استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی

داده کاوی ابزار مناسبی برای استخراج دانش پنهان شده اطلاعات در پایگاه داده های حجیم است، این ابزار قدرتمند دارای پتانسیل بالایی برای تمرکز بر روی مهمترین اطلاعات موجود در مخازن داده ها است. خوشه بندی از مهمترین الگوریتم های داده کاوی است و کاربرد بسیاری در کشف دانش دارد، یکی از مهم ترین الگوریتم های خوشه بندی که به طور گسترده به کار می رود الگوریتم K- میانگین است . این مقاله به بررسی استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی در موسسات آموزش عالی شفق و آیندگان تنکابن و دانشکده فنی و حرفه ای ملاصدرا رامسر طی سال 1392 انجام شده است. انگیزه اصلی انجام این مطالعه وجود مشکلات پیش روی آموزش در دروس برنامه نویسی و عدم استقبال دانشجویان از این دروس است. با توجه به اطلاعات استخراج شده بر مبنای پرسشنامه ها ، عواملی چون عدم آشنایی درست با الگوریتم های حل مسئله و دانش ریاضی، ضعف در شیوه تدریس و امتیاز دهی نهایی بر خلاف اصول علمی و عدم آشنایی با دانش و مسائل روز در زمینه های مختلف برنامه نویسی نقش پررنگتری داشته و پیش بینی شده است که تنها حدود 15 درصد بصورت حرفه ای گرایش به درس برنامه نویسی خواهند داشت.

کلیدواژه ها:

داده کاوی ، کشف دانش ، تحلیل آماری ، خوشه بندی ، الگوریتم K - میانگین