علی صیادی - کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران
مهدی حیدرزاده زواره دهی - کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران

پیش بینی و شناسایی عوامل موثر بر رضایتمندی تحصیلی دانشآموزان، از طریق الگوریتمیادگیری عمیق، هدف این پژوهش است. این پژوهش با رویکردی کمی و با استفاده ازروش پیمایشی انجام گرفته است. جامعه آماری این پژوهش، ۱۷۰ دانش آموز پسر مدرسهمیزان تهران در مقاطع تحصیلی چهارم الی ششم ابتدایی (نیمسال تحصیلی ۱۳۹۷ -۱۳۹۸) بوده است. اطلاعات این پژوهش توسط دو پرسش نامه انگیزش تحصیلی هارتر وبرنامه درسی پنهان گرداوری شده است. بعد از تجزیه وتحلیل آماری این اطلاعات، درمرحله اول پیش پردازش داده ها بر روی اطلاعات انجام و سپس در مرحله دوم با ا ستفادهاز الگوریتم یادگیری عمیق میزان رضایتمندی دانش آموزان پیش بینی شد. نتایج پژوهشنشان می دهد که الگوریتم یادگیری عمیق، با دقت ۳ / ۴ درصد (۴ / ۹۶ درصد) نسبت بهالگوریتم ماشین بردار پشتیبان (SVM) بهتر می تواند ویژگی موثر بر رضایتمندیدانش آموزان (برنامه درسی پنهان) را شناسایی و پیش بینی کند. یکی از با اهمیت ترینهدف های یک سیستم آموزشی، فراهم نمودن عواملی است که بر رضایتمندی تحصیلیدانش آموزان موثر باشد. به طور کلی در این مطالعه توانستیم با دقت قابل توجهی میزانرضایتمندی تحصیلی دانش آموزان را پیش بینی کنیم. در آخر شایان ذکر است که مدیرانآموزش می توانند با به کارگیری نکات مثبت و برجسته این سیستم آموزشی رضایتمندیتحصیلی دانش آموزان مقطع ابتدایی را افزایش دهند.

پیش بینی رضایتمندی تحصیلی، الگوریتم یادگیری عمیق، الگوریتم ماشین بردار