مدلی برای پیش بینی آسیب پذیری تحصیلی مقطع کارشناسی مبتنی بر شبکه عصبی

هدف پژوهش حاضر به عنوان بخشی از رساله دکتری، توسعه مدلی برای پیش بینی آسیب پذیری تحصیلی دانشجویان مقطع کارشناسی رشته های مهندسی در کوتاه مدت (نیمسال تحصیلی) بوده که به روش داده کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده ی کلیه «ترم- دانشجوها» از نیمسال اول سال تحصیلی91-1390 لغایت دوم 94-1393 در سه مورد از دانشگاه های فنی-مهندسی کشور (مجموعا 53422 رکورد) بوده که با بهره برداری مستقیم از سیستم های آموزش هر سه دانشگاه در مدل سازی وارد شده اند. نتایج حاکی از آن است که با بهره گیری از داده های موجود در سیستم های حوزه آموزش دانشگاه ها و به خدمت گرفتن شبکه عصبی می توان با صحت بیش از 95 درصد و اعتبار بالاتر از 60، نسبت به پیش بینی وضعیت نیمسال برای یکایک دانشجویان اقدام نمود. معدل نیمسال قبل، معدل کل، زوج یا فرد بودن نیمسال، نوع واحدهای اخذ شده و مبادرت به فعالیت های فوق برنامه در نیمسال، به عنوان موثرترین متغیرهای پیش بین، تشخیص داده شدند.