پیشبینی عملکرد تحصیلی دانشآموزان بر اساس نمرات تاریخچه ای

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,105

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NDMCONF01_128

تاریخ نمایه سازی: 18 دی 1393

Abstract:

انتخاب رشته تحصیلی دانشآموزان سال اول دبیرستان، تاثیر بسیار زیادی در آینده تحصیلی آنها میگذارد. به همین دلیل، این امر دارای اهمیت بالایی است و یکی از دغدغههای دانشآموزان در دوران تحصیل میباشد که باید با دقت و به صورت علمی انجام شود. علمدادهکاوی شاخهای در علم کامپیوتر و فناوری اطلاعات است که می تواند با استخراج الگوهای مناسب و دانش نهفته در دادههای مورد بررسی،راهکارهای مناسبی را در این زمینه ارائه دهد و کمک شایانی به تصمیمگیرندگان نماید. در این مقاله با استفاده از یک الگوریتم دادهکاوی، آینده تحصیلی دانشآموزان سال اول دبیرستان پیشبینی میشود و میزان موفقیت و شکست آنها در رشتههای مختلف به آنها گزارش میشود. دراین روش پیشنهادی، نمرات دروس اصلی سالهای سوم راهنمایی و اول دبیرستان هر دانش آموز به عنوان ورودی گرفته می شود و سپس سعیمی شود که بر اساس این نمرات و با استفاده از داده کاوی، نمرات دروس اصلی سال سوم دبیرستان این دانش آموز و موفقیت یا شکست او در دوره پیش بینی شود. بدین ترتیب هر دانش آموز پیشاپیش از آینده تحصیلی تخمین زده شده برای رفتنش به رشتههای مختلف باخبر میشود و سعی میکند رشتهای را انتخاب کند که آینده موفقتری در پیش رو دارد. دقت روش پیشنهادی برای پیشبینی آینده تحصیلی بر روی داده های یکی از دبیرستان های پسرانه شهر اصفهان ارزیابی شده است و همچنین نتایج به دست آمده از تنظیمات مختلف الگوریتم و مقایسهی میزان درستی آنها نیز ارائه شده است.

Authors

بهنوش بیگی

کارشناسی مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران

سمیرا مزروعی

کارشناسی مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران

مرجان کائدی

استادیار، دانشکده مهندسی کامپیوتر ، دانشگاه اصفهان، اصفهان، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :