داده کاوری
محمد قدوسی؛ فاطمه میرسعیدی؛ حمیدرضا کوشا
چکیده
پیشینه و اهداف: در حال حاضر پیشرفتهای قابل توجهی در عرصه فناوری اطلاعات و ارتباطات در جوامع مختلف دیده میشود. با توجه به این پیشرفتها، دانشگاهها به عنوان یک نهاد پیشرو در عرصه علم، به سمت فرآیندهای الکترونیکی در مسیر مدیریت آموزش حرکت نمودهاند و در محیطهای آموزشی، پایگاههای اطلاعاتی با حجم اطلاعات زیاد وجود دارد. ...
بیشتر
پیشینه و اهداف: در حال حاضر پیشرفتهای قابل توجهی در عرصه فناوری اطلاعات و ارتباطات در جوامع مختلف دیده میشود. با توجه به این پیشرفتها، دانشگاهها به عنوان یک نهاد پیشرو در عرصه علم، به سمت فرآیندهای الکترونیکی در مسیر مدیریت آموزش حرکت نمودهاند و در محیطهای آموزشی، پایگاههای اطلاعاتی با حجم اطلاعات زیاد وجود دارد. با تحلیل این دادههای انبوه سیستمهای آموزشی، میتوان روشهایی را برای بهبود وضعیت آموزشی دانشجویان ارایه داد. دادهکاوی آموزشی به دنبال کشف دانش موجود در دادههای سیستم آموزشی بوده‌است. یکی از کاربردهای دادهکاوی آموزشی، پیشبینی عملکرد تحصیلی دانشجویان است. پیشبینی عملکرد تحصیلی دانشجویان و ارائه راهکارهای مفید از اهمیت ویژه‌ای در موفقیت نظام‌های آموزشی برخوردار است و میتواند به تصمیمگیری درست مدیران، جهت افزایش بازدهی سیستم آموزشی و عملکرد بهتر دانشجویان، کمک شایانی کند. هدف مقاله حاضر، شناسایی شاخصهای مؤثر بر عملکرد تحصیلی، پیشبینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک‌های دادهکاوی و در نهایت، ارائه روندی جدید برای اصلاح روش انتخاب واحد و راهکارهای آموزشی در جهت افزایش کارایی سیستم آموزش است.روش‌ها: گامهای این پژوهش بر اساس مدل Crisp تعیین شده است. در پژوهش حاضر، پایگاهدادهای شامل 9 مجموعه داده از درسهای تخصصی رشته مهندسی صنایع استفاده شدند. دوره تحصیلی دانشجویان در نظر گرفته شده کارشناسی بوده‌است. شاخصهای تاثیرگذار بر عملکرد دانشجویان، بر اساس تحقیقات قبلی و نظر خبرگان شناسایی شده‌است. دادههای جمعیت‌شناختی و سوابق تحصیلی دانشجویان مقطع کارشناسی رشته مهندسی صنایع وارد پایگاه داده شدند. پس از پیش‌پردازش داده‌ها، 13 شاخص در نظر گرفته شد و با کمک الگوریتمهای مختلف، مدلهای مختلفی برای پیشبینی وضعیت تحصیلی دانشجویان در نیمسال بعدی ارائه گردید. مدلهای شبکه بیزی، لوجیت بوست، پارت و درخت تصمیم به عنوان پرکاربردترین الگوریتم های دادهکاوی آموزشی در این پژوهش مورد استفاده قرار گرفته و جهت بررسی عملکرد الگوریتمها از دو شاخص صحت و سطح زیر نمودار عملکرد استفاده شد. 9 پایگاه داده دروس در دو حالت دو و چند کلاسه در نظر گرفته‌شدند. در ادامه، مقایسه‌ای میان نتایج حاصل از 4 الگوریتم مختلف صورت گرفته‌است.یافته‌ها: با توجه به شاخصهای بهره اطلاعات و نسبت بهره، تمامی 13 شاخص در نظر گرفته شده، به عنوان شاخصهای مؤثر شناسایی شدند. این شاخصها عبارتند از: معدل، کل واحدهای گذرانده، تعداد ترم‌های مشروطی، نوع پذیرش، وضعیت تأهل، جنسیت، سال ورود به دانشگاه، سن، محل زندگی، ترم حاضر، نمره درس پیشنیاز، استاد درس، تکرارد در اخذ واحد. از بین 4 مدل در نظر گرفته شده، بهترین مدل در دسته‌بندی و پیشبینی عملکرد آموزشی دانشجویان ، الگوریتم Logit Boost شناخته شد. این الگوریتم، در هر دو حالت دو و چندکلاسه براساس شاخصهای درصد صحت و سطح زیر نمودار ROC عملکرد بهتری از خود نشان داده‌است.نتیجه‌گیری: با توجه به عملکرد قابل قبول الگوریتمهای دادهکاوی، استفاده از این الگوریتمها در پیشبینی عملکرد دانشجویان مناسب است و میتوان مدل پیشنهادی را به عنوان یک ابزار پشتیبان تصمیمگیری در سیستمهای آموزشی مورد استفاده قرار داد. در نهایت، با توجه به نتایج به‌دست آمده و نظرخواهی از خبرگان دانشگاهی، فرایند انتخاب واحد، بازطراحی گردید. فرایند ارایه شده با استفاده از دادههای موجود در سیستمهای آموزشی و علم دادهکاوی، دانش مفیدی به تصمیمگیرندگان جهت تصمیم صحیح و مناسب ارایه میدهد. تصمیمگیرندگان میتوانند با بررسی پیشبینیهای انجام شده توسط الگوریتم دادهکاوی و کسب اطلاعات مفید، تصمیمات مناسب اخذ نمایند، تا سیستم آموزشی بازدهی بیشتری داشته‌باشد.
داده کاوری
حمیدرضا کوشا؛ ثناء دنگ کوب؛ امیرعباس برزنونی
چکیده
پیشینه و اهداف: داده مربوط به سلامت روان دانشجویان چندین سال است که در سیستمهای اطلاعاتی دانشگاه‌های سراسر کشور ثبت میشود و به علت حجم بالای آن روش‌های معمول آماری و روان‌کاوی برای پیشبینی الگوها و عوامل مؤثر بر سلامت روان دانشجویان کارایی لازم را ندارد. این‌جاست که فن دادهکاوی مفید واقع شده و کمک می‌کند بر اساس مجموعه ...
بیشتر
پیشینه و اهداف: داده مربوط به سلامت روان دانشجویان چندین سال است که در سیستمهای اطلاعاتی دانشگاه‌های سراسر کشور ثبت میشود و به علت حجم بالای آن روش‌های معمول آماری و روان‌کاوی برای پیشبینی الگوها و عوامل مؤثر بر سلامت روان دانشجویان کارایی لازم را ندارد. این‌جاست که فن دادهکاوی مفید واقع شده و کمک می‌کند بر اساس مجموعه داده ثبت‌شده از وضعیت جسمانی و به‌خصوص روانی دانشجویان، آن‌هایی که در معرض ریسک بالا هستند، پیشبینی و شناسایی شده و تصمیم‌گیری‌های مناسب و به‌هنگام برای بهبود وضعیت دانشجویان اتخاذ گردد. بهبود عملکرد دانشجویان همواره یکی از مهم‌ترین اهداف مسئولان و مدیران دانشگاهها و مراکز آموزشی به شمار می‌رود. عوامل متعددی بر عملکرد مناسب دانشجویان تأثیرگذار است. علاوه بر عواملی که در حوزه آموزش و یادگیری دانشجویان است، موضوع سلامت جسمانی و روانی نیز بر نحوه عملکرد آن‌ها تأثیر می‌گذارد. به منظور تصمیمگیری به‌موقع و متناسب با وضعیت روانی هر دانشجو نیاز است الگوهایی در دسترس باشد تا بتوان بر اساس آن‌ها وضعیت بهداشت روان هر دانشجو پیشبینی شود. در این پژوهش تلاش شده با به‌کارگیری فن دادهکاوی، وضعیت دانشجویان ورودی جدید دانشگاه، از لحاظ نیاز به مراجعه به مشاوره مورد بررسی قرار گیرد و الگوهای پنهان نهفته در مجموعه داده پایش سلامت روان دانشجویان با به‌کارگیری فنون رویکرد طبقه‌بندی استخراج گردد.روش ها: فنون استفاده‌شده در این پژوهش، شامل درخت تصمیم، طبقه‌بندی بر اساس قانون، شبکه‌های عصبی، رگرسیون لجستیک و ماشین بردار پشتیبان می‌باشد. برای تمامی پارامترهای فنون مذکور، تنظیم انجام شده و نشان‌دهنده علائم نیاز به مشاوره با نرخ صحت 99% می‌باشد.یافته‌ها: نتایج پژوهش نشان داد: میتوان بر اساس مدل تدوین شده، وضعیت سلامت روانی دانشجویان را پیش بینی نمود. یکی از خروجی‌های کاربرد روش درخت تصمیم، این است که اگر فردی از یک ماه گذشته تا به امروز شدیداً، احساس ناامیدی کند، یا به نظر اطرافیانش فردی وسواسی باشد یا احساس کند زندگی برایش بی‌ارزش است به مشاوره احتیاج دارد.نتیجه‌گیری: با توجه به این که اکثر پژوهش‌های موجود در زمینه دادهکاوی سلامت، تمرکز بر سلامت جسمانی داشته‌اند، پیشنهاد میشود برای مطالعات آتی تمامی سطوح سلامت یعنی ابعاد سلامت دانشجویان شامل سلامت جسمانی، اجتماعی و معنوی و هم‌چنین ترکیبی از این ابعاد مورد بررسی قرار گیرد. علاوه بر این مطالعه‌ای مروری بر روی انواع رویکردها و فنون مناسب برای مجموعه دادههای روان‌شناسی با هدف ایجاد یک تقسیم‌بندی مناسب برای فنون موجود در این حوزه انجام شود؛ هم‌چنین پیشنهاد میشود، مجموعه داده حاضر و یا مجموعه دادههای مشابه (اطلاعات پایش سلامت دانشجویان) با فنون دیگر طبقه‌بندی مورد بررسی قرار گرفته و نتایج حاصل با نتایج پژوهش حاضر مقایسه گردد. به طور کلی پیشنهاد میشود از فن دادهکاوی برای استخراج الگوهای پنهان در مجموعه داده سلامت روان دانش‌آموزان مدارس در مقاطع تحصیلی متفاوت، کارمندان ادارات و سازمان‌ها استفاده گردد. در نهایت توصیه می‌گردد پژوهش‌های آتی در این زمینه ابتدا رویکرد خوشه‌بندی را بر روی مجموعه داده روان‌شناسی پیاده کنند و به دنبال آن از رویکردهای طبقه‌بندی و پیشبینی استفاده نمایند.
