کشف و بهبود احساس فراگیران در آموزش الکترونیکی به کمک سیستم استنتاج فازی

به علت جدایی موقعیت مکانی مدرسان و دانش آموزان در سیستم تدریس آنلاین وعدم دریافت حالات روحی فراگیران و اعمال بازخورد مناسب ،این پژوهش به دنبال طراحی سیستم هوشمندی است که بتواند ابتدا احساسات فراگیران را از راه دور تشخیص داده وسپس با پیشنهاد سناریوهای آموزشی به مدرس ،باعث افزایش احساسات مثبت وکاهش هیجانات منفی در فراگیران شود. این پژوهش در سال 98 انجام شده است .جامعه مورد مطالعه، دانش آموزان رشته ریاضی پایه دهم دبیرستان فرزانگان7تهران می‌‌باشند. دانش آموزان در 5 گروه 15 نفری تقسیم شدند که هر گروه درمعرض یکی از موقعیت‌‌های شادی، عصبانیت، ترس، ناامیدی و غم قرارگرفته و از طریق وب کم اطلاعات چهره آن‌‌ها دریافت و ضبط شده است. تجزیه و تحلیل داده‌‌ها در این تحقیق با روش داده کاوی به وسیله‌‌ی نرم افزارکلمنتاین انجام گردیده است.با مقایسه تغییر محدوده‌‌های احساسات ثبت شده در قبل از اجرای سناریوی آموزشی و بعد از آن به روش داده کاوی و با کمک الگوریتم کامینزکه ابتدا خوشه‌‌بندی و سپس طبقه‌‌بندی انجام گرفت، نتایج نشان می دهد که پس از اجرای سناریوهای آموزشی تغییراتی در محدوده‌‌ها ایجاد شده وباعث افزایش میانگین احساسات مثبت وکاهش میانگین احساسات منفی شده است.

Discover and improve learners’ feelings in e-learning using fuzzy inference system

Due to the separation of teachers and students in the online teaching system and not receiving the moods of learners and applying appropriate feedback, this study seeks to design an intelligent system that can first detect learners’ emotions remotely and then suggest educational scenarios to the teacher. Increases positive emotions and reduces negative emotions in learners. This research was conducted in 1998. The study population is the tenth grade mathematics students of Farzanegan 7 High School in Tehran. The students were divided into 5 groups of 15 people, each of whom was exposed to one of the situations of happiness, anger, fear, despair and sadness, and their facial information was received and recorded through a webcam. Data analysis in this study was performed by data mining method by Clementine software. By comparing the change in the range of emotions recorded before the implementation of the training scenario and then by data mining method with the help of Cummins algorithm that first clustering and then classification The results show that after the implementation of educational scenarios, changes were made in the ranges and increased the mean of positive emotions and decreased the mean of negative emotions.