پیش بینی عملکرد اولین نیمسال تحصیلی دانشجویان آموزش ابتدایی با استفاده از تکنیک های دسته بندی داده کاوی
- سال انتشار: 1397
- محل انتشار: سومین کنفرانس ملی در مهندسی کامپیوتر، فناوری اطلاعات و پردازش داده ها
- کد COI اختصاصی: CITCOMP03_021
- زبان مقاله: فارسی
- تعداد مشاهده: 442
نویسندگان
مربی، گروه علوم، دانشگاه فرهنگیان، شهر قزوین، ایران
چکیده
تحقیقاتی که روی زمینه های آموزشی با استفاده از تکنیکها و الگوریتم های داده کاوی صورت می گیرد به سرعت در حال افزایش است. به استفاده از تکنیک های داده کاوی در محیطهای آموزشی که به حل یک مسیله با استفاده از روشهای هوشمند کمک می نماید، داده کاوی آموزشی(EDM) 1 گفته می شود که با استفاده از آن می توان دانش پنهان و همچنین الگوهای در بین رفتار دانشجویان، اساتید، کارکنان و ... را کشف نمود. این تحقیق کمک می کند تا با استفاده از مدلهای پیش بینی، عملکرد تحصیلی دانشجویان 2(SAP) اولین ترم دوره کارشناسی آموزش ابتدایی پردیس شهید رجایی قزوین را با استفاده از سه روش دسته بندی مبتنی بر بیز 3(NB )، مبتنی بر قانون 4 (RB) و درخت تصمیم 5(DT) توسعه داد. همچنین یک تحلیل مقایسهای جهت کشف بهترین مدل دسته بندی برای پیش بینی صورت گرفته شده است. آزمایش انجام شده نشان میدهد که مدلهای توسعه داده شده مبتنی بر قانون و درخت تصمیم نتایج بهتری را نسبت به الگوریتم توسعه داده شده مبتنی بر بیز می دهد. پنج پارامتر مستقل ( جنسیت، محل تحصیل، محل تولد، درآمد خانه وار، سهمیه ورودی دانشگاه ) برای انجام این تحقیق انتخاب شده است. این پارامترها بر اساس مطالعات انجام شده روی تحقیقات مشابه صورت گرفته شده است. نتایج نشان می دهد که ویژگی محل تحصیل به عنوان موثرترین پارامتر در عملکردی دانشجویان مطرح بوده که در کنار پارامترهای درآمد خانواده، جنسیت، حالت ورودی دانشگاه و محل تولد دانشجو مورد بررسی قرار گرفته است. این مدل پیش بینی برای دسته بندی کردن دانشجویان می تواند مورد استفاده اساتید قرار گرفته تا آنها بتوانند با یک اقدام زود هنگام عملکرد دانشجویان خود را اصلاح نمایند.کلیدواژه ها
داده کاوی آموزشی، دسته بندی، عملکرد تحصیلی دانشجویان، بیزمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
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.