متخصصان در شکل زبان شناختی آسان تر و قابل اعتمادتر است چرا که متخصصان در ارائه داده های اصلی زبانی بسیار احساس راحتی کرده اند یکی از اولین تلاش ها در استفاده از مدل بندی فازی دانش آموزان به وسیله هاوکس و همکارانش [10] انجام گرفت. در حیطه مدل بندی دانش آموز یا کاربر، شبکه عصبی برای تشخیص رفتارهای ناشناخته استفاده می شود، به خصوص در مدل بندی دانش آموزان شبکه های عصبی در اصل پیشنهاد شده تا فرآیند شناختی دانش آموز را با هدف پیش بینی خطاها و پاسخ های دانش آموز برانگیزند. یکی از الگوریتمهایی که در شبکه عصبی استفاده می شود، الگوریتم پس انتشار است، که به منظور اصلاح و گسترش ارزیابی نادرست و غلط کارشناس و معلم است. مدل فازی نشان دهنده دانش معلم با توصیف زبانی است و ویژگی های دانش آموز را از طریق یک مجموعه سیستم های فازی استنباط می کند. هدف از رویکرد جدید فازی- عصبی، نشان دادن فرآیند استدلال در “تشخیص ویژگی های غیر قابل مشاهده دانش آموز” است.<br/” title=”br”>br />
بر اساس بررسی انجام شده، رویه ارزیابی معلم به سه مرحله معنی دار تجزیه شده است:
 جمع آوری شواهد در مدت تعامل
 ارزیابی دانش آموز
 رسیدن به یک تصمیم

که این فرآیند در سه سطح صورت می گیرد:
 سطح اول فازی سازی، که توصیف زبانی مدرسان از رفتار دانش آموز است و به مدرسان توانایی ارزیابی را می دهد.
 سطح دوم استنتاج، استدلال مدرسان درطبقه بندی دانش آموزان بطور کیفی براساس تواناییها و خصوصیات شخصی آنها مانند “نسبتا کند” نشان داده می شود، به ویژه با قواعد اگر- آنگاه انجام می شود.
 در سطح سوم غیر فازی سازی، تصمیم نهایی مدرسان را درطبقه بندی یک دانش آموز در یکی از مقادیر زبانی از پیش تعریف شده از خصوصیت نشان می دهد. این فرآیند توسط وزن دارکردن ارزیابی فازی انجام می شود. ورودی ها و خروجی های مربوط به هر کدام از فرآیندها در فصلهای بعد به طور کامل شرح داده شده است.

1-9- محیط یادگیری
محیط یادگیری “کامپیوتر” یک محیط یادگیری مکاشفه ای است که بر اساس نظریه ساختارگرای یادگیری طراحی و توسعه داده شده است. محیط یادگیری، دانش آموزان را تشویق به انجام کنترل فعال فرآیند یادگیریشان، بیان و پشتیبانی نظراتشان، پیش بینی فرضیه ها و آزمایش آنها توسط دانش و تجربیاتشان نموده است، دراین چارچوب، محیط یادگیری، دانش آموزان را در فعالیتهای صحیح که به فرآیندهای جهان واقعی مربوط می شود پشتیبانی نموده و به آنها اجازه داده تا رویه یادگیریشان را که درصورت لزوم با کمک و راهنمایی همراه است، کنترل نمایند. هدف محیط یادگیری کمک به تعلیم مدرسان و دانش آموزان برای درک و یادگیری مفاهیم است. [15]
1-10- سیستم خبره فازی برای ارزیابی دانش آموزان
مدیریت اطلاعات ثبت شده و داده ها دارای پیچیدگی زیادی است که مدلسازی داده ها را فراهم ساخته است. در زمینه سیستمهای آموزشی، اطلاعات شامل جزئیاتی درباره یادگیری موارد، وظایف و اهداف، اطلاعات دوره، اطلاعات تماس، پروفایلهای مدرس و دانش آموز، اطلاعات مربوط به تکالیف درسی دانش آموز، آزمونها، رتبه ها و سوابق دیگر می باشد که بر اساس پیشنهادات انجام شده توسط ناسیوشن و همکارانش ، [8] اهدافی برای مدلسازی این اطلاعات و ساده نمودن دسترسی به سیستمهای اطلاعاتی برحسب مدلسازی فازی جستجو و شناسایی شده اند. پایگاه دانش این اطلاعات را جمع آوری نموده و سیستم خبره را برای ارزیابی رتبه های دانش آموز ارائه داده است، در واقع تمامی داده های مورد نیاز از یک مدرس بدست آمده و دریک “پایگاه دانش” ذخیره می شود تا توانایی مواجه شدن با آموزش دانش آموز و رشد و پیشرفت آنها را داشته باشند، سیستم خبره مبتنی بر دانش فازی را پایگاه داده عمومی می گویند چون شامل متغیرهای وضعیت دانش آموز، متغیرهای وضعیت تدریس و متغیرهای وضعیت آزمون است.
1-11- کاربرد نظریه فازی
محققین زیادی از نظریه فازی در زمینه های متعددی از علوم استفاده نموده اند که از آن جمله می توان به کاربرد در علوم رفتاری، سرمایه گذاری و بودجه بندی، برنامه ریزی تولید و عملیات، برنامه ریزی جامع، انواع مختلف سیستمهای پشتیبانی از تصمیم گیری، کنترل کیفیت آماری و … اشاره نمود. بیان متغیرها به صورت کمی و کیفی است و برحسب کمیتهای “خیلی کم”، “کم”، “متوسط”، “زیاد” و “خیلی زیاد” بیان می شود که این کمیتهای گفتاری به سادگی قابل تبدیل به اعداد فازی می باشند.
سیستم های پشتیبانی از تصمیم گیری فازی، دارای سه نوع پایگاه داده هستند:
 پایگاه داده فازی
 پایگاه دانش فازی
 پایگاه مدل فازی
هر سه پایگاه با هم عمل کرده و با تصمیم گیرنده در ارتباطند. تفاوت پایگاه داده فازی و دانش فازی در این است که پایگاه اول داده ها را به صورت مجموعه های فازی تولید می کند در حالیکه پایگاه دوم بر روی قواعد اگر – آنگاه صورت می گیرد که توسط مجموعه فازی بدست آمده اند. سیستم خبره دو رکن اصلی پایگاه دانش و موتور استنتاج است. پایگاه دانش، قاعده های اگر – آنگاه است و موتور استنتاج با استفاده از روشهای جستجو پس رو و پیش رو عمل استنتاج را انجام داده است. با تبدیل پایگاه دانش از حالت قطعی به فازی، سیستم خبره فازی ایجاد می شود. عواملی چون تعداد مشاهدات نمونه گیری، فواصل نمونه گیری، حدود اطمینان، ریسک تولید کننده و … همه از مواردی است که نمی توان به اندازه گیری آنها پرداخت. منطق فازی یکی از کارآمدترین رویکردها، برای اندازه گیری نادقیقی عوامل در کنترل کیفیت آماری است، به طوری که می توان اطلاعات واقع بینانه تری را برای تصمیم گیری مدیریتی به دست آورد. [19]
ساختار کلی این پایان نامه در سه بخش تنظیم گردیده است، ابتدا در اولین بخش به مفاهیم پایه ای الگوریتم ها، تکنیک ها و روش ها در مدل های مختلف و نحوه کاربرد منطق فازی در این پژوهش تشریح داده شده است، در بخش بعدی که روش شناسی است تکنیک ها یا روشها و دلیل استفاده از آنها و روشهای پایه ای جهت حل مسئله شرح داده شده است، سپس در بخش پایانی به بیان ارزیابی و نتیجه گیری و پیشنهادات مورد در این مدل پرداخته شده است.

مطلب مرتبط :   اینترنتی، اینترنت، آنلاین، عقاید، مصرفکنندگان، مصرفکننده

فصل دوم
مفاهیم پایه ای

مقدمه
در این فصل مفاهیم پایه ای الگوریتم ها، تکنیک های بکار رفته در این پژوهش و روش های مرتبط با آن، نحوه کاربرد منطق فازی و نحوه پردازش شبکه عصبی تشریح داده شده است. پیاده سازی تکنیک ها و محاسبات آن بر روی برنامه ای جهت شبیه سازی انواع الگوریتم ها صورت می گیرد. هدف این فصل آشنایی با مفاهیم اساسی، جهت بدست آوردن داده ها و شواهد برای انجام تجزیه و تحلیل در مراحل بعدی می باشد.
2-1- مدل تشخیص فازی – عصبی
مدل تشخیص فازی عصبی برای کدگذاری تشخیص مدرسان در ارزیابی خصوصیات یادگیری دانش آموزان استفاده و همچنین به منظور پیاده سازی فرآیند تشخیص، مدل دانش آموزی را نیز بروزرسانی می کند، مدل تشخیص فازی عصبی مبتنی بر شبکه یک مدل تشخیص عمومی است که می تواند در هر محیط یادگیری بر اساس پیشنهادات طراحان و مدرسان بکار رود. منطق فازی برای فراهم نمودن یک توصیف زبانی از خصوصیات رفتاری و یادگیری دانش آموزان استفاده می کند چرا که توسط مدرسان استنباط شده اند و عدم قطعیت ذاتی مربوط به ارزیابیهای فردی مدرسان را کنترل می کند. با توجه به اینکه تصمیمها توسط ترکیب شواهد فازی گرفته می شوند هر یک تا اندازه ای در تصمیم نهایی سهم دارند. به علاوه بواسطه اینکه حالت استدلال کیفی، دانش مدرسان به روشی نشان داده می شود که می تواند توسط طراحان محیطهای یادگیری هوشمند تفسیر شود، شبکه های عصبی برای افزودن تواناییهای یادگیری و تعمیم مدل فازی استفاده شده تا ارزیابیهای مدرسان را کدگذاری و به استدلالهای منطق فازی وزن دهند.

2-1-1- طرح نمایش دانش

بر اساس نوع محیط یادگیری، دامنه و طراحی آموزشی، مدرسان خصوصیات یادگیری را که برای تبعیض قائل شدن میان دانش آموزان به کار می برند، فراهم می کند. وینسنت [10] بر اساس تحقیقات انجام داده، به این نتیجه رسیده است که مدرسان خصوصیات متعدد دانش آموزانی مرتبط با دانش دانش آموزان، تواناییهای یادگیری، انگیزش، راهبردهای یادگیری و سبکهای یادگیری را فراهم می کنند. خروجی مدل تشخیص فازی عصبی مبتنی بر شبکه، مدل دانش آموزی را با در نظرگرفتن L خصوصیت یادگیری مختلف C1 ، C2 ، … ، CL مانند جنبه های یک سبک یادگیری دانش آموز، تواناییهای یادگیری و انگیزش بروزرسانی می کند. معلمان چندین نوع شواهد B1 ، B2 ، … ، Bi ، … ، Bk مانند کل زمان کار روی پرسشنامه، حرکات غیراتفاقی دانش آموزان، تعداد خطاهای مفهومی آنها، کل زمان صرف شده برای وظیفه، تعداد دوره های زمانی بیکار و غیره را فراهم می کند.
مجموعه انواع مدارک را با نماد B={ B1,B2,…,Bi,…,Bk } به لحاظ زبانی k جنبه ازیک رفتار قابل مشاهده دانش آموز را که به عنوان ورودیها برای فرآیند تشخیص به کار برده، توصیف می نماید. هر نوع شواهد ( Bi ( i=1,2,…,k به کمک معلم توسط رفتار دانش آموز هنگام پاسخ دادن بدست می آید. برای هر Bi ( i=1,2,…,k ) ، یک مقدار عددی معین xi ( i=1,2,…,k ) برای یک دانش آموز مرتبط با نوع پاسخ Bi ( i=1,2,…,k ) محاسبه می شود.
هر مقدارعددی معین xi ( i=1,2,…,k ) در یک مجموعه از اعداد مثبت Ui ( i=1,2,…,k ) قرار گیرد. بنابراین ورودی عددی X={ x1,…,xi,…,xk } در مدل تشخیص فازی عصبی چنین تعریف می شود:

مطلب مرتبط :   بومیسازی، سیاست، جهانیشدن، جنایی، انتقادی، دانشگاهی

Xi ϵ Ui, Ui (i=1, 2… k) ، مرجع بحث ورودی i بوده ، هر Xi ϵ Ui

همانگونه که در شکل نشان داده شده فرآیند شامل سه سطح است: فرآیند فازی سازی، استنتاج و فرآیند غیر فازی سازی

2-1-2 – سطح فرآیند فازی سازی
در فازی سازی، ورودی به مقدار فازی تبدیل می شود. توابع عضویت تعریف شده روی متغیرهای ورودی برای مقادیر واقعی به منظور تعیین درجه درستی بکار برده می شوند. ورودیها پس از فازی سازی، توسط موتور استنتاج فازی برحسب سیستم مبتنی بر قاعده فازی تصمیم گیری می نماید. از متغیرهای زبانی برای توصیف انواع شواهد B1, …,Bi,…,Bk از رفتار دانش آموز استفاده می کنیم، که به معلم، توانایی تبعیض قائل شدن بین خصوصیات مختلف یادگیری دانش آموزان را داده است. هر متغیر می تواند یک عدد متفاوت، از مقادیر زبانی fi بگیرد. عدد fi به کمک رفتار و پاسخ دانش آموز بدست می آید، با نماد Vi1, Vi2, … , Vifi به کمک مدرسان در مجموعه فازی تعریف می شود. رفتار قابل مشاهده توسط مجموعه T={ T(B1),…,T(Bi),…,T(Bk) } از تمامی مجموعه های دوره و توسط مجموعه B توصیف می شود.
T={ T(B1),…,T(Bi),…,T(Bk) }={ V11,V12,…,V1f1,…,Vi1,Vi2,…,Vifi,…, Vk1,Vk2,…,Vkfk }

بنابراین رفتارکلی دانش آموز، به عنوان یک ماتریس از مقادیرعددی در [0,1] است، هر کدام از مقادیر Ykfk در مجموعه فازی “ویژگی” دانش آموز را پس از تعیین ارزیابیهای مورد نظر نمایش می دهد. به عنوان مثال دانش آموز در پاسخگویی “سریع” است.

Y={ Y1,…,Yi,…,Yk }={ (y11,y12,…,y1fi),…,(yi1,yi2,…,yifi),…,(yk1,yk2,…, Ykfk) }

درجه عضویت yifi ازهر عضو xi (i=1,2,…,k) ازیک الگوی ورودی X={ x1,…,xi,…,xk } است که هر کدام از xi ها یک بردار را توصیف می کنند.

2-1-3 – سطح استنتاج
این یک محیط ارتباطی برای فازی سازی پارامترهای مورد تقاضای کاربر از موارد آزمون و پاسخ به پرسشنامه است. پارامترهای فازی سازی شده به همراه یک مجموعه از قواعد فازی برای انجام فرآیند استنتاج به یک سیستم خبره فرستاده شده اند. این سطح استدلال مدرسان را درطبقه بندی دانش آموزان به طور کیفی براساس تواناییها و خصوصیات شخصی آنها مانند کند، مناسب و … به ویژه یک تقریب از قواعد اگر- آنگاه فازی انجام داده اند که استدلال مدرسان را در ارزیابی کیفی خصوصیات دانش آموزان نشان داده است. برای مثال اگر کل زمان صرف شده روی پرسشنامه یک دانش آموز کوتاه و میزان تلاشها برای یافتن پاسخ صحیح زیاد و تعداد پاسخهایی که شک دارد، کم باشد سپس دانش آموز به درس “بسیارعلاقمند” است.
مجموعه T(Cj)={ Cj1,Cj2,…,Cjmj } مجموعه دوره Cj( j=1,2,…,L ) است، هر کدام از اعضای مجموعه T(Cj)، ویژگیهای غیر قابل مشاهده دانش آموز را در علاقه ی او مشخص می کند. برای مثال اگر متغیر زبانی “علاقه دانش آموز” را با استفاده از پنج مقدارزبانی (mj =5) ارتباط برقرارکنیم، مجموعه دوره می تواند به صورت زیر نمایش داده شود.

T(Cj)=T( علاقه دانش آموز )={Cj1,Cj2,Cj3,Cj4,Cj5 }={ بسیار علاقمند، علاقمند، معمولی، نسبتا”علاقمند، بی علاقه }

به این روش یک حالت از استدلال کیفی که درآن پیش شرطها و نتایج قواعد اگر- آنگاه که شامل متغیرهای فازی است برای فراهم نمودن یک توصیف غیرجامع از استدلال مدرسان استفاده شده است:

اگر B1 ، V1I1 و B2 ، V2I2 ، … و Bk ، VkIk باشد پس C1 ، C1J1 و C2 ، C2J2 ، … و CL ، CLJL است.
I1=1,2,…,f1 ; I2=1,2,…,f2 ; Ik=1,2,…,fk
J1=1,2,…,m1 ; J2=1,2,…,m2 ; JL=1,2,…,mL

براساس پیشنهادات انجام شده، سطح استنتاج یک ارزیابی فازی Cj=[ Cj1,Cj2,…,Cjmj ] ( j=1,2,…,L ) از یک خصوصیت C1,C2,…,CL دانش آموز را توسط ارزیابی درجات عضویت