پیش بینی آینده تحصیلی دانش آموزان با استفاده از روشی مبتنی بر شبکه های عصبی
- سال انتشار: 1397
- محل انتشار: کنفرانس بین المللی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: ECMCONF01_053
- زبان مقاله: فارسی
- تعداد مشاهده: 1366
نویسندگان
دانشجوی کارشناسی ارشد فناوری اطلاعات دانشگاه عقیق
عضو هییت علمی دانشگاه کاشان
چکیده
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 انجمنیمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.