التخصص: تقنية المعلومات

التخصص الدقيق:

المستخلص: يعد أسلوب التعلم الذي يركز على التعلم الفردي أحد أهم جوانب أي بيئة تعليمية. يتمتع كل متعلم بطريقة فريدة في فهم المعلومات الجديدة والاحتفاظ بها ومعالجتها وتفسيرها بناءً على أساليب التعلم الخاصة به. أصبحت قدرة نظام التعلم الإلكتروني على تحديد أسلوب تعلم الطالب تلقائيًا أكثر أهمية. بالنسبة لأحداث التعلم ، يوفر تطور منصات التعلم الإلكتروني للطلاب فرصًا أعلى عبر الإنترنت. في هذه الورقة ، اقترحنا خوارزمية Levy Flight Distribution (CNN-LFD) القائمة على الشبكة العصبية التلافيفية للتنبؤ بأسلوب التعلم. ينقسم نظام التعلم الإلكتروني التكيفي إلى قسمين: التنبؤ التلقائي بنمط التعلم والتصنيف بناءً على عدد أنماط التعلم المضمنة. في البداية ، يقوم الطالب بتسجيل الدخول باستخدام معرف المستخدم الخاص به ، ويتم حفظ البيانات في قاعدة البيانات. يتم استخراج الميزات مثل درجة الاستبيان وبيانات اعتماد تسجيل الدخول (معرف الجلسة ومعرف المتعلم ومعرف الدورة التدريبية) ووقت تسجيل الدخول (الموقع ومعرف الجلسة) جنبًا إلى جنب مع تسلسل سلوك التعلم للمستخدم. بعد ذلك ، تتنبأ خوارزمية CNN-LFD بأنماط التعلم للمتعلمين وهي: نشط / عاكس ، مستشعر / حدسي ، بصري / لفظي ، متسلسل / عالمي بناءً على الميزات المستخرجة. يتم جمع معلومات مجموعة البيانات من دورة تدريبية مفتوحة على الإنترنت (MOOC) ، والنموذج المقترح مبني في برنامج JAVA. تظهر النتائج التجريبية دقة تصنيف أعلى أثناء التنبؤ بأسلوب التعلم. تحقق خوارزمية CNN-LFD المقترحة 97.09٪ دقة وخصوصية 94.76٪ و 92.12٪ حساسية و 97.56٪ قيم دقة مقارنة بالطرق الأخرى

Abstract: A learning style that focuses on individual learning is one of the most important aspects of any learning environment. Each learner has a unique manner of understanding, retaining, processing, and interpreting new information based on their learning styles. The ability of an e-learning system to automatically determine a student’s learning style has become more essential. For learning events, the evolution of e-learning platforms provides students with higher opportunities online. In this paper, we proposed a Convolutional Neural Network-based Levy Flight Distribution (CNN-LFD) algorithm for learning style prediction. An adaptive e-learning system is divided into two sections: automatic learning style prediction and classification based on the number of learning styles included. Initially, the student logs in with their user ID, and the data is saved in the database. The features such as questionnaire score, login credentials (session ID, learner ID, and course ID), and login time (location, session ID) are extracted along with the sequence of the user’s learning behavior. After that, the CNN-LFD algorithm predicts the learning styles of the learners namely Active/reflective, Sensing/intuitive, visual/ verbal, sequential/global based on the extracted features. The dataset information are gathered from a Massive Open Online Course (MOOC), and the proposed model is built in JAVA software. The experimental results demonstrate higher classification accuracy during learning style prediction. The proposed CNN-LFD algorithm accomplishes 97.09% accu- racy, 94.76% specificity, 92.12% sensitivity, and 97.56%, precision values than other methods.

الحالة: محكم ومنشور

جهة التحكيم:

دار النشر:

سنة النشر: 0