پیش بینی وضعیت تحصیلی دانش آموزان با استفاده از الگوریتم کلونی زنبور عسل مصنوعی بهبود یافته

  • سال انتشار: 1399
  • محل انتشار: سومین کنفرانس بین المللی مهندسی برق، کامپیوتر و مکانیک
  • کد COI اختصاصی: ELCM03_053
  • زبان مقاله: فارسی
  • تعداد مشاهده: 603
دانلود فایل این مقاله

نویسندگان

یاسر روحانی

دانشجوی کارشناسی ارشد- دانشکده مهندسی کامپیوتر- دانشگاه تربیت دبیر شهید رجایی- تهران- ایران

زینب ترابی

استادیار- دانشکده مهندسی کامپیوتر- دانشگاه تربیت دبیر شهید رجایی- تهران- ایران

سحر کیانیان

استادیار- دانشکده مهندسی کامپیوتر- دانشگاه تربیت دبیر شهید رجایی- تهران- ایران

چکیده

پيش بينی وضعيت فراگيران در دوره های آموزشی به یکی از چالش های مهم در مراکز آموزشی تبدیل شده است. داده کاوی آموزشی یکی از بهترین گزینه ها برای تحليل داده های تحصيلی در یک مرکز آموزشی است که می تواند وضعيت فراگيران را با استفاده از مدل های استخراج شده از این داده ها پيش بينی کند. الگوریتم های بهينه سازی یکی از گزینه های مناسب برای کشف روابط پنهان بين داده ها در علم داده کاوی است. در این مقاله الگوریتم جدیدی به نام الگوریتم کلونی زنبور عسل مصنوعی بهبود یافته به کمک مجموعه بهترین راه حل ها بر پایه الگوریتم کلونی زنبور عسل مصنوعی که یک الگوریتم قدرتمند در بهينه سازی است، برای پيش بينی عملکرد دانش آموزان ارائه شده است. مجموعه بهترین راه حل ها مجموعه ای از منابع غذایی با ارزش بالاست که در جستجوی راه حل های جدید به کمک این الگوریتم آمده است. همچنين تغيير در ميزان جابجایی راه حل های جدید به کمک معيار نرخ تغييرات، باعث شده است تا این الگوریتم بهتر بتواند در مواجهه با گير افتادن در نقاط بهينه محلی عمل کند. نتایج حاصل از اجرای این الگوریتم بر روی پنج مجموعه داده آموزشی شاملدو مجموعه داده از اطلاعات دانشجویان رشته کامپيوتر دانشگاه شهيد رجایی تهران و سه مجموعه داده استاندارد آنلاین، نشان می دهد که این روش نسبت به روش های مشابه اعمال شده در الگوریتم کلونی زنبور عسل مصنوعی، موجب بهبود دقت پيش بينی به ميزان 1.1 الی 11.46 درصد گردیده است.

کلیدواژه ها

داده کاوی، داده کاوی آموزشی، الگوریتم کلونی زنبور عسل مصنوعی، دسته بندی داده ها، کارایی تحصیلی

مقالات مرتبط جدید

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.