Presenting a Model for Assessing the Quality of E-learning in the Higher Education System Using a Fuzzy Inference System

Subject Areas : مدیریت

Masoud Moslehi Rad ¹ , Ali Mohtashami ² , Esmaeil Mahdizadeh ³

1 - PhD Student, Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
2 - Associate Professor, Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran (Corresponding Author)
3 - a Faculty of Industrial and Mechanical Engineering, Qazvin Branch, ‎ Islamic Azad University, Qazvin, Iran

Received: 2025-03-25 Accepted : 2025-07-01 Published : 2025-08-21

Keywords: Measurement, quality of e-learning, higher education system, Fuzzy Inference System,

Abstract :

Today, e-learning is considered a strategic priority in universities and higher education institutions around the world. With the increasing expansion of this educational method in the post COVID-19 era, assessing its quality is essential to improve and ensure its effectiveness. This research aims to design a Fuzzy Inference System (FIS) model to assess the quality of e-learning in the higher education system. Due to the qualitative nature of the subject, thematic analysis was used to extract the factors affecting the quality of e-learning. To this end, semi-structured interviews were conducted with 13 experts in the field of e-learning and higher education in the country. The data from the interviews were analyzed and coded using MAXQDA 2024 software. In the first stage, 140 initial codes were identified and then, by combining and summarizing the codes, 7 sub-themes were extracted. In the next stage, by combining and categorizing the sub-themes, 4 main themes including infrastructural factors, learning and content factors, cultural and social factors, and economic and managerial factors were determined as inputs of the FIS model. The designed FIS model was created using Gaussian membership functions for inputs and triangular membership functions for output (e-learning quality). This model provides a powerful tool for evaluating e-learning quality and can help educational managers identify the strengths and weaknesses of e-learning systems and make appropriate decisions to improve quality.

References:

• حسینی بیدختی، معصومه، عبائیان، گلنوش، عابدینی باغبادرانی، سارا، و لطیفی، سیدمحمود. (1401). بررسی عوامل مؤثر بر ارتقا کیفیت آموزش مجازی از دیدگاه اساتید و دانشجویان رشته‌های توانبخشی دانشگاه علوم پزشکی جندی شاپور اهواز در دوران کووید-19. مرکز مطالعات و توسعه آموزش علوم پزشکی یزد، 17(1 )، 77-86.
• رعیتی، هاجر، و ملایی، مینا. (1400) ارزیابی کیفیت آموزش مجازی درس تربیت‌بدنی در دوران شیوع ویروس کرونا. مطالعات مدیریت ورزشی، 13(70)، 301-260.
• روشنی علی‌بنه، حسن، فتحی واجارگاه، کورش، و خراسانی، اباصلت. (1396). چالش‌های کیفیت ارزشیابی برنامه درسی دوره آموزش مجازی (مورد مطالعه: دانشگاه شهید بهشتی). مطالعات اندازه‌گیری و ارزشیابی آموزشی، 7(18 )، 29-52.
• فیلی، اردلان، جباری، امید، صفایی، مهدی، و ثابت، عباس. (1400). شناسایی و رتبه‌بندی عوامل مؤثر بر ارتقا کیفیت آموزش مجازی در بحران کووید-19 با استفاده از تکنیک DANP. اطلاع رسانی پزشکی نوین، 7(1)، 19-28.
• محجوب عشرت آبادی، حسن، وثوقی نیری، عبداله، قرونه، داود، و مهری، داریوش. (1393). بررسی معیارهای ارزیابی کیفیت یادگیری الکترونیکی در آموزش سازمانی و ارائه چارچوبی برای ارزیابی این نوع آموزش‌ها. سومین همایش ملی آسیب‌شناسی آموزش سازمانی با رویکرد کاربردی مبتنی بر تجربیات اجرایی در سازمان‌ها، تهران، آبان 1393.
• Al-Fraihat, D., Joy, M., & Sinclair, J. (2017, June). Identifying success factors for e-learning in higher education. In International conference on e-learning (pp. 247-255).
• Si, J. (2022). Critical e-learning quality factors affecting student satisfaction in a Korean medical school. Korean Journal of Medical Education, 34(2), 107-119.
• Singh, P., Alhassan, I., Binsaif, N., & Alhussain, T. (2023). Standard Measuring of E-Learning to Assess the Quality Level of E-Learning Outcomes: Saudi Electronic University Case Study. Sustainability, 15(1), 844.