داده های اطلاعاتی آموزشی و نقش آن در عرصه یاددهی و یادگیری

داده کاوی در مورد توضیح گذشته و پیش بینی آینده بوسیله ابزارهای تجزیه و تحلیل داده است. داده کاوی آموزشی یک رشته نوید بخش است که تاثیر حتمی بر عملکرد آکادمیک دانشجویان دارد. هزاران دانشجو هر ساله در کالج ها و دانشگاه ها پذیرش می شوند و در زمان پذیرش است که اطلاعات دانشجویان جمع آوری می شود. به همین ترتیب ، از آنجا که معلمان ( اساتید) به نهادی ملحق می شوند که اطلاعات شخصی و حرفه ای شان را جمع آوری می کند، درک اهمیت داده ها کسب و کار بسیار ضروری است. داده های جمع آوری شده هنگام پذیرش می تواند برای طبقه بندی و پیش بینی رفتار و عملکرد دانشجویان و همچنین عملکرد معلمان مورد استفاده قرار گیرد. بنابر این ، در این مقاله ، ما نقش داده کاوی را در عرصه آموزشی مورد بررسی قرار دادیم. با استفاده از SDAR ، ما ارزش های موجود ، به عنوان مثال عالی ، خوب ، متوسط ، ضعیف و یا عدم موفقیت (رد) را شناسایی کردیم. ما از الگوریتم خوشه بندی میانگین های K به منظور پیدا کردن بهترین خوشه در مورد مشخصه های مانند حضور و غیاب ، فعالیت کلاسی استفاده کردیم. ما همچنین در مورد رویکرد طبقه بندی مبتنی بر قاعده (RBC) بحث می کنیم ؛ این چکیده مجموعه ای از قوانین است که ارتباط بین نگرش های مجموعه داده ها با لیبل کلاس را نشان می دهد. در این مقاله ، ما عملکرد معلمان را بوسیله تکنیک داده کاوی در دانشگاه و کالج مورد برسی قرار می دهیم.

Keywords:

داده کاوی آموزشی ( EDM) , SDAR , میانگین های k , خوشه بندی , طبقه بندی مبتنی بر قاعده (RBC)