توسعه مدلی برای تخمین و دسته‌بندی عملکرد آموزشی دانشجویان کارشناسی با استفاده از ترکیب شبکه‌های عصبی چندلایه (مطالعه موردی: دانشگاه قم)
| Autor: | هدیه مهدوی, جلال رضائی نور, محمد امینی |
|---|---|
| Jazyk: | perština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Iranian Journal of Information Processing & Management, Vol 37, Iss 4, Pp 1350-1319 (2022) |
| Druh dokumentu: | article |
| ISSN: | 2251-8223 2251-8231 |
| DOI: | 10.35050/JIPM010.2022.012 |
| Popis: | رشد و پیشرفت دانشجویان به‌عنوان سرمایه‌های آینده کشور همواره مورد توجه و اهمیت نظام آموزش و پرورش بوده است. چه بسیار دانشجویانی که خلاقیت و استعدادشان شکوفا شده و در مقابل، سالیانه با تعداد کثیری از دانشجویان مواجه هستیم که استعدادهایشان تلف شده و از موفقیت دور مانده‌اند. امروزه، با افزایش دانشجویان در مقاطع مختلف دانشگاهی و تنوع رشته‌های تحصیلی، لزوم هدایت صحیح دانشجویان بیشتر از پیش احساس می‌شود. بدین‌منظور، داده‌کاوی آموزشی در سال‌های اخیر مورد توجه ویژه مسئولان نظام آموزش و پرورش قرار گرفته است. تاکنون روش‌ها و تکنیک‌های دسته‌بندی متنوعی در حوزه داده‌کاوی و یادگیری ماشین به‌منظور دسته‌بندی و پیش‌بینی عملکرد دانشجویان به‌کار رفته است. اما این دسته‌بندهای منفرد برای پیش‌بینی عملکرد در فرایند آموزش، دارای محدودیت‌هایی از قبیل پیچیدگی و عدم ثبات است. برای مقابله با این مشکل، دسته‌بندهای جمعی به‌عنوان روش‌های نوین و کارآمد مطرح می‌شوند. سیستم‌های دسته‌بندی جمعی نتایج چندین دسته‌بندی منفرد را ترکیب می‌کنند و مدلی با عملکرد بهتر ارائه می‌دهند. در این پژوهش یک دسته‌بند جمعی جدید با استفاده از شبکه‌های عصبی چندلایه و خوشه‌بندی SOM به‌منظور تخمین و دسته‌بندی معدل دانشجویان دوره کارشناسی ارائه شده است. همچنین، از روش ترکیبی میانگین‌گیری و رأی اکثریت برای ترکیب نتایج دسته‌بندهای منفرد استفاده شده است. نتایج ارزیابی بر روی داده‌های واقعی دانشگاه نشان می‌دهد که مدل پیشنهادی ارائه‌شده در این پژوهش دقت و کارایی بیشتری نسبت به روش‌های دسته‌بندی منفرد مشهور و پرکاربرد دارد. همچنین، مدل پیشنهادی در مقایسه با روش‌های جمعی معروف، عملکرد بهتری در دسته‌بندی معدل دانشجویان داشته است. |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|