غنی سازی محیط های آموزش الکترونیکی با استفاده از تکنیک های طبقه بندی داده

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,421

فایل این مقاله در 12 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:

IDMC02_159

تاریخ نمایه سازی: 14 فروردین 1388

چکیده مقاله:

در سالهای اخیر، پیشرفتهای بسیاری در سیستم های آموزشی، در راستای معرفی تکنولوژی های نوینی همچون آموزش تحت وب رخ داده است. به جرات میتوان گفت بار بسیاری از این پیشرفتها بر دوش یکی از حوز ه های علوم کامپیوتر یعنی داده کاوی است. هدف از دادهکاوی استخراج دانش از مجموعه دادههای بزرگ است و در این مقاله نیز به بررسی نحوه استفاده از روش های طبقه بندی داده که یکی از روش های داده کاوی می باشد ، در غنی کردن سیستمهای آموزش الکترونیک پرداخته شده است. دراین مقاله پیشگویی نتیجه تحصیلی کاربران سیستم آموزش الکترونیک با استفاده از روش های یادگیری ماشین نظیر روشهای ماشین بردار پشتیبان ، درخت تصمیم، بیز ساده و K همسایه نزدیکترین مورد استفاده واقع شده است که در بین این چهار روش، دو روش درخت تصمیم و بیز ساده با 80.113 بیشترین دقت را در پیشگویی در میان روشهای استفاده شده داشتهاند . روش های ماشین بردار پشتیبان وK همسایه نزدیکترین نیز با دقتهای 78.409 و 72.443 در مرتبه های بعدی قرار گرفتند