ارائه رویکردی جدید مبتنی‌بر تکنیک یادگیری عمیق برای بررسی عوامل مؤثر بر استفاده از شبکه‌های اجتماعی و عملکرد تحصیلی دانشآموزان
محورهای موضوعی : پردازش چند رسانه ای، سیستمهای ارتباطی، سیستمهای هوشمندمریم بکشلو 1 , محمد تحقیقی شربیان 2
1 - دانش آموخته کارشناسی ارشد، گروه کامپیوتر، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
2 - استادیار، گروه کامپیوتر، دانشکده برق و کامپیوتر، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
کلید واژه: یادگیری عمیق, انتخاب ویژگی, شبکه‌های اجتماعی, دانش‌آموز, عملکرد تحصیلی,
چکیده مقاله :
از آنجا که سایت‌های شبکه‌سازی اجتماعی با هدف برند‌سازی سازمانی، استخدام کارکنان و ترغیب دانشآموزان برای مشارکت فعالیت می‌کنند، در حوزۀ آموزش و پژوهش بسیار سودمندند. در این پژوهش روشی برای تشخیص تاثیر استفاده از شبکه‌های اجتماعی و اینترنت بر یادگیری دانشآموزان، مبتنی بر تکنیک یادگیری عمیق و با طبقه‌بندی دقیق ارائه شده است. روش پیشنهادی دارای دو فاز اصلی است؛ در فاز اول داده ها طی سه مرحله یکپارچه‌سازی، پاکسازی و تبدیل داده برای مدل سازی آماده می‌شوند و در فاز بعدی بااستفاده از یادگیری عمیق به ایجاد مدل و بررسی داده‌ها پرداخته می‌شود. روش ارائه شده مبتنی بر انتخاب ویژگی داده‌های منظقه و زمان خاص است و از زمان مناسبی برای پاسخگویی بهره می‌برد. روش پیشنهادی باتوجه به صحت خروجی حصول نتیجه مناسب، می‌تواند در دنیای واقعی استفاده شود. روش مذکور در مجموعه انتخاب ویژگی دارای خروجی مطلوب به میزان 68 درصد بوده که نسبت به روش پایه بهبود 14 درصدی به ثبت رسانده است و می‌توان نتیجه گرفت که استفاده از شبکه‌های اجتماعی و اینترنت حدود 68 درصد بر یادگیری و کارایی تحصیلی دانشآموزان تأثیرگذار است.
Introduction: In the past few years, the emerging technologies of mobile phones have grown rapidly and led to the creation of a new category of social media, which are very efficient mechanisms for collaboration and communication between their users. Social media consists of a variety of web-based tools that enable users to distribute and share new ideas, thoughts, and information in an interactive environment. Social networks and the use of these networks have become an inseparable part of the lives of many students, so it has a direct impact on all aspects of their lives, including academic performance. Therefore, in this research, a new approach based on data mining techniques will be presented to investigate the factors affecting the use of social networks in the academic performance of students, and for this purpose, the deep learning technique and classification will be used.Method: The proposed method has two main phases. In the first phase, the data is prepared for modeling during the three stages of data integration, cleaning, and transformation, and in the final phase, the data is modeled and analyzed using deep learning.Results: The presented method has a favorable output in the feature selection set with a value of 68%, which shows an improvement of 14% compared to the basic method, which can be concluded that about 68% of social networks and the use of the Internet on the learning and efficiency of students is effective.Discussion: Social networking sites are very useful in education and research considering that they are used in schools for organizational branding, recruiting, and encouraging students and employees to participate. In this research, a method to identify the impact of social networks and internet use on students' learning based on accurate classification has been presented.
[1] قلاوندی، حسن، امانی ساریبگلو، نجفی، صالح، امانی, حبیب. « رابطه مؤلفه‌های راهبردهای یادگیری با مؤلفه‌های عملکرد تحصیلی دانشآموزان »، رویکردهای نوین آموزشی، صص 55-72.
[2] محمدی، اکرم, رحمانی، خزران. « بررسی تأثیر تکلیف مهارت محور و خلاق بر میزان یادگیری دانش آموزان ابتدایی »، صص 220-231.
[3] Sarwar, Binesh, Salman Zulfiqar, Saira Aziz, and Khurram Ejaz Chandia. "Usage of social media tools for collaborative learning: The effect on learning success with the moderating role of cyberbullying." Journal of Educational Computing Research 57, no. 1 (2019): 246-279.
[4] Abbas, J., Aman, J., Nurunnabi, M. and Bano, S., 2019. The impact of social media on learning behavior for sustainable education: Evidence of students from selected universities in Pakistan. Sustainability, 11(6), p.1683.
[5] Mastoory, Yasaman, Saeedeh Rajaee Harandi, and Neda Abdolvand. "The effects of communication networks on students’ academic performance: The synthetic approach of social network analysis and data mining for education." International Journal on Integrating Technology in Education 5, no. 4 (2016): 23-34.
[6] Tezer, Murat, Ata Taşpolat, Ömer Sami Kaya, and Fatih Sapanca Hamza. "The impact of using social media on academic achievement and attitudes of prospective teachers." International Journal of Cognitive Research in Science, Engineering and Education 5, no. 2 (2017): 75.
[7] Habes, Mohammed, Said A. Salloum, Mahmoud Alghizzawi, and Chaker Mhamdi. "The relation between social media and students’ academic performance in Jordan: YouTube perspective." In International Conference on Advanced Intelligent Systems and Informatics, pp. 382-392. Springer, Cham, 2019.
[8] Gohain, Angkita Borpatra, and Merry Borgohain. "Impact of Social Media in The Student’s Academic Performance: An Analysis of The State Universities of Assam." European Journal of Molecular & Clinical Medicine 7, no. 10 (2021): 2597-2606.
[9] Desmal, Abdulla Jaafar. "The impact of using social media and internet on academic performance case study Bahrain Universities." EAI Endorsed Transactions on Scalable Information Systems 4, no. 13 (2017).
[10] Al-Adwan, Ahmad Samed, Nour Awni Albelbisi, Shadia Hasan Aladwan, Omar Horani, Amro Al-Madadha, and Mohammad Hamdi Al Khasawneh. "Investigating the Impact of Social Media Use on Student’s Perception of Academic Performance in Higher Education: Evidence from Jordan." Journal of Information Technology Education: Research 19 (2020): 953-975.
[11] Al-Rahmi, Waleed, Mohd Shahizan Othman, and Lizawati Mi Yusuf. "The role of social media for collaborative learning to improve academic performance of students and researchers in Malaysian higher education." The International Review of Research in Open and Distributed Learning 16, no. 4 (2015).
[12] Faizi, Rdouan, and Sanaa El Fkihi. "Investigating the Role of Social Networks in Enhancing Students' Learning Experience: Facebook as a Case Study." International Association for Development of the Information Society (2018).
[13] Ren, Z. M., Liu, J. G, Shao, F., et al. (2013). Analysis of the spreading influence of the nodes with minimum K-shell value in complex networks. Acta Physica Sinica, 62 (10), 108902.
[14] Rachmawanto, Eko Hari, Galang Rambu Anarqi, and Christy Atika Sari. "Handwriting Recognition Using Eccentricity and Metric Feature Extraction Based on K-Nearest Neighbors." In 2018 International Seminar on Application for Technology of Information and Communication, pp. 411-416. IEEE, 2018.
[15] Sa’di, Sadri, Amanj Maleki, Ramin Hashemi, Zahra Panbechi, and Kamal Chalabi. "Comparison of data mining algorithms in the diagnosis of type II diabetes." International Journal on Computational Science & Applications (IJCSA) 5, no. 5 (2015): 1-12.
_||_