فرید قنبری - گروه مهندسی کامپیوتردانشگاه قم قم
وحید قنبری - گروه مهندسی فناوری اطلاعات دانشگاه قم قم

مراکزآموزشی به ویژه دانشگاه ها همواره به ذخیره سازی داده هایی درمورد دانشجویان می پردازند اما این داده ها درعین ارزشمند بودن بهطور معمول تنها درفعالیت های اداری همچون ثبت نام گزارش گیری وغیره استفاده میشود درصورتی که این داده ها میتوانند با روشهای کشف دانش ازپایگاه داده همچونداده کاوی درمشاوره تحصیلی دانشجویان مورداستفاده قرارگیرند دراین مقاله تکنیکهای داده کاوی برپایگاه داده سامانه اموزش دانشگاه قم اعمال گرددیه تا وضعیت مشروطی یک دانشجو دردوران تحصیلش مورد پیش بینی قرارگیرد درمرحله پیش پردازش فعالیت هایی همچون نرمال سازی داده گسسته سازی داده و کاهش ابعادداده انجام گرفته است همچنین به علت نامتوازن بودن داده ها برای پیش بینی صحیح تر ازروش متوازن سازی زیرنمونه گیری استفاده شده است درنهایت ازبین مدلهایی که ازترکیب حالتهای مختلف گسسته سازی و متوازن سازی داده ایجادشده بود مدلی که معیارصحت وزن دار آن حدود 69درصد بود به عنوان مدل برتر شناخته شد دانشگاه قم میتواند بااستفاده ازاین مدل دانشجویانی رااحتمال مشروطی آنان بالاست شناسایی کرده و با اخطاربه این دانشجویان آنهارا به تلاش بیشتر دعوت نماید

داده کاوی ، داده کاوی آموزشی ، داده های نامتوازن ، گسسته سازی داده ، رده بندی