Please use this identifier to cite or link to this item: http://dspace.lib.uom.gr/handle/2159/21847
Author: Καραγιάννης, Ιωάννης
Title: Μηχανισμός προσαρμογής της μαθησιακής διαδικασίας στο Moodle με βάση το μαθήτυπο υποστηριζόμενος από αλγόριθμο εξόρυξης δεδομένων: εφαρμογή στη διδασκαλία του διαδικαστικού προγραμματισμού
Alternative Titles: An adaptive mechanism for Moodle based on learning styles supported by a data mining algorithm: implementation of a procedural programming course
Date Issued: 2018
Department: Πανεπιστήμιο Μακεδονίας. Τμήμα Εφαρμοσμένης Πληροφορικής (ΕΠ)
Supervisor: Σατραζέμη, Μαρία
Abstract: Αντικείμενο μελέτης της παρούσας διατριβής αποτελεί η παροχή προσαρμοστικής μάθησης μέσα από ένα ισχυρό Σύστημα Διαχείρισης Μάθησης, το Moodle. Παρόλο που το Moodle υποστηρίζει τη χρησιμοποίηση ποικίλων δραστηριοτήτων και διαθέτει εργαλεία που βοηθούν τον καθηγητή να οργανώσει το μάθημα του, διαθέτει ένα εγγενές μειονέκτημα. Το μειονέκτημα αυτό είναι ότι δεν λαμβάνει υπόψη τις ιδιαιτερότητες του εκπαιδευόμενου, όπως είναι ο μαθήτυπος και η προηγούμενη γνώση, παρουσιάζοντας το ίδιο ακριβώς μάθημα σε όλους τους εκπαιδευόμενους. Τα Προσαρμοστικά Εκπαιδευτικά Συστήματα Υπερμέσων που χρησιμοποιήθηκαν για να θεραπεύσουν το πρόβλημα δεν πέτυχαν τον προσδοκώμενο σκοπό καθώς υστερούν έναντι των Συστημάτων Διαχείρισης Μάθησης σε ευχρηστία, ευελιξία και προσφερόμενα εργαλεία. Στόχος της έρευνας μας είναι η ανάπτυξη ενός ευέλικτου μηχανισμού, που μπορεί να ενσωματωθεί στο Moodle, και να χρησιμοποιηθεί για την προσαρμογή της παρουσίασης του μαθησιακού υλικού και της προτεινόμενης σειράς πλοήγησης σε αυτό. Στα περισσότερα συστήματα που αναφέρονται στη βιβλιογραφία, η προσαρμογή γίνεται είτε με βάση τη συμπεριφορά (μαθήτυπο) του εκπαιδευόμενου είτε με βάση τη γνώση του. Προκειμένου να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα, ο προτεινόμενος μηχανισμός είναι υβριδικός, καθώς βασίζεται τόσο στη συμπεριφορά όσο και στη γνώση των εκπαιδευόμενων και μάλιστα αυτά ανιχνεύονται στατικά και δυναμικά. Για τη δυναμική ενημέρωση του μοντέλου εκπαιδευόμενου, όσον αφορά τη συμπεριφορά, χρησιμοποιείται μια μέθοδος αυτόματης ανίχνευσης του μαθήτυπου σύμφωνα με την οποία δεδομένα που αποθηκεύονται από το σύστημα κατά τη διάρκεια της μελέτης των εκπαιδευόμενων, όπως είναι οι χρόνοι μελέτης και ο αριθμός επισκέψεων σε κάθε κατηγορία υλικού, χρησιμοποιούνται ως είσοδος σε ένα αλγόριθμο εξόρυξης δεδομένων. Η έξοδος του αλγορίθμου αποτελείται από τους μαθήτυπους των εκπαιδευόμενων οι οποίοι αποθηκεύονται στο μοντέλο εκπαιδευόμενου και χρησιμοποιούνται για την προσαρμογή της μαθησιακής διαδικασίας. Για τη δυναμική ενημέρωση της γνώσης του εκπαιδευόμενου προτείνεται η χρήση δύο νέων τιμών, του υπολογισμού της προόδου με βάση το χρόνο και με βάση το βαθμό των εκπαιδευόμενων. Καθ’ όλη τη διάρκεια ανάπτυξης του προτεινόμενου μηχανισμού, κύριο μέλημα αποτέλεσε αυτός να είναι απλός και ευέλικτος ώστε να μπορεί να χρησιμοποιηθεί σε διαφορετικά Συστήματα Διαχείρισης Μάθησης αλλά και να μην επιβαρύνει τον καθηγητή με πρόσθετο φόρτο εργασίας. Συνοψίζοντας, η συμβολή της διατριβής στο χώρο της προσαρμοστικής μάθησης είναι η ανάπτυξη ενός υβριδικού μηχανισμού προσαρμογής που μπορεί να ενσωματωθεί στο Moodle, ο οποίος βασίζεται σε μία απλή μέθοδο αυτόματης ανίχνευσης του μαθήτυπου και σε ένα νέο τρόπο αναπαράστασης της γνώσης του εκπαιδευόμενου. Στο πλαίσιο αξιολόγησης του προτεινόμενου μηχανισμού πραγματοποιήθηκαν δύο αξιολογήσεις σε προπτυχιακούς φοιτητές που παρακολούθησαν το Μάθημα «Διαδικαστικός Προγραμματισμός» του πρώτου εξαμήνου του Τμήματος Εφαρμοσμένης Πληροφορικής. Τα αποτελέσματα έδειξαν ότι ο προτεινόμενος μηχανισμός, χωρίς να μειώνει τη δεδομένη ευχρηστία του Moodle, ενθαρρύνει τους φοιτητές να ασχοληθούν περισσότερο ενεργά με τη μελέτη τους, τους βοηθά να μάθουν ευκολότερα και βελτιώνει τις επιδόσεις τους στη γραπτή εξέταση της προόδου. Εξίσου ενθαρρυντικά είναι τα αποτελέσματα της μεθόδου αυτόματης ανίχνευσης του μαθήτυπου, τα οποία δείχνουν ότι η ακρίβεια πρόβλεψης που επιτυγχάνεται είναι υψηλή συγκριτικά με άλλες παρόμοιες μεθόδους.
This thesis studies how to provide adaptive courses in Moodle. Although there are many types of activities available in Moodle and various sets of tools are offered to support teachers in creating, administering and managing online courses, Moodle does not consider a student’s learning style and knowledge and delivers the same set of educational resources to all students. Adaptive Educational Hypermedia Systems have been proposed in order to provide learners with courses that suit their individual needs and characteristics. A major drawback is that they only support a few functions of web-enhanced education. The main purpose of our research is to develop a flexible mechanism that can be embedded in Moodle to adapt course presentation and navigation. Most of the systems that can be found in literature provide adaptation with techniques that are based either on learner knowledge or behavior. In order to achieve better results, it was decided to propose a hybrid mechanism that uses techniques that are based on learner knowledge and behavior regarding both static and dynamic student modeling modules. A data mining algorithm is applied to behavior data that are gathered from the students’ interaction with the system, such as his/her actions and their duration, in order to automatically detect students’ learning styles. The output of the algorithm comprises the predicted learning styles for all the students which are stored in Moodle’s database. Learners’ knowledge progress was calculated with the use of two different measures: the Time-based Progress Calculation and the Grade-based Progress Calculation. The proposed approach has the advantage of being generic and applicable to different LMS and no additional effort is required by teachers during course development. This PhD’s contribution is reflected in a new hybrid adaptive mechanism that can be embedded in Moodle, based on a flexible and generic method for automatic detection of learning styles and a new model of knowledge representation. Two evaluation studies were conducted to evaluate the effectiveness of the adaptive mechanism in the context of the Procedural Programming introductory course taught in our department. The results indicated that the proposed mechanism positively affected students’ motivation and performance in the mid-term exam without reducing system usability. Additionally, the results regarding the automatic detection method were also promising since they indicated that our approach attained adequate precision compared to other works.
Keywords: Προσαρμοστικό εκπαιδευτικό σύστημα
Μαθήτυπος
Σύστημα διαχείρισης μάθησης
Αυτόματη ανίχνευση μαθήτυπου
Προσαρμοστική παρουσίαση περιεχομένου
Προσαρμοστική πλοήγηση
Εξόρυξη δεδομένων
Adaptive educational system
Learning style
Learning management system
Automatic detection of learning styles
Adaptive content presentation
Adaptive navigation
Data mining
Information: Η βιβλιοθήκη διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή.
Διατριβή (Διδακτορική)--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2018
2/2018
Περιλαμβάνει βιβλιογραφικές αναφορές (σ. 164-174))
Rights: Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές
Appears in Collections:Τμήμα Εφαρμοσμένης Πληροφορικής (Δ)

Files in This Item:
File Description SizeFormat 
KaragiannisIoannisPhd2018.pdf4.3 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons