به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

فهرست مطالب hadi abdulmaleki

  • آرش خسروی*، هادی عبدالمالکی، مهری فیاضی

    داده کاوی آموزشی در چند سال اخیر بسیار مورد توجه قرار گرفته است. مراکز و موسسات آموزشی دارای حجم زیادی از اطلاعات دانشجویان هستند که می تواند به عنوان ابزاری برای ارتقا سطح کیفی آموزش مورد استفاده قرار گیرد. دانش استخراج شده به موسسات کمک می کند تا روش های تدریس، فرآیند یادگیری و تصمیم گیری های خود را بهبود بخشند. هدف این پژوهش پیش بینی وضعیت تحصیلی دانشجویانی است که قرار است از مقطع کاردانی به مقطع کارشناسی ادامه تحصیل دهند. با توجه به اینکه وزارت علوم قصد دارد آزمون ورودی (کنکور) را حذف کند؛ دانشگاه ها با این مشکل مواجه خواهند شد که دانشجویان را براساس چه معیارهایی انتخاب کنند. در این پژوهش سعی بر آن است تا با استفاده از تکنیک های داده کاوی درخت تصمیم، نیو بیز، شبکه عصبی، ماشین بردار پشتیبان، جنگل تصادفی، Bagging و Boosting اطلاعات آموزشی دانشجویان تازه وارد تحلیل شود و با مقایسه آن ها با اطلاعات دانشجویان فارغ التحصیل، انصرافی و اخراجی مقطع کارشناسی، روشی برای انتخاب بهتر دانشجویان ارایه کند. با توجه به نتایج این تحقیق، جنگل تصادفی با 28/92% بیشترین دقت و نیو بیز با 09/61% کمترین دقت پیش بینی را دارند

    کلید واژگان: داده کاوی, داده های آموزشی و پذیرشی, وضعیت تحصیلی دانشجویان, طبقه بندی, یادگیری ماشین}
    Arash Khosravi *, Hadi Abdulmaleki, Mehri Fayazi

    Education is one of the main issues in human society. The promotion of the educational level of society will stimulate its growth. Nowadays, due to increasing the amount of information stored in the databases, it has caused them to be more valuable as an asset. Data mining is one of the methods of extracting information from raw data. Data mining utilizes data analysis tools to discover valid patterns and relationships that have been unknown until now.Extracted knowledge helps institutions improve their teaching methods, learning process, and decision making. These improvements will ultimately lead to an increase in studentschr(chr('39')39chr('39')) performance and overall educational outcomes.This study aims to predict the educational status of students who intend to continue studying for a bachelorchr(chr('39')39chr('39'))s degree. Given that the Ministry of Science intends to eliminate the entrance test and on the other hand, this test serves as the main way to enter the university; Universities will face the problem, what are the criteria for selecting students?In this study, we try to provide a better choice of students using data mining techniques and tools, information received from students (register information) such as average, personal information, and comparison with graduate, Dropout and fired students.

    Keywords: Data mining, Educational, admission data, Students' academic status, Classification, Machine Learning}
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال