استفاده از الگوریتم k - میانگین برای خوشه بندی دانشجویان رشته کامپیوتر بر اساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی

امروزه سرعت تولید داده ها ب سیار بی شتر از قدرت تحلیل ما ا ست و به ابزاری نیاز داریم که بتواند این تحلیل را به در ستی انجام دهد. در سالهای اخیر داده کاوی به عنوان ابزاری منا سب برای استخراج دانش پنهان در پایگاه داده های بزرگ معرفی شده ا ست.یکی از حوزه های حایز اهمیت که دانشگاهها امروزه با آن مواجه هستند بررسی عوامل موثر در یادگیری دروس دانشگاهی دانشجویان و کارایی آن بر آینده شغلی آنها می باشد. در این مقاله سعی شده ا ست که با ا ستفاده از داده کاوی میزان علاقه مندی و عوامل موثر بر یادگیری برنامه نوی سی دان شجویان ر شته مهند سی کامپیوتر در مو س سات آموزش عالی شهر ستان قروه شامل دان شگاه های ایرانمهر، آزاد ا سلامی و پیام نور مورد ارزیابی قرار گیرد. برای این کار از الگوریتم k-میانگین برای خوشه بندی دانشجویان استفاده شده است که بر مبنای پرسشنامه ای می باشد که عوامل مختلفی مانند میزان علاقه ، شیوه تدریس ، شیوه ارز شیابی ، عوامل موثر بریادگیری را برر سی نموده ا ست.بر ا ساس اطلاعات حا صل از خو شه بندی، عوامل موثر بر یادگیری برنامه نویسی ارزیابی شده اند. خوشه بندی بر اساس اطلاعات مستخرج در محیط 2013Į0DWODE و تحلیل نتایج در محیط نرم افزار IBMModoler SPSS انجام شده است.

Keywords:

الگوریتم means-k , داده کاوی , خوشه بندی , کشف دانش , الگوریتم K - میانگین