مقایسه عملکرد درخت تصمیم و شبکه عصبی مصنوعی در طبقهبندی داوطلبان آزمون سراسری
نویسندگان
1 دانشیار، دانشکدة روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران
2 دانشجوی دکتری سنجش و اندازهگیری، دانشکدة روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران
3 استادیار، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه سیستان و بلوچستان، سیستان و بلوچستان، زاهدان، ایران
doi
10.22034/emes.2023.545992.2335چکیده
هدف: مقایسه قابلیتهای سه الگوریتم مختلف درخت تصمیم و مدل شبکه عصبی به منظور انتخاب مدل طبقهبندی مناسب برای ارزیابی عملکرد داوطلبان آزمون سراسریروش پژوهش: مبتنی بر رویکرد کمّی و با روش پیمایشی است و از متغیرهای جنسیت، سوابق تحصیلی و نمرههای تراز هر یک از دروس به عنوان متغیرهای موثر در طبقهبندی استفاده گردید.یافتهها: با در نظر گرفتن همه متغیرها بدون جنسیت براساس مدل شبکه عصبی، مشخص شد که دروس تخصصی ریاضی، فیزیک و شیمی سپس دروس عمومی فارسی و دینی به ترتیب بیشترین اهمیت را در طبقهبندی دارند. فاصله دیپلم تا آزمون سراسری کمترین تاثیر را داشت. همچنین مشخص شد در صورتی که تنها متغیرهای مربوط به دروس آزمون در نظر گرفته شود ترتیب میزان اهمیت دروس شیمی و فیزیک جابهجا میشود.نتیجهگیری: با استناد به شاخص دقت کلی، الگوریتم مدل شبکه عصبی با دقت بیشتر از 95/0 از عملکرد بالاتری نسبت به الگوریتمهای درخت تصمیم برخوردار است. از طرفی ورود متغیرهای سوابق تحصیلی در دقت الگوریتم شبکه عصبی تاثیر مطلوبی داشته است.