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

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

کلیدواژه ها:

آموزش تحت وب ، داده کاوی ، طبقه بندی داده