با همکاری مشترک دانشگاه پیام نور و انجمن روانشناسی تربیتی ایران

نوع مقاله : پژوهشی

نویسندگان

1 استادیار، گروه علوم تربیتی، دانشگاه پیام نور

2 مربی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور

چکیده

مسئلۀ رضایتمندی دانشجویان از نظام آموزش الکترونیکی، نقش مهمی در عملکرد تحصیلی آنها و همچنین موفقیت و کارآمدی این حوزه ایفا می‌کند. با توجه به کیفی بودن مسئله سنجش میزان رضایتمندی، در این تحقیق به طراحی یک سیستم خبرۀ فازی پرداخته شده است. بدین منظور، شاخصه‌هایی نظیر تعاملات یادگیری، بازخوردها، کیفیت و مفید بودن یادگیری الکترونیکی، برای رضایتمندی یادگیرندگان در نظر گرفته شده است. میزان هرکدام از این شاخص‌ها در جامعۀ مورد مطالعه با استفاده از تکنیک‌های فازی تعیین شده و همچنین، اولویت و سهم هرکدام از شاخص‌ها در میزان رضایتمندی، با استفاده از فرآیند تحلیل سلسله مراتبی به دست آمده است. پس از به دست آوردن این اطلاعات و بهره گرفتن از نظر خبرگان، پایگاه قوانین اگر- آنگاه تکمیل و برای تعیین میزان دقیق رضایتمندی، از روش استنتاج فازی ممدانی استفاده شده است. نمونه مورد مطالعه در این تحقیق، 70 نفر از دانشجویان کارشناسی ارشد الکترونیکی دانشگاه پیام نور هستند و پس از پیاده‌سازی سیستم با نرم‌افزار Matlab، سطح رضایتمندی آنها «زیاد» و به مقدار دقیق «75/0» برآورد شده است. همچنین، اعتبارسنجی مدل حاکی از انطباق بالای نتایج به دست آمده با نظر خبرگان این حوزه دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Designing a Fuzzy Expert System for Measurement the Satisfaction of Electronic Learner

نویسندگان [English]

  • Nasim Saeed 1
  • Monireh Azimi Hemat 2

چکیده [English]

Student satisfaction of e-learning systems plays an important role in their academic performance as well as the success and effectiveness of this area. With regard to being qualitative the measurement of satisfaction, this research has designed a fuzzy expert system. Therefore, factors such as interactions, feedback, quality and usefulness of e-learning, is intended for student satisfaction. In order to determining the amount of each of these factors in the studied population, the fuzzy techniques are used. The priorities and importance of each of them in satisfaction obtained by using the analytic hierarchy process. After completing the knowledge base and benefit from expert opinion, the fuzzy rule base has been completed and the exact amount of satisfaction is obtained with the mamdani fuzzy inference. The sample in this study is the seventy Master students of Electronic PNU which after implemented the system with Matlab software, their satisfaction level obtained "high" and the exact amount of satisfaction is-estimated "0.75". Also, validation the model indicate high conformity of results and experts opinion in this felid.

کلیدواژه‌ها [English]

  • Academic Satisfaction
  • Analytic Hierarchy Process
  • Electronic Learning
  • Fuzzy Expert System
الهی، شعبان؛ رشیدی، مصطفی؛ صادقی، محمود (1394). طراحی سیستم خبرة فازی برای مدیر عالی حریم خصوصی در حوزة تبادلات الکترونیکی دولت و کسب و کارها. مجلۀ مدیریت فناوری اطلاعات، دورة 7، شمارة 3، ص511 -530.
اوتارخانی، علی؛ دلاوری، وحید (1391). سنجش رضایت دانشجویان از سیستم‌های آموزش الکترونیکی. نشریۀ فناوری اطلاعات و ارتباطات، سال چهارم شماره 11: 19 25.
برزده، سید محمد؛ تقوی فرد، محمد (1392). طراحی و توسعة یک سیستم خبره فازی مبتنی بر قانون برای ارزیابی اعتباری مشتریان شرکت‌های تجاری (مورد مطالعه: شرکت توزیع و پخش البرز(. مدیریت بازرگانی، دوره 5، شماره 2، ص .17-46.
بودجازیف، جرج (1381). منطق فازی و کاربرد آن در مدیریت، تهران، انتشارات ایشیق، چاپ اول 25، ص، 128.
پوراصغر، نصیبه؛ کیامنش، علیرضا؛ سرمدی، محمدرضا (1395). مدل پیش‌بینی عملکرد تحصیلی دانشجویان آموزش از دور بر اساس متغیرهای فردی، باورهای انگیزشی و راهبردهای یادگیری خودتنظیمی. فصلنامۀ علمی- پژوهشی پژوهش در یادگیری آموزشگاهی و مجازی، سال چهارم، شماه دوم، ص22-7.
حکیم، اشرف‌السادات (1392). مؤلفه‌های تاثیرگذار بر میزان رضایتمندی دانشجویان پرستاری از رشته تحصیلی. آموزش پرستاری، دوره 2, شماره 2 (پیاپی 4); از صفحه 10 – 20.

زارع، حسین؛ سرمدی، محمدرضا؛ فرج‌اللهی، مهران؛ آچاک، عثمان (1394). بررسی تأثیر نوع سؤال و سطح پردازش سؤالات در آزمون‌های بازشناسی و یادآوری بر عملکرد حافظه دانشجویان. فصلنامۀ علمی - پژوهشی پژوهش در یادگیری آموزشگاهی و مجازی، سال دوم، شماره هشتم، ص 88-98.

طاهری، سید محمود (1386). غیر فازی‌سازی، ششمین کنفرانس سیستم‌های فازی ایران و نخستین کنفرانس سیستم‌های فازی در جهان اسلام، ص 279.

قاسم‌نژاد مقدم، نیما؛ نریمانی‌راد، محمد (1391). طراحی یک سیستم خبره فازی جهت سنجش میزان رضایت شغلی (با تاکید بر عوامل چهارگانه رابینز). نشریۀ علمی پژوهشی مدیریت فردا، سال یازدهم، شماره 32.

قاسمی، روح الله؛ محقر، علی؛ صفری، حسین؛ اکبری جوکار، محمدرضا (1395). اولویت‏بندی کاربردهای فناوری اینترنت اشیا در بخش بهداشت و درمان ایران: محرکی برای توسعۀ پایدار. فصلنامۀ مدیریت فناوری اطلاعات، دوره 8، شماره 1، ص 155-176.

مومنی‌راد، اکبر؛ علی‌آبادی، خدیجه (1391). بررسی کیفیت رشتۀ فناوری اطلاعات دورۀ آموزش الکترونیکی دانشگاه صنعتی خواجه نصیرالدین طوسی بر اساس استانداردهای آموزش الکترونیکی. اندازه‌گیری تربیتی، سال سوم، شماره 7، ص 113 تا 130.

نصری نصرابادی، شهره؛ حسن‌زاده، علیرضا؛ رجبزاده قطری، علی (1395). طراحی سیستم خبره فازی برای اندازه‌گیری کیفیت خدمات بانکداری الکترونیکی. فصلنامۀ علمی- پژوهشی تحقیقات بازاریابی نوین، سال پنجم، شماره اول، ص 53-88.
 
 
 
 
Alias Devi, P.I. & Rajagopalan, S.P. (2011). The expert system designed to improve customer satisfaction, Advanced Computing: An International Journal (ACIJ), 2(6): 69-84.
Andeson & Garrison (2006). E-learning from theory to practice,traslate by Bibieshrat zamani & seidamin zamani, Tehran: Publications smart schools. (in persian)
Arias-Aranda, D.; Castro, J.L.; Navarro, M.; Sánchez, J.M. & Zurita, J.M. (2010). A fuzzy expert system for business management. Expert Systems with Applications 37: 7570–7580.
Asmuni, H.B. (2008). Fuzzy Methodologies for Automated University Timetabling Solution Construction and Evaluation, thesis of Doctor of Philosophy, University of Nottingham.
Atack, L. & Rankin, J. (2002). A descriptive study of registered nurses experience with web-based learning. Journal of advanced nursing, 40(4): 457-465.
Baraldia, P.; Librizzia, M.; Zioa, E.; Podofillinib, L. & Dangb, V.N. (2009). Two techniques of sensitivity and uncertainty analysis of fuzzy expert systems. Expert Systems with Applications, 36 (10): 12461–12471.
Barzdeh, S.M. & Taghavi Fard, M. (2013). Design and development of a rule based fuzzy expert system to assess customer credit (Case Study: Distribution company Alborz). Business Management, 5 (2): 17-46. (in persian)
Boodjazyf, G. (1381). Fuzzy logic and its application in management. Tehran: Ayshyq, pp. 128. (in persian)
Bray, N., Harris, M. & Major, C. (2007). New verse same ald chorus? Looking holistically at distance education research. Research in higher education, 48(7): 889-908.
Brown, B. & Liedholm, C. (2004). Student preferences in using online Learning resources. Social science computer Review, 22(4): 479-492.
Bubb, Terri. E. (2009). An analyzing interactive activity communication in online courses to determine the evolution of online communities of Learning. University of Houston. Doctoral Dissertation.
Carboni, L.W. & Friel, S.N. (2000). The use of technology in building a learning community: Possibilities and challenges. Paper presented at the 2000 Annual meeting of the American Educational research association.New Orleans,LA.
Chang, D.Y. (1992). Extent Analysis and Synthetic Decision Optimization Technology and Applications, Singapore: World Scientific: 352.
Chang, D.Y. (1996). Applications of the extent analysis method on fuzzy AHP. European journal of operational research, 95(3): 649-655.
Darlington, K. (2000). The essence of expert system. England: Prentice- Hall
Daugherty, M. & funke, B.L. (1998). University faculty and student perceptions of web based instruction. Journal of distance education, 3(1).
Davis, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3): 318–339.
Elahi, SH., Rashidi, M., Sadeghi, M. (2015). Designing fuzzy expert system for chief privacy officer in government and businesses E-transactions. Journal of Information Technology Management, 7(3): 511 -530. (in persian)
Fedryszewski, A.Nadin. (2009). Comparison of student cognitive outcomes and satisfaction between classroom and web based sections of a phlebotomy program using a mixed pedagogy approach (PhD). United states, the university of medicine and Dentistry of New Jersey.
Garrison, D.R. & Anderson, T. (2006). E-learning in the 21st century, translate by Esmaeil Zarei zavaraki & Saeid safaiemovahed, Tehran: Agah publication. (in persian)
Ghasemi, R.; Mohagher, A.; Safari, H.; Akbari Joukar, M.R. (2016). Prioritizing the Applications of Internet of Things Technology in the Healthcare Sector in Iran: A Driver for Sustainable Development. Journal of Information Technology Management, 8(1): 155 -176. (in persian)
Giarratano, J. (1998). Txpert systems principles and programming. Boston, MA: PWS publishing company.
Haji, A., Assadi, M. (2009). Fuzzy expert systems and challenge of new product pricing. Computers & Industrial engineering, 56 (2): 616-630
Hakim, A. (2013). Factors affecting the satisfaction of nursing students, Nursing education, 2(2):10-20. (in persian)
Idrus, A.; Nuruddin, M.F.; Rohman, M.A. (2011). Development of project cost contingency estimation model using risk analysis and fuzzy expert system. Expert Systems with Applications, 38 (3): 1501-1508.
Jedica, J.; Brown, S.; Bunch, A. & Jafee, L. (2002). A comparison of distance education instructional methods in occupational therapy. Journal of Allied healths, 31(4):247-251.
Li, S.; Li, J.Z., (2009). Hybridising human judgment, AHP, simulation and a fuzzy expert system for strategy formulation under uncertainty. Expert Systems with Applications, 36 (3): 5557–5564.
Maria de Lourdes, Machado Virgílio Meira, Brites Rui, Soares, José Brites, Ferreira Gouveia Odília Maria Rocha. (2011). A Look to Academic Satisfaction and Motivation in Portuguese. Higher Education Institutions. Social and Behavioral Sciences, (29): 1715-1724 .
Matthews, C. (2003). A formal specification of a fuzzy expert system. Journal of Information and Software Technology, 45: 419-429.
Momenirad, A. & Aliabadi, K. (2012). Examination of the quality the IT field of e-learning courses based on e-learning standards. Journal of Educational Measurement, 7(3): 131-115. (in persian)
Nasri Nasr Abadi, SH., Hassanzadeh, A., Rajabzadeh Qatari, A. (2015). designing fuzzy expert system to measure the quality of e-banking services. Journal of New Marketing Research, 16(1): 53-88. (in persian)
Nosratabadi, H.E.; Pourdarab, S.; Abbasian, M. (2011). Evaluation of Science and Technology Parks by using Fuzzy Expert System. The Journal of Mathematics and Computer Science, 2 (4): 594-606.
Otarkhani, A. & Delavari, V. (2012). Satisfaction of e-learning systems From the viewpoint students. Outlook Business Administration, (10): 53-78. (in persian).
Pie-chen, sun-Rayj, Tsai-Glen, finger, Yueh Yangchen, dowming yeh. (2008). What drives a successful e-learning?An empirical investigation of the critical factors influencing learner satisfaction. Computer & Education, 50(4) 1183-1202. Available: science direct.
Qasemnjad, N. & Narimani Rad, M. (2012). Designing a fuzzy expert system for the assessment the job satisfaction (With emphasis on the four Robbins). Journal of Future Management, 11(32): 93-104. (in persian)
Safaei, Z.; Emadi, A.; Taheri, M. (2012). Evaluation of satisfaction with e-learning subjects of continuing education programs. The Journal of Medical Education and Development, 7(2):13-20. (in persian)
Siler, W. & Buckley, J.J. (2005). Fuzzy Expert Systems and Fuzzy Reasoning. New Jersey: John Wiley & Sons, Ink.
Taheri, S. (2007). Defuzzification, the sixth conference of the First International Conference on Fuzzy Systems Fuzzy Systems Iran and the Muslim world: 279. (in persian)
Wang, LX. (1994). A course in fuzzy systems and control. England: Prentice-Hall.
Womble, J. (2007). E-learning:The relationship among learner satisfaction,self-efficacy,and usefulness, Sandiego Alliant international university, Doctoral Dissertation.
Zadeh, L.A. (1965). Fuzzy sets. Information and Control, 8(3): 338–353.