شناسایی عوامل موثر بر افت تحصیلی دانشجویان با استفاده از قوانین انجمنی و تحلیل خوشه بندی

شناسایی عوامل موثر بر افت تحصیلی دانشجویان با استفاده از قوانین انجمنی و تحلیل خوشه بندی


  • 154 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. 

 

سهم اصلی در این پژوهش توجه به توانایی ها و قدرتمندی های تکنولوژی داده کاوی در زمینه سیستم های آموزش عالی می باشد. نتایج این پژوهش مورد استفاده وزارت علوم، تحقیقات و فناوری و دانشگاههای معتبر خواهد بود. 
این پژوهش تلاشی برای پیاده سازی مدل های داده کاوی پیش بینی کننده، به منظور پیش بینی وضعیت تحصیلی دانشجویان بر اساس مشخصات فردی و گذشته تحصیلی آنان بوده است. با توجه به نتایج آماری که از ساخت مدل های پیش بینی کننده وضعیت دانشجو در این پژوهش بدست آمده است، می توان با اطمینان بالایی از آینده تحصیلی دانشجویان بر مبنای داده های گذشته اطلاع حاصل نمود. اگر چه نتایج این پژوهش منتهای هدف در این حوزه نیست و می توان با بسط مدل ها و درگیر کردن پارامترهای جدید به نتایج دقیق تر و قابل اطمینان تری دست یافت. میزان اهمیت این پیش بینی ها بسیار واضح و روشن است، چنانکه در اکثر مؤسسات آموزشی از دغدغه های اصلی مدیران آموزشی است. بنابراین نتایج حاصل از این تحقیق و موارد مشابه می تواند به صورت جدی در مراجع ذکر شده پیاده سازی و مورد استفاده قرار گیرد. استفاده از چنین مدل هایی دانشگاه را در ارتقاء سطح علمی دانشجویان و هدفمند نمودن فرایندهای آموزشی یاری مینماید [۳]
در پایان لازم است به این نکته اشاره کنیم که کاربردهای داده کاوی در آموزش عالی به تازگی مورد توجه قرار گرفته است. دانشگاهها به منظور اینکه در حوزه رقابتی آموزش باقی بمانند نیازمند دانش پایهای اولیه ای هستند که می توانند آن را از داده های تاریخی و عملیاتی شان استخراج کنند.
تکنیک های داده کاوی ابزارهای تحلیلی هستند که برای استخراج دانش معنادار از مجموعه داده های بزرگ مورد استفاده قرار می گیرند. 
با توجه به اینکه داده کاوی در حوزه آموزش، حوزه تحقیقاتی کاملا جدیدی می باشد، نیازمند آن هستیم که در این حوزه تحقیقات گسترده ای صورت بگیرد و شکاف دانشی در این حوزه تا حدی از میان برداشته شود. دقت روشهای پیش بینی در سایر حوزه ها به تناسب نوع کاربرد ارتقاء زیادی یافته است، ولیکن در این حوزه خاص ارتقاء زیادی در مدل ها صورت نگرفته و نیازمند تحقیقات گسترده ای در این حوزه می باشیم تا از این طریق داشتن فرایندهای آموزشی مؤثرتر، کاراتر و دقیق تر را در سیستم های آموزش عالی در دانشگاهها تسهیل کرد. 
شاید مهم ترین نکته این باشد که هیچ مدل یا الگوریتمی نمی تواند و نباید به تنهایی استفاده شود. نمی توان هیچ مدل با الگوریتمی را در این زمینه بهترین نامید برای هر مسئله داده شده، طبیعت داده استفاده شده بر روی انتخاب مدل ها و الگوریتم هایی که برگزیده میشود تأثیر خواهد گذاشت.

 

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.