پایان نامه با واژگان کلیدی دانشگاهها

دانلود پایان نامه ارشد

مختلف به طور همزمان استفاده شود. در اين صورت ممکن است بر اساس يک مدل فردي در طبقه دانشجويان متوسط و بر اساس مدل ديگر در طبقه مشمول افت قرار گيرد. پيشبيني الگوريتم سوم يا چهارم کمک شاياني به تصميمگيري در اين مورد خاص خواهد کرد. در پيشينه پژوهشي از اين نوع پيشبيني تحت عنوان “طرح تصميم” ياد شد. تصميمگيري بر اساس چند طرح تصميم ميزان خطاي پيشبيني را به شدت کاهش ميدهد.
* اجرايي کردن و انجام هر کدام از پيشنهادات حاصل از پژوهش حاضر بدون وجود يک ساختار سازماني، ناممکن يا به سختي ممکن خواهد بود. در بررسي موسسههاي آموزش الکترونيکي، مرکزي تحت عنوان”مرکز موفقيت دانشجو412″ شناسايي شد. مرکز موفقيت دانشجو مي‌تواند توسعه و به‌روزرساني نرم افزار پيشبين و تضمين کننده موفقيت يادگيرنده الکترونيکي به ويژه دانشجويان در معرض خطر باشد.

5-12 محدوديت هاي پژوهش
مهم‌ترين محدوديت پژوهش حاضر، اين است که پژوهش، محدود به يک مرکز آموزش الکترونيکي در دانشگاه فني-مهندسي در تهران شده است؛ لذا نتايج اين تحقيق از نظر تعميمپذيري به دانشگاههايي که صرفاً فني- مهندسي نيستند، با اندکي چالش مواجه است. بر اساس همين محدوديت، يافتهها به دانشگاههاي شهرستاني و مراکز آموزش الکترونيکي غير انتفاعي با احتياط تعميم داده شود.
5-13 پيشنهاداتي براي پژوهش هاي آينده
پژوهشگران و علاقهمندان به پژوهش در حوزه يادگيري الکترونيکي به عنوان تکميل کننده پژوهش حاضر ميتوانند در موضوعات زير پژوهش کنند:
* به دليل اهميت زياد عدالت آموزشي در آموزش الکترونيکي و اعتقاد دانشجويان به ناعدالتي آموزشي در پژوهش حاضر با استفاده از روش تحقيق کيفي، مفهوم و عوامل زمينهسازِ عدالت آموزشي در آموزش الکترونيکي را تحقيق کنند.
* مشکلات روان‌شناختي فضاي آموزش مجازي چون احساس تنهايي، خشک و خسته کننده بودن فضا و… که در اين پژوهش کشف شده است، مورد تحقيق کمّي و کيفي قرار گيرد و راهکارهايي براي آن ارائه شود.
* علل عدم مشارکت دانشجو در کلاسها و فعاليتهاي يادگيري الکترونيکي شناسايي و راهکار ارائه شود.
* الگوي مطلوب ارائه آموزش تلفيقي با توجه به ويژگيهاي بومي آموزش الکترونيکي ايران تحقيق و تدوين شود.
* مهارتهاي مورد نياز تدريس اساتيد در فضاي مجازي، نيازسنجي و الگوي طراحي آموزش مطلوب براي آموزش اساتيد ارائه شود.
* هر کدام از مدلها و الگوريتمهاي بکار رفته در پژوهش حاضر داراي پارامترهاي متعددي هستند که پژوهشگران مي‌توانند با تغيير اين پارامترها، کارآيي الگوريتمها را افزايش دهند. بنابراين، پيشنهاد ميشود، در پژوهشهاي آتي روش‌هايي افزايش قدرت پيشبيني الگوريتمهاي هوشمند شناسايي شود.

منابع و مأخذ
منابع فارسي
1. بازگان، عباس. (1389).مقدمهاي بر روش‌هايي تحقيق کيفي و آميخته، رويکردهاي متداول در علوم رفتاري (چاپ دوم). تهران: ديدار.
2. بريس، نيکلا؛ کمپ، ريچارد؛ سنلگار، رمزي. (1389). تحليل داده‌هاي آماري با نرم افزار SPSS (ترجمه خديجه علي آبادي و سيد علي صمدي). تهران: نشر دوران.
3. حسيني، سيد يعقوب. (1382). آمار ناپارامتريک روش تحقيق و نرم افزار آماري SPSS. تهران: انتشارات دانشگاه علامه طباطبايي
4. دلاور، علي. (1388). مباني نظري و عملي پژوهش در علوم انساني و اجتماعي. تهران:رشد.
5. راسل، اي، جي؛ نوريک پيتر. (1388). هوش مصنوعي رهيافتي نوين (ترجمه رامين رهنمون).تهران: ناقوس.
6. راسل، اي، جي؛ نوريک پيتر. (1385). هوش مصنوعي رهيافتي نوين (ترجمه رامين رهنمون).تهران: ناقوس.
7. روزگار، رسول؛ نعمت الهي. (1385). مقايسه تحليل مميزي (آناليز تشخيصي) و رگرسيون لجستيک. هشتمين کنفرانس آمار ايران: شيراز. 30-41.
8. سدهي، مرتضي؛ محرابي، يدالله؛ کاظم نژاد، انوشيروان و حدائق، فرزاد. (1388). مقايسهي مدلهاي شبكهي عصبي مصنوعي با رگرسيون لجستيك و تحليل مميزي در پيش بيني سندرم متابوليك. مجلهي غدد درون ريز و متابوليسم ايران، 11 (6)، 638-646.
9. سيف، علي اکبر. (1386). اندازهگيري، سنجش و ارزشيابي آموزشي. تهران: دوران.
10. عسکرزاده، حسن. (1388). آموزش تعاملي هوشمند جلد 1. تهران: رويش جوانههاي فردا.
11. عميدي، علي. (1388). روش‌هاي نمونه گيري (1). تهران: انتشارات پيام نور
12. غضنفري، مهدي؛ کاظمي، زهره. (1382). اصول و مباني سيستمهاي خبره با فصولي درباره شبکههاي مصنوعي تئوري مجموعه هاي فازي. تهران: دانشگاه علم و صنعت ايران.
13. فليک، اوره. (1387). در آمدي بر تحقيق کيفي (ترجمه هادي جليلي). تهران: نشر ني.
14. مومني، منصور؛ فعال قيومي علي. (1389). تحليل داده هاي آماري با استفاده از SPSS. تهران: مؤلف.
15. هومن، حيدر علي. (1388).مدليابي معادلات ساختاري با کاربرد نرم افزار ليزرل. تهران: سمت.

منابع لاتين
1. Affendey, L.S., Paris, I.H.M. Mustapha, N. Sulaiman, M.N., Muda, Z. (2010). Ranking of influencing factors in predicting students academic performance. Inform. Technol. J., 9,pp 832-837.
2. Ally ,M .(2004). foundations of educational theory for online learning. In T.Anderson (ed), the theory and practice of online learning (pp15-47). AU Press, Athabasca University
3. Ambient Insight.(2011). The Worldwide Market for Self-paced eLearning Products and Services: 2010-2015 Forecast and Analysis. Retrieved from: http://www.ambientinsight.com/Resources/Documents/Ambient-Insight-2010-2015-Worldwide-eLearning-Market-Executive-Overview.pdf
4. Anohina, A. (2005). Analysis of the terminology used in the field of virtual learning. Educational Technology & Society, 8(3) , 91-102.
5. Artino, Jr., A. (2008). Promoting academic motivation and self-regulation: Practical guidelines for online instructors. TechTrends, 52(3), 37-45.
6. Asabere,N,Y.,Lengua,SE.(2012).Integration of Expert Systems in Mobile Learning. International Journal of Information and Communication Technology Research.2(1),PP55-64
7. Baker, R., Yacef, K. (2009) .The State of Educational Data Mining in2009: A Review and Future Visions. Journal of Educational Data Mining, 1,1,3-17
8. Barnard, L., Paton, V. O., & Lan, W. Y. (2008). Online self-regulatory learning behaviors as a mediator in the relationship between online course perceptions with achievement. International Review of Research in Open and Distance Learning, 9(2), 1-11.
9. Bartlett, M.s.( 1954). A note on the multiplying factors for various chi square approximations. Journal of the Royal Statistical Society, 16, 296-298.
10. Bedore Jr, G,L.(2005). Student success and retention rate in the online classroom. . (Doctoral dissertation). Retrieved from ProQuest Dissertations and Theses database. (UMI No. 3196719).
11. Berge, Z & Huang, Y (2004) A Model for Sustainable Student Retention: A Holistic Perspective on the Student Dropout Problem with Special Attention to e-Learning. DEOSNEWS, Volume 13 (5). Retrieved february 11, 2013 from: http://www.ed.psu.edu/acsde/deos/deosnews/deosnews13_5.pdf
12. Bernard, R. M., Abrami, P. C., Borokhovski, E., Wade, C. A., Tamin, R. M., Surkes, M. A., & Bethel, E. C. (2009). A meta-analysis of three types of interaction treatments in distance education. Review of Education Research , 79(3), 1243-1289.
13. Bernard, R.M., Brauer, A., Abrami, P.C., & Surkes, M. (2004). The development of a questionnaire for predicting online learning achievement. Distance Education, 25(1), 31-47
14. Bernath,U., & Rubin,E.(2004). Student retention issues in the online Master of Distance Education(MDE)-An evidence-Based approach. In U. Bernath & A. Szücs (Eds.) (2004), Supporting the Learner in Distance Education and E-Learning, Proceedings of the Third EDEN Research Workshop, Carl von Ossietzky University of Oldenburg, Germany, March 4 – 6, 2004 (pp. 363 – 369). Oldenburg: Bibliotheks- und Informationssystem der Universit?t Oldenburg
15. Besich,M,N.(2005).learning tactics of successful online learners(doctoral dissertation). retrieved from proquest dissertations and theses database. (umi no. 3161803)
16. Bogard,M.,Helbig,T.,Huff,G.,James,C.(2011).A Comparison of Empirical Models for Predicting Student Retention. White Paper. Office of Institutional Research, Western Kentucky University. Available at:
17. http://www.wku.edu/instres/documents/comparison_of_empirical_models.pdf
18. Boston, W., & Ice, P. (2011). Assessing Retention in Online Learning: An Administrative Perspective. Online Journal of Distance Learning Administration, 14(2).
19. Brusilovsky, P., & Peylo, C. (2003). Adaptive and Intelligent Web Based Educational Systems. International Journal of Artificial Intelligence in Education, 13, 156-169.
20. Buthler,H.(2008).Investigation the impact of E-leaner cognitive style on the predictive value of student success in online distance education courses, Retrieved from ProQuest Dissertations and Theses database. (UMI No. 3305623)
21. Butler, H,(2006). Investigating the impact of e-learner cognitive style on the predictive value of student success in oline distance courses. (Doctoral dissertation). Retrieved from ProQuest Dissertations and Theses database. (UMI No. 3305623)
22. Casey, D. M. (2008). A journey to legitimacy: The historical development of distance education through technology. TechTrends: Linking Research & Practice to Improve Learning, 52(2), 45-51.
23. Chang, M-M., Ho, C-M.(2009). Effects of Locus of Control and Learner-Control on Web-Based Language Learning. Computer Assisted Language Learning, v22 n3 p189-206
24. Chen,Y-J., Willits,F,K.(1998). A Path Analysis Of The Concepts In Moore’s Theory Of Transactional Distance In A Videoconferencing Learning Environment. 13,(2).pp 51-65
25. Chyung, S. Y. (2001). Conducting learner analysis to adjust online instruction for your faceless learners. In Proceedings of the 17th Annual Conference on istance Teaching & Learning, (pp. 85-90)
26. Clark R,C; Mayer,E,R (2003) e-Learning and the Science of Instruction: Proven Guidelines for Consumers and Designers of Multimedia Learning.San Francisco:Pfeiffer
27. Clark R,C; Mayer,E,R (2011) e-Learning and the Science of Instruction: Proven Guidelines for Consumers and Designers of Multimedia Learning.San Francisco:Pfeiffer
28. Clark, G.(1996) .Glossary of CBT/WBT Terms. [One-Line]. Available: http://www.clark.net/pub/nractive/alt5.htm, pages 1 and 2
29. Cooper ,C,I.(2007). (doctoral dissertation). retrieved from proquest dissertations and theses database. (umi no. 3263504)
30. Cooper, C. I. (April 2009) “Predicting First-year Retention of College Freshmen Using Neural Networks.” C. Cooper. Proceedings of the 2009 American Society for Engineering Education Northeast Conference.
31. Delen, D. (2010). A comparative analysis of machine learning techniques for student retention management. Support Systems 49, pp498-506.
32. Dille, B., & Mezack, M. (1991).

پایان نامه
Previous Entries پایان نامه با واژگان کلیدی اضطراب امتحان، دانشگاهها، آموزش مهارت، رفتار انسان Next Entries پایان نامه با واژگان کلیدی of، and، the، Education