ارایه مدلی برای ارزیابی پیشرفت تحصیلی دانشجویان در سیستم آموزشی باکمک داده کاوی

بررسی میزان پیشرفت تحصیلی دانشجویان توسط روشهای داده کاوی بر اساس پارامترهای مختلفی انجام میشود که از این بین میتوان به شرایط تحصیلی یک دانشجو در طول ترم اشاره نمود. مدلهایی که در این حوزه معرفی گردیده اند اغلب دچار مشکلاتی همانند درصد بالای خطا در فاز آموزش داده ها و همچنین تداخل در نمونه های کم تکرار میباشند. در این تحقیق سعی بر آن است تا با استفاده از یک کلاس هبند خطی همانند ماشین بردار پشتیبان، ابتدا بهترین تابع یادگیری در آموزش نمونه های توزیع شده توسط الگوریتم بهینه سازی ذرات به دست آمده و پس از آن، تولید مدل به صورت ترکیب عرضی نمونه های موجود انجام پذیرد. از مزایای این مدل، کاهش میزان خطا در فاز آموزش به واسطه استفاده از نمونه های کم تکرار است چرا که در این حالت ترکیبات بیشتری مورد بررسی قرار گرفته و تقریبا به صورت عرضی تمامی نمونه ها با یکدیگر ترکیب میشوند. مقایسه کارایی مدل پیشنهادی و روشهای دیگر همانند نایو بیزین و درخت تصمیم گیری نشان از آن دارد که روش پیشنهادی دارای دقت بالایی در تشخیص میزان پیشرفت تحصیلی دانشجویان می باشد.

Keywords:

الگوریتم بهینه سازی ذرات , پیشرفت تحصیلی دانشجویان , روشهای داده کاوی , ماشین بردار پشتیبان.