مروری بر تحقیقات انجام شده در زمینه ی داده کاوی آموزشی

با افزایش سیستم های کامپیوتر و گسترش تکنولوژی اطلاعات، بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است. سیستم های داده کاوی این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند ودانش نهفته در ان را استخراج نمایند. در حال حاضر، موسسات آموزشی حجم عظیمی از داده ها را همچون اطلاعات ثبت نام دانشجویان سوابق تحصیلی وهمچنین نتایج آزمون دانشجویان جمع آوری وذخیره می کنند. کاوش در این داده ها، اطلاعات جالبی را ارائه می دهد به کاوشگران ارائه می دهد. رشد سریع داده های آموزشی به این واقعیت اشاره دارد که کاوش در حجم عظیمی از اطلاعات، نیاز به مجموعه ای پیچیده از الگوریتم دارد. این مسئله منجر به ظهور زمینه ای با نام داده کاوی آموزشی EDM شده است. الگوریتم داده کاوی سنتی نمی تواند به طور مستقیم به مسائل آموزشی اعمال شوند، زیرا ممکن است هدف و عملکرد خاصی داشته باشند. این بدان معنی است که ابتدا باید الگوریتم پیش پردازش اجرا شود، تنها برخی از روش های داده کاوی خاص می توانند به مسائل اعمال شوند. یک الگوریتم پیش پردازش که در EDM اعمال می شود، الگوریتم خوشه بندی است.مطالعات بسیای که بر روی EDM انجام شده است. بر روی استفاده از الگوریتم مختلف داده کاوی برای ویژگی های آموزشی تمرکز دارند. بنابراین، این مقاله ادبیات پژوهشی بیش از سه دهه 2016-1983 را به صورت سیستماتیک مورد بررسی قرار داده است. و به مطالعه ی الگوریتم خوشه بندی و کاربرد آن در زمینه EDM پرداخته است. خط فکری پژوهش آینده، براساس بررسی ادبیات پژوهشی مشخص شده است ومسیرهای برای انجام تحقیق های بیشتر ارائه شده است.

کلیدواژه ها:

داده کاوی ، روش های خوشه بندی ، فناوری آموزشی ، بررسی سیستمایک