فهرست نشریات علمی دسترسی آزاد ایران

امروزه، روش‌های هوش مصنوعی می‌تواند از طریق کشف ارتباط بین متغیرهای مختلف، دانش نهفته در مجموعه داده‌های آموزشی و تربیتی دانش‌آموزان را استخراج نماید. این دانش می‌تواند سیستم‌های آموزشی را در تصمیم‌گیری بهتر و داشتن طرح‌های پیشرفته‌تری در جهت بهبود عملکرد تحصیلی دانش‌آموزان کمک کند. شناسایی عوامل تاثیرگذار بر پیشرفت تحصیلی دانش‌آموزان و استفاده از روشی که با بیشترین درصد درستی بتواند پیشرفت تحصیلی دانش‌آموزان را پیش‌بینی کند، هدف پژوهش حاضر است. در این پژوهش روش‌های ماشین بردار پشتیان، K-نزدیک‌ترین همسایه، درخت تصمیم و جنگل تصادفی به منظور پیش‌بینی پیشرفت تحصیلی بکار گرفته شده است. در نهایت اعتباریابی مدل‌ها با استفاده از معیارهای دقت، صحت، حساسیت، تشخیص‌پذیری، میزان خطای طبقه‌بندی و معیار ترکیبی مورد بررسی قرار گرفته است. یافته‌های پژوهش نشان می‌دهد که مدل ماشین بردار پشتیبان نسبت به سایر مدل‌ها بهترین عملکرد را در سنجش پیشرفت تحصیلی دانش‌آموزان داشته است.