تشخیص افت تحصیلی دانش آموزان و رابطه آن با شغل خانوار با استفاده از تکنیکهای داده کاوی

امروزه در مدارس بانک اطلاعاتی گسترده ای از ویژگی های دانش آموزان وجود دارد که حجم بالایی از اطلاعات مربوط به سوابق آموزشی، تربیتی و غیره را شامل می شود. پیدا کردن دانش نهفته در این اطلاعات می تواند به مدیران آموزشی در جهت بهبود فرآیندهای آموزشی نظیر ارزیابی و تشخیص افت تحصیلی کمک شایانی کند. با استفاده از داده کاوی می توان الگوهای قابل فهم، مفید و ناشناخته را از داده های آموزشی پایگاه داده های بزرگ استخراج کرد. روش ارائه شده با استفاده از مجموعه داده واقعی جمع آوری شده از دبیرستان شهید جندقیان آران و بیدگل مورد ارزیابی قرار می گیرد. این مجموعه داده از پرونده ها و فرم های مختلف مربوط به دانش آموزان و پرسشنامه ای که تهیه و تایید گردیده و در بین دانش آموزان توزیع شده بدست آمده است. تحلیل های عملی نشان می دهد که دقت و کارایی مدل ارائه شده نسبت به روش های پیشین بهبود داشته است. روش های مدل سازی استفاده شده شبکه های عصبی و k-means می باشد که در محیط نرم افزار رپیدماینر روی مجموعه داده مورد ارزیابی قرار گرفتند و در نهایت، مقایسه میان نتایج حاصل از تکنیک های مختلف صورت گرفت و بهترین مدل در دسته بندی و پیش بینی صحیح عملکرد دانش آموزان، مدل Wj۴۸ شناخته شد که منجر به دقت ۹۹.۵۲ درصد دسته بندی می گردد.

کلیدواژه ها:

عملکرد تحصیلی ، افت تحصیلی ، داده کاوی ، درخت تصمیم ، شبکه عصبی