Cj1,Cj2,…,Cjmjفراهم می کند. روابط فازی را که با عملگر ترکیب max-min ( حداکثر- حداقل ) کار شده اند، به منظور استنتاج یک ارزیابی فازی Cj=[ Cj1,Cj2,…,Cjmj ] از یک پیش شرط فازی استفاده کرده ایم. این روابط تخمین مدرس از درجه ارتباط بین یک پیش شرط فازی و یک ارزیابی فازی از یک خصوصیت یادگیری Cj1,Cj2,…,Cjmj ویژه از Cj( j=1,2,…,L ) را نشان داده است.

2-2- سیستم خبره مبتنی بردانش
پس از مشاهده رفتارهای دانش آموزان هنگام پاسخ دادن، داده ها توسط معلم در یک “پایگاه دانش” قرار گرفته، تا توانایی مواجه شدن با آموزش دانش آموزان و رشد و پیشرفت آنها را بتواند ارزیابی کند. سیستم خبره مبتنی بر دانش در شکل 2-2 مدلسازی شده است.

2-2-1- پایگاه داده عمومی
شامل متغیرهای وضعیت دانش آموز، متغیرهای وضعیت تدریس و متغیرهای وضعیت آزمون است :
متغیرهای وضعیت دانش آموز ( Xi ) :
X1 – رتبه پرسشنامه، برای هر دانش آموز
X2 – سطح دانش آموز
متغیرهای وضعیت آزمون ( yi ) :
y1 – رتبه متوسط پاسخ دهی
y2 – سطح پرسشنامه
نظریه مجموعه فازی به منظور استدلال با اطلاعات نامعلوم و غیرمشخص و مبهم پیشنهاد شد. زاده فناوری فازی را به عنوان وسیله ای برای مدلسازی عدم قطعیت زبان طبیعی پیشنهاد نمود او استدلال کرد که مشکلات دشوار بسیاری می توانند بطور بسیار ساده تر برحسب متغیرهای زبانی بیان شوند. متغیرهای زبانی لغات و خصوصیاتی هستند که برای توصیف جنبه های مشخص جهان واقعی استفاده شده اند. کابرد مهم متغیرهای زبانی در فشرده سازی داده ها می باشد. رویکرد ما طراحی یک سیستم مبتنی بر قاعده فازی برای کنترل فرآیند آموزش و مقابله با فضاها و توصیفات مشکل است. این سیستم برای ارزیابی و تدریس دانش آموزان طراحی شده، بگونه ای که قابلیت اطمینان، ایمنی و عملکرد را بالا می برد. فرآیند سیستم فازی در شکل 2-3، در کنترلگر فازی نشان داده شده است، بر اساس تحقیقات تاکاگی و همکارانش [12] سه سطح عمده برای انجام فرآیند کنترل وجود دارد :
 متغیرهای ورودی و خروجی فازی و مقدار فازی آنها
 پایگاه قاعده فازی
 موتوراستنتاج فازی رویه های فازی سازی و غیر فازی سازی

همانطور که در توضیحات بخش 2-2 بررسی گردید، فرآیند استنتاج فازی یک سیستم فازی شبیه به یک سیستم معمولی و سنتی است، یک مقدار ورودی پذیرفته، برخی محاسبات را انجام داده و یک مقدار خروجی را تولید می کند. این فرآیند، استنتاج فازی نامیده می شود.
2-3- نحوه محاسبه با لغات
پس از مشاهده رفتارها و پاسخ های دانش آموزان با استفاده از محاسبه با لغات میتوان درباره ی قوی یا ضعیف بودن آنان ارزیابی نمود، نقطه حرکت در CW مفهوم دانه (مجموعه فازی از نقاط است که شکل یک دسته عناصر رسم شده با یکدیگر به لحاظ شباهت را دارند.) است. یک لغت w یک برچسب ازیک دانه g است و به طور معکوس g معنی و مفهوم w است. یک لغت ممکن است منفرد یا اتمی ( قوی ) یا مرکب ( نسبتا قوی ) باشد. در محاسبه با لغات یک دانه g که معنی و مفهوم یک لغت w است به عنوان یک قید فازی بر یک متغیر در نظر گرفته شده است. باید بیان شود که به عنوان یک روش اصلی، تکثیر قید نقش مهمی در بسیاری از روش شناسی ها به ویژه در برنامه نویسی ریاضی، برنامه نویسی قید و برنامه نویسی منطقی دارد. به عنوان یک نمایش ساده جمله ی “محمد دانش آموز قوی است” را در نظر بگیرید. دراین مورد، قوی برچسب دانه قوی است، مجموعه فازی قوی نقش یک قید فازی را روی وضعیت پاسخگویی محمد بازی کرده است.
یک فرض اصلی در این نوع محاسبات این است که اطلاعات توسط قید ( محدود نمودن ) مقادیر متغیرها را منتقل می کنند، به علاوه فرض شده است که اطلاعات شامل مجموعه ای از قضیه های بیان شده به یک زبان طبیعی یا مصنوعی باشد.
یک مشکل عمومی در محاسبه با لغات، مجموعه ای از قضیه ها می باشند که به زبان طبیعی بیان می شوند و شامل موارد زیر است.
 مجموعه داده های اولیه ( IDS ): پرس و جو.
 مجموعه داده های ترمینال ( TDS ): جوابی که برای یک پرس و جو به زبان طبیعی استنتاج می شود.
ذکر این مورد الزامی است که مشکل اساسی مشتق نمودن مجموعه داده های ترمینال از مجموعه داده های اولیه است. در این پیوستگی، مشکلات بصورت فرمول در آمده اند که حل آن بسیار دشوار است.
2-4- فرآیند آموزش و ارزیابی تکوینی
دو نوع ارزیابی وجود دارد:
 ارزیابی تلخیصی
 ارزیابی تکوینی
ارزیابی تلخیصی در پایان فرآیند یادگیری رخ داده که هدف آن تعیین سطح دانش یادگیرندگان است. برعکس، ارزیابی تکوینی در طی فرآیند یادگیری است. این نوع از ارزیابی، یادگیرنده را با بازخوردی در مورد آنچه که دانسته، ضعف هایی که داشته و به چه چیزی برای یادگیری نیاز داشته است، مواجه کرده است. هدفش این است به یادگیرنده اجازه داده تا بداند چگونه کار را انجام دهد. بنابراین این ارزیابی باید در سر تا سر فرآیند یادگیری مداوم باشد. فرآیند یادگیری که انبوهی از داده ها را خلق می کند مانند مراحل اجرا شده توسط ابزارات آموزش مجازی، برای تشخیص مشکل بوده و این زمان زیادی را نیاز دارد. به علاوه ارزیابی تکوینی باید به یادگیرنده بازخورد در مورد نقاط ضعف و قوت هایشان داده و از طرفی بازخورد سریع، ارزیابی تکوینی و موثر را افزایش داده است. این امر مقدار عظیمی از داده های پردازش شده و شماری از اولویت ها را به صورت خودکار ایجاد می کند.
در این زمینه ارزیابی تکوینی باید فرمت را نه تنها از داده ی عددی بلکه از گزارشات نوشته شده در زبان طبیعی انجام دهد. سیستم متخصص براساس مدل یادگیرنده با گزارش زبان طبیعی برروی پیشرفتشان در هر مرحله و در سر تا سر فرآیند یادگیری فراهم خواهد کرد.

مطلب مرتبط :  

2-4-1- تکنیکهای ارزیابی دانش یادگیرنده
تکنیکها، متخصصان را قادر می سازند تا دلایلشان را با زبان طبیعی بیان کنند و با استفاده از قوانین زبان شناسی و متغیرات شبیه سازی را انجام دهند. این تکنیکها از سال 1995 برای توسعه ی روشهای مختلف ارزیابی دانش یادگیرنده استفاده شده اند. اکثر این روشها برای تشخیص رفتار یادگیرندگان در مقایسه با گروه هدفمند استفاده شده اند که درجات و رتبه هایی را مشخص می کنند.
نویسندگان دیگری هم روشهایی برای تشخیص مستقیم یادگیرندگان ارائه کرده اند.
اولین روش توسط بیسواس [2] بیان شده است، روش او براساس نظریه ی مبهم و توابع مشابه است، جایی که درجه ی هر واکنش به صورت مجموعه ای مبهم ارائه شده است.

روش دیگر توسط بی و همکارانش [3] پیشنهاد شده است که پیشرفتی را بر روی روش “بیزین” ارائه داده اند، این روش را با استفاده از مجموعه فازی، بیان نموده اند، ژو [15] روشی را ارائه داده که در هر تشخیص یادگیری مبتنی بر پروژه هدفمند است، در این روش هر دو ضابطه ی ارزیابی و رتبه های مشخص شده برای هر پروژه توسط روشهای گروه تصمیم گیری، تصمیم گیری شده است.
لیم [10] سیستم ارزیابی را براساس قوانین مبهم IF-THEN با قاعده ی پالایش برای بدست آوردن ارزیابی صحیح ارائه کرده است. ضعف تمام این روشها این است که سازندگان مجبور بودند تا در ارزیابی شرکت کنند، که در طی فرآیند مبهم است. از تمام تکنیک های ذکر شده، روش شناسی بهترین هدفمان می باشد چون مدل زبان شناسی دانه ای را از یک پدیده به تدریج ایجاد نموده است. از این مدل برای ساخت GLMP جهت ارزیابی یادگیری استفاده کرده ایم.

2-4-2- مشخصات حل مسئله
هدفمان به عنوان سازنده آزمایش این است که ویژگی های اصلی سیستم یادگیری الکترونیکی، برای آموزش مفاهیم ریاضی، کامپیوتر و… را بشناسیم. ابزارهای موجود در این محیط مقدار عظیمی از داده ها را ایجاد می نماید که اگر بخواهیم همان داده ها را به صورت دستی پردازش کنیم، غیر عملی و مشکل است. بنابراین این واقعیتی است که ارزیابی باید تا حد ممکن سریع باشد و این به عنوان مانعی برای پردازش دستی داده هاست. برای حل این مشکل ما راه حل عملی طراحی کرده ایم. این راه حل، ترکیب سیستم یادگیری الکترونیکی بر طبق شبیه سازی با سیستم متخصص ارزیابی خودکار است. این سیستم ارزیابی تکوینی را بر اساس زبان طبیعی تولید نموده است.
برای رسیدن به این هدف، مدل دانه ای زبان شناسی عمومی، ارزیابی یادگیری را طراحی می کند. براساس این طرح، ارزیابی یادگیری” الگوریتم دیجکسترا” را با استفاده از شبیه سازی به کمک برنامه نویسی و محیطGRAPhS مدل سازی می کند. اجرای این مدل، گزارشی از زبان طبیعی را جهت مشخص نمودن سطح پیشرفت یادگیرنده در طی یک یا چند شبیه سازی الگوریتم ایجاد می کند. در این طراحی از تکنیکهای زیر استفاده می شود:
 ترکیبی از چند سیستم که از زبان های خطی برای ساخت شبیه سازی استفاده نموده است که بیشتر برای سیستمهایی مانند جاوا به کار می رود.
 شامل مجموعه ای از ابزارهای پیش ساخته است، مانند سوالاتی که جزییات اجرای الگوریتم را نشان داده و برای تشخیص دانش کاربر مفید است.
 بعد از اینکه الگوریتم شبیه سازی شد، پردازش با مدل مقایسه شده و سیستم تعدادی از گامهای اجرا شده را تولید می نماید.
 وقتی یادگیرنده الگوریتمی را در محیط GRAPHs شبیه سازی می کند،‌ این سیستم لوگ فصل و انفعالی را توسط زبان XML تولید می نماید. سیستم کامپیوتر، باید گزارش زبان طبیعی را ایجاد کند که کاربر چگونه شبیه سازی را تصحیح نماید.
 گزارش زبان طبیعی، گام به گام ارزیابی را نمایش می دهد، به علاوه اگر یادگیرنده چندین راه حل را یکی بعد از دیگری کامل کند، گزارش باید نیز شامل ارزیابی یک فرآیند یادگیری باشد. [11]
اشکال این روش این است که اگر خطایی در شروع شبیه سازی باشد، ‌در تمام مراحل بعدی خطا رخ خواهد داد. بنابراین جهت جلوگیری از این خطاها، یادگیرندگانی که در این طراحی و محیط شرکت دارند به طور مدام یادگیرندگان دیگر را که الگوریتم را بصورت غیرفعال مشاهده می کنند از برنامه خارج می کنند، وقتی در حال استفاده ی یک ابزار یادگیری الکترونیکی هستید، برنامه باید به طور مداوم توسط کاربر فعال، جهت خارج کردن یادگیرندگان غیرفعال، برای حل و پیش بینی مرحله ی بعدی درخواست شود.
2-4-3- ایجاد داده ی ورودی سیستم متخصص ارزیابی توسط محیط GRAPHs
یادگیرنده، الگوریتم را با استفاده از ورودی موجود شبیه سازی می کند، همچنین لازم به ذکر است که در ابزارهای موجود محیط، شبیه سازی الگوریتم تا زمانیکه کاربر جواب صحیح را وارد نکند اجرا نمی شود. محیط بر روی java راه اندازی می شود. کاربران الگوریتم اجرایی را در GRAPHs شبیه سازی می کنند چون در صورت عدم وجود این محیط، مجبور هستند مرحله های الگوریتم را با دست انجام دهند و این زمان و خطای زیادی را ایجاد می نمود.
در انتهای شبیه سازی، سیستم، فایل XML را تولید می کند که خطای کاربر و کارهای صحیح او را ضبط نموده است. خطاها در ارزیابی محاسبه می شوند و با توجه به کدهایشان تعریف می شوند، سیستم برای استفاده به عنوان داده ی ورودی آنها را به صورت قواعد در می آورد. این ورودی ها توسط برچسب معرف پیام خطا اگر غلط باشند ایجاد می شوند. هر عمل صحیح و غلط در فعل و انفعال توسط برچسب مشخص می شود.

مطلب مرتبط :   پرسش مهر 97 رئیس جمهور  ,بهترین پاسخ به پرسش ...