ترغب بنشر مسار تعليمي؟ اضغط هنا

العوامل المؤثرة في قبول طالبات رياض الأطفال لاستخدام تطبيقات الذكاء الاصطناعي في عمليتي التعليم والتعلم

Factors affecting kindergarten students’ acceptance of using artificial intelligence applications in the teaching and learning processes

42   0   1   0.0 ( 0 )
 نشر من قبل جامعة تشرين مقالة
 تاريخ النشر 2024
  مجال البحث التربية
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

هدف البحث الحالي إلى تعرّف العوامل التي تؤثر على قبول طالبات رياض الأطفال في المدارس وكيفية تحسين هذه العوامل، استخدمت الباحثة المنهج الوصفي، وكانت أداة البحث استبانة أعدتها الباحثة ودرست خصائصها السكومتيرية، طبقت على عينة ممثلة للمجتمع الأصلي تبلغ (30) طالبة من طالبات السنتين الثالثة والرابعة / اختصاص رياض الأطفال في كلية التربية في جامعة تشرين.



المراجع المستخدمة
ﻻ يوجد مراجع
قيم البحث

اقرأ أيضاً

يظهر هذا البحث تصميم متحكم عائم للتحكم بزاوية انحراف شفرات العنفة الريحية بهدف تحسين أداء العنفة الريحية و الحصول على أعظم استطاعة ممكنة و تقليل الضياعات الناتجة عن التسارع و التباطؤ في دوران العنفة الريحية و من ثم تحسين معامل كفاءة أداء العنفة الريح ية؛ و ذلك من خلال الإفادة من تقنيات الذكاء الاصطناعي و بصورة خاصة المنطق العائم، إذ إن المتحكم العائم يساعدنا على تجاوز نقاط الضعف في المتحكمات التقليدية التي تحتاج إلى نموذج رياضي معقد للمنظومة المتحكم بها. صمم متحكم عائم تناسبي تكاملي و قورِن بمحتكمٍ تقليدي تناسبي تكاملي لنظام عنفة ريحية ممثلة بتابع التحويل الواصف لهذه العنفة، ووضعت القواعد اللغوية للمتحكم و توابع الانتماء لإشارتي الخطأ و تراكم الخطأ باستخدام بيئة ماتلاب، و قورنت النتائج التي أظهرت استجابة فضلى عند استخدام المتحكم العائم.
جزء من بحث مقدم لنيل درجة الماجستير في علوم الويب لعام 2017 ، يتضمن التعريف بالذكاء التسويقي في دراسة نظرية موسعة ، وطريقة بناء نظام معتمد على الانترنت كمصدر للبيانات و منهجية المعالجة ونتائج تطبيقية .
تقرير صادر عن اليونسكو عن دور الذكاء الاصطناعي في الادماج والتعليم يناقش الحاجة إلى مسارات تحويلية لتذليل العقبات المتعددة لاستثمار الذكاء الاصطناعي في قطاع التعليم
المسؤولية الجنائية للذكاء الاصطناعي تتمثل أهمية هذه الدراسة في أهمية موضوعها الجديد والحيوي، وهو المسؤولية الجنائية الناتجة عن أخطاء الذكاء الاصطناعي في التشريع الإماراتي "دراسة مقارنة"، فعلى امتداد الخمسين سنة الماضية تضافرت الجهود العالمية في عدد من الميادين، كالفلسفة والقانون وعلم النفس وعلم المنطق والرياضيات، وعلم الأحياء وغيرها من العلوم، ومنذ سنوات بدأت هذه الجهود تحصد من ثمارها وظهرت إلى الوجود تطبيقات مذهلة للذكاء الاصطناعي، وهذا ما دفع دولة الإمارات العربية المتحدة لاستحداث وزارة للذكاء الاصطناعي وعلوم المستقبل، فهذه الخطوة تُضاف إلى سجل الإمارات الحافل بكل ما هو جديد في الثقافة والعلوم وغيرها من المجالات، فالإمارات سبّاقة في البحث وجلب أي أفكار جديدة أو عالمية وتطبيقها، والهدف من ذلك هو الارتقاء بالعمل الإداري. لأن اعتماد الإدارة على الذكاء الاصطناعي يساعدها على التكيف مع التغيرات المتلاحقة، ويساعدها أيضاً على مواجهة التحديات المتعددة والمختلفة، وبالتالي تحقيق الميزة التنافسية التي تسعى الإدارة إلى تحقيقها.
في السنوات الأخيرة نمت مشكلة تصنيف الكائنات في الصّور نتيجة لمتطلبات القطاع الصناعي.على الرّغم من تعدد التقنيات المستخدمة للمساعدة في عملية التصنيف SIFT Scale Invariant Feature Transforms، ORB Oriented Fast And Rotated Brief , SURF Speed Up Robust Features، إضافة لشبكات التعلم العميق Deep Learning Neural Network DNN والشبكات العصبونية الالتفافية Convolutional Neural Network CNN، فإن الأنظمة المقترحة لمعالجة هذه المشكلة تفتقر للحل الشّامل للصعوبات المتمثلة بوقت التّدريب الطّويل والذاكرة العائمة أثناء عملية التدريب، وانخفاض معدّل التصنيف. تعتبر الشبكات العصبونية الالتفافيةConvolutional Neural Networks (CNNs) من أكثر الخوارزميات استخداما لهذه المهمة، فقد كانت نموذجا حسابيا لتحليل البيانات الموجودة في الصور. تم اقتراح نموذج شبكة التفافية عميقة جديد لحل المشاكل المذكورة أعلاه. يهدف البحث إلى إظهار أداء نظام التّعرف باستخدام شبكاتCNNs على الذّاكرة المتاحة وزمن التدريب وذلك من خلال منهجة متغيرات مناسبة للشبكة العصبونية الالتفافية. قاعدة البيانات المستخدمة في هذا البحث هي CIFAR10 المكونة من60000 صورة ملونة تنتسب لعشرة أصناف، حيث أن كل 6000 صورة تكون لصنف من هذه الأصناف. يوجد 50000 صورة للتدريب و 10000 صورة للاختبار. حقق النموذج لدى اختباره على عينة من الصور المنتقاة من قاعدة البيانات CIFAR10 معدل تصنيف 98.87%.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا