شناسایی عوامل تاثیرگذار دانش آموزان برای موفقیت در آزمون های سراسری با کمک تکنیک های داده کاوی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 503

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EHCONF04_281

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

با توجه به این که در سالهای اخیر با افزایش تعداد داوطلبان آزمون سراسری و متقاضیان تحصیلات عالی و تنوع رشته های تحصیلی لزوم شناسایی عوامل تاثیر گذار برای موفقیت دانش آموزان در رشته های خاص بیش از پیش احساس می شود و این امرکار مسیولین از جمله مشاوران تحصیلی، مدیران آموزشی، پدران و مادران را بسیار دشوار نموده است. به همین دلیل با کمک علم داده کاوی میتوان فرآیند کشف رابطه ها، الگوها و روندهای جدید معنی داری را در حجم وسیعی از اطلاعات ذخیره شده درانبارهای داده یا فناوریهای تشخیص الگو (مانند ریاضی و آمار) پیدا کرد. داده کاوی با کمک تکنیک هایش میتواند در طراحی مدلهای مناسب جهت پیشبینی میزان قبولین کنکورمورد استفاده قرار گیرند. در این مقاله از الگوریتم های خوشه بندی و طبقه بندی برای ساخت درختان تصمیمگیری استفاده شده است. در این مطالعه از دو مدل پیشبینی مدل درخت تصمیم استفاده شد که در بین آنها مدل درخت تصمیم (Decision Tree (j48 دارای بالاترین میزان دقت 93.50 درصد بوده و میتواند در برنامه های پیشبینی داوطلبین کنکور سراسری جهت ورود دانشآموزان به دانشگاه مورد استفاده قرار گیرد. در این تحقیق از دادههای قبولین کنکورسراسری سال 1394 استفاده شده است این دادهها شامل 1307 رکورد در 216 رشته برتر دانشگاهی از 4 گروه علوم ریاضی، علم تجربی، علوم انسانی و هنر در 9 فیلد است برای بررسی و پیاده سازی مدل و الگوریتم ها استفاده شده از نرم افزار دادهکاوی و الگوریتم های رپیت ماینر Rapid Miner استفاده شده است.

نویسندگان

حمیدرضا فرهادنیا

دانشجوی کارشناسی ارشد رشته مهندسی نرم افزار دانشگاه آزاد اسلامی واحد کرمان

محمدرضا وظیفه

استادیاررشته مهندسی نرمافزار دانشگاه آزاد اسلامی واحد زاهدان

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 :
  • Tang, T., & McCalla, G. (2002). Student modeling for a ...
  • آصفاریان محسن، خیرآبادی _ رتبه داوطلبان کنکور سراسری دانشگاهها با ... [مقاله کنفرانسی]
  • بررسی و خوشه بندی نتایج ارزشیابی اساتید دانشگاه با استفاده از روشهای داده کاوی [مقاله کنفرانسی]
  • شهرابی مال، (1392)"داده‌کاوی "، انتشارات جهاد دانشگاهی واحد صنعتی ایر ...
  • آضنفری، مهدی؛ علیزاده، سمیه؛ تیمورپور، بابک؛(1390) "داده‌کاوی و کشف دانش" ...
  • صنیعی آباده، محمد، محمودی، سینا، طاهرپرور، محدثه.(1393) ."داده‌کاوی کاربردی" انتشارات ...
  • _ Al-Radaideh, Q., Al-Shawakfa, E. and Al-Najar, M. (2006) 'Mining ...
  • Agarwal, R., & Srikant, R. (2005). Mining sequential patterns. In ...
  • I3]Berry, Michael; Berry, Gordon; (2009) _ Data Mining Techniques (For ...
  • [E] Baradwaj, B. and Pal, S. (2011) 'Mining Educational Data ...
  • Han, J. and Kamber, M. (2006) Data Mining: Concepts and ...
  • Empirical Study of the Applications of Data Mining Techniques in ...
  • Detection Technique in Data Mining: A Research Outlier؛ [8] Mansur, ...
  • Romero, C. and Ventura, S. (2007) :Educational data Mining: A ...
  • Shannaq, B. , Rafael, Y. and Alexandro, V. (2010) :Student ...
  • نمایش کامل مراجع