دانلود پایان نامه : مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته تکنولوژی آموزشی

عنوان : مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

دانشگاه علامه طباطبایی

مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

 

 

به راهنمایی:

دکتر داریوش نوروزی

مشاوره:

دکتر علی دلاور و دکتر ناصر مزینی

داوران:

دکتر حسن رشیدی و دکتر ابراهیم طلایی

جهت اخذ درجه دکتری در رشته تکنولوژی آموزشی

  برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود(در فایل دانلودی نام نویسنده موجود است)تکه هایی از متن پایان نامه به عنوان نمونه :(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

آموزش الکترونیکی در مؤسسه­های آموزش عالی به ویژه در حوزه آموزش مهندسی ایران در حال توسعه چشمگیر است. پذیرش دانشجو برای تحصیل به روش الکترونیکی در ایران و جهان با چالشی مشترک و پدیده­ای تحت عنوان افت تحصیلی مواجه بوده به گونه­ای که آماری بین 20 تا 80 درصد برای افت تحصیلی گزارش شده که این میزان دو برابر آموزش متداول است. در راستای شناسایی عوامل مؤثر بر موفقیت یادگیرنده الکترونیکی در جامعه پژوهشی حاضر که مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران است، تحقیقی کمّی- کیفی اجرا شد. نمونه پژوهش 738 یادگیرنده الکترونیکی بود. داده‌های کمّی پژوهش با استفاده از پرسشنامه محقق ساخته گردآوری شد. روایی سازه ابزار با استفاده از روش تحلیل عاملی اکتشافی، روایی پیش­بین با استفاده از روش تحلیل رگرسیون و پایایی آن با استفاده از روش آلفای کرونباخ بررسی و تایید شد. داده‌های کیفی نیز از طریق مصاحبه، جلسات برخط، فروم و پیام­های دانشجویان گردآوری و مورد تحلیل کیفی قرار گرفت.نتایج تحلیل رگرسیون چند متغیری نشان داد، مدل رگرسیونی که تجارب یادگیری الکترونیکی را در بر می­گیرد 66.7%، متغیرهای دموگرافیک 24.8%؛ پیشینه تحصیلی 23.1%؛ متغیر­های روانی- فنی 16.4%؛ مدیریتی 14.6%؛ اجتماعی- اقتصادی 8% و رسانه­ای 4.4% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین می­کنند. معنی­دارترین متغیر­های پیش­بین در هر کدام از مدل­ها عبارت بود از: معدل ترم اول دانشجو در تحصیل الکترونیکی، سن، معدل مقطع قبل، اضطراب امتحان، خودگردانی، سکونت در شهرستان، دارا بودن لپ­تاپ. با استفاده از مدل معادلات ساختاری، مدلی تدوین و آزمون شد. این مدل 72% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین کرده و برازش مطلوب نیز داشت (2.294=X2/Df).در بخش تحلیل کیفی پژوهش، پس از تحلیل محتوای کیفی و کدگذاری باز و محوری، 11 کد محوری استخراج شد. پنج کد محوری که بیشترین فراوانی را داشتند عبارتند از: 1) تبعیض گذاشتن بین دانشجوی مجازی و روزانه؛ 2) عدم شرکت در کلاس مجازی؛ 3) مسائل روان‌شناختی محیط یادگیری الکترونیکی؛ 4) وفق نیافتن با سیستم مجازی؛ 5) مشکلات کلاس مجازی.در راستای شناسایی مدل مناسب هوش مصنوعی، از روش داده ­کاوی آموزشی استفاده شد. پیش­بینی وضعیت دانشجو در یادگیری الکترونیکی به دو صورت مسئله طبقه­بندی و رگرسیونی تعریف شد. نتایج میانگین خطای مطلق نشان داد برای مسئله رگرسیونی، الگوریتم M5' (از مدل­های درخت تصمیم­گیری) و M5Rules (از مدل­های استنتاج قانون) دقیق­ترین و پایاترینِ مدل­ها هستند. برای مسئله طبقه­بندی نیز الگوریتم JRip (از مدل­های استنتاج قانون) قدرت پیش­بینی مطلوب­تری نسبت به سایر مدل­ها داشت. مدل­های پیش­بینی درخت تصمیم و استنتاج قانون به دلیل قابلیت تفسیر نتایج و قدرت پیش­بینی بر مدل­های دیگر چون شبکه عصبی ترجیح داده شد. در پایان نتایج مربوط به یافته­های پژوهش بحث و پیشنهادات کاربردی برای کاهش افت و افزایش موفقیت یادگیرنده الکترونیکی ارائه شد.واژگان کلیدی: یادگیری الکترونیکی، افت تحصیلی، یادگیری ماشینی، هوش مصنوعی، داده ­کاوی آموزشی 

فهرست مطالب

چکیده أ‌فهرست مطالب.. ب‌فهرست جداول. ح‌فهرست اشکال. د‌فهرست نمودارها ذ‌
  1. فصل اوّل (کلیات پژوهش). 1
1-1 مقدمه. 21-2 بیان مسئله. 31-3 اهمیت و ضرورت تحقیق.. 61-4 سؤال ‌های تحقیق.. 81-5 اهداف تحقیق.. 91-6 تعریف مفاهیم و واژگان اختصاصی.. 91-6-1 تعاریف مفهومی. 91-6-2 تعاریف عملیاتی. 101-7 خلاصه فصل.. 11
  1. فصل دوّم (مرور مطالعاتی). 13
2-1 یادگیری الکترونیکی.. 142-2 تاریخچه آموزش‌های از راه دور و  الکترونیکی.. 182-3 نظریه ها و مدل های موفقیت و افت تحصیلی در یادگیری الکترونیکی.. 202-4 هوش مصنوعی و آموزش... 332-4-1 هوش.. 342-4-2 هوش مصنوعی. 352-4-3 کاربردهای آموزشی هوش مصنوعی. 382-4-4 الگوریتم های پیش بینی هوش مصنوعی. 492-5 پیشینه پژوهش های پیش بینی موفقیت تحصیلی.. 532-5- 1 پیشینه مبتنی بر روش‌هایی کمّی و آمیخته. 542-5- 2 پیشینه پژوهش های مبتنی بر معادلات ساختاری.. 652-5-3 پژوهش های مبتنی بر مدل های هوشمند. 692-5-4 جمع بندی پیشینه پژوهش ها و ارائه مدل ساختاری پیشنهادی.. 842-6 خلاصه فصل.. 91
  1. فصل سوّم (روش شناسی). 92
3-1 روش تحقیق.. 933-2 روش گردآوری اطلاعات و داده ها 943-3 روایی و پایایی ابزار پژوهشی.. 953-3-1 ساخت پرسشنامه. 983-3-2 روش گردآوری داده ها برای اعتباریابی ابزار پژوهش... 1003-3-3روایی  سازه ابزار 1013-3-4 پایایی پرسشنامه. 1033-3-5 روایی  پیش بین ابزار 1043-4 جامعه آماری، روش نمونه گیری و حجم نمونه. 1063-5 روش تجزیه و تحلیل داده ها 1083-6 خلاصه فصل.. 110
  1. فصل چهارم (یافته های پژوهش). 111
4-1 تحلیل  توصیفی  داده ها 1124-2 بررسی مفروضه های استفاده از رگرسیون.. 1134-2- 1 پیش فرض رابطه خطی بین متغیرها 1144-2- 2 پیش فرض نرمال بودن متغیر وابسته. 1164-3 آمار توصیفی متغیرهای پژوهش... 1174-4 هدف اوّل: نقش پیش بین متغیرهای دموگرافیک... 1214-4-1 متغیرهای دموگرافیک و پیش بینی افت تحصیلی. 1234-5 هدف دوّم: نقش پیش بین متغیرهای مربوط به پیشینه تحصیلی.. 1254-5- 1 پیشینه تحصیلی و پیش بینی افت تحصیلی. 1274-6 هدف سوّم: نقش پیش بین متغیرهای اجتماعی- اقتصادی.. 1284-6-1 وضعیت اجتماعی - اقتصادی و پیش بینی افت تحصیلی. 1304-7 هدف چهارم: نقش پیش بین متغیرهای روانی- فنی.. 1314-7-1 متغیرهای روانی-فنی و پیش بینی افت تحصیلی. 1334-8 هدف پنجم: نقش پیش بین متغیرهای رسانه ای.. 1344-8-1 متغیرهای رسانه ای و پیش بینی افت تحصیلی. 1364-9 هدف ششم: نقش پیش بین متغیرهای تجارب یادگیری الکترونیکی.. 1374-9-1 تجارب یادگیری الکترونیکی و پیش بینی افت تحصیلی. 1394-10 هدف هفتم: نقش پیش بین متغیرهای مدیریتی.. 1404-10-1 متغیرهای مدیریتی و پیش بینی افت تحصیلی. 1424-11 آزمون مدل روابط ساختاری.. 1434- 12 هدف هشتم: علل موفقیت و عدم موفقیت دانشجویان (تحلیل کیفی). 1474-12 -1 عوامل مؤثر بر موفقیت و افت (منحصر به آموزش الکترونیکی) 1494-12 -2 عوامل مؤثر بر موفقیت و افت (مشترک ولی مهم در آموزش الکترونیکی) 1564-12 -3 عوامل مؤثر بر موفقیت و افت (مشترک) 1624- 13 هدف نهم: شناسایی مدل مناسب هوش مصنوعی برای پیش بینی موفقیت.. 1634-13-1 شناسایی مدل های مناسب برای پیش بینی میزان موفقیت (رگرسیون) 1674-13-2 شناسایی مدل های مناسب برای پیش بینی موفقیت (طبقه بندی) 1694-14 هدف دهم:آزمون مدل هوش مصنوعی.. 1714-14-1 آزمون مدل های پیش بینی میزان موفقیت (رگرسیون) 1724-14-2 آزمون مدل های پیش بینی موفقیت (طبقه بندی) 1754- 15 خلاصه فصل.. 179
  1. فصل پنجم (بحث و بررسی). 183
5-1 بحث یافته های  هدف  اول پژوهش... 1845-2 بحث یافته های  هدف  دوم پژوهش... 1885-3 بحث یافته های  هدف  سوم پژوهش... 1905-4 بحث یافته های هدف  چهارم پژوهش... 1935-5 بحث یافته های هدف  پنجم پژوهش... 1965-6 بحث یافته های هدف  ششم  پژوهش... 1975-7 بحث یافته های هدف  هفتم  پژوهش... 2005-8 بحث یافته های مدل معادلات ساختاری.. 2005-9 بحث یافته های هدف هشتم پژوهش(کیفی). 2025-9-1 بحثی پیرامون ضرورت آموزش تلفیقی. 2035-9-2 بحثی پیرامون علل عدم مشارکت دانشجو در کلاس مجازی.. 2045-10 بحث یافته های هدف نهم و دهم پژوهش (مدل هوشمند). 2075-11 پیشنهاد برای کاهش افت و افزایش موفقیت.. 2115-12 محدودیت های پژوهش... 2145-13 پیشنهاداتی برای پژوهش های آینده. 214منابع و مأخذ. 215منابع فارسی. 215منابع لاتین. 216پیوست ها 224پیوست 1: پرسشنامه تحقیقاتی. 224پیوست 2: کدهای باز مربوط به علل عدم موفقیت.. 228پیوست 3: کدهای باز مربوط به علل موفقیت.. 232پیوست 4: قواعد درخت تصمیم برای مشخصه های پرسشنامه ای.. 234پیوست 5: شمایی از معماری ورژن 1 نرم افزار پیش بین. 242

فهرست جداول

جدول ‏1‑1:آمار مقایسه ای افت تحصیلی در آموزش الکترونیکی. 7جدول ‏2‑1: اصطلاحات به کار رفته برای انواع آموزش مبتنی بر فناوری اطلاعات.. 14جدول ‏2‑2: آموزش به کمک رایانه و سیستم‌های آموزشی هوشمند. 40جدول ‏2‑3: شاخص های مقایسه ای رگرسیون. 71جدول ‏2‑4: نتایج مقایسه الگوریتم ها در پژوهش لوون. 71جدول ‏2‑5: نتایج مقایسه الگوریتم ها در پژوهش کُتسیانتیس و همکارانش... 72جدول ‏2‑6: مقایسه صحت طبقه بندی در پژوهش بوگارد و همکاران. 83جدول ‏3‑1 : عوامل، گویه ها و بار عاملی پرسشنامه. 102جدول ‏3‑2: پایایی پرسشنامه. 103جدول ‏3‑3: خلاصه مدل رگرسیون. 104جدول ‏3‑4: نتایج تحلیل واریانس... 104جدول ‏3‑5: ضرایب استاندارد و استاندارد نشده متغیرها 105جدول ‏3‑6: جامعه آماری پژوهش... 106جدول ‏3‑7: نمونه آماری پیش بینی شده 107جدول ‏3‑8: نمونه واقعی پژوهش... 107جدول ‏3‑9: خلاصه روش پژوهش و تحلیل. 110جدول ‏4‑1: نظام کد دهی به متغیرها 112جدول ‏4‑2 :نتایج تحلیل همبستگی اسپیرمن برای متغیرهای اسمی و ترتیبی. 114جدول ‏4‑3: همبستگی متغیرهای نسبتی و فاصله ای با متغیر ملاک.. 115جدول ‏4‑4: آزمون نرمال بودن متغیر ملاک.. 117جدول ‏4‑5: آمار توصیفی متغیرهای پیش بین و ملاک (نسبتی و فاصله ای) 117جدول ‏4‑6: آمار توصیفی بر حسب جنسیت و وضعیت تأهل. 119جدول ‏4‑7: آمار توصیفی متغیرهای اجتماعی – اقتصادی (اشتغال، سکونت، هزینه تحصیل) 120جدول ‏4‑8 : آمار توصیفی متغیرهای رسانه ای (لپ تاپ، تلفن همراه، دسترسی به اینترنت) 120جدول ‏4‑9: همبستگی متغیرهای دموگرافیک با متغیر ملاک.. 121جدول ‏4‑10: خلاصه مدل رگرسیون برای متغیرهای دموگرافیک.. 122جدول ‏4‑11: تحلیل واریانس مدل رگرسیون متغیرهای دموگرافیک.. 122جدول ‏4‑12: ضرایب استاندارد شده و استاندارد نشده برای متغیرهای دموگرافیک.. 123جدول ‏4‑13: مقایسه آمار افت تحصیلی دانشجویان کارشناسی و کارشناسی ارشد. 123جدول ‏4‑14: جدول طبقه بندی بر اساس متغیرهای دموگرافیک.. 124جدول ‏4‑15: نقش متغیرهای دموگرافیک در معادله رگرسیون لجستیک.. 124جدول ‏4‑16: همبستگی پیشینه تحصیلی با متغیر ملاک.. 125جدول ‏4‑17: خلاصه مدل رگرسیون برای متغیرهای پیشینه تحصیلی. 126جدول ‏4‑18: تحلیل واریانس مدل رگرسیون مربوط به پیشینه تحصیلی. 126جدول ‏4‑19: ضرایب استاندارد شده و استاندارد نشده برای پیشینه تحصیلی. 126جدول ‏4‑20: جدول طبقه بندی بر اساس متغیرهای پیشینه تحصیلی. 127جدول ‏4‑21: نقش متغیرهای مربوط به پیشینه تحصیلی در معادله رگرسیون لجستیک.. 127جدول ‏4‑22: همبستگی متغیرهای اجتماعی - اقتصادی با متغیر ملاک.. 128جدول ‏4‑23: خلاصه مدل رگرسیون برای متغیرهای اجتماعی- اقتصادی.. 129جدول ‏4‑24: تحلیل واریانس مدل رگرسیون متغیرهای اجتماعی- اقتصادی.. 129جدول ‏4‑25: ضرایب استاندارد شده و استاندارد نشده برای متغیرهای اجتماعی - اقتصادی.. 130جدول ‏4‑26: جدول طبقه بندی بر اساس متغیرهای اجتماعی - اقتصادی.. 131جدول ‏4‑27 : همبستگی متغیرهای روانی- فنی  با متغیر ملاک.. 131جدول ‏4‑28: خلاصه مدل رگرسیون برای متغیرهای روانی - فنی. 132جدول ‏4‑29: تحلیل واریانس مدل رگرسیون مربوط به متغیرهای روانی - فنی. 132جدول ‏4‑30: ضرایب استاندارد شده و استاندارد نشده برای متغیرهای روانی - فنی. 133جدول ‏4‑31: جدول طبقه بندی بر اساس متغیرهای روانی - فنی. 133جدول ‏4‑32: نقش متغیرهای روانی - فنی در معادله رگرسیون لجستیک.. 134جدول ‏4‑33 : همبستگی متغیرهای رسانه ای  با متغیر ملاک.. 134جدول ‏4‑34: خلاصه مدل رگرسیون برای متغیرهای رسانه ای.. 135جدول ‏4‑35: تحلیل واریانس مدل رگرسیون مربوط به متغیرهای رسانه ای.. 135جدول ‏4‑36: ضرایب استاندارد شده و استاندارد نشده برای متغیرهای رسانه ای.. 136جدول ‏4‑37: جدول طبقه بندی بر اساس متغیرهای رسانه ای.. 136جدول ‏4‑38: همبستگی تجارب یادگیری الکترونیکی با متغیر ملاک.. 137جدول ‏4‑39: خلاصه مدل رگرسیون برای متغیرهای تجارب یادگیری الکترونیکی. 138جدول ‏4‑40: تحلیل واریانس مدل رگرسیون برای تجارب یادگیری الکترونیکی. 138جدول ‏4‑41: ضرایب استاندارد شده و استاندارد نشده برای تجارب یادگیری الکترونیکی. 138جدول ‏4‑42: جدول طبقه بندی بر اساس تجارب یادگیری الکترونیکی. 139جدول ‏4‑43: نقش تجارب یادگیری الکترونیکی در معادله رگرسیون لجستیک.. 140جدول ‏4‑44: همبستگی متغیرهای مدیریتی با متغیر ملاک.. 141جدول ‏4‑45: خلاصه مدل رگرسیون برای متغیرهای مدیریتی. 141جدول ‏4‑46: تحلیل واریانس مدل رگرسیون برای متغیرهای مدیریتی. 141جدول ‏4‑47: ضرایب استاندارد شده و استاندارد نشده برای متغیرهای مدیریتی. 142جدول ‏4‑48: جدول طبقه بندی بر اساس متغیرهای مدیریتی. 142جدول ‏4‑49: چولگی و کشیدگی متغیرها (فرض نرمال بودن) 143جدول ‏4‑50 :ضرایب استاندارد مستقیم برای مدل اولیه. 144جدول ‏4‑51: ضرایب استاندارد غیر مستقیم برای مدل اولیه. 144جدول ‏4‑52: شاخص های نیکویی برازش مدل اولیه. 145جدول ‏4‑53: مهم‌ترین متغیرهای پیش بین موفقیت یادگیرنده الکترونیکی. 145جدول ‏4‑54: شاخص های نیکویی برازش مدل تعدیل شده 146جدول ‏4‑55: ضرایب مسیر مستقیم برای مدل تعدیل شده 147جدول ‏4‑56: ضرایب مسیر غیر مستقیم برای مدل تعدیل شده 147جدول ‏4‑57: کدهای محوری برای عوامل خاص تأثیرگذار بر افت تحصیلی دانشجوی الکترونیکی. 150جدول ‏4‑58: کدهای محوری برای عوامل خاص تأثیرگذار بر موفقیت دانشجوی الکترونیکی. 156جدول ‏4‑59: کدهای محوری برای عوامل مشترک ولی مهم بر افت تحصیلی دانشجوی الکترونیکی. 157جدول ‏4‑60: کدهای محوری برای عوامل مشترک ولی مهم بر موفقیت دانشجوی الکترونیکی. 161جدول ‏4‑61:کدهای محوری برای عوامل مشترک موثر بر افت تحصیلی دانشجوی الکترونیکی و حضوری.. 162جدول ‏4‑62: کدهای محوری برای عوامل مشترک بر موفقیت دانشجوی الکترونیکی و حضوری.. 162جدول ‏4‑63 : مشخصه های ورودی و ارزش های مربوطه. 164جدول ‏4‑64: مشخصه های پرسشنامه ای و ارزش های مربوطه. 164جدول ‏4‑65: کارآیی الگوریتم های پیش بینی رگرسیونی با داده های آموزش.. 168جدول ‏4‑66: الگوریتم های بکار رفته برای حل مسئله طبقه بندی.. 169جدول ‏4‑67 : کارآیی الگوریتم های پیش بینی طبقه بندی با داده های آموزش.. 170جدول ‏4‑68: کارآیی الگوریتم های پیش بینی رگرسیونی با داده های تست.. 172جدول ‏4‑69: کارآیی الگوریتم های پیش بینی طبقه بندی  با داده های تست.. 175جدول ‏5‑1 : خلاصه تحقیقات مرتبط با متغیرهای دموگرافیک.. 185جدول ‏5‑2: خلاصه تحقیقات مرتبط با پیشینه تحصیلی. 189جدول ‏5‑3: خلاصه تحقیقات مرتبط با وضعیت اجتماعی - اقتصادی.. 191جدول ‏5‑4: مقایسه معدل دانشجویان بر حسب سرعت اینترنت.. 197 

فهرست اشکال

شکل ‏2‑1: مفاهیم مرتبط با یادگیری الکترونیکی. 16شکل ‏2‑2: مدل طولی "تینتو". 23شکل ‏2‑3: مدل مسیر "کمبر" برای افت تحصیلی در آموزش از راه دور 24شکل ‏2‑4 :مدل مسیر "بویلز". 25شکل ‏2‑5:‏ مدل "برنارد و هانگ" برای ماندگاری دانشجو در یادگیری الکترونیکی. 27شکل ‏2‑6: مدل "بکِله" برای عوامل موثر بر موفقیت یادگیری الکترونیکی. 29شکل ‏2‑7: مدل ادامه تحصیل در یادگیری الکترونیکی. 30شکل ‏2‑8: مدل مسیر "شین و کیم". 31شکل ‏2‑9: مدل "ونسترا، دی و هرین" برای ماندگاری دانشجویان مهندسی. 32شکل ‏2‑10: اجزاء سیستم آموزش هوشمند مبتنی بر وب.. 43شکل ‏2‑11: نورون بیولوژیک.. 51شکل ‏2‑12: پرسپترون. 52شکل ‏2‑13: پرسپترون چند لایه. 52شکل ‏2‑14: فرایند یادگیری شبکه های پس انتشار 53شکل ‏2‑15: مدل مسیر پیشنهادی پژوهش حاضر. 88شکل ‏4‑1: آزمون مدل ساختاری اولیه. 144شکل ‏4‑2: مدل ساختاری معنی دار 146شکل ‏5‑1: عوامل زمینه ساز عدم مشارکت در کلاس مجازی.. 206شکل ‏5‑2: نمونه خروجی الگوریتم M5rules بر حسب مشخصه های پرسشنامه ای.. 208شکل ‏5‑3 : نمونه خروجی الگوریتم J48 بر حسب مشخصه های پرسشنامه ای.. 210 

فهرست نمودار­ها

نمودار ‏4‑1: مقایسه معدل مقطع قبل، ترم اول و کل. 118نمودار ‏4‑2: مقایسه میانگین متغیرهای پرسشنامه ای.. 118نمودار ‏4‑3 : کارآیی مدل های رگرسیونی در مرحله آموزش و تست با تمام مشخصه ها 172نمودار ‏4‑4: کارآیی مدل های رگرسیونی در مرحله آموزش و تست با تمام مشخصه ها بدون معدل ترم اول. 173نمودار ‏4‑5: کارآیی مدل های رگرسیونی در مرحله آموزش و تست با مشخصه های پرسشنامه ای.. 174نمودار ‏4‑6: کارآیی مدل های رگرسیونی در مرحله آموزش و تست با مشخصه های ورودی.. 174نمودار ‏4‑7: کارآیی مدل های طبقه بندی در مرحله آموزش و تست با تمام مشخصه ها 176نمودار ‏4‑8 :کارآیی مدل های طبقه بندی در مرحله آموزش و تست با تمام مشخصه ها بدون معدل ترم اول. 177نمودار ‏4‑9: کارآیی مدل های طبقه بندی در مرحله آموزش و تست با مشخصه های پرسشنامه ای.. 178نمودار ‏4‑10: کارآیی مدل های طبقه بندی در مرحله آموزش و تست با مشخصه های پرسشنامه ای.. 179

مقدمه

سرعت توسعه و پذیرش فناوری اطلاعات و ارتباطات با سایر فناوری­ها قابل قیاس نیست. در مقام مقایسه، بعد از اختراع رادیو 38 سال طول کشید تا 50 میلیون نفر از آن استفاده کنند، این مدت برای تلویزیون 13 سال و برای رایانه­های شخصی 16 سال طول کشید. در حالی که این مدت زمان برای پذیرش و به‌کارگیری اینترنت 4 سال بوده است (هنری، کوک و مونتز[1]، 1997 به نقل از ولش[2]،2007). این توسعه سریع و چشم­گیر عرصه­های مختلف صنعت، کشاورزی و خدمات را تحت تأثیر خود قرار داده است. عرصه تعلیم- تربیت و تربیت نیروی انسانی نیز از این تحولات بی­نصیب نمانده است. آموزش مبتنی بر رایانه، آموزش مدیریت شده توسط رایانه، آموزش به کمک رایانه، آموزش مبتنی بر وب، کارآموزی مبتنی بر وب، یادگیری مبتنی بر وب، یادگیری ارتقاء داده شده توسط وب، خودآموزهای مبتنی بر وب، سیستم­های آموزشی مبتنی بر وب، آموزش مبتنی بر اینترنت، یادگیری بر خط، یادگیری مجازی و مفاهیمی از این قبیل هر چند تفاوت­های اندک و بعضاً قابل توجهی با هم دارند، اما همگی مفاهیمی هستند که در دهه اخیر به شدت در نظام­های آموزشی به چشم می­خورند. تمام این مفاهیم زیر پوشش چتر بزرگ‌تر یادگیری الکترونیکی قرار می­گیرند (آناهینا[3]، 2005). این آموزش­ها با شعارهایی چون فرصت­های برابر آموزشی، ارتقاء کیفیت آموزشی، یادگیری در هر زمان و هر مکان، نوید تحول شگرفی را در نظام­های آموزشی می‌دهد.یادگیری الکترونیکی به سرعت در حال توسعه کمی است. به گزارش اَمبینت این سایت[4] (2011) - یکی از معتبرترین نهادهای آماری مربوط به یادگیری الکترونیکی- ارزش تولیدات و خدمات یادگیری الکترونیکی تا سال 2010 به 32.1 میلیارد دلار رسیده است. نرخ رشد مرکب سالانه، طی پنج سال 9.2% گزارش شده است؛ پیش­بینی می­شود این درآمد تا سال 2015 به 49.9 میلیارد دلار برسد. هر چند در گزارش مذکور، آمار مربوط به ایران ذکر نشده است اما پیش­بینی شده، آسیا بعد از آمریکا دومین مصرف کننده تولیدات و خدمات یادگیری الکترونیکی باشد. هند، چین و مالزی به ترتیب بزرگ‌ترین بازار جهانی در آسیا محسوب می­شوند. «چاینا ایجو[5]» در چین با 311 هزار دانشجوی آنلاین بعد از دانشگاه فونیکس دومین دانشگاه آنلاین جهان محسوب می­شود. «چاینا کَست[6]» با بیش از 143 هزار دانشجوی آنلاین در کنار دانشگاه «ایدکُن[7]» برزیل، سومین دانشگاه الکترونیکی جهان محسوب می­شود (امبینت این سایت،2011). آمار منتشره آموزش از راه دور آمریکا در سال تحصیلی 2007-2006 نشان­ دهنده این است که 66% از تمام مراکز آموزش عالی این کشور، آموزش خود را به روش از راه دور ارائه می­کنند. اهمیت توجه به آموزش­های الکترونیکی زمانی مشخص می­شود که 77 درصد این دانشگاه­ها آموزش خود را به روش برخط و 12% به روش آموزش تلفیقی و فقط 12% از دانشگاه­ها آموزش خود را در قالب­های قدیمی آموزش از راه دور (مکاتبه­ای) ارائه می­کنند. این بدان معنا است که حدود 90% از مراکز آموزش عالی آمریکا از یادگیری الکترونیکی در سیستم آموزش از راه دور خود استفاده می­کنند (مرکز ملی آمار آموزشی آمریکا[8]، 2008). این آمار توسعه چشم­گیر فقط مربوط به آمریکا نمی­شود بلکه کشورهایی مانند استرالیا به دلیل سابقه زیاد در آموزش از راه دور و پراکندگی جغرافیایی به وفور از آموزش­های الکترونیکی استفاده می­کنند.توسعه آموزش عالی الکترونیکی در ایران نیز بسیار سریع است. بسیاری از دانشگاه­های جامع ایران چون دانشگاه تهران و دانشگاه شیراز، قریب به یک دهه است که اقدام به پذیرش دانشجو به روش الکترونیکی نموده­اند. از میان دانشگاه­های فنی-مهندسی که پیشگامان این حوزه نیز به شمار می­روند، می­توان به دانشگاه علم و صنعت ایران، امیرکبیر و خواجه نصیرالدین طوسی اشاره کرد. در کنار این دانشگاه­های دولتی، چندین دانشگاه و موسسه آموزش عالی خصوصی نیز اقدام به پذیرش دانشجوی الکترونیکی کرده­اند. مضاف بر این تعداد، در بسیاری از دانشگاه­ها، دانشجویان حضوری می­توانند یک یا چند درس خود را به روش الکترونیکی بگذرانند. در کنار این توسعه کمّی، کیفیت مهم‌ترین دغدغه و موضوع مورد سئوال محققان و پژوهشگران این حوزه است. کاسی[9] (2008) در این مورد آورده است: ارائه دروس آموزش عالی به صورت برخط نویدبخش است، اما نسبت به سایر روش‌هایی آموزشی قرن 21، بیشتر مورد سوء­ظن و بدگمانی است. توسعه کمّی یادگیری الکترونیکی به عنوان یک روش جدید آموزش از راه دور با چالش‌های فراوانی مواجه است. توجه به برخی از چالش­ها مخصوص کشورهای در حال توسعه و برخی نیز دغدغه مشترک تمام کشورها است. موضوعاتی مانند بومی­سازی فناوری­ها و چالش­های حقوقی و قانونی و یا ضعف در شبکه­ها و زیرساخت­های ارتباطی را می­توان چالش منحصر به کشورهای در حال توسعه دانست. یکی از چالش­های مشترک که کشورهای توسعه یافته و در حال توسعه در مدیریت یادگیری الکترونیکی با آن مواجه هستند مسئله بالا بودن شکست و افت تحصیلی دانشجویان در یادگیری الکترونیکی است. این رساله در صدد پرداختن به این مهم است که در ادامه به بیان و مستند سازی این مسئله خواهیم پرداخت. 

1-2 بیان مسئله

توانمندی­ها و قابلیت­های یادگیری الکترونیکی به حدی است که کمتر شک و شبهه­ای در اثربخشی این فناوری­ها می­رود. این نوع آموزش­ها علاوه بر اینکه تجارب یادگیری را غنی می­سازند و سطح کیفی آموزش­ها را ارتقاء می­دهند، زمینه عدالت آموزشی و فرصت­های برابر را برای آموزش همگان فراهم می­آورند. فراهم نمودن فرصت­های برابر آموزشی در آموزش­های الکترونیکی قابلیتی، ستودنی است. یادگیری الکترونیکی این فرصت را فراهم می­آورد تا افراد ناتوان و بازمانده از تحصیل با دسترسی به یک رایانه و خط اینترنت به آموزشی دست یابند که سایر هم سنخان آن‌ها در دانشگاه و مراکز آموزش حضوری از آن برخوردارند. مراکز آموزش الکترونیکی امروزی را می‌توان همانند اولین مدرسه­هایی دانست که پس از مکتب­خانه توسعه یافته­اند. یک مرکز آموزش الکترونیکی عالی در عصر حاضر حکم دارالفنونی را در قرن 21 دارد که سیستمی جدید، روشی متمایز و چالش­های خاص خود را دارد.هر تغییری در مرحله گذار خود تا نهادینه شدن با مشکلاتی چون مقاومت مردم و مسئولین مواجه است. پذیرش تغییر در مواردی چون روش یادگیری دانشجویان، روش تدریس مدرسان، برنامه­ریزی درسی، روش‌هایی ارزشیابی و مدیریت، از جمله چالش­های پذیرش و موفقیت یادگیری الکترونیکی در جهان است. یکی از مهم‌ترین این چالش­ها بالا بودن میزان افت تحصیلی دانشجویان در یادگیری الکترونیکی است به گونه­ای که در مبحث اهمیت پژوهش حاضر خواهیم دید، افت تحصیلی بین 18 تا 54 درصد گزارش شده است که این آمار به مراتب بیشتر از آموزش­های حضوری (متداول) است. این مشکل از اوان فراگیر شدن آموزش­های الکترونیکی در دانشگاه­ها توجه متخصصان و تصمیم گیران را به خود جلب کرده است. بدون شک یکی از دلایل افت تحصیلی بالا، نوپا بودن این نوع نظام آموزشی است و البته انتظار می­رفت با گذشت زمان این افت کاهش یابد. نتایج تحقیقات که به اوایل قرن بیست یکم بر می­گردد، نشان می­دهد در مقوله افت تحصیلی دانشجو در یادگیری الکترونیکی تغییر چندانی حاصل نشده، این در حالی است که با توسعه زیرساخت­های شبکه­ای، دسترسی به اینترنت برای یادگیرندگان و مدرسان به طور قابل توجهی افزایش یافته است؛ با این وجود، نه تنها افت تحصیلی دانشجویان کاهش نیافته است بلکه در برخی از پژوهش­ها، برخلاف انتظار با گذشت زمان میزان آن نیز بیشتر شده است (نگاه کنید به: پارک و چوئی[10]، 2009).مشکل افت تحصیلی در یادگیری الکترونیکی به دلایل مختلفی حائز اهمیت است و یکی از مهم‌ترین دلایل اهمیت این مقوله، تضمین کیفیت یادگیری الکترونیکی و ارتقاء اثربخشی و کارآمدی این نوع آموزش­ نوپا است. افت، ترک تحصیل یا تکرار پایه­ها هزینه­های قابل توجهی بر مؤسسات آموزشی تحمیل می­کند و از طرفی در صورتی که به ترک تحصیل منجر شود، معنایی جز اتلاف وقت و سرمایه نخواهد داشت.افت تحصیلی در آموزش­های از راه دور از دیر باز، کانون توجه پژوهشگران این حوزه بوده است. برخی مواقع متخصصان و نظریه‌پردازان آموزش از راه دور به دلیل افت تحصیلی بالا در این نوع از آموزش­ها مورد انتقاد واقع شده‌اند، این پدیده و کاهش آن نیز به عنوان یکی از چالش­های پیش روی آموزش­های برخط مطرح است (رکدال[11]،2004). به زعم برگ و هانگ[12] (2004) بیش از 7 دهه است که مقوله ماندگاری دانشجو با جدیت پژوهش می­شود. این پژوهش­ها منجر به نتایج مفیدی در زمینه عوامل زمینه­ساز و مرتبط با ماندگاری، شده است. تحقیقات مربوط به ماندگاری دانشجو بر مواردی از قبیل: نرخ دانش­آموختگی، الگوهای ماندگاری دانشجو، الگوهای رفتاری فرسودگی دانشجو، روندهای تاریخی و عوامل روانی مرتبط با ماندگاری، متمرکز بوده است. محققان این حوزه در تلاش­هایشان ابزارها و مدل­هایی برای تبیین، سنجش و پیش­بینی افت تحصیلی ارائه کرده­اند. با وجود قدمت زیاد پرداختن به افت تحصیلی در آموزش­های حضوری، پرداختن به این مقوله در آموزش­های از راه دور، خیلی جدید نیست. نمونه اولین مدل­هایی که به مقوله افت تحصیلی در آموزش از راه دور پرداخته است، مدل بوشیر[13] (1973) است (بوشیر،1973 به نقل از برگ و هانگ،2004). این در حالی است که به این مسئله در آموزش­های الکترونیکی کمتر پرداخته شده است.راحت­ترین استدلال برای تحلیل علت افت تحصیلی این است که دانشجو درس نمی­خواند؛ هر کس درس نخواند مشروط می­شود. هر چند این اصل ساده صادق است اما بیانگر عمق مسئله نیست. در علت شناسی این پدیده تحلیل سادۀ دیگر، این است که مدرس، خوب نتوانسته است محتوا را تدریس نماید به عبارتی روش تدریس مدرس خوب نبوده است و یا تحلیل دیگر می­تواند این باشد که محتوای درس به اندازه­ای سخت بوده که دانشجویان آن‌را نفهمیده­اند. در مورد اول، مشکل افت تحصیلی ناشی از یادگیرنده و در مورد دوم به مدرس و در مورد سوم به محتوا نسبت داده شده است. پژوهش­های فراوانی برای شناسایی علل افت تحصیلی دانشجویان در آموزش­های از راه دور و متعاقب آن در آموزش­های الکترونیکی صورت گرفته است. در این بخش در راستای بیان مسئله و تبیین پیچیده بودن عوامل مرتبط با افت تحصیلی دانشجو، چند نمونه پژوهشی گزارش خواهد شد و در فصل دوم، پیشینه پژوهش­ها تشریح خواهد شد. در یکی از اولین پژوهش­های نظام­مند، علل افت آموزش از راه دور این‌گونه گزارش شده است:
  • کمبود زمان: کار وقت زیادی از دانشجویان را می­گیرد.
  • دلایل مادی.
  • تغییر اساسی در برنامه­های آینده.
  • مریضی.
  • مسائل شخصی.
  • نارضایتی از شرایط تحصیلی و زندگی.
  • رفتن به سربازی.
  • دلایل شخصی و خصوصی.
  • ازدواج.
  • سخت بودن دروس (رکدال، 1972).
در پژوهش دیگری که مستقیماً به علل افت تحصیلی دانشجویان در یادگیری الکترونیکی پرداخته شده است، علل زمینه ساز آن این‌گونه گزارش شده است:
  • عدم زمان کافی.
  • عدم وجود انگیزه.
  • طراحی ضعیف دروس.
  • عدم برخورداری از مدرسان توانمند (فرانکولا[14]،2001).
برخی در تحلیل علل مرتبط با موفقیت تحصیلی دانشجویان به نقش عوامل روان‌شناسانه چون سبک یادگیری[15]، مرکز کنترل[16] و ... پرداخته­اند. به عنوان مثال در پژوهشی اثر مرکز کنترل (درونی/ بیرونی) بر بهبود عملکرد یادگیری زبان در آموزش مبتنی بر وب بررسی شده است. نتایج این بررسی حاکی ست، عملکرد و خودکارآمدی دانشجویان با مرکز کنترل درونی به مراتب بهتر از دانشجویان با مرکز کنترل بیرونی بوده است (چانگ و هو[17]، 2009).همان‌گونه که از نمونه پژوهش­های انجام شده متوجه می­شویم، عوامل متعدد زیرساختی، شبکه­ای، فرهنگی، روانی و اجتماعی زمینه ساز موفقیت و عدم موفقیت دانشجو در یادگیری الکترونیکی است. جهانی بودن پدیده افت تحصیلی از یک طرف و مشکلاتی چون موانع زیر ساختی و فرهنگی یادگیری الکترونیکی؛ این پدیده را در ایران تشدید می­کند. مسئله‌ای که پژوهش حاضر بر آن متمرکز شده، شناسایی عوامل مرتبط با افت ­تحصیلی و شناسایی عوامل پیش­بینی کننده موفقیت دانشجویان در تحصیل الکترونیکی است. علاوه بر این، پژوهش حاضر در صدد ارائه مدلی مبتنی بر هوش مصنوعی است. با این هدف که مدل هوشمند بتواند موفقیت دانشجو را با دقت بیشتری پیش­بینی کند. این توان پیش­بینی، برای دانشجویان الکترونیکی به عنوان یک سیستم هشدار عمل کرده و دانشجو می­تواند با پیش­بینی وضعیت خود، برای مواجه شدن و به حداقل رساندن ریزش تدارک لازم را ببیند. از طرفی، برای مدیران و تصمیم گیران این امکان را فراهم می­آورد تا برای دانشجویان در معرض خطر، خدمات حمایتی آموزشی، مشاوره­ای فراهم آورند و خطر ریزش آنان را به حداقل ممکن برسانند؛ در بحث اهمیت تحقیق بیشتر به این قضیه خواهیم پرداخت.تعداد صفحه :  260قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید