پیشبینی رتبه داوطلبان کنکور سراسری با روشهای دادهکاوی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 520

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

OUTLOOKECE01_082

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

این نوشتار، با استفاده از روش شبکههای عصبی رتبه داوطلبان کنکور سراسری را پیشبینی میکند. ازاین جهت که دانشآموزان نقش مهم و قابل توجهی در جامعه دارند پرداختن به عملکرد تحصیلی آن ها بسیار حایز اهمیت است؛ زیرا ممکن است دانشآموزانتحصیلات خود را در مقاطع بالاتر ادامه داده و تبدیل به نیروی کار انسانی شوند. در پژوهش انجام شده مجموعه دادهها مربوط به اطلاعات 500 نفر از دانشآموزان موسسه آموزشی قلمچی میباشد و مدل شبکههای عصبی بر روی مجموعه داده اعمال میشود؛که تعداد نورونها به ترتیب در مدل اول برابر با پنج، در مدل دوم برابر با چهار، در مدل سوم برابر با سه، در مدل چهارم برابر با دو و در مدل پنجم برابر با یک قرار داده شده است؛ همچنین برای اعتبار سنجی دادهها و رسیدن به نرخ دقت هموارتر و قابل اعتمادتراز روش ده دسته اعتبارسنجی استفاده شده است. با تحلیل نتایج حاصل شده مدل اول با تعداد پنج نورون و یک لایه پنهان به عنوان مدل برتر شناخته شده است. میانگین نرخ دقت در مدل اول برابر با 86.1 درصد است

نویسندگان

فرح ناز معین رضاخانلو

کارشناسی ارشد، دانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ساوه، ساوه، ایران.

مریم رستگارپور

استادیار، دانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ساوه، ساوه، 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 :
  • Bharadwaj, b, k, & s, pal, Data mining: a prediction ...
  • غهدی تلوار, _ سلطان پناه, ه., قادر زاده, ع0, نویدی, ...
  • فرهادی, م., عطفائی, _ به‌کارگیری ابزارها ی داده‌کاوی جهت پیش‌بینی ...
  • Delavari, N., Shirazi, M. R. A., & Beikzadeh, M. R. ...
  • Beck, J. E., & Woolf, B. P. , High-level student ...
  • Li, J., & Zaiane, O. R., Combining usage, content, and ...
  • Asogwa, O. C, Oladugba, A. V, Of Students Academic Performance ...
  • Mishra, T, Kumar, D, Gupta, D. S, mining students data ...
  • Pouramini, Jafar, Forecasting Number of Students Applicant for Courses by ...
  • Ms. Smita. Nirkhi, Po tential use of Artificial Neural Network ...
  • Singh, D. Y., & Singh Chauhan, A. Neural Networks In ...
  • White A.C., Molnar D., Aminian K., Mohaghegh S., Ameri S. ...
  • Fushiki, T., 2009, Estimation of prediction error by using K-fold ...
  • Straube. S., M. Krell, M. How to evaluate an agent's ...
  • نمایش کامل مراجع