27040

سيستم‌هاي توصيه‌گر دوره‌هاي آموزشي آنلاين بر پايه تصوير

كارشناسي ارشد

مهندسي كامپيوتر گرايش نرم افزار

93

1399/5/7

حسن نادري

كامپيوتر

امروزه با افزايش دوره‌هاي يادگيري آنلاين و حجم بالاي داده‌هاي موجود در اين سامانه‌ها، انتخاب دوره موردنظر براي يادگيري، توسط كاربران كار سختي است. از همين‌ رو راهكارهاي مختلفي، جهت دسته‌بندي و مرتب كردن داده‌هاي مربوط به دوره‌هاي يادگيري الكترونيكي صورت گرفته است. از طرفي سيستم‌هاي توصيه‌گر امروز، به كمك انسان آمده‌اند تا با شناسايي علايق و سلايق انساني، سرعت انتخاب انسان را با ارائه پيشنهادات مناسب بالاتر ببرند. در اين پژوهش سعي شده با استفاده از مطالعات كتابخانه‌اي و بررسي نظرات خبرگان از روش مصاحبه، تعداد 10 سؤال جهت كشف علايق كاربران تهيه شود. اين سؤالات به همراه دو سؤال ديگر، درزمينه مدت‌زمان دوره و پولي يا رايگان بودن از كاربران كه در قالب يك وب اپليكيشن طراحي‌شده است، پرسيده مي‌شود. بعد از پاسخگويي به سؤالات توسط كاربران، در پنج حوزه آموزشي (سخت‌افزار، داده‌كاوي، برنامه‌نويسي، گرافيك، شبكه) به ازاي هر حوزه، پنج عكس توسط خبرگان انتخاب‌شده، كه به‌صورت تصادفي به كاربر نمايش داده مي‌شود. سپس ميزان علاقه‌مندي كاربران توسط وب اپليكيشن محاسبه‌شده و با استفاده از داده‌هاي موجود بر روي وب‌سايت فرانش (ديتاست كار) محتواي دوره‌هاي آموزشي پيشنهادي، به كاربر ارائه مي‌گردد. در مرحله بعد، اين وب اپليكيشن توسط دانشجوياني كه در حوزه يادگيري الكترونيكي تجربه استفاده داشته‌اند يادانشي در اين حوزه دارند، آزموده شده و سپس يك پرسشنامه 6 گويه از آن‌ها پرسيده شده است. طيف ليكرت 5 تايي براي اين پرسشنامه، در نظر گرفته‌شده بود. پايايي پرسشنامه، با استفاده از آلفاي كرون باخ مورد تائيد قرار گرفت. نتايج نشان مي‌دهد كه كاربران از استفاده از اين وب اپليكيشن راضي بوده و حتي علاقه‌مند هستند كه اين وب اپليكيشن سيستم توصيه‌گر را به دوستان خود پيشنهاد دهند. هم‌چنين نتايج اين پژوهش نشان مي‌دهد كه سيستم توصيه‌گر، با درصد بالايي توانسته علايق كاربران را شناسايي كرده و به آن‌ها در انتخاب دوره موردنياز، با سرعت بالاتر كمك كند.

1401/06/27

Image Based Online Courses Recommended Systems

1/1/1900 12:00:00 AM

Today, with the increase of online learning courses and the high volume of data available on these systems, the choice of the course for learning by users is difficult, hence different ways to sort and sort data related to e-learning courses. On the other hand, today's advocate systems have come to the aid of humans to identify people's human preferences by choosing the right ones. In this research, we tried to use 10 percent of the questions to explore the interests of the users by using library studies and reviewing the views of the experts on the interview method. These questions will be asked along with two other questions about the duration of the course, whether paid or free from users in the form of a web application designed. After answering questions by users in five areas (hardware, data mining, programming, graphics, network), for each domain, five photographs are selected by the selected experts, which are displayed randomly to the user. Then, the user's interest rate is calculated by the web application, and the content of the offered training courses is provided using available data on the website (job data). In the next step, this web application has been tested by students who have used or experienced knowledge in the field of e-learning, and then a six-item questionnaire has been asked. The Likert Spectrum 5 was considered for this questionnaire. The reliability of the questionnaire was verified using Krone Bach Alpha. The results indicate that users are happy with the use of this web application and are even interested in recommending this web application to the recommender system to their friends. Also, the results of this study indicate that a high percentage of high-recommender system has identified users' interests and helped them in selecting the required course at a higher rate.

سيستم توصيه گر، يادگيري الكترونيكي، عظيم داده، تصوير، داده

Recommender system, e-learning, big data, picture, data

parisa seyed ali lavasani

hasan naderi