پیشبینی وضعیت تحصیلی متقاضیان پذیرششده دانشگاه، مبتنی بر دادههای آموزشی و پذیرشی با استفاده از تکنیکهای داده کاوی
نویسندگان
1 گروه مهندسی کامپیوتر، دانشکده برق، کامپیوتر و مهندسی پزشکی، موسسه آموزش عالی شهاب دانش، قم، ایران.
2 گروه مهندسی کامپیوتر، دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران
3 گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.
doi
10.22052/scj.2021.242837.0چکیده
داده کاوی آموزشی در چند سال اخیر بسیار مورد توجه قرار گرفته است. مراکز و مؤسسات آموزشی دارای حجم زیادی از اطلاعات دانشجویان هستند که میتواند به عنوان ابزاری برای ارتقا سطح کیفی آموزش مورد استفاده قرار گیرد. دانش استخراجشده به مؤسسات کمک میکند تا روشهای تدریس، فرآیند یادگیری و تصمیمگیریهای خود را بهبود بخشند. هدف این پژوهش پیشبینی 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؛ دانشگاهها 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 تکنیکهای داده کاویِ درخت تصمیم، نیو بیز، شبکه عصبی، ماشین بردار پشتیبان، جنگل تصادفی، Bagging و Boosting اطلاعات آموزشی دانشجویان تازه وارد تحلیل شود و با مقایسه آنها با اطلاعات دانشجویان فارغالتحصیل، انصرافی و اخراجی مقطع کارشناسی، روشی برای انتخاب بهتر دانشجویان ارائه کند. با توجه به نتایج این تحقیق، جنگل تصادفی با 92.28% بیشترین دقت و نیو بیز با 61.09% کمترین دقت پیشبینی را دارند.
