پیشبینی پیشرفت تحصیلی دانشجویان با درخت تصمیم مطالعه موردی: سه مؤسسه آموزش عالی غیردولتی

پیشبینی پیشرفت تحصیلی دانشجویان با درخت تصمیم مطالعه موردی: سه مؤسسه آموزش عالی غیردولتی

آکادمی داده

۱۳۹۷/۰۴/۱۵


  • 104 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. 

در این تحقیق از داده های خام 120 دانشجو برای پیش بینی نمرات آن دانشجویان بهره گرفته شده است. 

در نتیجه گیری این مقاله می خوانیم: 
در این مقاله یک مطالعه موردی از داده کاوی آموزشی ارائه شده است. هدف اصلی از این مطالعه، ارائه یک پیش۔ بینی اولیه از معدل نهایی و عملکرد دانشجویان است. در روش پیشنهادی معدل دانشجویان بر اساس نمرات ۶ درس تخصصی اصلی پیش بینی شد.
در ارزیابی روش پیشنهادی از داده های آموزشی دانشجویان فارغ التحصیل سه موسسه آموزش عالی غیردولتی استفاده شده است. این داده ها به عنوان داده های آموزش درخت تصمیم استفاده شدند. درخت تصمیم بدست آمده از نتایج این مطالعه می تواند در تصمیم گیری های جدید در جهت افزایش بازدهی و رفع مشکلات آموزشی مؤثر واقع شود. همچنین این درخت می تواند در پیش بینی پیشرفت تحصیلی دانشجویان دیگر که در سالهای بعد این ۶ درس را گذرانده اند، استفاده شود.
در این تحقیق استفاده از چند درس تخصصی یک مزیت و یک محدودیت است. مزیت به لحاظ کاهش محاسبات و محدودیت به لحاظ اینکه دروسی که باید در پیش بینی معدل انتخاب شوند، لازم است با یک روش دقیق محاسبه شوند چرا که سایر دروس نیز می توانند در پیش بینی نقش مؤثری ایفا کنند. بنابراین در تحقیقات آتی می توان یک روش برای انتخاب دروسی که در پیش بینی معدل مؤثرند، ارائه داد و مقاطع مختلف تحصیلی را به منظور دریافت نتایج دقیق تر در نظر گرفت. همچنین می توان از تکنیک های دیگر داده کاوی مانند شبکه های عصبی و خوشه بندی نیز استفاده کرد.

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 جرایم 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 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.