مقاله ترجمه شده سیستم مدیریت دانش مرتبط با موسسات آموزش عالی – سال 2014
مشخصات مقاله:
عنوان فارسی مقاله:
راه حل داده‌کاوی دانشجویان – سیستم مدیریت دانش مرتبط با موسسات آموزش عالی
عنوان انگلیسی مقاله:
Student data mining solution–knowledge management system related to higher education institutions
کلمات کلیدی مقاله:
داده‌کاوی، سیستم مدیریت دانش، درصد موفقیت دانشجو، داده کاوی برای مجموعه داده‌های کوچک، موسسه آموزش عالی، داده‌کاوی آموزشی
مناسب برای رشته های دانشگاهی زیر:
مدیریت
مناسب برای گرایش های دانشگاهی زیر:
داده کاوی، مدیریت دانش و سیستم های اطلاعاتی پیشرفته و مدیریت منابع اطلاعاتی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
مقدمه
روش
ایجاد مدل داده‌کاوی درصد موفقیت دانشجویان با استفاده از نرم افزار اکسل
ایجاد مدل داده‌کاوی دانشجویان با استفاده از برنامة Weka
نتایج
Key influencer برای نمره آزمون نهایی دانشجو
تفسیر داده‌ها
تکنیک Key influencer برای «مشخصه نمره نمایی» دانشجو با استفاده از ابزار Weka
مدل Reptree
مدل J48
مدل M5P
تشریح مطالب
نتیجه گیری‌ها و تحقیق آتی
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Higher education institutions (HEIs) are often curious whether students will be successful or not during their study. Before or during their courses the academic institutions try to estimate the percentage of successful students. But is it possible to predict the success rate of students enrolled in their courses? Are there any specific student characteristics, which can be associated with the student success rate? Is there any relevant student data available to HEIs on the basis of which they could predict the student success rate? The answers to the above research questions can generally be obtained using data mining tools. Unfortunately, data mining algorithms work best with large data sets, while student data, available to HEIs, related to courses are limited and falls into the category of small data sets. Thus, the study focuses on data mining for small student data sets and aims to answer the above research questions by comparing two different data mining tools. The conclusions of this study are very promising and will encourage HEIs to incorporate data mining tools as an important part of their higher education knowledge management systems.
چکیده
مؤسسات آموزش عالی (HEI) اغلب کنجکاوند بدانند دانش آموزان حین تحصیل شان موفق‌اند یا خیر. مؤسسات دانشگاهی پیش از دوره و در حین آن تلاش می‌کنند تا درصد دانشجویان موفق را برآورد کنند. اما آیا می‌توان درصد موفقیت دانش آموزانی که در این دوره‌ها نام نویسی کرده‌اند پیش بینی کرد؟ آیا خصوصیات دانشجویی خاصی وجود دارد که بتوان آن را با درصد موفقیت دانشجویان ربط داد؟ آیا داده‌های قابل دسترسی مربوط به دانشجویان برای مؤسسات آموزش عالی وجود دارد که براساس آنها بتوانند درصد موفقیت دانشجویان را پیش بینی کنند؟ پاسخ سوالات تحقیقاتی فوق را عموماً می‌توان با بکارگیری روش‌های داده‌کاوی پیدا کرد. متأسفانه، الگوریتم‌های داده‌کاوی با مجموعه داده‌های بزرگ بهترین عملکرد را نتیجه می‌دهند، درحالیکه داده‌های قابل دسترس برای مؤسسات و مرتبط با این دوره‌ها محدودند و در دسته مجموعه داده‌های کوچک قرار می‌گیرند. به همین دلیل، محوریت این مقاله داده‌کاوی برای مجموعه داده‌های کوچک دانشجویی است و درصدد است که به سوالات مطرح شده با مقایسه دو روش متفاوت داده‌کاوی پاسخ دهد. نتیجه گیری‌های این مطالعه بسیار نویدبخش‌اند و مؤسسات آموزش عالی را تشویق می‌کنند تا روش‌های داده‌کاوی را به عنوان بخش مهمی از سیستم‌های مدیریت دانش آموزش عالی خود بکار گیرند.
