CV


FA
Hamid Saadatfar

Hamid Saadatfar

Associate Professor

Faculty: Electrical and Computer Engineering

Department: Computer

Degree: Ph.D

CV
FA
Hamid Saadatfar

Associate Professor Hamid Saadatfar

Faculty: Electrical and Computer Engineering - Department: Computer Degree: Ph.D |

Dr. Hamid Saadatfar is currently an associate professor of Computer Engineering Department at University of Birjand. He has received his B.Sc., M.Sc., and Ph.D. degrees from Ferdowsi university of Mashhad in 2007, 2009 and 2014, respectively. His research interests include:

  • Parallel and Distributed Processing (Cluster, Grid and Cloud Computing),
  • Data Mining and Machine Learning,
  • Big Data Analysis (Data Mining Methods for Big Data)
  • and Power-aware Computing.

Show More

فراترکیب مدل‌های ارزیابی کار تیمی در محیط‌های یادگیری آنلاین با تکیه بر واکاوی یادگیری

Authorsحمید سعادت فر,پدرام صفاری,زهرا جامه بزرگ,مهدی واحدی,حسن ملکی
Journalفصلنامه روندها و دستاوردها در فناوری یادگیری
Page number113-141
Serial number۲
Volume number۷
Paper TypeFull Paper
Published At۲۰۲۵
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Keywordsفراترکیب, واکاوی یادگیری, کار تیمی آنلاین, یادگیری مشارکتی, داشبورد آموزشی.

Abstract

با افزایش روزافزون یادگیری مشارکتی در محیط‌های دیجیتال، سنجش دقیق تعاملات دانشجویان به چالشی اساسی تبدیل شده است. واکاوی یادگیری به عنوان یک رویکرد داده‌محور، با ردیابی ردپای دیجیتال فراگیران، پتانسیل منحصربه‌فردی برای شفاف‌سازی فرایندهای گروهی ارائه می‌دهد. ادبیات پژوهشی این حوزه با پراکندگی مدل‌ها و ناهمگونی شاخص‌ها مواجه است. این مقاله با هدف ایجاد انسجام در این حوزه، به ارائه یک فراترکیب کیفی از مدل‌های ارزیابی کار تیمی آنلاین مبتنی بر واکاوی یادگیری می‌پردازد. این مطالعه با جستجوی نظام‌مند در پایگاه‌های داده معتبر علمی انجام شد که پس از غربال‌گری ۲۷۹۰ منبع و ارزیابی کیفیت، نهایتاً ۴۵ مقاله واجد شرایط با روش سنتز موضوعی تحلیل شدند. یافته‌ها نشان داد مدل‌ها در سه دسته اصلی استادمحور (استفاده از داشبوردها برای مداخله آموزشی)، دانشجومحور (استفاده از داده ها برای خودتنظیمی) و چارچوب‌های مفهومی (پیوند پداگوژی با تحلیل داده) قرار می‌گیرند. همچنین، یک روند تحولی مشخص از شاخص‌های محصولی و سطحی (مانند نمرات و تعداد پست‌ها) به سمت شاخص‌های فرآیندی و عمیق‌تر (مانند تحلیل شبکه اجتماعی، پردازش زبان طبیعی و داده‌های چندوجهی) مشاهده شد. نتایج، چالش‌های کلیدی چون تفسیرپذیری داده‌ها، نیاز به سواد داده کاربران، و عدم همخوانی ابزارها با زمینه‌های واقعی آموزشی را برجسته می‌سازد. این فراترکیب نتیجه می‌گیرد که پژوهش‌های آتی باید بر طراحی داشبوردهای انسان‌محور و تلفیق تحلیل‌های کمی و کیفی متمرکز شوند تا شکاف میان توانمندی فنی و یکپارچه‌سازی پداگوژیک پر شود.

Paper URL