XML English Abstract Print


گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
چکیده:   (284 مشاهده)
رشد و پیشرفت دانشجویان، به عنوان سرمایه های آینده این کشور، همواره مورد اهمیت و توجه نظام آموزش و پرورش بوده است. چه بسیار دانشجویانی هستند که خلاقیت و استعدادشان شکوفا شده است و در عوض، ما سالیانه با تعداد کثیری از دانشجو مواجه هستیم که استعدادهایشان تلف شده و از موفقیت دور شده اند. امروزه، با افزایش دانشجویان در مقاطع مختلف دانشگاهی و تنوع رشته های تحصیلی، لزوم هدایت صحیح دانشجویان بیش تر از قبل احساس می‌شود. بدین منظور داده‌کاوی آموزشی در سال‌های اخیر موردتوجه ویژه‌ مسئولان نظام آموزش و پرورش قرارگرفته است. تاکنون روش‌ها و تکنیک های دسته‌بندی متنوعی در حوزه داده‌کاوی و یادگیری ماشین به‌منظور دسته بندی و پیش بینی عملکرد دانشجویان به کار گرفته‌شده‌اند. اما این دسته‌بندهای تکی برای پیش‌بینی عملکرد در فرآیند آموزش محدودیت‌هایی از قبیل پیچیدگی و عدم ثبات دارند. برای مقابله با این مشکل دسته‌بندهای جمعی به عنوان روش های نوین و کارآمد مطرح می‌شوند. سیستم‌های دسته‌بند جمعی نتایج چندین دسته‌بند تکی را ترکیب می‌کنند و مدلی با عملکرد بهتر ارائه می‌دهند. در این پژوهش یک دسته‌بند جمعی جدید با استفاده از شبکه‌های عصبی چندلایه و خوشه‌بندی SOM به‌منظور تخمین و دسته‌بندی معدل دانشجویان دوره کارشناسی ارائه‌ شده است. همچنین از روش ترکیبی میانگین‌گیری و رأی اکثریت برای ترکیب نتایج دسته‌بندهای تکی استفاده‌ شده است. نتایج ارزیابی بر روی داده‌های واقعی دانشگاه نشان می‌دهد که مدل پیشنهادی ارائه‌شده در این پژوهش دقت و کارایی بیشتری نسبت به روش‌های دسته‌بندی منفرد مشهور و پرکاربرد دارد. همچنین مدل پیشنهادی در مقایسه با روش‌های جمعی معروف، عملکرد بهتری در دسته بندی معدل دانشجویان داشته است.
متن کامل [PDF 1904 kb]   (100 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تحلیل داده‌های کلان
دریافت: 1399/12/28 | پذیرش: 1400/8/25

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

تمام حقوق این وب سایت متعلق به پژوهشنامه پردازش و مدیریت اطلاعات می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Iranian Journal of Information processing and Management

Designed & Developed by : Yektaweb