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
|
|
|
|
|
|
|