خوشه بندی اساتید دانشگاه با استفاده از روش های داده کاوی
- سال انتشار: 1399
- محل انتشار: هفتمین همایش ملی مطالعات و تحقیقات نوین در حوزه علوم انسانی، مدیریت و کارآفرینی ایران
- کد COI اختصاصی: EMCONF07_349
- زبان مقاله: فارسی
- تعداد مشاهده: 1050
نویسندگان
استادیار، گروه مهندسی صنایع، دانشگاه صنعتی بیرجند
فوق لیسانس، مدیریت فناوری اطلاعات، دانشگاه بیرجند
استادیار، گروه مهندسی صنایع، دانشگاه صنعتی بیرجند
چکیده
با توجه به اینکه آموزش عالی همواره با داده ها و اطلاعات ب سیار زیادی در مورد دانشگاه ها، دانشجویان، اعضای هیئت علمی، پرسنل،منابع مادی و... روبروست و در اکثر مواقع اید داده ها می تواند حامل اطلاعات و الگوهای با ارزشی باشند، لذا به نظر می رسد یکی ازمهمترین کاربردهای داده کاوی، در آموزش عالی است.ارزشیابی اعضای هیئت علمی به عنوان یک استراتژی مهم برای ارتقای کیفیت آموزشی مورد توجه دانشگاه ها است . یکی از روشهایارزیابی استاد، استفاده از نظر دانشجویان است که در این روش مسئولان موسسه های آموزشی ، به طور رسمی یا غیر رسمی، نظردانشجویان را درباره ویژگی های مختلف شخصی و حرفه ای اساتید موسسه خود جویا می شوند و بر اساس نظر آنان به قضاوت دربارهمیزان شایستگی اساتید می پردازند. بعلاوه تکنیک های داده کاوی فهم عمیقی از الگوهایی را که قبلا ناشناخته بودند ارائه می دهند.داده کاوی غیرنظارتی در شرایطی به کار می رود که الگوها یا گروه های ویژه ناشناخته اند. در این تحقیق داده های مربوط به اطلاعاتشخصی و نمرات ارزشیابی اساتید دانشگاه در فاصله سال های 1393 - 1385 مورد بررسی قرار گرفته و در انجام مراحل مختلف پژوهشاز متدولوژی استاندارد CRISP-DM استفاده شده است. در مرحله مد ل سازی، داده ها تو سط الگوریتم k-means خو شه بندیشده اند. سپس با استفاده از شاخص دیویس -بولدید تعداد خوشه بهینه تعیید شده است. بر اساس خوشه های بهینه به دست آمده،مشخصات اعضای هر خوشه و سطح نمره ارزشیابی آنها مورد بررسی و تحلیل دقیق تر قرار گرفته است. در نهایت مشخصه های مدرکتحصیلی، وضعیت استخدامی و رده سنی اساتید به عنوان مهمترین مشخصه های متمایزکننده خوشه ها از یکدیگر تشخیص داده شده اند.کلیدواژه ها
داده کاوی آموزشی، نظرسنجی از دانشجو، ارزشیابی اساتید، خوشه بندیمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.