new5 free

تدوین شاخصها و داشبورد ارزیابی و پیشبینی پیشرفت تحصیلی

59.000تومان

توضیحات

دانشگاه قم
دانشکده فنی و مهندسی
پایاننامه دوره کارشناسی ارشد مهندسی فناوری اطلاعات
گرایش تجارت الکترونیک

عنوان:
تدوین شاخصها و داشبورد ارزیابی و پیش بینی پیشرفت تحصیلی دانشجویان با شبکه عصبی و درخت تصمیم C5

چکیده

درک عواملی که منجر به موفقیت یا شکست در امتحانات مسئله ای جالب و چالش برانگیز است.مفاهیم مرتبط، تجزیه و تحلیل عوامل موفقیت در امتحانات، ممکن است به درک و به طور بالقوه به بهبود پیشرفت تحصیلی کمک کند.بنابراین در این پژوهش ضمن مروری کلی بر داده کاوی و ویژگی های اصلی یک داشبورد مدیریتی کارا، سعی بر این است تا یک مطالعه موردی بر روی پایگاه داده های دانشگاه های سراسری و آزاد استان قم صورت گیرد تا پیشرفت تحصیلی دانشجویان پیش بینی گردد.

در این پژوهش ابتدا توسط الگوریتم k-means خوشه بندی صورت گرفته است و با استفاده از شاخص ارزیابی SSE ، تعداد خوشه بهینه تعیین گردیده است. بنابراین تعداد خوشه بهینه برای دانشجویان چهار خوشه می باشد و سپس خوشه ها با روش های پیش بینی داده کاوی از جمله شبکه عصبی و درخت تصمیم C5 که از پرکاربردترین و دقیق ترین روش های پیش بینی می باشند، پیش بینی شده اند و درنهایت با استفاده از نتایج این روش ها، شاخص های مناسب یافت شدند و به صورتی روشن در یک داشبورد نمایش داده شدند.

واژه‌های کلیدی:داده کاوی آموزشی، شبکه عصبی،خوشه بندی، درخت تصمیمC5، داشبورد.

فهرست مطالب

فصلاول: 1

1-1-مقدمه. 2

1-2-تعریفمسالهوبیانسوالهایاصلیتحقیق. 3

1-3-ضرورتانجامتحقیق. 6

1-4-هدف‌هاوکاربردهایموردانتظارازانجامتحقیق. 7

1-5-جنبهجدیدبودنونوآوریطرح. 7

1-6-قلمرومکانیوزمانیتحقیق. 8

1-7-روشتجزیهوتحلیلداده‌ها 8

1-8-ساختارتحقیق. 8

1-9-تعاریفواصطلاحات.. 9

1-10-نتیجه گیری.. 12

فصلدوم: 122

2-1- مقدمه. 133

2-2-انگیزه‌هایکاوشداده 13

2-3-نیازبهداده‌کاوی.. 15

2-4- چالش‌هایداده‌کاوی.. 16

2-4-1- چالش‌هایاولیه. 17

2-4-2- چالش‌هایثانویه. 18

2-5-معرفیداده‌کاوی.. 19

2-5-1-منشاُعلمی.. 21

2-5-2- معماریسیستمداده‌کاوی.. 21

2-5-3- مراحلعملیاتداده‌کاوی.. 23

2-5-3-1-آماده‌سازیداده 23

2-5-3-2-یادگیریمدل. 24

2-5-3-3-ارزیابیوتفسیرمدل. 25

2-6- محدودیت‌هایداده‌کاوی.. 25

2-7- قابلیت‌هایداده‌کاوی.. 26

2-8- روش‌هاییادگیریمدلدرداده‌کاوی.. 26

2-8-1- روش‌هایپیش‌بینی.. 26

2-8-1-1- دسته‌بندی.. 27

2-8-1-2- رگرسیون. 27

2-8-1-3-تشخیصانحراف.. 28

2-8-2- روش‌هایتوصیفی.. 29

2-8-2-1- خوشه‌بندی.. 30

2-8-2-2- کشفقوانینانجمنی.. 32

2-8-2-3- کشفالگوهایترتیبی.. 32

2-9- فنونداده‌کاوی.. 32

2-9-1- یافتنخودکارخوشه‌ها 34

2-9-1-1-نقاطقدرتاینروش… 34

2-9-1-2-نقاطضعف… 34

2-9-1-3- کاربرد. 34

2-9-2- درخت‌هایتصمیم‌گیریواستقراقاعده‌ای.. 35

2-9-2-1-نقاطقوت.. 35

2-9-2-2-نقاطضعفروشدرخت‌تصمیم‌گیری.. 35

2-9-2-3-کاربرد. 36

2-9-3- شبکه‌هایعصبی.. 36

2-9-3-1- نقاطقوتشبکه‌هایعصبیمصنوعی.. 36

2-9-3-2- نقاطضعفشبکه‌عصبی.. 37

2-9-3-3-کاربرد. 37

2-10- درجه‌بندیفنونمختلفداده‌کاویازجهتسختیوآسانی.. 37

2-11-تعریفداشبورد. 38

2-12- سابقهتحقیق. 43

2-12-1- سابقهداده‌کاوی.. 43

2-12-2- سابقهداشبورد. 47

2-13 بررسیمراحلداشبورددرچندنمونه. 49

2-14-نتیجهگیری.. 50

فصلسوم: 51

3-1- مقدمه. 52

3-2- چارچوبتحقیق. 53

3-3- روشتحقیق. 54

3-3-1- طبقه‌بندیتحقیقبرمبنایهدف.. 54

3-3-2- طبقهبندیتحقیقبرمبنایروش… 54

3-3-3- طبقه‌بندیتحقیقبرمبناینوعداده‌ها 55

3-4- جامعهآماری.. 55

3-5- نمونه‌گیری.. 56

3-5-1- روشنمونه‌گیری.. 56

3-6- روشهاوابزارگردآوریوتحلیلداده‌ها 56

3-7- ساختاراجراییتحقیق. 57

3-7-1- ساختاراجراییبخشاولتحقیق. 58

3-7-1-1- درکمساله. 59

3-7-1-2- شناختداده‌ها 60

3-7-1-3- آمادهسازیداده‌ها 61

3-7-1-4- مدل‌سازی.. 61

3-7-1-5- ارزیابینتایج.. 62

3-7-1-6- بکارگیریمدل. 62

3-8- تحلیلخوشه‌ای.. 63

3-9- الگوریتم  k-means. 64

3-10-شبکه‌عصبی.. 65

3-10-1- معماریشبکه. 66

3-11-درخت‌تصمیم. 67

3-12- شاخصمقایسهنتایجخوشه‌بندیبارویکردهایمختلف… 69

3-12-1- شاخصمجموعخطایمربعی.. 69

3-13- ابزار‌هایداده‌کاوی.. 69

3-14- بخشدومساختاراجراییتحقیق. 70

3-14-1- شناساییشاخص… 70

3-14-2- پیاده‌سازیداشبورد. 70

3-15- ابزارپیاده‌سازیداشبورد. 71

3-16- نتیجه‌گیری.. 71

فصلچهارم: 73

4-1-مقدمه. 74

4-2-فرآیندداده‌کاوی.. 74

4-2-1-درکمساله. 74

4-2-2-شناختداده‌ها 75

4-2-2-1- داده‌ها 75

4-2-2-2- انتخابداده‌ها 75

4-2-3- آمادهسازیوپیشپردازشداده‌ها 76

4-2-3-1- آمادهسازیداده‌ها 76

4-2-3-2-پیشپردازشداده‌ها 77

4-2-4-مدل‌سازی.. 82

4-2-4-1-خوشه‌بندی.. 83

4-2-4-2- خوشه‌بندیk-means. 83

4-2-4-3- پیش‌بینیخوشه‌ها 84

4-2-4-4- پیش‌بینیباشبکه‌عصبی.. 85

4-2-4-5- پیش‌بینیبادرخت‌تصمیمC5. 85

4-2-5- ارزیابی.. 88

4-2-6- به‌کارگیریمدل. 89

4-3- فرآیندطراحیوپیاده‌سازیداشبورد. 89

4-3-1- شناساییشاخص… 89

4-4- نتیجه‌گیری.. 93

فصلپنجم: 94

5-1- مقدمه. 95

5-2- مروریبرفصل‌هایگذشته. 95

5-3- دستاوردهاونوآوری‌هایتحقیق. 96

5-4- پیشنهاداتبرایتحقیق‌هایآتی.. 97

5-5- محدودیت‌هایتحقیق. 98

فهرستمنابع. 99

 

 

 

 

 

 

فهرست جداول

جدول2-1 درجه‌بندیفنونمختلفداده‌کاوی.. 38

جدول 2-2 تعاریفداشبورددرمرورادبیات.. 38

جدول 2-3 مراحلطراحیداشبورد. 49

جدول3-1 الگوریتمخوشه‌بندی.. 65

جدول 4-1 اقلاماطلاعاتفردیدانشجویان. 78

جدول 4-2 اقلاماطلاعاتیمعدلدانشجویان. 79

جدول4-3اقلاماطلاعاتیدانشگاهیدانشجویان. 79

جدول 4-4 نرخپارامترSSEبهازایتعدادخوشه‌هادرk-means. 84

جدول 4-5 پیشبینیبااستفادهازروششبکه‌عصبی.. 85

جدول 4-6 دسته‌بندیمعدل‌‌ها 86

جدول 4-7 پیشبینیبااستفادهازروشدرختتصمیمC5. 87

جدول 5-1 دقتپیش‌بینی‌هایانجامشده 97

فهرست شکل‌ها و نمودارها

شکل 1-1-ساختارتحقیق.. 9

شکل2-1: قیاسرشدحجمدادهبارشدتعدادتحلیل‌گرانداده 15

شکل 2-2 سلسلهمراتبدادهتاخرد. 20

شکل 2-3 معمارییکسیستمداده‌کاوی.. 22

شکل 2-4 ساختارداده‌کاویآموزشی.. 44

شکل 3-1 مراحلاصلیپیشنهادیبرایاجرایتحقیق. 53

شکل 3-2  استانداردجهانیCRISP. 59

شکل 4-1 بخشیازارتباطداده‌ایجداول. 77

نمودار 4-1 میزاناستفادهتکنیک‌هایپیش‌پردازشداده 81

شکل 4-2بخشیازداده‌هادرنرم‌افزارExcel 82

شکل 4-3 تعدادرکوردهادرهرخوشه. 84

شکل 4-5 اهمیتفیلدهادرپیش‌بینیمعدلترمششدانشجویان. 88

شکل4-6 پیشرفتتحصیلیدانشجویانورودیسال 1371. 91

شکل4-7 پیشرفتتحصیلیدانشجویانورودیسال 1381. 91

شکل 4-8 پیشبینیپیشرفتتحصیلیدانشجویانفاقدشغلورودیسال 1381. 92

شکل 4-9 پیش‌بینیپیشرفتتحصیلیدانشجویانشاغلدرسازمان‌هایدولتیورودیسال 1381. 93

فصل اول:

مقدمه و كليات تحقيق

1-1-مقدمه

پیش‌‌‌‌بینی آینده درزمینه‌های مختلف همواره برای انسان جالب و جذاب بوده است. بااطمینان می‌توانگفت که پیش‌‌‌‌بینی آینده و روند تغییرات در همه‌ی حوزه‌ها از دغدغه‌های اصلی و همیشگی مدیران سطح بالا و میانی می‌باشد. اما همواره مشکلات فراوانی در برابر آن وجود داشته است که انجامپیش‌‌‌‌بینی‌های دقیق و قابل اعتماد را تقریباًغیرممکن نموده است (توحیدی- مقدم و فرهادی، 1391). در سالهای اخیر با توجه به جذابیت‌هایی که در زمینه داده‌کاوی و همچنین پیش‌‌‌‌بینی که یکی از اهداف داده‌کاویمی‌باشدوجود دارد،تحقیقات زیادی در این حوزه انجام شده است.

در حال حاضر در اکثر دانشگاه‌ها بانک‌های اطلاعاتی وسیعی از ویژگی‌های دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی و تحصیلی را شامل می‌شود و از آن‌جایی که امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است.مدیران باید سریع‌تر و درست‌تر از قبل تصمیم بگیرند.لازمه چنین امری، دستیابی سریع و دقیق به دانش است و برای دستیابی به دانش، وجود ابزارهای کارا و موثری نظیر داشبوردهای مدیریتی ضرورت دارد. ارزش داشبورد در اتصال ویژگی‌ها و کاربرد مناسب آن در سازماناست. گرچه تا به امروز توافق خاصی در اینکه داشبورد باید دقیقا چگونه باشد و چه کارهایی را انجام دهد،وجود ندارد اما به طور کلی انتظار می‌رودداشبورد، امکان جمع‌آوری، خلاصه‌سازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخص‌هارا به طور یک‌جا ملاحظه نماید

هدف از انجام این تحقیق،داده‌کاوی‌آموزشی جهت مقاصد پیش‌‌‌‌بینیپیشرفت تحصیلی دانشجویان به همراه داشبورد آن می‌باشد، داده‌کاوی‌آموزشی یک حوزه علمی نوظهور است که به توسعه روشهایی برای کاوش و اکتشاف دانش در محیط‌های آموزشی می‌پردازد.پیشرفت‌ تحصیلی دانشجویان یکی از اموری است که در امر آموزش مطرح است و از مسائل مورد توجه مدیران آموزشی دانشگاه‌هاست.در این تحقیق سعی شده از داده‌کاوی و فنون آن استفاده شود و با استفاده از داده‌هایی که در دانشگاه‌ها موجود است پیشرفت تحصیلی را پیش‌‌‌‌بینی نمود.پس از آشنایی با ادبیات مسئله و مرورکلی برویژگی‌های اصلی یک داشبورد مدیریتی کارا،روشهای داده‌کاوی و پیش‌‌‌‌بینیبه عنوان مطالعه موردی کار پیش‌‌‌‌بینی در امور آموزش را انجام داده‌ایم.معدل دانشجویان به‌صورت تصادفی تغییر نمی‌کند،بلکه تغییرات بر اساس یک روند تکرار پذیر و قابل تشخیص صورت می‌گیرد،پس قابل پیش‌‌‌‌بینی است.برای این منظور پس از گردآوری داده‌ها جهت داده‌کاوی،با استفاده از روشهای شبکه‌عصبی و درخت‌تصمیمC5،کار پیش‌‌‌‌بینی را انجام داده ایم وبعد از پیش‌‌‌‌بینی، طراحی و پیاده‌سازیداشبورد آن صورت گرفت.

1-2-تعریف مساله و بیان سوال های اصلی تحقیق

از هنگامی که رایانه در تحلیل و ذخیره‌سازی داده‌هابه‌کار رفت (1950) پس از حدود 20 سال، حجم داده‌ها در پایگاه‌داده‌ها دو برابر شدولی پس از گذشت دو دهه و همزمان با پیشرفت فن‌آوری اطلاعات(IT) هر دو سال یکبار حجم داده‌ها، دو برابر شد. همچنین تعداد پایگاه‌داده‌ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده‌ها و آمارشناسان با این سرعت رشد نكرد. حتی اگر چنین امری اتفاق می‌افتاد، بسیاری از پایگاه‌داده‌ها چنان گسترش یافته‌اند که شامل چندصدمیلیون یا چندصدمیلیارد رکورد ثبت شده هستند و امکان تحلیل و استخراج اطلاعات با روش‌های معمول آماری از دل انبوه داده‌ها مستلزم چند روز کار با رایانه‌های موجود است. حال با وجود سیستم‌های یکپارچه اطلاعاتی، سیستم‌های یکپارچه بانکی و تجارت الکترونیک، لحظه به لحظه به حجم داده‌ها در پایگاه‌داده‌های مربوط اضافه شده و باعث به‌وجود آمدن انبارهای ( توده‌های ) عظیمی از داده‌ها شده است به‌طوری که ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه‌داده‌ها بیش از پیش نمایان شده است.داده‌کاوی یا استخراج و کشف سریع و دقیق اطلاعات باارزش و پنهان از این پایگاه‌داده‌ها از جمله اموری است که هر کشور، سازمان و شرکتی به منظور توسعه علمی، فنی و اقتصادی خود به آن نیاز دارد. با توجه به فصول دهم و یازدهم قانون برنامه سوم توسعه در خصوص داد و ستدهای الکترونیکی و همچنین تأکید بر برخورداری کشور از فن‌آوری‌های جدید اطلاعات برای دستیابی آسان به اطلاعات داخلی و خارجی، دولت مکلف شده است امکانات لازم برای دستیابی آسان به اطلاعات، زمینه‌سازی برای اتصال کشور به شبکه‌های جهانی و ایجاد زیرساخت‌های ارتباطی و شاهراه‌های اطلاعاتی فراهم کند. واضح است این امر باعث ایجاد پایگاه‌های عظیم داده‌ها شده و ضرورت استفاده از داده‌کاوی را بیش از پیش نمایان می سازد.

داده‌کاوی فرآیندی تحلیلی است که برای کاوش داده‌ها(معمولا حجم عظیمی از داده‌ها) صورت می‌گیرد و یافته‌ها با به‌کارگیری الگوهایی،احراز اعتبار می‌شوند. این تکنولوژی امروزه دارای کاربرد بسیاروسیعی درحوزه‌های مختلف است به‌گونه‌ای که حدومرزی برای کاربرد این دانش درنظر نگرفته وزمینه‌های کاری این دانش را از ذرات کف اقیانوس‌هاتا اعماق فضا می‌دانند. امروزه، بیش‌ترین کاربرد داده‌کاوی در بانک‌ها، مراکز‌‌ درمانی، بیمارستآن‌ها، بازاریابی هوشمند، مراکز تحقیقاتی و زمینه‌هایی که در آن مقدار زیادی از داده‌ها در حال جمع‌آوری و ذخیره می‌باشد. هدف اصلیداده‌کاویپیش‌‌‌‌بینی است. یکی از عناصر کلیدی در مدیریت و تصمیم‌گیری،پیش‌‌‌‌بینی پارامترها و متغیرهای لازم در یک محدوده سیستمیمی‌باشد.

پیش‌‌‌‌بینی به عنوان یکی از مهم‌ترین شاخه‌های علمی مطرح شده است و روز به روز توسعه و پیشرفت می نماید و در بخش های مختلف به کار گرفته می‌شود.پیشرفت‌های اخیر در تکنولوژی‌های جمع‌آوری و ذخیره‌سازی داده، موجب شده که سازمان‌ها،حجم زیادی از داده‌های مربوط به فعالیت‌های روزانه‌ی خود را انباشته کنند. داده‌هایی که توسط سازمان‌هاجمع‌آوری شده است بسیار ارزشمند است و برای اهداف مختلف می‌تواند مورد استفاده قرار گیرد. یکی از این اهداف پیش‌‌‌‌بینی‌هایی می‌باشد که جهت بهبود عملکرد و برنامه‌ریزی‌هایشان از آن‌ها استفاده می‌نمایند.

مدیرانسازمان‌های مختلف به دلیل عدم قطعیت و پیچیدگی محیط سعی بر آن دارند تا مکانیزمی را در اختیار داشته باشند که بتوانند آن‌ها را در امر تصمیم‌گیری‌شان یاری و مشاوره دهد و به همین دلیل سعی در استفاده از روش‌هایپیش‌‌‌‌بینی دارند که به واسطه‌یآن‌ها تخمین‌هایشان به واقعیت نزدیک و خطاهایشان بسیار‌کم باشد. این امر باعث توجه بسیاری به روش‌های نوینپیش‌‌‌‌بینی شده است.

داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش‌مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد. داده‌کاوی فرایندی پیچیده جهت شناسایی الگوها، مدل‌های صحیح و بالقوه مفید در حجم وسیعی از داده است، به طوریکه این الگوها ومدل‌ها برای انسآن‌ها قابل درک باشند(Han et al,2006).داده‌کاویبه‌صورت یک محصول قابل خریداری نیست، بلکه یک رشته علمی و فرآیندی است که باید به‌صورت یک پروژه پیاده‌سازی شود.درگذشته موسسات آموزشی از مزیت داده‌کاوی به خوبی بعضی حوزه‌های دیگر توجه نداشته‌اند اما درسال‌هاياخيرتحقيقاتزياديدرزمينهبكارگيريفرآيندداده‌كاويدرامرآموزشصورتمي‌گيرد. اينزمينهتحقيقاتيجديد،داده‌كاوي‌آموزشيناميدهمي‌شودكهبهامرتوسعهروش‌هايكشفدانشازداده‌هايمحيط‌هايآموزشيخصوصاًدانشجويانمي‌پردازد(Romero et al,2007).داده‌هايجمع‌آوريشدهدرمورددانشجويانمي‌تواندشخصيياآموزشيباشدكهازطريقدفاتروپايگاهداده‌هايموجوددرمدارسيادانشكده‌هاجمع‌‌آوريمي‌شوند. ايننوعداده‌هاهمچنينازطريقسيستم‌هايآموزشالكترونيكيقابلدستيابيهستند. بابه‌كارگيريتكنيک‌های شبکه‌عصبی و درخت‌تصمیمرويداده‌هايآموزشيميتواناطلاعاتودانشمفيدي راازآن‌هااستخراجكردكهايندانش نيزبهنوبهخودمی‌تواندبرايدركوفهمرفتاردانشجويان،كمكدرامرآموزشوتدريس،ارزيابيوبهبودبرنامه‌آموزشی،افزايشبازدهي و كاراييدانشجويانواهدافديگريبكارگرفتهشود.

امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است. دانشگاه‌ها برای رسیدن به اهداف خود و سبقت گرفتن از یکدیگر در تلاشند. دانشگاه‌ها نیاز به داشبورد دارند تا اطلاعات جزیی را در یک لحظه داشته باشند و این چیزی فراتر از یک نگاه کلی است. داشبوردها جهت نمایش حجم بزرگی از داده‌ها در یک نمایش گرافیکی قابل فهم هستند که کاربران با استفاده از آن‌ها قادر به تحلیل اطلاعات از طریق داده‌ها باشند (LogiXML,2011).

داشبوردهای مدیریتی سیستم‌های نرم‌افزاری نوینی هستند که به سازمان‌ها در جهت غنی‌سازی اهدافبا استفاده از اطلاعات و تجزیه و تحلیل آن‌ها کمک می‌کند. داشبورد به مدیران این امکان را می‌دهد تا با تعریف، نظارت و تحلیل شاخص‌ها در ایجاد تراز بین اهداف و فعالیت‌ها و ایجاد یک محیط نمایش مشترک بین اهداف و فعالیت‌ها برای تصمیم‌گیری درست و کارامد اقدام نمایند. یک نکته که معمولا به اشتباه گرفته می‌شود این است که داشبورد تنها برای مدیران ارشد به منظور ارائه اطلاعات جامع از عملکرد سازمان به آن‌ها مورد استفاده قرار می گیرد.امروزه تکنولوژی داشبورد سازمانی به‌گونه‌ای است که می‌تواند در سطوح مختلف سازمان استقرار یابد(زرین،1388).

در این تحقیقسعی شده است تابا استفاده از اطلاعات مربوط به دانشجویان از جمله سال و ترم ورود به دانشگاه، نوعتاهل،معدل‌های دریافتی در هر ترم،نوع تحصیل،نوع شغل ودیگر اطلاعات دانشجویان دانشگاه‌های سراسری و آزاد اسلامی استان قم و امکانات موجود در محیط نرم‌افزار‌هایSql server،Matlab ،Qlick view ،Clementine ، Excelو همچنین باخوشه‌بندی داده‌ها و بکار بردن تکنیک‌های  داده‌کاوی به پیش‌بینی پیشرفت‌ تحصیلی دانشجویان بپردازیم و با استفاده از نتایج پیش‌بینیو نظر خبرگان،شاخص‌ها را تعیین کردهو طراحی و پیاده‌سازی داشبورد مربوطه را انجام دهیم.

در راستای موضوع ارائه شده ما به دنبال آن هستیم تا به سوالات زیر پاسخ دهیم:

  1. چه تکنیک داده‌کاوی برای داده‌هایمان پیش‌بینی بهتری دارد؟
  2. متغیرهای تاثیرگذار در تعیین شاخص‌ها کدام‌اند؟

 مشخص کردن اینکه کدام روش نتایج بهینه و دقیق‌تری ارائه می‌کند و پاسخ به این پرسش‌ها،‌ پیش‌بینی‌ها به طور مناسب انجام شده و این کار فواید زیادی را برای دانشگاه به همراه خواهد داشت.

1-3-ضرورت انجام تحقیق

یکی از چالش‌های جدي در مديريت امور آموزشي دانشگاه‌ها، پيش‌بيني وضعيتتحصيلي دانشجويان در نيم‌سال‌هاي آينده به منظور شناسايي دانشجوياني است كه دچار پیشرفت یا افت تحصيلي شده و ادامه تحصيل آن‌ها با مشكل روبرو خواهد شد. در اينتحقيق با استفاده از تكنيك‌هاي داده كاوي وضعيت تحصيلي آتي دانشجويان  پيش‌بيني شده است. با بكارگيري اين تکنیک‌ها و تجزیه و تحلیل و تفسیر داده‌ها مديران آموزشي مي‌توانند مشاوره‌هاي لازم را براي پيشگيري از رسيدن دانشجويان به وضعيت بحراني بكار گيرند و همچنین مدیران به استفاده از ابزارهای کارا و موثر مصورسازی داشبورد مدیریتی نیاز دارند تا با نمودارها و اشکال مختلف تفسیر داده‌ها را بهتر درک کنند و بتوانند تصمیم‌گیری صحیح‌تری داشته باشند بنابراین می‌توان این ابزارهای پشتيبان تصميم‌گيري در سيستم‌هاي آموزشي را مورد بهره‌برداري قرار داد و نقش مهمي را در ارتقاء سطح علمي دانشگاه‌هاداشت.

1-4-هدف‌ها و کاربردهای مورد انتظار از انجام تحقیق

هدف اصلی این تحقیق، بررسی کاربرد روش‌های شبکه‌عصبی و درخت‌تصمیمC5 درجهت شناخت بهتر وضعیت تحصیلی دانشجویان وپیش‌‌‌‌بینیپیشرفت تحصیلیآن‌هامی‌باشد.عمده ترین هدف‌ها در موارد زیر به آن اشاره شده است:

  1. خوشه‌بندی دانشجویان برای انجام پیش‌بینی بهینه
  2. به‌کارگیری روش‌های مختلف داده‌کاوی جهت پیش‌‌‌‌بینی
  3. مقایسه روش‌های مورد استفاده و انتخاب بهترین روش برای داده‌های مورد بحث
  4. طراحی و پیاده‌سازی داشبورد مربوطه

1-5-جنبه جدید بودن و نوآوری طرح

این تحقیق از حیث هدف جزء تحقیق‌های کاربردی است، زیرا فنون و نظریه‌های تدوین شده در تحقیق‌های بنیادی پیشین در مورد داده‌کاوی‌آموزشی را به منظور حل مسائل اجرایی و واقعی به کار می برد. این تحقیق روش‌های مختلف پیش‌بینی را بررسی و مقایسه می‌کند که استفاده از خوشه‌بندی قبل از به‌کارگیری این روش‌ها نوآوری تکنیک خواهد بود.همچنین طراحی داشبوردی برای پیش‌بینی پیشرفت تحصیلی دانشجویان می‌تواند به عنوان ابزاری برای نمایش و گزارش گیری استفاده شود.

1-6-قلمرو مکانی و زمانی تحقیق

این تحقیق در دانشگاه‌های سراسری و آزاد اسلامی استان قم انجام شده است. قلمرو زمانی تحقیق سال 1371 تا 1391 می‌باشد که در مجموع اطلاعات 10668 دانشجوی کارشناسی از دانشگاه‌های مذکور جمع‌آوری شد. جزییات بیشتر در فصل چهارم شرح داده خواهد شد.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “تدوین شاخصها و داشبورد ارزیابی و پیشبینی پیشرفت تحصیلی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

37 − 31 =

شناسه محصول: d1329 دسته: برچسب: , , ,