کلیدواژه‌ها = خوشه‌بندی

ارائه مدلی برای تحلیل و پیش‌بینی رفتار کاربران الکترونیکی مبتنی‌بر تکنیک‌های وب‌کاوی

دوره 21، شماره 3، پاییز 1396، صفحه 73-95

ابراهیم تیموری، محمد فتحیان، انیس فرشیان عباسی

چکیده امروزه ظهور خدمات مبتنی‌بر وب مانند تجارت الکترونیکی، بانک‌داری الکترونیکی و موارد مشابه موجب ایجاد تغییرات اساسی در روش زندگی انسان‌ها شده است. وب یک رسانه‌ ارتباط مستقیم با هزینه‌ کم را برای ارائه خدمات کسب و کارها به مشتریانشان فراهم می‌کند. کسب و کارها برای فعالیت‌های ترویجی و بازاریابی هدفمند نیاز به ثبت، بررسی و تحلیل رفتار کاربران و کشف دانش نهفته در آن را دارند تا بتوانند محتوا و ظاهر وب سایت خود را با علایق و نیازهای کاربران سازگار و شخصی‌سازی کنند. در این راستا برای تحلیل رفتار کاربران و ارائه پیشنهادات پویا و متناسب با الگوهای رفتاری آن‌ها می‌توان از تکنیک‌های وب‌کاوی استفاده کرد. در این پژوهش مدلی ارائه شده است که به کمک آن می‌توان رفتار کاربران الکترونیکی را تحلیل و پیش‌بینی کرد. در این مدل ابتدا کاربران به کمک الگوریتم انتشار کشش خوشه‌بندی شده‌اند و سپس به وسیله الگوریتم کاوش الگوهای ترتیبی سی.‌ام. اسپید رفتارشان تحلیل شده است. در گام بعد برای هر خوشه پروفایل کاربری مختص آن خوشه تشکیل می‌شود. سپس به کمک این پروفایل‌ها می‌توان توصیه‌هایی را به کاربران جدید ارائه کرد. نتایج به‌دست‌آمده حاکی از این است که مدل ارائه شده کارایی قابل قبولی دارد.

تعیین روش‌های برتر سنجش فراگیران در دوره‌های یادگیری‌الکترونیکی - رویکرد داده‌کاوی

دوره 17، شماره 4، زمستان 1392، صفحه 139-160

حسن رضاپور، محمد رضاپور، محمد مهدی سپهری

چکیده چگونگی سنجش فراگیران و تعیین محتویات مطالب، از فعالیت‏های ضروری فرایندهای آموزش الکترونیکی می‌باشند. این فعالیت‏ها توسط استاد یا آموزشیار صورت گرفته و روش‏های ارزیابی دانشجویان، نظیر برگزاری آزمونهای برخط یا واگذاری تکالیف مدت‌دار به آنها تعیین می‌شوند. در صورتیکه برگزارکنندگان بتوانند از میزان تأثیر هر فعالیت در کیفیت یادگیری فراگیران آگاهی یابند، ضمن صرفه‌جوئی قابل توجه در وقت و منابع ذینفعان دوره‌ها، باعث انتقال مطالب مفیدتر و سنجش واقعی‌تر دانشجویان و در نهایت بهبود آموزش‌الکترونیکی خواهدشد. در این مقاله، ابتدا با تکنیکهای فاقد ناظر داده‌کاوی، به خوشه‌بندی و توصیف وضعیت موجود فراگیران پرداخته و بکمک قاعده‌کاوی، قواعد نهفته در داده‌های آموزش الکترونیکی را استخراج و محتواهای مؤثر در نتیجه‌ی مطلوب فراگیران را کشف می‌کنیم؛ سپس، با روش‏های باناظر، به پیش‌بینی نتایج دوره‌ها می‌‎پردازیم. با بهره‏گیری از داده‏های واقعی فعالیت‏های یک درس الکترونیکی ارائه‌شده، و با طراحی چهار روش مختلف برای نمونه‌برداری داده‌ها و آموزش سیستم با دو درخت DT و WJ48، پیش‌بینی‌ها اجرا شدند و روش‏ها با نرخ دقت 92.86% اعتبارسنجی گردیدند. نشان داده‏ایم که اسلوب‏های این مطالعه می‌توانند به استاد درس برای شناخت بهتر فراگیران و تأثیر فعالیت‏های آموزشی خواسته شده از آنان نظیر- توصیف ویژگی‏های فراگیران بر پایه کشف الگوهای نهفته در نمره‏های اکتسابی آنان کمک نماید. تعیین فعالیت‏های مؤثرتر یادگیری و تصمیم‌گیری درباره‌ی شاخص‏های سنجش واقعی‌تر فراگیران، از مزیت‌های مهمی است که روش‌های فناورانه این مطالعه برای بهبود مدیریت دوره‌های یادگیری الکترونیکی فراهم می‌کنند.