غنی سازی محیط های آموزش الکترونیکی در ایران با استفاده از تکنیک های داده کاوی

چکیده غنی سازی محیط های آموزش الکترونیکی در ایران با استفاده از تکنیک های داده کاوی نگارنده: آلاله رنگ ریز هدف از انجام این پژوهش، غنی سازی محیطهای آموزش الکترونیکی از طریق پیش بینی نتیجه تحصیلی دانشجویان بود. تعیین دانشجویانی که محتمل به عملکرد ضعیف در امتحاناتشان هستند مفید واقع میشود. در این پژوهش از نرم افزار داده کاوی متن باز weka جهت تحلیل ویژگی ها به منظور پیش بینی نتیجه تحصیلی دانشجویان استفاده نمودیم. مجموعه داده ها شامل ۱۵۴ رکورد از دانشجویان دانشگاه مجازی نور طوبی تهران که بین سالهای ۲۰۰۶ تا ۲۰۰۹ ثبت نام نموده اند بود. ما از پنج طبقه بندی کننده ( MLP، Random Forest, Logistic, OneR, Naïve Bayes, J48) استفاده نمودیم و میزان صحت پیش بینی نتایج تحصیلی دانشجویان به دو کلاس موفق و ناموفق را بدست آوردیم. نتایج تحصیلی دانشجویان بوسیله دانش کشف شده از پایگاه داده های موجود که شامل تجربیات گذشته است قابل پیش بینی می باشد. روش ارزیابی متقاطع با ده دسته (Fold) برای ارزیابی صحت پیش بینی بکار رفت. ۶۶ % داده ها را برای آموزش گرفتن (Train) و 34% آنها را برای تست (Test) تخصیص دادیم. نتایج نشان داد که روش Random Forest با 91/6 % بیشترین میزان درستی پیش بینی را داراست. MLP با 84 % ، Logistic با ۸۰ % ، OneR با 75/7 % ، Naive Bayes با 74/4 % و روش J48 با ۷3/3 % در رتبه های بعدی قرار گرفتند.

مهندسی فناوری اطلاعات

آلاله رنگ ریز

جناب آقای دکتر حسن احمدی ترشیزی