مقاله شماره ۷: توسعه یک روش بهبود یافته جهت پیش بینی عملکرد آموزشی و تحصیلی دانشجویان، مبتنی بر تکنیک های داده کاوی و یادگیری ماشین

چکیده

دانشگاه­ها و مؤسسات آموزشی، حجم عظیمی از داده­ها، از قبیل اطلاعات فردی و آموزشی دانشجویان را جمع‌آوری و ذخیره می‌کنند. رشد بسیار زیاد داده­های الکترونیکی در دانشگاه‌ها، به این واقعیت اشاره دارد که با استفاده از روش‌های تحلیل داده می توان به نتایج مطلوب در حوزه های آموزشی و پژوهشی دست یافت. یکی از چالش های اصلی محیط آموزشی میزان موفقیت دانشجویان است. این مسئله وجود دارد که مهمترین ویژگی های دانشجویان برای پیش‌بینی پیشرفت تحصیلی آنها چیست و کدام الگوریتم برای انجام این پیش‌بینی مناسب‌تر است و در صورت رسیدن به نتایج مناسب در تحلیل پیشرفت تحصیلی، مدیران چگونه می‌توانند برنامه‌ریزی بهتری براساس آن انجام دهند. در این مقاله تمام ویژگی‌های امکان‌پذیر دانشجویان در یک موسسه آموزشی، جمع‌آوری و برخی از الگوریتم‌های داده‌کاوی و نیز یک روش پیشنهادی روی داده‌ها اجرا شده اند و نتایج به دست آمده، بررسی و براساس معیارهای دقت، صحت و بازیابی با یکدیگر مقایسه شده اند. درخت تصمیم با 864/0 کمترین دقت و روش پیشنهادی با 935/0 بالاترین دقت را نشان داد. همچنین مهمترین ویژگی های مؤثر در پیشرفت تحصیلی دانشجویان شناسایی شدند. با استفاده از این پیش‌بینی، مدیران نیز می‌توانند موانع پیش رو را رفع نموده و زمینه را برای پیشرفت دانشجویان فراهم نمایند.

 


کلمات کلیدی:  ویژگی، داده کاوی، داده کاوی آموزشی، طبقه­بندی، آمار.

آرش خسروی1، مرتضی رجب زاده*2، محمد نوری خضرآبادی3

1استادیار، دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران

2استادیار، دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران

2کارشناس ارشد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، مؤسسه آموزش عالي پویش، قم، ایران

 


دانلود مقاله

ورود به سایت

خوش آمدید! وارد حساب کاربری خود شوید

بخاطر بسپار فراموشی رمز عبور ؟

آیا حساب کاربری ندارید.؟ عضویت

Lost Password

عضویت