این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۹، شماره ۲، صفحات ۹۴-۱۱۳
عنوان فارسی پیش‌بینی وضعیت تحصیلی متقاضیان پذیرش‌شده دانشگاه، مبتنی بر داده‌های آموزشی و پذیرشی با استفاده از تکنیک‌های داده کاوی
چکیده فارسی مقاله داده کاوی آموزشی در چند سال اخیر بسیار مورد توجه قرار گرفته است. مراکز و مؤسسات آموزشی دارای حجم زیادی از اطلاعات دانشجویان هستند که می‌تواند به عنوان ابزاری برای ارتقا سطح کیفی آموزش مورد استفاده قرار گیرد. دانش استخراج‌شده به مؤسسات کمک می‌کند تا روش‌های تدریس، فرآیند یادگیری و تصمیم‌گیری‌های خود را بهبود بخشند. هدف این پژوهش پیش‌بینی وضعیت تحصیلی دانشجویانی است که قرار است از مقطع کاردانی به مقطع کارشناسی ادامه تحصیل دهند. با توجه به اینکه وزارت علوم قصد دارد آزمون ورودی (کنکور) را حذف کند؛ دانشگاه‌ها با این مشکل مواجه خواهند شد که دانشجویان را براساس چه معیارهایی انتخاب کنند. در این پژوهش سعی بر آن است تا با استفاده از تکنیک‌های داده کاویِ درخت تصمیم، نیو بیز، شبکه عصبی، ماشین بردار پشتیبان، جنگل تصادفی، Bagging و Boosting اطلاعات آموزشی دانشجویان تازه وارد تحلیل شود و با مقایسه آن‌ها با اطلاعات دانشجویان فارغ‌التحصیل، انصرافی و اخراجی مقطع کارشناسی، روشی برای انتخاب بهتر دانشجویان ارائه کند. با توجه به نتایج این تحقیق، جنگل تصادفی با 28/92% بیشترین دقت و نیو بیز با 09/61% کمترین دقت پیش‌بینی را دارند.[1]. Educational data mining
کلیدواژه‌های فارسی مقاله داده‌کاوی، داده‌های آموزشی و پذیرشی، وضعیت تحصیلی دانشجویان، طبقه‌بندی، یادگیری ماشین،
عنوان انگلیسی Predict the academic status of admitted applicants based on educational and admission data using data mining techniques
چکیده انگلیسی مقاله Education is one of the main issues in human society. The promotion of the educational level of society will stimulate its growth. Nowadays, due to increasing the amount of information stored in the databases, it has caused them to be more valuable as an asset. Data mining is one of the methods of extracting information from raw data. Data mining utilizes data analysis tools to discover valid patterns and relationships that have been unknown until now.Extracted knowledge helps institutions improve their teaching methods, learning process, and decision making. These improvements will ultimately lead to an increase in studentschr(chr('39')39chr('39')) performance and overall educational outcomes.This study aims to predict the educational status of students who intend to continue studying for a bachelorchr(chr('39')39chr('39'))s degree. Given that the Ministry of Science intends to eliminate the entrance test and on the other hand, this test serves as the main way to enter the university; Universities will face the problem, what are the criteria for selecting students?In this study, we try to provide a better choice of students using data mining techniques and tools, information received from students (register information) such as average, personal information, and comparison with graduate, Dropout and fired students.
کلیدواژه‌های انگلیسی مقاله داده‌کاوی, داده‌های آموزشی و پذیرشی, وضعیت تحصیلی دانشجویان, طبقه‌بندی, یادگیری ماشین
نویسندگان مقاله آرش خسروی |
گروه مهندسی کامپیوتر، دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران.

هادی عبدالمالکی |
گروه مهندسی کامپیوتر، دانشکده برق، کامپیوتر و مهندسی پزشکی، موسسه آموزش عالی شهاب دانش، قم، ایران.

مهری فیاضی |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

نشانی اینترنتی https://scj.kashanu.ac.ir/article_111577_19f15e526a828df055970a61c557bb65.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات