مسعود یقینی
امین اکبری
سیدمحمدمهدی شریفی

یکی از چالشهای جدی در مدیریت امور آموزشی دانشگاهها پیش بینی وضعیت تحصیلی دانشجویان در نیمسالهای آینده به منظور شناسایی دانشجویانی است که دچار افت تحصیلی شده و ادامه تحصیل آنها با مشکل روبرو خواهد شد. در این تحقیق با استفاده از تکنیکهای داده کاوی وضعیت تحصیلی آتی دانشجویان شامل معدل نیمسال آینده، معدل کل در زمان فارغ التحصیلی، و وضعیت فارغ التحصیلی پیش بینی شده است. برای ساخت مدل های مورد نظر از تکنیک های مختلفی نظیر شبکه های عصبی، درخت های تصمیم و SVM استفاده گردیده است. این مدلها برای داده های سیستم آموزشی دانشگاه علم و صنعت ایران پیاده سازی شده اند. عملکرد هر یک از مدلها، مورد بررسی قرار گرفته و نتایج بدست آمده با یکدیگر مقایسه گردیده اند. اعتبار سنجی انجام شده بر روی مدلها اثبات می کند که نتایج بدست آمده دقیق و قابل اعتماد بوده اند. با بکارگیری این مدلها، مدیران آموزشی می توانند مشاوره های لازم را برای پیشگیری از رسیدن دانشجویان به وضعیت بحرانی بکار گیرند. همچنین این مدلها می توانند به عنوان یک ابزار پشتیبان تصمیم گیری در سیستم های آموزشی مورد بهره برداری قرار گرفته و نقش مهمی را در ارتقاء سطح علمی دانشگاهها داشته باشند.

پیش بینی، وضعیت تحصیلی دانشجویان، شبکه های عصبی، SVM، درخت تصمیم