ارائه مدلی به منظور تحلیل و پیشبینی عملکرد نظام آموزشی با استفاده از مشخصات دانشجویان با رویکرد داده کاوی مطالعه موردی دانشگاه آزاد واحد بویین زهرا

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 739

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMNGCONF01_175

تاریخ نمایه سازی: 30 بهمن 1394

چکیده مقاله:

در دنیای به شدت رقابتی امروز، اطلاعات به عنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. امروزه در اکثر دانشگاههای ایران بانک اطلاعاتی وسیعی از ویژگیهای دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی، تحصیلی و... را شامل میشود.پیدا کردن الگو دانش این اطلاعات میتواند در جهت پیشبینی عملکرد نظام آموزشی وبهبود فرایندهای آموزشی کمک شایانی کند. تکنیکهای داده کاوی ابزارهای تحلیلی هستند که برای استخراج دانش معنادار از مجموعه دادههای بزرگ مورد استفاده قرار میگیرند، همچنین کاربردهای داده کاوی در آموزش عالی به تازگی مورد توجه قرار گرفته است و دانشگاه-ها به منظور اینکه در حوزه رقابتی آموزش باقی بمانند نیازمند دانش پایهای اولیهای هستند که میتوانند آن را از دادههای تاریخی عملیاتیشان استخراج کنند. الگوهای پنهان کشف شده سیستم آموزش عالی را در تصمیمگیری بهتر و داشتن طرح پیشرفتهتریدر هدایت دانشجویان کمک میکند.در نتیجه میتوان داشتن فرایندهای آموزشی موثرتر، کاراتر و دقیقتر را در سیستمهای آموزشعالی در دانشگاه تسهیل کرد. دادههای مورد استفاده این تحقیق دادههای دانشجویان کارشناسی ارشد دانشگاه آزاد بوئین زهرا در رشته مدیریت بازرگانی در شش گرایش و رشته مهندسی کامپیوتر در دو گرایش میباشند. کلیه دانشجویان ورودی سال 09 الی 09 هستند که در نیمسال دوم سال تحصیلی93-92 واحد اخذ کردهاند. در این مطالعه مدلی جهت تحلیل عملکرد نظام آموزشی و پیش بینی آن ارائه گردیده - است.

نویسندگان

امین کاشی

دانشجوی کارشناسی ارشد صنایع، دانشگاه آزاد اسلامی واحد قزوین، دانشکده صنایع و مکانیک، قزوین, ایران

پرهام عظیمی

استادیار گروه صنایع، دانشگاه آزاد اسلامی واحد قزوین، دانشکده صنایع و مکانیک، قزوین، ایران

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 :