
پیشبینی احساسات دانشآموزان ناشی از ارزیابی بازخوردهای دریافتشده
نوری جاوید
بهروزرسانی در
۱۵ اردیبهشت ۱۳۹۰

پیشبینی احساسات دانشآموزان ناشی از ارزیابی بازخوردهای دریافتشده
نوری جاوید
بهروزرسانی در
۱۵ اردیبهشت ۱۳۹۰

پیشبینی احساسات دانشآموزان ناشی از ارزیابی بازخوردهای دریافتشده
نوری جاوید
بهروزرسانی در
۱۵ اردیبهشت ۱۳۹۰
پل سالوادور ابداع کرد. موسسه تحقیقات علمی و صنعتی، دانشگاه اوساکا، ژاپن
چکیده
بسیاری از پژوهشگران اثربخشی سیستمهای آموزشی هوشمند عاطفی (ITS) را در حمایت از یادگیری دانشآموزان نشان دادهاند. حمایت ارائه شده به دانشآموزان معمولاً از طریق عوامل آموزشی ارائه میشود که قادر به ابراز احساسات از طریق حالات چهره، حرکات و گفتار شبیهسازیشده هستند. محتوای گفتگو بسیار مهم است زیرا حاوی اطلاعاتی است که به دانشآموز در یادگیری اطلاعات جدید، درک بیشتر مفاهیم یا اصلاح تصورات نادرست کمک میکند. اگرچه این مداخلهها بر اساس تئوریهای موجود هستند، اما هنوز مواردی وجود دارد که ممکن است بازخورد با دانشآموزان سازگار نباشد، زیرا آنها بسیار متنوع هستند و میتوانند در موقعیتهای بسیار متفاوتی قرار داشته باشند. یک جنبه بسیار مهم که باید در نظر گرفته شود این است که دانشآموزان چگونه بازخورد ارائه شده توسط یک ITS را ارزیابی میکنند. با دانستن ارزیابی دانشآموز از بازخورد، میتوان بازخوردهایی را که مؤثر هستند و باید حفظ شوند یا بازخوردهایی که باید جایگزین شوند، شناسایی کرد. این پژوهش به بررسی احساسات دانشآموزان که با مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد نشان داده میشوند و توسط یک دستگاه مبتنی بر EEG تشخیص داده میشوند، میپردازد. مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد با بازخورد حاصل از POOLEIII ITS همبسته شدهاند تا مدلهای پیشبینیکنندهای از این روابط ایجاد شود. استفاده از این مدلها به سیستمهای آموزشی هوشمند آینده این امکان را میدهد تا احساسات ناشی از ارزیابی بازخورد توسط دانشآموز را قبل از ارائه آن شناسایی کنند و در صورت نیاز، اصلاحاتی را روی بازخورد اعمال نمایند.
پل سالوادور ابداع کرد. موسسه تحقیقات علمی و صنعتی، دانشگاه اوساکا، ژاپن
چکیده
بسیاری از پژوهشگران اثربخشی سیستمهای آموزشی هوشمند عاطفی (ITS) را در حمایت از یادگیری دانشآموزان نشان دادهاند. حمایت ارائه شده به دانشآموزان معمولاً از طریق عوامل آموزشی ارائه میشود که قادر به ابراز احساسات از طریق حالات چهره، حرکات و گفتار شبیهسازیشده هستند. محتوای گفتگو بسیار مهم است زیرا حاوی اطلاعاتی است که به دانشآموز در یادگیری اطلاعات جدید، درک بیشتر مفاهیم یا اصلاح تصورات نادرست کمک میکند. اگرچه این مداخلهها بر اساس تئوریهای موجود هستند، اما هنوز مواردی وجود دارد که ممکن است بازخورد با دانشآموزان سازگار نباشد، زیرا آنها بسیار متنوع هستند و میتوانند در موقعیتهای بسیار متفاوتی قرار داشته باشند. یک جنبه بسیار مهم که باید در نظر گرفته شود این است که دانشآموزان چگونه بازخورد ارائه شده توسط یک ITS را ارزیابی میکنند. با دانستن ارزیابی دانشآموز از بازخورد، میتوان بازخوردهایی را که مؤثر هستند و باید حفظ شوند یا بازخوردهایی که باید جایگزین شوند، شناسایی کرد. این پژوهش به بررسی احساسات دانشآموزان که با مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد نشان داده میشوند و توسط یک دستگاه مبتنی بر EEG تشخیص داده میشوند، میپردازد. مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد با بازخورد حاصل از POOLEIII ITS همبسته شدهاند تا مدلهای پیشبینیکنندهای از این روابط ایجاد شود. استفاده از این مدلها به سیستمهای آموزشی هوشمند آینده این امکان را میدهد تا احساسات ناشی از ارزیابی بازخورد توسط دانشآموز را قبل از ارائه آن شناسایی کنند و در صورت نیاز، اصلاحاتی را روی بازخورد اعمال نمایند.
پل سالوادور ابداع کرد. موسسه تحقیقات علمی و صنعتی، دانشگاه اوساکا، ژاپن
چکیده
بسیاری از پژوهشگران اثربخشی سیستمهای آموزشی هوشمند عاطفی (ITS) را در حمایت از یادگیری دانشآموزان نشان دادهاند. حمایت ارائه شده به دانشآموزان معمولاً از طریق عوامل آموزشی ارائه میشود که قادر به ابراز احساسات از طریق حالات چهره، حرکات و گفتار شبیهسازیشده هستند. محتوای گفتگو بسیار مهم است زیرا حاوی اطلاعاتی است که به دانشآموز در یادگیری اطلاعات جدید، درک بیشتر مفاهیم یا اصلاح تصورات نادرست کمک میکند. اگرچه این مداخلهها بر اساس تئوریهای موجود هستند، اما هنوز مواردی وجود دارد که ممکن است بازخورد با دانشآموزان سازگار نباشد، زیرا آنها بسیار متنوع هستند و میتوانند در موقعیتهای بسیار متفاوتی قرار داشته باشند. یک جنبه بسیار مهم که باید در نظر گرفته شود این است که دانشآموزان چگونه بازخورد ارائه شده توسط یک ITS را ارزیابی میکنند. با دانستن ارزیابی دانشآموز از بازخورد، میتوان بازخوردهایی را که مؤثر هستند و باید حفظ شوند یا بازخوردهایی که باید جایگزین شوند، شناسایی کرد. این پژوهش به بررسی احساسات دانشآموزان که با مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد نشان داده میشوند و توسط یک دستگاه مبتنی بر EEG تشخیص داده میشوند، میپردازد. مقادیر ناامیدی و هیجان ناشی از ارزیابی بازخورد با بازخورد حاصل از POOLEIII ITS همبسته شدهاند تا مدلهای پیشبینیکنندهای از این روابط ایجاد شود. استفاده از این مدلها به سیستمهای آموزشی هوشمند آینده این امکان را میدهد تا احساسات ناشی از ارزیابی بازخورد توسط دانشآموز را قبل از ارائه آن شناسایی کنند و در صورت نیاز، اصلاحاتی را روی بازخورد اعمال نمایند.

به خواندن ادامه دهید