دسته بندی سبک های یادگیری با استفاده از ویژگی های رفتاری و ماشین بردار پشتیبان دو قلو

موفقیت تحصیلی دانشجویان از اهداف مهم در محیط‌های آموزشی است. یکی از عوامل مهم در تحقق این هدف، توجه به سبک یادگیری دانشجویان است. آگاهی از سبک یادگیری دانشجویان به طراحی یک روش مناسب آموزش کمک می‌کند. لحاظ کردن یک شیوه مناسب آموزش باعث بهبود عملکرد دانشجویان در محیط آموزشی می‌شود. در این مقاله، هدف ساخت یک مدل برای تشخیص خودکار سبک‌های یادگیری است. بدین منظور از یک محیط آموزش الکترونیکی متشکل از 202 دانشجو رشته مهندسی برق و کامپیوتر، دو مجموعه داده برای ایجاد مدل جمع آوری شده است. ویژگی‌های رفتاری از نحوه تعامل دانشجویان با سامانه آموزش الکترونیکی استخراج شده و سپس سبک‌های یادگیری با روش ماشین بردار پشتیبان دو قلو دسته‌بندی می‌شوند. ماشین بردار پشتیبان دو قلو گونه جدیدی از دسته‌بند‌های مبتنی بر مرز مانند SVM است که هدف آن بدست آوردن حاشیه ناموازی است. این دسته‌بند به دادگان نامتوزان حساس نمی باشد و سرعت آموزش آن بسیار سریع است. نتایج نشان می-دهد که روش پیشنهادی از سایر روش‌ها بهتر عمل کرده و با دقت 95 درصد سبک‌های یادگیری را تشخیص می-دهد.