اهمیت استفاده از داده‌کاوی برای پیش‌بینی عملکرد استاد

•   آرشیو : نسخه بهار 1402
•   کد پذیرش : 1416
•   موضوع : سایر شاخه های علوم رایانه
• نویسنده/گان : | شهرام محمدی
•   زبان : فارسی
•   نوع مقاله : پژوهشی
•   چکیده مقاله به فارسی : در دهه‌های اخیر داده‌کاوی به یکی از ابزارهای مؤثر برای تحلیل داده و سیستم مدیریت دانش تبدیل شده است به طوری که بسیاری از حوزه‌ها روش داده‌کاوی را برای حل مسائلشان اتخاذ کرده‌اند. استفاده از داده‌کاوی در آموزش جهت ارتقاء سیستم آموزشی هنوز نسبتاً جدید است. این مقاله بر پیش‌بینی عملکرد استاد و بررسی عوامل مؤثر بر موفقیت دانشجویان جهت بهبود کیفیت سیستم آموزشی تمرکز دارد. مجموعه داده‌های ارزیابی دانشجویانی از ترکیه در نظر گرفته شده و کلاسبندهای داده‌ی مختلفی مانند درخت تصمیم J48، پرسپترون چند لایه، نیو بیز و بهینه‌سازی متوالی کمینه بر روی این داده‌ها اجرا شدند. مقایسه‌ای از چهار کلاسبند برای پیش‌بینی دقت و یافتن بهترین الگوریتم کلاسبند در میان آن‌ها انجام شده است. نتایج این مطالعه بسیار امیدبخش بوده و دیدگاه دیگری برای ارزیابی عملکرد دانشجویان ارائه می‌نماید. آن همچنین اهمیت به‌کارگیری ابزارهای داده‌کاوی در زمینه‌ی آموزش را برجسته می‌نماید. نتایج نشان می‌دهد که استفاده از روش ارزیابی مشخصه بر روی مجموعه داده، دقت عملکرد پیش‌بینی را افزایش می‌دهد.
•   لیست منابع : [1] Mendes RR, de Voznika FB, Freitas AA, Novella JC. Discovering fuzzy classification rules with genetic programming and co-evolution. Principles of Data Mining and Knowledge Discovery, Springer Berlin Heidelberg, 2001, p. 314-325.
  [2] Peña-Ayala A. Educational data mining: A survey and a data mining-based analysis of recent works. Expert systems with applications, 2014, vol. 41, no. 4. p. 432-462.
  [3] Andonie R. Extreme data mining: Inference from small dataset. International Journal of Computers Communications and Control, 2010, vol. 5, no. 3. p. 280-291.
  [4] Romero C, Ventura S. Educational data mining: A survey from 1995 to 2005. Expert systems with applications, 2007, vol. 33, no. 1, p. 135-146.
  [5] Minaei-Bidgoli B, Punch WF. Using genetic algorithms for data mining optimization in an educational web based system. Genetic and Evolutionary Computation, Springer Berlin Heidelberg, 2003, p. 2252-2263.
  [6] Superby JF, Vandamme JP, Meskens N. Determination of factors influencing the achievement of the first-year university students using data mining method. Workshop on Educational Data Mining, 2006, p. 37-44.
  [7] Cortez P, Silva A. Using data mining to predict secondary school student performance. EUROSIS, A. Brito and J. Teixeira (Eds.) 2008, pp. 5-12.
  [8] Koutina M, Kermanidis K L. Predicting postgraduate students’ performance using machine learning technique. Artificial Intelligence Applications and Innovations, Springer Berlin Heidelberg 2011, p. 159-168.
  [9] Natek S, Zwilling M. Student data mining solution–knowledge management system related to higher education institution. Expert systems with applications, 2014, vol. 41, no.14, p. 6400-6407.
  [10] Sorour SE, Mine T, Goda K, Hirokawa S. Estimation of student performance by considering consecutive lesson. 4th International Congress on Advanced Applied Informatics, 2015, p.121-126.
  [11] Forman G, Cohen I. Learning from little: Comparison of classifiers given little training. Knowledge Discovery in Databases: PKDD, Springer Berlin Heidelberg, 2004, p. 161-172.
•   کلمات کلیدی به فارسی : داده‌کاوی، درخت تصمیم، پرسپترون چند لایه، نیو بیز، بهینه‌سازی متوالی کمینه.
•   چکیده مقاله به انگلیسی :
•   کلمات کلیدی به انگلیسی :
•  صفحات : 35-42
•   دانلود فایل ( 475.80 KB )