زهره شکراللهی - دانشجوی کارشناسی ارشد، دانشکده فنی، دانشگاه تهران
محمدباقر جعفری - استادیار، دانشکده مدیریت، دانشگاه تهران
شاهرخ اسدی - دانشجوی دکتری، دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر

دانشجویان درهرترم با فرایند انتخاب واحد، انتخاب دروس موردعلاقه ومتناسب بامهارت های خود و دروسی که اطلاعاتی از آن ها ندارند مواجه می شوند؛ کسب اطلاعات درموردهردرسفرایندی زمان بر و تصمیم گیری در مورد انتخاب دروس برای دانشجویان کم تجربه دشوار است. سیستم های پیشنهاد دهنده درسی به عنوان یک مشاور تحصیلی در کنار دانشجویان بوده تا با شناسایی علایق و سبک یادگیری دانشجویان و استخراج الگوهای انتخاب واحد آنها، دروس مناسب را به دانشجویان پیشنهاد می دهند. در این تحقیق به منظور طراحی یک سیستم پیشنهاد دهنده درسی از ابزارهایی مانند خوشه بندی برای شناسایی دانشجویان با علایق و سبک یادگیری مشابه استفاده نموده و پس از شناسایی دانشجویان مشابه، از اطلاعات مربوط به انتخاب واحد این دانشجویان برای پیشنهاد دروس مناسب به سایر دانشجویان با استفاده از قوانین انجمنی استفاده می نماییم. در این پژوهش اطلاعات دانشجویان کارشناسی پردیس فارابی دانشگاه تهران مورد مطالعه و تحلیل قرار گرفته است. با استفاده از اطلاعات تحصیلی و جمعیت شناختی، این دانشجویان به سه خوشه تقسیم شده اند و در نهایت دروس اختیاری که در آن نمره قبولی اخذ نموده اند با استفاده از قوانین انجمنی به سایر دانشجویان پیشنهاد شده است.

سیستم پیشنهاد دهنده درسی، هوش مصنوعی، شبکه عصبی، قوانین انجمنی، الگوریتم Apriori