پیش بینی وضعیت تحصیلی دانش آموزان با استفاده از الگوریتم های نزدیک ترین همسایه و ماشین بردار پشتیبان

اگرچه سطح آموزشی کشور پرتغال در دهه های اخیر بهبود یافته اما آمارها بیانگر عدم موفقیت دانش آموزان مقطع متوسطه این کشور در کلاس های ریاضی و زبان پرتغالی است. داده کاوی به فرایند تجزیه و تحلیل پایگاه داده های بزرگ برای یافتن الگوهای مفید اطلاق می شود. در این تحقیق با استفاده از تکنیک های داده کاوی وضعیت تحصیلی آتی دانش آموزان کشور پرتغال در درس های زبان پرتغالی و ریاضیات پیش بینی شده است.برای ساخت مدل ها، از پایگاه های داده ای شامل اطلاعات دانش آموزان مقطع متوسطه در دو درس ریاضیات با 395 و زبان پرتغالی با 649 نمونه رکورد استفاده شده. این تحقیق با تکنیک های نزدیک ترین همسایه و ماشین بردار پشتیبان بر روی داده ها تست شد و مشاهده شد که روش نزدیک ترین همسایه دقت بالاتری نسبت به ماشین بردار پشتیبان دارد. نتایج نشان می دهد که اگر از نمره میانترم در ساخت مدل استفاده شود دقت پیش بینی بالا می رود.

کلیدواژه ها:

پیش بینی وضعیت تحصیلی دانش آموزان ، k نزدیک ترین همسایه ، ماشین بردار پشتیبان