شخصی‌سازی محیط یادگیری الکترونیکی براساس خودکارامدی یادگیرنده

پیشینه و اهداف:  یکی از ویژگی هایی که برای شخصی سازی محیط یادگیری الکترونیکی مورد استفاده قرار می‌گیرد، خودکارامدی است. این ویژگی به باور افراد نسبت به توانایی های خود برای انجام تکالیف اشاره دارد. متخصصان براین باورند که خودکارامدی تحصیلی، یکی از عوامل مهمی است که تاثیر به‌سزایی بر یادگیری موثر و پیشرفت تحصیلی یادگیرندگان دارد. تبیین مفهوم خودکارآمدی، با فعالیت های آلبرت بندورا آغاز شد. براساس تعریف بندورا خودکارآمدی، باورها یا قضاوت‌های فرد نسبت به توانایی های خود در انجام وظایف و مسوولیت هاست. این مفهوم به داشتن مهارت یا توانایی مربوط نمی شود، بلکه داشتن باور به توانایی انجام کار در موقعیت های مختلف را بیان می کند. هدف از پژوهش حاضر طراحی و پیاده‌سازی سامانه آموزشیاری هوشمندی است که مدل یادگیرنده آن شامل ویژگی‌های خودکارامدی تحصیلی و سبک یادگیری، دو ویژگی موثر در یادگیری است. روش ها: خودکارامدی تحصیلی به‌صورت خودکار و با طراحی سامانه فازی براساس رفتارهای یادگیرنده و سبک یادگیری از طریق پرسش‌نامه فلدر  سیلورمن که شامل 44 گویه است، شناسایی شده‌اند. پس از شناسایی این ویژگی ها، راهبردهای آموزشی متناسب با آنها ارائه و در سامانه‌ای هوشمندی به‌نام «پِرلِس» در محیطی واقعی پیاده سازی شده و اثرگذاری آن در بهبود عملکرد یادگیرندگان و رضایت آنان از سامانه مورد ارزیابی قرار گرفته است. جامعه مورد بررسی شامل 23  نفر با میانگین سنی 24.56 سال بوده است. یافته‌ها:  ارزیابی محیط شخصی‌شده  نشان می دهد که درنظرگرفتن ویژگی های کاربردی در مدل یادگیرنده و ارائۀ درس‌پار‌ها و توصیه‌های متناسب با این ویژگی ها، به  پیشرفت تحصیلی 75%  از یادگیرندگان منجر شده و‌ رضایت تحصیلی آنان را به دنبال داشته است. ضمن اینکه بررسی‌ِ مدت زمان حضور یادگیرندگان در محیط شبکه قبل از استفاده از پِرلس و پس از آن تفاوت معناداری (سطح معنی‌داری=0/05) را نشان نمی‌دهد. نتایج به دست‌آمده بیانگر آن است که سامانۀ جدید آموزشیاری، علاوه‌بر موفقیت تحصیلی یادگیرنده، افزایش تمایل یادگیرندگان را برای استفاده از سامانه به‌دنبال داشته است. نتیجه‌گیری: هدف این پژوهش، شخصی‌سازی محیط یادگیری الکترونیکی بوده است. بدین منظور ویژگی‌های خودکارامدی تحصیلی و سبک یادگیری که  دو ویژگی موثر در یادگیری هستند، برای مدل کردن یادگیرندگان در محیط شبکه‌ای انتخاب شدند. سبک یادگیری از طریق پرسش‌نامه بدست آمد و تلاش شد خودکارامدی تحصیلی به‌طور غیر‌مستقیم و بااستفاده از رفتارهای یادگیرنده در محیط یادگیری الکترونیکی شناسایی شود. برای این‌کار سامانه شناسنده خودکارآمدی (سامانه اف‌سی) به کمک نظریۀ مجموعه‌های فازی طراحی شده و مورد ارزیابی قرار گرفت. مقایسه نتایج خروجی سامانۀ شناسنده با پرسش‌نامه خودکارامدی تحصیلی نشان می‌دهدکه دقت سامانه برابر با  %88.2 است. این امر بیانگر آن است که رفتارهای یادگیرنده در محیط یادگیری الکترونیکی به میزان قابل قبولی می تواند نشان دهندۀ خودکارامدی تحصیلی وی باشد و می‌توان این رفتارها را به عنوان مبنایی برای شناسایی خودکارامدی تحصیلی وی در نظرگرفت. پیشنهاد می‌شود درپژوهش‌های آتی ویژگی‌های دیگرِ موثر در آموزش همچون سبک شناختی، احساس، شخصیت به‌منظور ارائه محیط شخصی‌شده برای یادگیرندگان مورد توجه قرار گیرد.

Personalizing eLearning environment based on learner’s selfefficacy

Background and Objective:One of the features used to personalize the elearning environment is selfefficacy. This feature refers to people’s belief in their ability to do tasks. Experts believe that academic selfefficacy is one of the important factors that has a positive effect on effective learning and academic achievement of learners. The concept Selfefficacy began with the work of Albert Bandura. According to Bandura, selfefficacy is a person’s beliefs or judgments about his or her ability to perform tasks and responsibilities. This concept is not about having a skill or ability, but about believing in the ability to do work in different situations. The purpose of this article is to design an intelligent tutoring system. The learning model of the proposed system includes features of academic selfefficacy and learning style. Methods:Academic selfefficacy has been automatically identified by designing of a fuzzy system based on learners’ behavior and learning style through the questionnaire of FelderSilverman which contains 44 question. After identification of these features, Proportional education strategies are presented and implemented in tutoring system in a real environment. The effectiveness of the proposed tutoring system is evaluated in terms of learners’ operation by investigation of their satisfaction from system.  Findings: The results show that considering functional characteristics in learning model, presenting some learning objects and proportional recommendations to the characteristics, results in 75% learners’ educational progress and their educational satisfaction. Moreover, evaluation of the time passed in the eLearning environment before and after using Perles does not show a significant difference. Results show that the designed intelligent tutoring system based on the learner model and educational strategies, has led not only to the educational success of the learners but also to increase in their enthusiasm in using the system. Considering other effective and cognitive features in learning is highly recommended in order to provide a personalized environment. Conclusion:The purpose of this study was to personalize the elearning environment. For this purpose, the characteristics of academic selfefficacy and learning style, which are two effective characteristics in learning, were selected to model learners in a networked environment. Learning style was obtained through a questionnaire and an attempt was made to identify academic selfefficacy indirectly by using learner behaviors in the elearning environment. To do this, the selfefficacy identification system was designed and evaluated using fuzzy set theory. Comparison of the output results of the identifier system with the academic selfefficacy questionnaire shows that the accuracy of the system is 88.2%. This indicates that the learner’s behaviors in the elearning environment can be an acceptable indicator of his/her academic selfefficacy and these behaviors can be considered as a basis for identifying academic selfefficacy. It is suggested that in future research, other effective features in education such as cognitive style, emotion, and personality be considered in order to provide a personalized environment for learners.   ===================================================================================== COPYRIGHTS  ©2019 The author(s). This is an open access article distributed under the terms of the Creative Commons Attribution (CC BY 4.0), which permits unrestricted use, distribution, and reproduction in any medium, as long as the original authors and source are cited. No permission is required from the authors or the publishers.  =====================================================================================