روش های داده کاوی برای سیستم مدیریت سطح علمی دانشجویان وموسسات آموزش عالی

روش های داده کاوی برای سیستم مدیریت سطح علمی دانشجویان وموسسات آموزش عالی

آکادمی داده

۱۳۹۷/۰۴/۲۷


  • 90 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 


این تحقیق به پرسش های تحقیقاتی پاسخ می دهد و از نتیجه های امید وار کننده حمایت می کند . به این معنی که داده کاوی پتانسیل تبدیل شدن به بخش نظام مدیریت سطح علمی موسسات آموزش عالی را دارا می باشد. بر اساس فرایند مدل ( nonoka ) از یک چارچوب مبتنی بر دانش، ( nonoka toyama & hirata ,) این نکته بسیار حایز اهمیت می باشد که سازمان ها تصمیمات را بر اساس تجزیه و تحلیل داده ها اتخاذ کنند ، نه اینکه متکی بر کارکنان باشند . به عبارت دیگر بعضا کشف علوم پنهان در داده های سازمانها و تبدیل آن ها به علوم شفاف برای ارتقاع فرایند تصمیم گیری بسیار حایز اهمیت می باشد . با توجه به مبحث تحقیق کیفیت فرایند آموزش بسیار مهم تلقی می شود . نتایج این تحقیق بر این موضوع که داده کاوی به طور کلی محدود به مجموعه داده های با مقیاس بزرگ نیست ، صحه می گذارد، با این همه اکثر محققان در تحقیق های پیشین این یافته را پیش بینی کرده بودند . استفاده خاص از تکنیک های داده کاوی برای ساختار مجموعه داد ها در مقیاس کوچک می تواند نتایج مثمر ثمری در پی داشته باشد ، داده کاوی برای مجموعه داده های دانشجویان در مقیاس کوچک مثالی از تاثیر استفاده تکنولوژی داده کاوی در ارتقاء سطح علمی نظام مدیریتی موسسات آموزش عالی می باشد ، در گذشته تلاش های فراوان برای پیش بینی موفقیت تحصیلی دانشجویان صورت گرفت که موفقیت های گوناگونی هم به همراه داشت . این تحقیق بر روی مجموعه داده های دانشجویان متمرکز بود و نتایج با مقایسه دو تکنولوژی داده کاوی متفاوت (مثل Microsoft and weka) بدست می آمد که هر دو نتیجه ، پیش بینی درستی را نشان می دهد و باتوجه به قدرت این نتیجه گیری ، می توان آنها را ابزاری برای ارتقاع سطح علمی نظام مدیریتی موسسات آموزش عای به شمار آورد . یک نتیجه گیری مهم دیگر این است که چندین الگوریتم شاخص تصمیم گیری که در داده کاوی مورد استفاده قرار می گیرد، در واقع برای کار بر روی مجموعه داده های در مقیاس کوچک بسیار علمی کاربردی ) می باشند. این الگوریتم ها امتیاز پیش بینی بالایی دارند . ابزار Weka به عنوان منبع آزاد و باز تجزیه و تحلیل داده کاوی در نظر گرفته می شود و ابزار امیدوار کننده ای برای ارزیابی و تجزیه و تحلیل مجموعه داده ای در مقیاس کوچک است و نیز برای تجزیه و تحلیل و تفسیر داده ها به منظور ارتقاء سطح علمی مدیریت سازمان ها مفید است . مثلا یکی از مواردی که در این تحقیق آمده است ، نتایج تحقیق می تواند به مدیریت موسسات آموزش عالی کمک کند تا در مورد مشکلات موفقیت دانشجویان بحث و گفتگو کنند . بعضی از این مشکلات به سادگی قابل حل نیستند چرا که مدل های آماری معمولا برای کشف الگوها و علوم پنهان به اندازه ی کافی عمیق نیستند ، بیشتر برای فرایند آموزشی و سازمان ها کارایی دارند . با دانستن میزان موفقیت دانشجویان در مدیریت موسسات آموزش عالی می توان به طور موثری با برنامه ریزی استراتژی و سیاست موسسه به مدت طولانی حتی قبل از روند ثبت نام دانش جویان کمک کرد . کمک و همکاری این مطالعه در فرصت های جدید برای مدیریت موسسات آموزش عالی است و هدف آن پیش بینی اولیه موفقیت دانشجویان و آماده سازی اقدامات برای تشویق دانشجویان به منظور افزایش کار ایشان است ، البته اگر پیش بینی ها نیازهای موسسات آموزش عالی را براورده نکنند . در سطح نظری ، این تحقیق از مجموعه داد های در مقیاس کوچک دفاع می کند و توسط داده کاوی کنونی دسکتاپ و فن آوری پشتیبانی می شود . در سطح پیاده سازی داده های تحقیق و نتایج اثبات کرده است که پیش بینی انجام شده با هر دو روش در تحقیق ، بسیار موفقیت آمیز بوده است . علاوه بر این یافته های ما یک راهنمایی عملی برای تصمیم گیرندگان موسسات آموزش عالی و استادان تهیه می کند تا آنها به توانند مشکلات در ارتباط با موفقیت دانشجویان را شناسایی کنند که گاهی در اطلاعات استادان درباره ی دانشجویانشان نهفته است . سر انجام این مدل ، این امکان را فراهم می کند که فورا بعد از ثبت نام یا هر دوریه ی دیگری از سال تحصیلی ، برای ارتقاع میزان موفقیت دانشجویان دست به کار شوند. همانطور که انتظار داشتیم ، این پژوهش می تواند با مقایسه بین المللی از مجموعه داده های دانشجویان گرفته شده از کشور های مختلف با استفاده از فن آوری های مختلف داده کاوی گسترش یابد . مطالعه ی مقایسه ای ، از میزان موفقیت دانشجویان برای اندازه های مختلف از مجموعه داده های مربوط به دانشجویان می تواند تا حد زیادی پتانسیل تحقیق را گسترش دهد و دیدگاه جدید چگونگی استفاده از تکنولوژی داده کاوی را تشکیل دهد و این روش ها ( الگوریتم ها ) به عنوان یک ابزار مهم برای توسعه سیستم های مدیریت موسسات آموزش عالی است . محققان امیدوارند که این نتایج مدیریت موسسات آموزش عالی را تشویق کند که با بکار بردن ابزار های داده کاوی در فعالیت های روزمره میزان موفقیت دانشجویان را ارتقاع دهند .

 

 

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.