تحلیل یک دهه از نمرات دانشجویان دانشکده مهندسی برق دانشگاه صنعتی شریف، با استفاده از پردازش سیگنال های گرافی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEE-27-105_003

تاریخ نمایه سازی: 18 تیر 1404

چکیده مقاله:

در پژوهش حاضر، به بررسی عملکرد تحصیلی دانشجویان و شناسایی الگوهای موثر بر موفقیت یا افت تحصیلی آنان، با استفاده از ابزارهای پردازش سیگنال گرافی، میپردازیم. جامعه آماری بررسی شده شامل دانشجویان کارشناسی دانشکده مهندسی برق دانشگاه صنعتی شریف، در بازه زمانی ۱۳۹۰۱۴۰۰، و دادههای پژوهشی شامل نمرات دانشجویان در دروس گوناگون، شاخه های تخصصی (گرایش) و زمان پذیرش هر درس است. شایان ذکر است که از تمامی داده ها استفاده و از نمونه گیری پرهیز شده است.در روش استفاده شده، هر دانشجو را یک گره در یک گراف در نظر گرفته و گره ها را، براساس مشابهت عملکرد تحصیلی، بهصورت وزندار متصل کرده ایم. سپس، با استفاده از اتصالات گراف، تطابق نمرات دروس خاص را با عملکرد کلی دانشجویان بررسی کرده ایم. نتایج نشاندهنده تطابق نداشتن نمرات برخی از دروس با عملکرد کلی دانشجویان است که ممکن است به تنوع سیاست های نمرهدهی و سبک های آموزشی مرتبط باشد. این بازخورد به بهبود شیوه نمره دهی کمک میکند.همچنین ارزیابی ها نشان میدهد انتخاب گرایش دانشجویان تنها در ۴۴ درصد از موارد با توانایی آنان همخوانی دارد. در تحلیلی دیگر، مشخص شد نمرات ۵ درصد از دانشجویان در دوران همه گیری کرونا رشد چشمگیری داشته که ممکن است به تقلب نظام مند در امتحانات مجازی اشاره داشته باشد.

کلیدواژه ها:

آشکارسازی تقلب در آزمون ، افت تحصیلی ، آموزش عالی ، پردازش سیگنال های گرافی ، رشد تحصیلی

نویسندگان

آرش امینی

دانشگاه صنعتی شریف

محمد مهدی امتی

دانشگاه صنعتی شریف

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Atif, A., Richards, D., Bilgin, A., & Marrone, M. (۲۰۱۳). ...
  • Breiman, L. (۲۰۰۱). Random forests. Machine Learning, ۴۵(۱), ۵-۳۲. https://doi.org/۱۰.۱۰۲۳/A:۱۰۱۰۹۳۳۴۰۴۳۲۴ ...
  • Campbell, J., DeBlois, P., & Oblinger, D. (۲۰۰۷). Academic analytics: ...
  • Chen, T., & Guestrin, C. (۲۰۱۶). XGBoost: A scalable tree ...
  • Dietz-Uhler, B., & Hurn, J. E. (۲۰۱۳). Using learning analytics ...
  • Dyckhoff, A. L., Zielke, D., Bültmann, M., Chatti, M. A., ...
  • Friedman, J. H. (۲۰۰۱). Greedy function approximation: A gradient boosting ...
  • Guido, R., Ferrisi, S., Lofaro, D., & Conforti, D. (۲۰۲۴). ...
  • Hamim, T., Benabbou, F., & Sael, N. (۲۰۲۲). Student profile ...
  • Hastie, T., Tibshirani, R., & Friedman, J. H. (۲۰۰۹). The ...
  • Hearst, M. A., Dumais, S. T., Osuna, E., Platt, J., ...
  • Kalofolias, V. (۲۰۱۶). How to learn a graph from smooth ...
  • Kalofolias, V., & Perraudin, N. (۲۰۱۹). Large scale graph learning ...
  • Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., ...
  • Lundberg, S. M., & Lee, S. I. (۲۰۱۷). A unified ...
  • Miguéis, V. L., Freitas, A., Garcia, P. J. V., & ...
  • Mingyu, Z., Sutong, W., Yanzhang, W., & Dujuan, W. (۲۰۲۱). ...
  • Ortega, A. (۲۰۲۲). Introduction to graph signal processing. Cambridge University ...
  • Parhizkar, R. (۲۰۱۳). Euclidean distance matrices: Properties, algorithms, and applications ...
  • Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & ...
  • Rish, I. (۲۰۰۱). Empirical study of the naive Bayes classifier. ...
  • Sandryhaila, A., & Moura, J. M. F. (۲۰۱۳). Discrete signal ...
  • Sandryhaila, A., & Moura, J. M. F. (۲۰۱۴). Big data ...
  • Sarker, I. H. (۲۰۲۱). Machine learning: Algorithms, real-world applications, and ...
  • Shuman, D. I., Narang, S. K., Frossard, P., Ortega, A., ...
  • Smith, V. C., Lange, A., & Huston, D. R. (۲۰۱۲). ...
  • Song, Y. Y., & Lu, Y. (۲۰۱۵). Decision tree methods: ...
  • Sperandei, S. (۲۰۱۴). Understanding logistic regression analysis. Biochemia Medica (Zagreb), ...
  • van Barneveld, A., Arnold, K. E., & Campbell, J. P. ...
  • نمایش کامل مراجع