ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

تعداد صفحات: 6 | تعداد نمایش خلاصه: 786 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: CEIT01_413
زبان مقاله: فارسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

ابوصالح محمد شریفی - عضو هیئت علمی ، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد رامسر، ایران، رامسر
سید مهدی حسینی - عضو هیئت علمی، گروه کامپیوتر، موسسه آموزش عالی شفق تنکابن، ایران، تنکابن
ابراهیم گلیج - دانشجوی مهندسی تکنولوژی نرم افزار گروه کامپیوتر موسسه آموزش عالی شفق، ایران، تنکابن

چکیده مقاله:

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 كاوي، كشف دانش، تحليل آماري، خوشه بندي، الگوريتم K - ميانگين

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/263010/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شریفی، ابوصالح محمد و حسینی، سید مهدی و گلیج، ابراهیم،1392،استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی،اولین کنفرانس ملی نوآوری در مهندسی کامپیوتر و فنآوری اطلاعات،تنکابن،،،https://civilica.com/doc/263010

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، شریفی، ابوصالح محمد؛ سید مهدی حسینی و ابراهیم گلیج)
برای بار دوم به بعد: (1392، شریفی؛ حسینی و گلیج)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • هاشمی سید حامد، پور امین زاد سعیده، تحلیل الگوی اعتبار ... [مقاله کنفرانسی]
  • تمنایی فر، محمدرضا، گندمی، زینب، (1390)، رابطه انگیزه پیشرفت با ...
  • Christine Gertisio and Alan Dussauchoy, "Knowledge Discovery from Industrial Data ...
  • Data Integration and Management S olutions , Manjunath. B. Assistant ...
  • Pragnyaban Mishra, Neelamadhah Padhy, Rasmita Panigrahi.. "The Survey Of Data ...
  • N. Ye, "The Handbook of Data Mining", Lawrence Erlbaum As ...
  • Jiawei Han, Micheline Kamber, Jian Pei, Data Mining Concepts and ...
  • Sudhir B., Kodge B. G., "Census Data Mining and Data ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 405
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی