مقاله کاربرد روشهای داده کاوی در آموزش از راه دور

بخشی از مقاله

چکیده

داده کاوی آموزشی شاخه ای از داده کاوی است که ابزارها و تکنیکهای آموزشی داده کاوی را جهت استفاده داده در بخش آموزشی فراهم می نماید و به محققین کمک می کند تا برای فهم بهتر انگیزه ها و علایق یادگیران در آموزش الکترونیکی، تلاش بیشتری نمایند.

هنگامی که فرایند یادگیری سنتی تبدیل به یادگیری از راه دور می شود، داده کاوی آموزشی برای تولید اطلاعات از منابع الکترونیکی برای غنی سازی مدلهای یادگیری به کار گرفته می شود. این مقاله کاربرد روشهای داده کاوی در سیستمهای آموزشی از راه دور را مورد مطالعه قرار می دهد تا مدلهایی برای رشد محیطهای آموزشی از راه دور برای ارتقاء سطح آموزش یادگیران فراهم شود.

مقدمه

داده کاوی آموزشی یک روش جدید برای آموزش محسوب می شود که درآن حجم زیادی از اطلاعات در مورد تعاملات یادگیری معلم محور تولید شده و در نهایت در دسترس قرار می گیرد. داده کاوی به وجود امد تا مشکلات در زمینه آموزش ازراه دور را تاحدودی رفع نماید.به بیان جزئی تر، داده کاوی نه فقط به عنوان یک مجموعه ای از روشهای تحلیل داده شناخته می شود بلکه به عنوان یک فرایند تحلیل داده ای است که هرچیزی را از فهم داده، پیش پردازش و مدل کردن برای فرایند ارزیابی و پیاده سازی را شامل می شود. یک جنبه از داده کاوی که آنرا منحصر بفرد می سازد این است که داده کاوی توجه خاصی به تکنیکهای مدلسازی با فناوری اطلاعات جدید دارد که معمولا برروی پایگاه داده های بزرگ ، همگن و پیچیده متمرکز می باشد

در آموزش سنتی نقش یادگیرنده به صورت منفعلانه می باشد. اما در آموزش از راه دور، نقش فعالی دارد. این نوع آموزش محیط یادگیری خودمختار جدیدی را فراهم می سازد که دارای سه مولفه اصلی »محتوای چندرسانه ای«، مشارکت یادگیران و آموزش با پشتیبانی کامپیوتر می باشد.

شکل : - 1 - چرخه کاربرد داده کاوی در سیستمهای آموزشی

فرایند داده کاوی آموزشی همان مراحل داده کاوی را طی می کند - شکل . - 1 همانطور که در شکل ملاحظه می نمایید، مربیان و مسئولان دانشگاهی، کار طراحی ، برنامه ریزی،ساخت و نگهداری سیستمهای آموزشی را برعهده دارند.و یادگیران در حال استفاده و تعامل با آنها هستند. در این سیستمها ، اطلاعات مهمی در مورد یادگیران، دروس و داده های مربوط به تعامل آنها با سیستم وجود دارد.به دلیل کثرت اطلاعات نیاز به تکنیکهای داده کاوی محسوس است که در محیطهای آموزش از راه دور می توان به الگوریتمهای دسته بندی و پیشگویی، خوشه بندی، قوانین انجمنی و متن کاوی اشاره کرد.

این مراحل با پردازش داده به منظور آماده سازی آن جهت یادگیری یعنی استفاده از تکنیکهای پاکسازی، کاستن از تعداد نمونه ها و متغیرهای ورودی برای ساده سازی کار الگوریتم ها آغاز می شود.الگوریتمهای یادگیری برای استخراج اطلاعات مفید از داده که بستگی به هدف نهایی کاربر - از قبیل خوشه بندی و کلاس بندی - ، بکار گرفته میشوند.

اهداف EDM

·    پیش بینی رفتار یادگیری آینده یادگیران با ایجاد مدلهای یادگیری ، اطلاعاتی مانند دانش، انگیزه، فراشناخت و ویژگیهای یادگیران را باهم ترکیب می نماید.

·    کشف یا بهبود مدلهای دامنه ای که محتوای آموزشی را جهت تبدیل به سلسله ساختارهای دستوری بهینه شده متمایز می نمایند.

·    مطالعه اثرات پشتیبانهای آموزشی که می توانند توسط نرم افزارهای یادگیری فراهم شوند.

ترقی دانش علمی درباره فرایند یادگیری و یادگیران از طریق ساخت مدلهای محاسباتی

ابزارهای داده کاوی آموزشی

کشف دانش در پایگاه داده ها با مراحل زیر تعریف می شود:

.1انتخاب .2پیش پردازش .3تبدیل .4داده کاوی .5ارزیابی و یا به تعبیری ساده تر مراحل عبارتند از : .1پیش پردازش، .2داده کاوی و .3 رابطه کاوی

پیش پردازش

قبل از اینکه الگوریتمهای داده کاوی استفاده شوند، یک مجموعه داده هدف باید پردازش شود. این محموعه داده هدف باید به اندازه کافی بزرگ باشد تا الگوهای پوشش داده نشده توسط فرایند داده کاوی را نیز شامل شود.پیش پردازش برای تحلیل مجموعه داده های چندمتغیره نیاز می باشد. مجموعه هدف نیز بعدا پاک خواهد شد.فرایند پاکسازی داده ، مشاهدات شامل نویز و سایر داده های از دست رفته را پاک خواهد نمود.