شناسایی دانش آموزان کندیادگیر در هنرستان های کاردانش با استفاده از تکنیک طبقه بندی در داده کاوی

این پژوهش به شناسایی کندآموزان 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 وتحلیل دقیق و منظم ،از الزامات پایگاه داده های آموزشی محسوب می شود. در این مطالعه از مدل های پیش بینی مدل درخت تصمیم، نزدیک ترین 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 ازنرم افزارRapid Miner انجام شده است.

کلیدواژه ها:

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