CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

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

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۶۷۵ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: CEIT01_413
زبان مقاله: فارسی
حجم فایل: ۱۷۰.۸۸ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی

  ابوصالح محمد شریفی - عضو هیئت علمی ، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد رامسر، ایران، رامسر
  سید مهدی حسینی - عضو هیئت علمی، گروه کامپیوتر، موسسه آموزش عالی شفق تنکابن، ایران، تنکابن
  ابراهیم گلیج - دانشجوی مهندسی تکنولوژی نرم افزار گروه کامپیوتر موسسه آموزش عالی شفق، ایران، تنکابن

چکیده مقاله:

داده کاوی ابزار مناسبی برای استخراج دانش پنهان شده اطلاعات در پایگاه داده های حجیم است، این ابزار قدرتمند دارای پتانسیل بالایی برای تمرکز بر روی مهمترین اطلاعات موجود در مخازن داده ها است. خوشه بندی از مهمترین الگوریتم های داده کاوی است و کاربرد بسیاری در کشف دانش دارد، یکی از مهم ترین الگوریتم های خوشه بندی که به طور گسترده به کار می رود الگوریتم K- میانگین است . این مقاله به بررسی استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی در موسسات آموزش عالی شفق و آیندگان تنکابن و دانشکده فنی و حرفه ای ملاصدرا رامسر طی سال 1392 انجام شده است. انگیزه اصلی انجام این مطالعه وجود مشکلات پیش روی آموزش در دروس برنامه نویسی و عدم استقبال دانشجویان از این دروس است. با توجه به اطلاعات استخراج شده بر مبنای پرسشنامه ها ، عواملی چون عدم آشنایی درست با الگوریتم های حل مسئله و دانش ریاضی، ضعف در شیوه تدریس و امتیاز دهی نهایی بر خلاف اصول علمی و عدم آشنایی با دانش و مسائل روز در زمینه های مختلف برنامه نویسی نقش پررنگتری داشته و پیش بینی شده است که تنها حدود 15 درصد بصورت حرفه ای گرایش به درس برنامه نویسی خواهند داشت.

کلیدواژه‌ها:

داده کاوی، کشف دانش، تحلیل آماری، خوشه بندی، الگوریتم K - میانگین

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CEIT01-CEIT01_413.html
کد COI مقاله: CEIT01_413

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شریفی, ابوصالح محمد؛ سید مهدی حسینی و ابراهیم گلیج، ۱۳۹۲، استفاده از الگوریتم K- میانگین برای خوشه بندی دانشجویان رشته کامپیوتر براساس میزان علاقه مندی و عوامل موثر بر یادگیری دروس برنامه نویسی، اولین کنفرانس ملی نوآوری در مهندسی کامپیوتر و فناوری اطلاعات، تنکابن، موسسه آموزش عالی شفق، https://www.civilica.com/Paper-CEIT01-CEIT01_413.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (شریفی, ابوصالح محمد؛ سید مهدی حسینی و ابراهیم گلیج، ۱۳۹۲)
برای بار دوم به بعد: (شریفی؛ حسینی و گلیج، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Christine Gertisio and Alan Dussauchoy, "Knowledge Discovery from Industrial Data ...
  • Data Integration and Management S olutions , Manjunath. B. Assistant ...
  • Pragnyaban Mishra, Neelamadhah Padhy, Rasmita Panigrahi.. "The Survey Of Data ...
  • N. Ye, "The Handbook of Data Mining", Lawrence Erlbaum As ...
  • Jiawei Han, Micheline Kamber, Jian Pei, Data Mining Concepts and ...
  • Sudhir B., Kodge B. G., "Census Data Mining and Data ...
  • هاشمی سید حامد، پور امین زاد سعیده، تحلیل الگوی اعتبار ... [مقاله کنفرانسی]
  • تمنایی فر، محمدرضا، گندمی، زینب، (۱۳۹۰)، رابطه انگیزه پیشرفت با ... (مقاله ژورنالی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۴۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.