usage of these digital skills to benefit from technologies. To obtain predictors for algorithms we did e-inclusion data domain study based on knowledge management theory. The aim of proposed work is to present e-inclusion theoretical model which is based on integration of several algorithms as multiply linear regression and cluster analysis. These algorithms were calculated based on statistical data obtained on evaluating a group of five hundred blended e-course learners. In this paper we propose architecture designed to predict e-inclusion degree of student based on machine learning and intelligent agent approach. We identified two main processes in the e-inclusion prediction system. The first process consists of agent learning activities. Intelligent agents learn the most appropriate algorithm to predict e-inclusion degree of student based on linear regression or cluster analysis. The second process includes activities to predict e-inclusion degree of student. This process covers analysis of e-inclusion risks and communication between student and instructor also. Proposed e-inclusion model consists of goal diagram, use cases diagrams and main algorithms of the system. As the result of the e-inclusion model is prediction of e-inclusion degree of person as well as e-inclusion risk factors for person, for instance inappropriate e-learning materials or no interest to learn, or dissatisfaction with e-learning environment, or others factors.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.