پیش بینی نتیجه فعالیت تحصیلی دانشجویان با استفاده از روش های داده کاوی

امروزه تحصیلات یکی از پر اهمیت ترین فعالیت های زندگی هر فرد تلقی می شود که می تواند جنبه های مختلف زندگی را تحت تاثیر قرار دهد. قرار گرفتن در رده ی ممتاز (الف) یکی از ویژگی های است که می تواند در روند ادامه تحصیل و همچنین ایجاد فرصت های شغلی برای دانشجو موثر باشد. در این مقاله با استفاده از علم داده کاوی و متدهای درخت تصمیم، جنگل تصادفی، K نزدیک ترین همسایه، naive bayes و شبکه عصبی مصنوعی چندلایه (MLP) قصد داریم نتیجه فعالیت تحصیلی دانشجو را باتوجه به رفتار خود و خانواده در طول یک نیمسال تحصیلی پیش بینی کنیم و سپس این روش ها را ارزیابی کنیم و بهترین را انتخاب کنیم. این مدل می تواند در نتیجه گیری هرچه بهتر دانشجویان در طول تحصیل کمک کننده باشد و براساس آن دانشجو بتواند درطول ترم با تغییر فعالیت های خود به نتیجه دلخواه برسد.

کلیدواژه ها:

داده کاوی ، فعالیت تحصیلی ، شبکه عصبی مصنوعی چندلایه ، درخت تصمیم ، جنگل تصادفی