پیش بینی وضعیت تحصیلی دانش آموزان با استفاده از الگوریتم کلونی زنبور عسل مصنوعی بهبود یافته

پيش بينی وضعيت فراگيران در دوره های آموزشی به یکی از چالش های مهم در مراکز آموزشی تبدیل شده است. داده کاوی آموزشی یکی از بهترین گزینه ها برای تحليل داده های تحصيلی در یک مرکز آموزشی است که می تواند وضعيت فراگيران را با استفاده از مدل های استخراج شده از این داده ها پيش بينی کند. الگوریتم های بهينه سازی یکی از گزینه های مناسب برای کشف روابط پنهان بين داده ها در علم داده کاوی است. در این مقاله الگوریتم جدیدی به نام الگوریتم کلونی زنبور عسل مصنوعی بهبود یافته به کمک مجموعه بهترین راه حل ها بر پایه الگوریتم کلونی زنبور عسل مصنوعی که یک الگوریتم قدرتمند در بهينه سازی است، برای پيش بينی عملکرد دانش آموزان ارائه شده است. مجموعه بهترین راه حل ها مجموعه ای از منابع غذایی با ارزش بالاست که در جستجوی راه حل های جدید به کمک این الگوریتم آمده است. همچنين تغيير در ميزان جابجایی راه حل های جدید به کمک معيار نرخ تغييرات، باعث شده است تا این الگوریتم بهتر بتواند در مواجهه با گير افتادن در نقاط بهينه محلی عمل کند. نتایج حاصل از اجرای این الگوریتم بر روی پنج مجموعه داده آموزشی شاملدو مجموعه داده از اطلاعات دانشجویان رشته کامپيوتر دانشگاه شهيد رجایی تهران و سه مجموعه داده استاندارد آنلاین، نشان می دهد که این روش نسبت به روش های مشابه اعمال شده در الگوریتم کلونی زنبور عسل مصنوعی، موجب بهبود دقت پيش بينی به ميزان 1.1 الی 11.46 درصد گردیده است.

Keywords:

داده کاوی , داده کاوی آموزشی , الگوریتم کلونی زنبور عسل مصنوعی , دسته بندی داده ها , کارایی تحصیلی