ترجمه مقاله یک سیستم خبره فازی ژنتیکی برای طبقه بندی خودکار سوال در یک محیط یادگیری رقابتی - نشریه الزویر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

یک سیستم خبره فازی ژنتیکی برای طبقه بندی خودکار سوال در یک محیط یادگیری رقابتی

عنوان انگلیسی

A genetic fuzzy expert system for automatic question classification in a competitive learning environment

صفحات مقاله فارسی

19

صفحات مقاله انگلیسی

8

سال انتشار

2012

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد ✓

کد محصول

F997

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

ترجمه شده است ✓

رشته های مرتبط با این مقاله

علوم تربیتی

گرایش های مرتبط با این مقاله

تکنولوژی آموزشی و مدیریت آموزشی

مجله

سیستم های خبره و کاربردهای آن - Expert Systems with Applications

دانشگاه

دانشکده مهندسی مخابرات، دانشگاه وایادولید، اسپانیا

کلمات کلیدی

سیستم های آموزش هوشمند، فناوری آموزشی، طبقه بندی خودکار سوالات، یادگیری رقابتی، الگوریتم های ژنتیکی، سیستم های فازی

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.eswa.2012.01.115

ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

فهرست مطالب

چکیده
1-مقدمه
2- پیش زمینه
2-1 ادراک معلمان از سختی
2-2 در جست و جوی یک راه حل هوشمند برای یک ابزار رقابتی
3- سیستم خبره
3-1 سیستم ژنتیکی
3-2 تولید مدل فازی
3-3 موتور استنباط
4-نتایج
4-1 آزمایش
4-2 ارزیابی سیستم هوشمند
5-بحث و نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Intelligent tutoring systems are efficient tools to automatically adapt the learning process to the student’s progress and needs. One of the possible adaptations is to apply an adaptive question sequencing system, which matches the difficulty of the questions to the student’s knowledge level. In this context, it is important to correctly classify the questions to be presented to students according to their difficulty level. Many systems have been developed for estimating the difficulty of questions. However the variety in the application environments makes difficult to apply the existing solutions directly to other applications. Therefore, a specific solution has been designed in order to determine the difficulty level of open questions in an automatic and objective way. This solution can be applied to activities with special temporal and running features, as the contests developed through QUESTOURnament, which is a tool integrated into the e-learning platform Moodle. The proposed solution is a fuzzy expert system that uses a genetic algorithm in order to characterize each difficulty level. From the output of the algorithm, it defines the fuzzy rules that are used to classify the questions. Data registered from a competitive activity in a Telecommunications Engineering course have been used in order to validate the system against a group of experts. Results show that the system performs successfully. Therefore, it can be concluded that the system is able to do the questions classification labour in a competitive learning environment.

نمونه چکیده ترجمه متن فارسی

چکیده
سیستم های آموزش هوشمند، ابزاری کارامد و موثر برای سازگاری خودکار فرایند یادگیری با پیشرفت و نیاز های دانشجویان است. یکی از سازگاری های احتمالی، استفاده از یک سیستم مرتب سازی سوال تطبیقی میباشد که سحتی سوالات را با سطح دانش دانشجوین تطبیق می دهد. در این زمینه، طبقه بندی صحیح سوالات برای ارایه به دانشجوین بر طبق سطح سختی آن ها مهم است. بسیاری از سیستم ها برای براورد و تخمین سختی سوالات توسعه یافته اند. با این حال تنوع در محیط های کاربرد موجب شده است تا استفاده از راه حل های موجود به سایر محیط ها سخت تر باشد. بنابر این، یک راه حل خاص به منظور تعیین سطح سختی سوالات باز به شکلی خودکار و هدفمند طراحی شده است. این راه حل را می توان به سایر فعالیت های با ویژگی های زمانی و اجرایی خاص به کار برد زیرا آزمون ها از طریق QUESTOURnament می یابند. این ابزاری است که در پلاتفرم یادگیری الکترونیک مودل(محیط آموزشی داینامیک شئی گرای ماژولار) تلفیق می شود. راه حل پیشنهادی، یک سیستم خبره فازی است که از یک الگوریتم ژنتیکی به منظور تعیین سطح سختی استفاده می کند. از خروجی الگوریتم، این سیستم، قواعد فازی ای را تعریف می کند که این قواعد برای طبقه بندی سوالات استفاده می شود. داده های ثبت شده از یک فعالیت رقابتی در یک درس مهندسی مخابرات برای ارزیابی سیستم در برابر یک گروهی از کارشناسان استفاده شده است. نتایج نشان می دهد که سیستم عملکرد موفقی دارد. بنابر این می توان نتیجه گرفت که سیستم قادر است تا کار طبقه بندی سوالات را در یک محیط یادگیری رقابتی انجام دهد.