پیش‌بینی میزان پیشرفت تحصیلی دانشجویان با روش خوشه‌بندی فازی در محیط‌های آموزشی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو باشگاه پژوهشگران و نخبگان جوان دانشگاه آزاد اسلامی واحد دهاقان، اصفهان.

2 دانشیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

3 کارشناس ارشد گروه مهندسی کامپیوتر

4 4کارشناس ارشد گروه مهندسی کامپیوتر

چکیده

هدف این پژوهش ارائه الگویی جهت پیش­بینی عملکرد و افزایش کارایی و موفقیت یادگیری دانشجویان در یک محیط آموزشی با استفاده از داده­کاوی است. با تکیه به روش­های کتابخانه­ای و پرسشنامه­ای و مشاوره با افراد خبره تعدادی از وﯾﮋﮔﯽﻫﺎی ﺗأﺛﯿﺮﮔﺬار در ﯾﺎدﮔﯿﺮی داﻧﺸﺠﻮﯾﺎن شناسایی شد و ﺑﺎ اﺳﺘﻔﺎده از روش اﻧﺘﺨﺎب وﯾﮋﮔﯽ، مؤثرترین آنها اﻧﺘﺨﺎب ﺷﺪﻧﺪ و برای روشن­تر شدن روابط بین ویژگی­های انتخاب شده، ﺧﻮﺷﻪﺑﻨﺪی ﻓﺎزی ﺑﺮ روی آﻧﻬﺎ اﻧﺠﺎم ﮔﺮﻓﺖ. در فاز دوم پژوهش ﺑﺎ اﺳﺘﻔﺎده از ﺗﮑﻨﯿﮏﻫﺎی دادهﮐﺎوی ﺑﻪ ﭘﯿﺶ­ﺑﯿﻨﯽ ﻧﻤﺮات دانشجویان محیط آموزشی مورد مطالعه ﭘﺮداخته شد. ﻓﯿﻠﺪﻫﺎﯾﯽ ﮐﻪ ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﯿﺮ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪ، ﻧﻤﺮه ﻣﯿﺎنﺗﺮم، ﭘﺎﯾﺎنﺗﺮم و ﻧﻤﺮه ﻧﻬﺎﯾﯽ (معدل) دروس اخذ شده در یک ترم توسط دانشجویان ورودی 1385 تا 1391 داﻧﺸﮕﺎه اﺳﺖ.
ﺑﺮ ﻣﺒﻨﺎی اﻟﮕﻮﻫﺎی ﺑﻪ دﺳﺖ آﻣﺪه ﻣﯽﺗﻮان ﻫﺮ داﻧﺸﺠﻮ را در راستای ویژگی­های تأثیرگذار بر روی آنها (دانشجویان) از اﺑﺘﺪای ﺗﺮم راﻫﻨﻤﺎﯾﯽ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻤﺮاﺗﯽ ﮐﻪ در ﻃﻮل ﺗﺮم ﮐﺴﺐ ﻣﯽ­ﮐﻨﺪ، او را از ﻣﺤﺪوده ﻧﻤﺮه ﻧﻬﺎﯾﯽ ﺧﻮد آﮔﺎه ﮐﺮد و ﺑﺮ ﻃﺒﻖ ﺗﻮاﻧﺎﯾﯽﻫﺎﯾﺶ ﺑﺮﻧﺎﻣﻪرﯾﺰی ﻣﻨﺎﺳﺐ ﺗﺤﺼﯿﻠﯽ ﻧﻤﻮد. اﯾﻦ اﻟﮕﻮﻫﺎ ﻣﯽﺗﻮاﻧﻨﺪ ﺑﺮای ﮐﺎرآﻣﺪﺗﺮ ﺳﺎﺧﺘﻦ ﻓﺮآﯾﻨﺪ ﯾﺎدﮔﯿﺮی در ﺳﯿﺴﺘﻢ ﻣﺆﺛﺮ ﺑﺎﺷﻨد. نتایج آزمایش­ها حاکی از دقت مطلوب روش پیشنهادی 939/0 نسبت به روش­های قبلی (کشف قوانین همبستگی،کلاس‌بندی و تشخیص ناهمگونی).

کلیدواژه‌ها


عنوان مقاله [English]

Applying fuzzy clustering to assess and anticipate students' educational progress in learning environments

نویسندگان [English]

  • Mohammad Rostami 1
  • Seyed Saeed Ayat 2
  • Farid Saghari 3
  • Fatemeh Yaghoobi 4
1 Member of Young Researchers Club, Islamic Azad University, Dehaghan Branch, Isfahan, Iran,
2 2Associate Professor, Department of Computer Engineering and Information Technology, Payame Noor University
3 Software Engineering Department
4 Software Engineering Department
چکیده [English]

The purpose of this paper is to propose a method to anticipate students' proceed and to enhance their learning efficiency and success in a learning environment, using data mining. Based on library and survey searching methods, as well as consulting with experts, some effective features in students' learning are identified and then using feature selection method, the most efficient ones are chosen. To clarify the relation between selected features, fuzzy clustering is applied to them. In the second phase of the research, scores of the students of Educational environment study, are predicted, using data mining. Variables taken are midterm and final scores and the average score of selected units in one semester by students studying there between 2006 (1385) and 2012 (1391).
According to the achieved methods we can guide each student from the beginning of the semester in line with their effective features, and based on scores gained during the semester we can inform the student about his range of final score to receive an educational plan based on his/her abilities. These methods can be effective in streamlining learning procedure in a system. Test results show the desired accuracy (0.939) of the proposed method than previous methods (discovery of association rules, classification, and identifying the inconsistencies).

کلیدواژه‌ها [English]

  • Electronic education
  • Feature selection
  • Fuzzy clustering
  • Data mining
  • Detection of integrity rules