احمد جاهدسارونی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی ، واحدزاهدان، گروه کامپیوتر ، زاهدان، ایران
جواد حسینخانی - استادیار، دانشگاه آزاد اسلامی، واحدزاهدان، گروه کامپیوتر، زاهدان، ایران

این پژوهش به شناسایی کند آموزان در بین دانش آموزان و نیز نمایش آن توسط یک مدل داده کاوی قابل پیش بینی با استفاده از طبقه بندی مبتنی بر الگوریتم ها تمرکز دارد. حوزه داده کاوی آموزشی بیشتر بر پیش بینی تمرکز دارد تا ارایه نتایج برای اهداف آتی، به منظور حفظ بررسی تغییراتی که در برنامه های درسی اتفاق می افتد، یک تجزیه و تحلیل دقیق و منظم، از الزامات پایگاه داده های آموزشی محسوب می شود. در این مطالعه از مدل های پیش بینی مدل درخت تصمیم، نزدیکترین همسایگی، ناوی بیز و شبکه عصبی استفاده شد که در بین آنها مدل درخت تصمیم دارای بالاترین میزان دقت بوده و برابر 95.92 درصد بوده و می تواند در برنامه های پیش بینی دانش آموزان کند ذهن مورد استفاده مدارس و موسسات آموزشی قرار گیرد مجموعه داده های اعتبار سنجی از دنیای واقعی هنرستان های کاردانش جمع آوری شده و فیلتراسیون، از متغیرهای بالقوه ی مورد نظر با استفاده از نرم افزار Rapid Miner انجام شده است.

داده کاوی آموزشی، کشف دانش، طبقه بندی، کندآموزان، پیش بینی