پیش بینی آینده تحصیلی دانش آموزان با استفاده از روشی مبتنی بر شبکه های عصبی

در حال حاضر یکی از مسایل و چالش های موجود در مدارس، انتخاب رشته دانش آموزان در سال اول دبیرستان است واینکه آیا دانش آموز در رشته انتخابی خود موفق خواهد بود یا خیر مشاوران علاوه بر نیاز به هدایت تحصیلی مناسب وپیش بینی عملکرد تحصیلی آینده دانش آموزان، به دنبال یافتن پارامترها و ویژگی هایی هستند که بیشترین تاثیر را بر رویعملکرد تحصیلی آنها می گذارد. در این مقاله از مجموعه داده های واقعی جمع آوری شده از دبیرستان شهر اصفهان کهشامل اطلاعات مربوط به ویژگی های شخصی و نمرات تحصیلی دانش آموزان و ه مچنین مجموعه داده های مربوط بهاطلاعات مشاوره ای آنها بود، استفاده شد و پس از اعمال الگوریتم شبکه عصبی پرسپترون چند لایه، میزان عملکرددانش آموزان در هر پایگاه داده به صورت جداگانه بر اساس معدل نهایی سوم دبیرستان آنها مشخص شد و هم چنینمشخص شد که نمرات تحصیلی دانش آموزان، به عبارتی ویژگی های تحصیلی تاثیر بیشتری نسبت به ویژگی های مشاوره ایکه شامل علاقه مندی ها و هوش آنها می باشد بر روی عملکرد نهایی دانش آموز می گذارد. در گام بعدی با استفاده ازالگوریتم قوانین انجمنی به ارتباط بین ویژگی ها که در پایگاه داده تحصیلی شامل: نمرات دروس و معدل و در پایگاه دادهمشاوره ای شامل: میزان علاقه مندی، خودسنجی، هوش و معدل دانش آموز است پرداختیم و قوانین مربوط به روابط آنها بهدست آمد. در این قوانین استخراج شده مشخص می شود که در پایگاه داده تحصیلی نمرات چه دروسی با یکدیگر و باعملکرد تحصیلی رابطه دارد و در پایگاه داده مشاوره ای ویژگی های علاقه مندی، خودسنجی، هوش و عملکرد تحصیلی چگونه با یکدیگر رابطه دارند پس این گام نیز به مشخص شدن رابطه بین ویژگی ها که همان نمرات و ویژگی های مشاوره ای هستند کمک به سزایی خواهد کرد.

کلیدواژه ها:

عملکرد تحصیلی ، پیش بینی آینده تحصیلی ، داده کاوی ، پیش بینی عملکرد تحصیلی با شبکه عصبی ، پیش بینی عملکرد تحصیلی با قوانین انجمنی