شناسایی عوامل و پیش بینی ارزشیابی دانشجویان از مدرسین با استفاده از الگوریتم های رگرسیون در داده کاوی
- سال انتشار: 1400
- محل انتشار: کنفرانس ملی آخرین دستاوردهای مهندسی داده و دانش و محاسبات نرم
- کد COI اختصاصی: CONFSKU01_057
- زبان مقاله: فارسی
- تعداد مشاهده: 465
نویسندگان
دانشگاه علم و فرهنگ
دانشگاه علم و فرهنگ
چکیده
دانش داده کاوی امروزه به طور گسترده ای در علوم مختلف مورد بهره برداری قرار می گیرد. داده کاوی آموزشی زمینه نوظهوری است که با پردازش داده های استخراج شده از محیط آموزش و پیدا کردن الگوها و دانش نهفته در آن به تصمیم گیران عرصه آموزش در جهت ارتقاء و بهبود فرایندهای آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره کمک شایانی می نماید.پیش بینی عملکرد مدرس به عنوان یک استراتژی مهم برای ارتقا کیفیت آموزشی، از مهمترین مسائل مورد توجه دانشگاه ها است. این پژوهش، در راستای شناسایی مهمترین ویژگی های موثر در ارزشیابی دانشجویان از اساتید و نیز پیش بینی مقدار عددی ارزشیابی دانشجویان از استاد، به تهیه مجموعه داده خاص در این زمینه و استفاده از الگوریتم های رگرسیون داده کاوی پرداخته است. برای انتخاب ویژگی از الگوریتم جنگل تصادفی استفاده شده و برای پیش بینی چهار الگوریتم رگرسیون خطی، ماشین بردار پشتیبان، شبکه های عصبی و رگرسیون درخت تصمیم مورد آزمون قرار گرفته و نتایج با هم مقایسه شده اند. در میان روشهای به کار گرفته شده، در نهایت با در نظر گرفتن شرایط داده ورودی، الگوریتم رگرسیون درخت تصمیم با میانگین قدر مطلق خطای۰.۲۸ و زمان اجرای مناسب بهترین عملکرد را داشته است.کلیدواژه ها
داده کاوی آموزشی، ارزشیابی دانشجویان از اساتید ، الگوریتمهای پیش بینی، رگرسیون خطی، رگرسیون درخت تصمیم، ماشین بردار پشتیبان، شبکه های عصبیمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.