علی السماوی - دانشگاه علم و فرهنگ
فهیمه ملکوتی - دانشگاه علم و فرهنگ

دانش داده کاوی امروزه به طور گسترده ای در علوم مختلف مورد بهره برداری قرار می گیرد. داده کاوی آموزشی زمینه نوظهوری است که با پردازش داده های استخراج شده از محیط آموزش و پیدا کردن الگوها و دانش نهفته در آن به تصمیم گیران عرصه آموزش در جهت ارتقاء و بهبود فرایندهای آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره کمک شایانی می نماید.پیش بینی عملکرد مدرس به عنوان یک استراتژی مهم برای ارتقا کیفیت آموزشی، از مهمترین مسائل مورد توجه دانشگاه ها است. این پژوهش، در راستای شناسایی مهمترین ویژگی های موثر در ارزشیابی دانشجویان از اساتید و نیز پیش بینی مقدار عددی ارزشیابی دانشجویان از استاد، به تهیه مجموعه داده خاص در این زمینه و استفاده از الگوریتم های رگرسیون داده کاوی پرداخته است. برای انتخاب ویژگی از الگوریتم جنگل تصادفی استفاده شده و برای پیش بینی چهار الگوریتم رگرسیون خطی، ماشین بردار پشتیبان، شبکه های عصبی و رگرسیون درخت تصمیم مورد آزمون قرار گرفته و نتایج با هم مقایسه شده اند. در میان روشهای به کار گرفته شده، در نهایت با در نظر گرفتن شرایط داده ورودی، الگوریتم رگرسیون درخت تصمیم با میانگین قدر مطلق خطای۰.۲۸ و زمان اجرای مناسب بهترین عملکرد را داشته است.

داده کاوی آموزشی، ارزشیابی دانشجویان از اساتید ، الگوریتمهای پیش بینی، رگرسیون خطی، رگرسیون درخت تصمیم، ماشین بردار پشتیبان، شبکه های عصبی