>
Fa   |   Ar   |   En
   پیش بینی و شناسایی عوامل موثر بر رضایتمندی تحصیلی دانش‌آموزان با استفاده از الگوریتم یادگیری عمیق  
   
DOR 20.1001.2.9920078642.1399.6.1.232.7
نویسنده صیادی علی ,حیدریه زاده زواردهی مهدی
منبع همايش بين المللي روان شناسي مدرسه - 1399 - دوره : 6 - ششمین همایش بین المللی روان شناسی مدرسه - کد همایش: 99200-78642
چکیده    پیش‏بینی و شناسایی عوامل موثر بر رضایتمندی تحصیلی دانش‏آموزان، از طریق الگوریتم یادگیری عمیق، هدف این پژوهش است. این پژوهش با رویکردی کمّی و با استفاده از روش پیمایشی انجام گرفته است. جامعه آماری این پژوهش، 170 دانش‏آموز پسر مدرسه میزان تهران در مقاطع تحصیلی چهارم الی ششم ابتدایی (نیمسال تحصیلی 1397-1398) بوده است. اطلاعات این پژوهش توسط دو پرسش‏نامه انگیزش تحصیلی هارتر و برنامه ‏درسی پنهان گرداوری شده است. بعد از تجزیه‌وتحلیل آماری این اطلاعات، در مرحله اول پیش پردازش داده‏ها بر روی اطلاعات انجام و سپس در مرحله دوم با استفاده از الگوریتم یادگیری عمیق میزان رضایتمندی دانش‏آموزان پیش‏ بینی شد. نتایج پژوهش نشان می‏دهد که الگوریتم یادگیری عمیق، با دقت 3/4 درصد (4/96 درصد) نسبت به الگوریتم ماشین ‏بردار‏ پشتیبان (svm) بهتر می‏تواند ویژگی موثر بر رضایتمندی دانش‏آموزان (برنامه درسی پنهان) را شناسایی و پیش‏بینی کند. یکی از بااهمیت‏ترین هدف‏های یک سیستم آموزشی، فراهم نمودن عواملی است که بر رضایتمندی تحصیلی دانش‏آموزان موثر باشد. به‏طور کلی در این مطالعه توانستیم با دقت قابل توجهی میزان رضایتمندی تحصیلی دانش‏آموزان را پیش بینی کنیم. در آخر شایان ذکر است که مدیران آموزش می‏توانند با به کارگیری نکات مثبت و برجسته این سیستم آموزشی رضایتمندی تحصیلی دانش‏آموزان مقطع ابتدایی را افزایش دهند
کلیدواژه پیش بینی رضایتمندی تحصیلی ,الگوریتم‌ یادگیری عمیق ,الگوریتم ماشین بردار پشتیبان ,برنامه درسی پنهان
آدرس دانشگاه آزاد اسلامی, ایران, دانشگاه آزاد اسلامی, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved