تعزيز تقييم أداء الطلاب من خلال تقنيات القواعد الضبابية المحسّنة

المؤلفون

  • Mohammed Khaleel Hussein قسم التخطيط، دائرة التعليم الجامعي الاهلي، وزارة التعليم العالي والبحث العلمي، بغداد، العراق.
  • Ali Abdullah Ali كتب السيد الوزير، وزارة التعليم العالي والبحث العلمي، بغداد، العراق.
  • Mohammed Ahmed Subhi قسم التخطيط، دائرة التعليم الجامعي الاهلي، وزارة التعليم العالي والبحث العلمي، بغداد، العراق و المعهد التقني/ بلد ، الجامعة التقنية الوسطى، بغداد، العراق.
  • Saleh Mahdi Mohammed قسم هندسة تقنيات الحاسوب، الكلية التقنية، جامعة الإمام جعفر الصادق، بغداد، العراق.

DOI:

https://doi.org/10.21123/bsj.2024.10319

الكلمات المفتاحية:

توحيد البيانات، أشجار القرار، الاعتبارات الأخلاقية، الإرشادات الأخلاقية، التعلم المتكامل، القواعد الضبابية، النمذجة الهرمية، التفسيرية، التحكم في المتعلم

الملخص

رصد الأداء في منصات التعلم الإلكتروني هو عملية حرجة تساعد المعلمين في تقييم وتعزيز نتائج تعلم الطلاب. ومع ذلك، فإنها تأتي مع عدة تحديات يجب معالجتها. تشمل هذه التحديات ضمان خصوصية وأمان البيانات، والحفاظ على جودة البيانات وتوفرها، وتوسيع رصد الأداء لعدد كبير من المتعلمين، ومعالجة تشتت البيانات، وضمان التفسيرية والإفصاح، والنظر في العوامل السياقية، ومعالجة الاعتبارات الأخلاقية، وإنشاء البنية التحتية التكنولوجية القوية. لمواجهة هذه التحديات، يمكن استخدام طرق وتقنيات مختلفة. تشمل هذه تنفيذ إجراءات قوية لحماية خصوصية البيانات، واستخدام تقنيات التحقق وتنظيف البيانات، واستخدام إطارات معالجة وتخزين البيانات الموسعة، واستخدام أساليب التحليل المتقدمة للتعامل مع أنواع متنوعة من البيانات، واستخدام نماذج التعلم الآلي المفسرة وتقنيات غير معتمدة على النموذج للتفسير، ودمج العوامل السياقية في نماذج رصد الأداء، والالتزام بالإرشادات الأخلاقية وإجراء استعراضات أخلاقية منتظمة، والاستثمار في البنية التحتية التكنولوجية القوية. علاوة على ذلك، يمكن استخدام القواعد الضبابية للتحكم في المتعلمين في منصة التعلم الإلكتروني. توفر القواعد الضبابية نهجاً مرنًا ومتكيفًا لإدارة وتوجيه تفاعلات وسلوكيات المتعلمين داخل المنصة. يقوم هذا البحث بدراسة الطرق والأدوار لتحسين تجارب التعلم من خلال تعزيز وسائل رصد المتعلم.

المراجع

Hussein MK, Saheel RI, Ali AJ. Implementation of e-learning functions with the use of information systems architecture. J Cases Inf Technol. 2021 Apr 01; 23(2): 12-25. https://doi.org/10.4018/jcit.20210401.oa2

Kebritchi M, Lipschuetz A, Santiague L. Issues and challenges for teaching successful online courses in higher education: A literature review. J Educ. Technol Syst. 2017 Aug 08; 46(1): 4-29. https://doi.org/10.1177/0047239516661713

Jovanovic J, Gaševic D, Dawson S, Pardo A, Mirriahi N. Learning analytics to unveil learning strategies in a flipped classroom. Internet High Educ. 2017 Apr 01; 33: 74-85. https://doi.org/10.1016/j.iheduc.2017.02.001

Arnold KE, Pistilli MD. Course signals at Purdue: Using learning analytics to increase student success. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK '12). 2012 Apr 29; 2012(1): 267-270. https://doi.org/10.1145/2330601.2330666

Gašević D, Dawson S, Rogers T, Gasevic D. Learning analytics should not promote one size fits all: The effects of instructional conditions in predicting academic success. Internet High Educ. 2016 Jan 1; 28(1): 68-84. https://doi.org/10.1016/j.iheduc.2015.10.002

Romero C, Ventura S. Data mining in education. Wiley Interdisciplinary Reviews: Data Min. Knowl. Discov. 2012 Dec 14; 3(1): 12-27. https://doi.org/10.1002/widm.1075

Khalil M, Ebner M. Learning analytics: Principles and constraints. In Proceedings of the 4th International Conference on Learning Analytics and Knowledge (LAK '14). 2015 Jun 22; 2015(1): 272-276. https://www.learntechlib.org/noaccess/151455/

Giannakos MN, Mikalef P, Pappas IO. Systematic literature review of e-learning capabilities to enhance organizational learning. Inf Syst Front. 2021 Feb 1; 24(1): 619-635. https://doi.org/10.1007/s10796-020-10097-2

Liaw SS, Huang HM, Chen GD. Surveying instructor and learner attitudes toward e-learning. Comput. Educ. 2007 Dec; 49(4), 1066-1080. https://doi.org/10.1016/j.compedu.2006.01.001

Veletsianos G, Shepherdson PA. Systematic Analysis and Synthesis of the Empirical MOOC Literature Published in 2013–2015. IRRODL [Internet]. 2016 Mar. 1 .17(2):198-221. https://doi.org/10.19173/irrodl.v17i2.2448

Brusilovsky P. Adaptive hypermedia. User modeling and user-adapted interaction. 2001 Mar; 11: 87-110. https://doi.org/10.1023/a:1011143116306

Leitner P, Khalil M, Ebner M. Learning analytics in higher education—a literature review. Learning analytics: Fundaments, applications, and trends: A view of the current state of the art to enhance E-learning. 2017 Feb 18; 94: 1-23. https://doi.org/10.1007/978-3-319-52977-6_1

Dutt A, Ismail MA, Herawan T. A systematic review on educational data mining. IEEE Access. 2017 Jan 17; 5: 15991-6005. https://doi.org/10.1109/access.2017.2654247

Khanal SS, Prasad PW, Alsadoon A, Maag A. A systematic review: machine learning based recommendation systems for e-learning. Educ Inf. 2020 Jul; 25: 2635-64. https://doi.org/10.1007/s10639-019-10063-9

Ennouamani S, Mahani Z. An overview of adaptive e-learning systems. In IEEE 2017 Eighth International Conference on Intelligent Computing and Information Systems (ICICIS) 2017 Dec 5; 342-347. https://doi.org/10.1109/intelcis.2017.8260060

Drachsler H, Verbert K, Santos OC, Manouselis N. (2015). Panorama of recommender systems to support learning. In Recommender Systems Handbook. Boston, MA, Springer. p. 421-451. https://doi.org/10.1007/978-1-4899-7637-6_12

Souza DM, Felizardo KR, Barbosa EF. A systematic literature review of assessment tools for programming assignments. In 2016 IEEE 29th International Conference on Software Engineering Education and Training (CSEET) 2016 Apr 5; 147-156. https://doi.org/10.1109/cseet.2016.48

Leppink J, Paas F, Van Gog T, Van der Vleuten CP, Van Merriënboer JJ. Effects of pairs of problems and examples on task performance and different types of cognitive load. Learn. Instr. 2014 Apr; 30, 32-42. https://doi.org/10.1016/j.learninstruc.2013.12.001

Azevedo R, Moos DC, Johnson AM, Chauncey AD. Measuring cognitive and metacognitive regulatory processes during hypermedia learning: Issues and challenges. Educ Psychol. 2010 Oct 25; 45(4): 210-23. https://doi.org/10.1080/00461520.2010.515934

Ortigosa A, Martín JM, Carro RM. Sentiment analysis in Facebook and its application to e-learning. Comput Hum Behav Rep 2014 Feb 1; 31: 527-41. https://doi.org/10.1016/j.chb.2013.05.024

Alatrash R, Ezaldeen H, Misra R, Priyadarshini R. Sentiment analysis using deep learning for recommendation in E-learning domain. In Progress in Advanced Computing and Intelligent Engineering: Proceedings of ICACIE 2020. 2021 Apr 16; 123-133. Springer Singapore. https://doi.org/10.1007/978-981-33-4299-6_10

Scheiter K, Gerjets P. Learner control in hypermedia environments. In R. E. Mayer (Ed.), The Cambridge Handbook of Multimedia Learning. 2nd Ed. Cambridge University Press; 2007 Jun 19; 19: p.285-307 https://doi.org/10.1007/s10648-007-9046-3

Radach R, Kennedy A. Eye movements in reading: Some theoretical context. Q J Exp Psychol B. 2013 Mar 1; 66(3): 429-52. https://doi.org/10.1080/17470218.2012.750676

Hamari J, Koivisto J, Sarsa H. Does gamification work? A literature review of empirical studies on gamification. In Proceedings of the Annual Hawaii International Conference on System Sciences (HICSS). 2014 Mar 10; 3025-3034. https://doi.org/10.1109/hicss.2014.377

Dichev C, Dicheva D, Angelova G, Agre G. From gamification to gameful design and gameful experience in learning. Cybern Inf Technol. 2014 Dec; 14(4): 80-100. https://doi.org/10.1515/cait-2014-0007

Falchikov N. Improving assessment through student involvement: Practical solutions for aiding learning in higher and further education. Routledge; 1st Ed. London. 2013 Apr 15. 304. https://doi.org/10.4324/9780203220993

Topping KJ. Digital peer assessment in school teacher education and development: A systematic review. Res Pap Educ. 2023 May 4; 38(3): 472-98. https://doi.org/10.1080/02671522.2021.1961301

Corbett AT, Anderson JR. Knowledge tracing: Modeling the acquisition of procedural knowledge. User. Model. User. Adap. 1994 Dec; 4(4), 253-278. https://doi.org/10.1007/bf01099821

Baker RS, Corbett AT, Koedinger KR. Detecting student misuse of intelligent tutoring systems, Lect. Notes. Comput. Sc. Berlin, Heidelberg. 2004; 3220: 531-540. https://doi.org/10.1007/978-3-540-30139-4_50

Yassine S, Kadry S, Sicilia MA. Detecting communities using social network analysis in online learning environments: Systematic literature review. Wires Data Min Knowl. 2022 Jan; 12(1): e1431. https://doi.org/10.1002/widm.1431

Voordijk JT. Technological mediation in construction: Post phenomenological inquiry into digital technologies. J Constr Eng Manag. 2019 Dec 1; 145(12): 04019084. https://doi.org/10.1061/(asce)co.1943-7862.0001719

Ba S, Hu X. Measuring emotions in education using wearable devices: A systematic review. Comput. Educ. 2023 Apr 8: 104797. https://doi.org/10.1016/j.compedu.2023.104797

Kosch T, Karolus J, Zagermann J, Reiterer H, Schmidt A, Woźniak PW. A survey on measuring cognitive workload in human-computer interaction. ACM Comput Surv. 2023 Jan 31; 55(13s): 1-39. https://doi.org/10.1145/3582272

Maher AA, Najwa HM, Roesnita I. Towards an efficient privacy in cloud-based e-learning. In Proceedings of the International Conference on Intelligent Systems, Data Mining and Information Technology (ICIDIT’2014), Bangkok, Thailand 2014 Apr: 40-45. https://doi.org/10.15242/iie.e0414061.

Macfadyen LP, Dawson S. Mining LMS data to develop an “early warning system” for educators: A proof of concept. Comput Educ. 2010 Feb; 54(2): 588-599. https://doi.org/10.1016/j.compedu.2009.09.008

Chatti MA, Lukarov V, Thüs H, Muslim A, Yousef AM, Wahid U, Greven C, Chakrabarti A, Schroeder U. Learning analytics: Challenges and future research directions. Eleed. 2014 Nov 6; 10(1). https://www.eleed.de/archive/10/4035

Buckingham SS, Crick RD. Learning dispositions and transferable competencies: Pedagogy, modelling and learning analytics. LAK '12: Proceedings of the 2nd International Conference on Learning Analytics and Knowledge. 2012 Apr 29; 15(3), 92-101. http://dx.doi.org/10.1145/2330601.2330629

Al-Sakkaf A, Omar M, Ahmad M. Social worked-examples technique to enhance student engagement in program visualization. Baghdad Sci J. 2019; 16(2): 0453. https://doi.org/10.21123/bsj.2019.16.2(SI).0453.

Qasim BA, AL-Sabbah SA, Shareef AM. Using the hierarchical cluster analysis and fuzzy cluster analysis methods for classification of some hospitals in Basra. Baghdad Sci J. 2021 Dec 1; 18(4): 1212. https://doi.org/10.21123/bsj.2021.18.4.1212

التنزيلات

إصدار

القسم

article

كيفية الاقتباس

1.
تعزيز تقييم أداء الطلاب من خلال تقنيات القواعد الضبابية المحسّنة. Baghdad Sci.J [انترنت]. [وثق 22 ديسمبر، 2024];22(3). موجود في: https://bsj.uobaghdad.edu.iq/index.php/BSJ/article/view/10319