تکنیک های داده کاوی در سهمیه بندی مناطق برای کنکور

تعداد زیادی از فارغ التحصیلان دبیرستان ها در سیستم آموزشی ایران خواهان ورود به دانشگاه ها می باشند و رقابت اصلی برای ورود به مراکز دانشگاهی معتبر می باشد. از سویی دیگر تسهیلات آموزشی، بهداشتی و ... در تمامی شهرها توزیعی مناسب ندارند. مدیران سازمان های ذیربط، تخصیص سهمیه را راه کاری مناسب برای حل این مساله می دانند و به دنبال استفاده از دانش نهفته در داده های موجود در این حوزه هستند. با منطقه بندی کلیه بخش های کشور، داوطلبان هر منطقه با هم مقایسه می شوند و در واقع با این روش از اینکه درصد پذیرفته شدگان یک شهر چند برابر شهر دیگری باشد، جلوگیری می شود. تعیین میزان سهمیه کنکور برای بخش های کشور در سال های اخیر، برمبنای میزان توسعه یافتگی مناطق با استفاده از روش تاکسونومی صورت گرفته است که خروجی حاصل از این روش نوعی رتبه بندی مناطق می باشد که در آن امکان تحلیل گروهی مناطق وجود ندارد، همچنین تعداد مناطق بصورت نظری تعیین می شود. برای رفع این مسائل بخش بندی می تواند به عنوان یک راهکار مناسب مورد استفاده قرار گیرد. تحقیق حاضر برای اولین بار در حوزه توسعه یافتگی، با استفاده از تکنیک های داده کاوی و روش کریسپ و در قالب متدولوژی پیشنهادی، بر روی داده های مرتبط، در وزارت آموزش و پرورش، وزارت کشور، وزارت بهداشت و درمان، مرکز آمار و سازمان سنجش، صورت گرفته است. پس از شناسایی استانداردها و شاخص های اثرگذار در این زمینه، آماده سازی داده ها انجام شده و به ساخت انباره داده و ترکیب شاخص ها جهت استخراج عوامل جدید پرداخته شده است. در گام بعدی با بکارگیری الگوریتم K-means بخش های شبیه به هم در خوشه های مربوطه قرار گرفته و سپس با استفاده از روش پیش بینی شبکه های عصبی و درخت تصمیم امکان اختصاص بخش های جدید به هر کلاس (خوشه های ایجاد شده) فراهم شده و جهت ارزیابی مدل های ایجاد شده، دقت خروجی با سایر روش ها مقایسه شده است. دستاوردهای این تحقیق عبارتند از: تعیین تعداد بهینه بخش ها، بخش بندی مناطق، تحلیل هر بخش، استخراج قواعد تصمیم گیری، امکان پیش بینی سریع تر و دقیق تر برچسب کلاس برای مناطق جدید، فراهم نمودن امکان تدوین راهبرد های مناسب برای هر بخش.