مشخصات پژوهش

عنوان	پیشبینی وضعیت تحصیلی متقاضیان پذیرششده دانشگاه، مبتنی بر دادههای آموزشی و پذیرشی با استفاده از تکنیکهای دادهکاوی
نوع پژوهش	مقاله چاپ‌شده
کلیدواژه‌ها	داده‌کاوی، داده‌های آموزشی و پذیرشی، وضعیت تحصیلی دانشجویان، طبقه‌بندی
چکیده	داده کاوی آموزشی(EDM) در سال‌ها اخیر به طور گسترده‌ای در کانون توجهات قرار گرفته است. مراکز و مؤسسات آموزشی دارای حجم زیادی از اطلاعات دانشجویان هستند که می‌تواند به عنوان ابزاری برای ارتقا سطح کیفی آموزش مورد استفاده قرار گیرد. دانش استخراج‌شده به مؤسسات کمک می‌کند تا روش‌های تدریس، فرآیند یادگیری و تصمیم‌گیری‌های خود را بهبود بخشند. هدف این پژوهش پیش‌بینی وضعیت تحصیلی دانشجویانی است که در مقطع کاردانی فارغ‌التحصیل شده‌اند و می‌خواهد در مقطع کارشناسی ادامه تحصیل دهند. با توجه به اینکه وزارت علوم قصد حذف آزمون ورودی (کنکور) را دارد؛ دانشگاه‌ها با این مشکل مواجه خواهند شد که دانشجویان را براساس چه معیارهایی انتخاب کنند. در این پژوهش سعی بر آن است تا با استفاده از تکنیک‌های داده‌کاویِ درخت تصمیم، نیو بیز، شبکه عصبی، ماشین بردار پشتیبان، جنگل تصادفی، Bagging و Boosting اطلاعات آموزشی دانشجویان تازه وارد تحلیل شود و با مقایسه آن‌ها با اطلاعات دانشجویان فارغ‌التحصیل، انصرافی و اخراجی مقطع کارشناسی، روشی برای انتخاب بهتر دانشجویان ارائه کند. با توجه به نتایج این تحقیق، جنگل تصادفی با 92.28% بیشترین دقت و نیو بیز با 61.09% کمترین دقت پیش‌بینی را دارند.
پژوهشگران	مهری فیاضی (نفر سوم)، هادی عبدالمالکی (نفر دوم)، آرش خسروی (نفر اول)