CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی عملکرد دانش آموزان مقطع متوسطه با تکنیک های رده بند داده کاوی

عنوان مقاله: پیش بینی عملکرد دانش آموزان مقطع متوسطه با تکنیک های رده بند داده کاوی
شناسه ملی مقاله: ITCC01_484
منتشر شده در کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات در سال 1394
مشخصات نویسندگان مقاله:

محمدرضا زاهدی فرد - دانشجوی کارشناسی ارشد نرم افزار، موسسه جهاد دانشگاهی خوزستان
ایمان عطارزاده - استادیار و عضو هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول
هادی پازخ زاده - دانشجوی کارشناسی ارشد فناوری اطلاعات، دانشگاه آزاد اسلامی واحد بوشهر

خلاصه مقاله:
ارزیابی و پیش بینی عملکرد دانش آموزان در مدارس مقطع متوسطه کمک می کند علاوه بر پیبردن به عوامل تاثیرگذار دانش آموزان در جهت موفقیت آموزشی آنها، در تصمیم گیری مدیرانآموزشی در راستای بهبود وضعیت سطح کیفی مدارس مقطع متوسطه نقش بسزایی داشته باشد. باتوجه به اینکه علم داده کاوی همواره در استخراج دانش از دادهها مفید بوده است می توان با تکیهبر این مهم راهکاری مناسب ارائه داد. هدف از این مقاله ارائه مدلهای برتر و کارآمد در راستایپیش بینی عملکرد دانش آموزان میباشد. مجموعه داده مورد بحث در این تحقیق مربوط بهاطلاعات 386 دانش آموز مقطع متوسطه در استان بوشهر می باشد. در مدلهای ارائه شده از برترینالگوریتم های رده بندی در داده کاوی آموزشی در راستای ارائه برترین مدل های پیش بینانه گامبرداشته شده است. ارزیابی و اعتبارسنجی انجام شده بر روی مدل ها اثبات می کند که نتایج بدستآمده دقیق و قابل اعتماد بوده اند. در این راستا عوامل فردی، محیطی و تحصیلی دانش آموزان موفقو ناموفق سال دوم و سوم رشته های مقطع متوسطه مورد بررسی قرار گرفته شد و براساس آنها مدل-هایی کارآمد بر مبنای روشهای درخت تصمیم نظیر درخت C4.5 و روش های ماشین بردارپشتیبان و رگرسیون لجستیک ارائه شده است. نتایج بدست آمده می تواند به عنوان روشی کارآمدبه مدیران سیستم آموزشی در جهت برنامه ریزی صحیح تحصیلی و بهینه کردن فرآیندهای آموزشیمدارس مقطع متوسطه کمک شایانی کند.

کلمات کلیدی:
داده کاوی آموزشی، عملکرد دانش آموزان، پیش بینی، تکنیک های رده بند

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/451271/