Εμφάνιση απλής εγγραφής

dc.contributor.advisorΚόλλια, Ηλιάννα
dc.contributor.authorShevtsova, Tatiana
dc.contributor.otherΣέβτσοβα, Τατιάνα
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2023-02-08T09:57:20Z
dc.date.available2023-02-08T09:57:20Z
dc.date.copyright2023-02-03
dc.date.issued2022-12
dc.identifier.otherCOS/2022/00018el_GR
dc.identifier.urihttp://hdl.handle.net/11128/5490
dc.descriptionIncludes bibliographical references.el_GR
dc.description.abstractThe present Master’s dissertation aims to research the capabilities of adapting a learning management system to the individual needs of students based on their psychological profile. The issue is viewed from the perspective of cognitive psychology, by considering personal characteristics of the users and the respective learning styles, and from the perspective of artificial intelligence, by focusing on the implementation of this concept in e-learning systems. A systematic approach to this task allows to study the relationship between the individual characteristics of students and the necessary changes in learning systems to achieve a good level of adaptability. The Master’s dissertation explores what techniques can be used to support adaptation of an e-learning system using an approach based on learning styles of its users. To achieve this goal, the following major tasks have been fulfilled in the work: 1) analysis of existing technologies for implementing user modeling and adaptation in general and in e-learning systems specifically; 2) review of personality scales that can be used as a psychological basis for defining learning styles of users; 3) analysis of methods of adaptation that can be applied at the level of planning the educational process to reflect personalization in the system based on individual characteristics. The chapters of the Master’s dissertation are dedicated respectively to three major areas: User Modeling and Adaptation, Learning Styles, and Application of AI. The User Modeling and Adaptation chapter includes a general review of user modeling, adaptation and personalization techniques with specific interest in the adaptation capabilities in e-learning platforms. The Learning Styles chapter considers psychological aspects of learning, in particular, learning styles associated with different personality types, based on a review of the literature and studies relevant to the research topic. The Application of AI chapter proposes how the suggested personality scale can be incorporated into an e-learning platform using the capabilities of Artificial Intelligence, in particular, fuzzy logic and deep learning techniquesel_GR
dc.format.extent188 σ. ; 30 εκ.el_GR
dc.languageenel_GR
dc.language.isoenel_GR
dc.publisherΑνοικτό Πανεπιστήμιο Κύπρουel_GR
dc.rightsinfo:eu-repo/semantics/closedAccessel_GR
dc.subjecte-Learningel_GR
dc.subjectΤεχνητή Νοημοσύνηel_GR
dc.subjectArtificial Intelligenceel_GR
dc.titleApplication of user modeling and adaptation in e-learning based on learning stylesel_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractΗ παρούσα Μεταπτυχιακή διατριβή στοχεύει να ερευνήσει τις δυνατότητες προσαρμογής ενός συστήματος διαχείρισης μάθησης στις ατομικές ανάγκες των φοιτητών με βάση το ψυχολογικό τους προφίλ. Το θέμα εξετάζεται από τη σκοπιά της γνωστικής ψυχολογίας, λαμβάνοντας υπόψη τα προσωπικά χαρακτηριστικά των χρηστών και τα αντίστοιχα στυλ μάθησης και, από την πλευρά της τεχνητής νοημοσύνης, εστιάζοντας στην εφαρμογή αυτής σε συστήματα ηλεκτρονικής μάθησης. Μια συστηματική προσέγγιση σε αυτήν την κατεύθυνση αποτελεί η μελέτη της σχέσης μεταξύ των ατομικών χαρακτηριστικών των μαθητών και των απαραίτητων αλλαγών στα συστήματα μάθησης για να επιτευχθεί ένα καλό επίπεδο προσαρμοστικότητας. Η Μεταπτυχιακή διατριβή ερευνά τις τεχνικές που μπορούν να χρησιμοποιηθούν για την υποστήριξη της προσαρμογής ενός συστήματος ηλεκτρονικής μάθησης, χρησιμοποιώντας μια προσέγγιση που βασίζεται στα στυλ μάθησης των χρηστών του. Για την επίτευξη αυτού του στόχου, οι ακόλουθες κύριες δραστηριότητες έχουν ολοκληρωθεί στην εργασία: 1) ανάλυση των υφιστάμενων τεχνολογιών για την εφαρμογή μοντελοποίησης και προσαρμογής χρηστών γενικά και ειδικά σε συστήματα ηλεκτρονικής μάθησης; 2) ανασκόπηση των κλιμάκων προσωπικότητας που μπορούν να χρησιμοποιηθούν ως ψυχολογική βάση για τον καθορισμό των στυλ μάθησης των χρηστών; 3) ανάλυση των μεθόδων προσαρμογής που μπορούν να εφαρμοστούν στο επίπεδο του σχεδιασμού της εκπαιδευτικής διαδικασίας ώστε αυτή να αντικατοπτρίζει την εξατομίκευση στο σύστημα με βάση τα ατομικά χαρακτηριστικά. Τα κεφάλαια της Μεταπτυχιακής διατριβής ασχολούνται αντίστοιχα με τρεις βασικούς τομείς: Μοντελοποίηση και Προσαρμογή Χρηστών, Μαθησιακά Στυλ και Εφαρμογή Τεχνητής Νοημοσύνης. Το κεφάλαιο "Μοντελοποίηση και Προσαρμογή Χρηστών" περιλαμβάνει μια γενική ανασκόπηση των τεχνικών μοντελοποίησης, προσαρμογής και εξατομίκευσης χρηστών με συγκεκριμένο ενδιαφέρον για τις δυνατότητες προσαρμογής σε πλατφόρμες ηλεκτρονικής μάθησης. Το κεφάλαιο "Μαθησιακά Στυλ" εξετάζει ψυχολογικές πτυχές της μάθησης, ειδικότερα, στυλ μάθησης που σχετίζονται με διαφορετικούς τύπους προσωπικότητας, με βάση την ανασκόπηση της βιβλιογραφίας και τις σχετικές με το ερευνητικό θέμα μελέτες. Το κεφάλαιο "Εφαρμογή της Τεχνητής Νοημοσύνης" προτείνει πώς η προτεινόμενη κλίμακα προσωπικότητας μπορεί να ενσωματωθεί σε μια πλατφόρμα ηλεκτρονικής μάθησης χρησιμοποιώντας τις δυνατότητες της Τεχνητής Νοημοσύνης, ειδικότερα, τη ασαφή λογική και τις τεχνικές βαθιάς μάθησης.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής