مدلی برای پیش بینی آسیب پذیری تحصیلی مقطع کارشناسی مبتنی بر شبکه عصبی

علی اکبر امین بیدختی, محمد فتحیان بروجنی, احمد نامنی

چکیده


هدف پژوهش حاضر به‌عنوان بخشی از رساله دکتری، توسعه مدلی برای پیش‌بینی آسیب‌پذیری تحصیلی دانشجویان مقطع کارشناسی رشته‌های مهندسی در کوتاه‌ مدت (نیمسال تحصیلی) بوده که به روش داده‌کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده‌ی کلیه "ترم- دانشجوها" از نیمسال اول سال تحصیلی91-1390 لغایت دوم 94-1393 در سه مورد از دانشگاه‌های فنی-مهندسی کشور (مجموعاً 53422 رکورد) بوده که با بهره‌برداری مستقیم از سیستم‌های آموزش هر سه دانشگاه در مدل‌سازی وارد شده‌اند. نتایج حاکی از آن است که با بهره‌گیری از داده‌های موجود در سیستم‌های حوزه آموزش دانشگاه‌ها و به خدمت گرفتن شبکه عصبی می‌توان با صحت بیش از 95 درصد و اعتبار بالاتر از 60، نسبت به پیش‌بینی وضعیت نیمسال برای یکایک دانشجویان اقدام نمود. معدل نیمسال قبل، معدل کل، زوج یا فرد بودن نیمسال، نوع واحدهای اخذ شده و مبادرت به فعالیت‌های فوق‌برنامه در نیمسال، به عنوان مؤثرترین متغیرهای پیش‌بین، تشخیص داده شدند.

 


واژگان کلیدی


آسیب پذیری تحصیلی، پیش‌بینی، ، شبکه عصبی

تمام متن:

PDF

منابع و مآخذ مقاله


ابوالقاسمي، م. و ميرالي رستمي، ا. (1392). عوامل مؤثر بر پيشرفت تحصيلي دانشجويان دانشكده‌هاي فني و مهندسي دانشگاه تهران به منظور ارائه مدلي براي پيش بيني پيشرفت تحصيلي آنها. فصلنامه آموزش مهندسي ايران، 58، 84- 67.

احمدوند، م. ع. (1380). مقایسه سبک‌های مطالعه و یادگیری دو گروه قوی و ضعیف فراگیران. مجله علوم انسانی دانشگاه سیستان و بلوچستان. 20-7

چنگیزی آشتیانی، س.، شمسی، م. و محمد بیگی، ا. (1388). فراوانی افت تحصیلی و برخی از عوامل مؤثر بر آن از دیدگاه دانشجویان علوم پزشکی اراک. مجله علمی پژوهشی دانشگاه علوم پزشکی اراک، 12(4): 33- 23

دسترنج، م.، بلوکی، ص. و موذن، م. (1392). بررسی عوامل مؤثر بر افت تحصیلی دانشجویان دانشگاه پیام نور بستک در سال 1389. فصلنامه تخصصی علوم اجتماعی دانشگاه آزاد اسلامی واحد شوشتر، 7(20): 258- 241

دلارام، م.، آئين، ف. و فروزنده، ن. (1391). عوامل مؤثر بر مشروط شدن دانشجويان دانشگاه علوم پزشكي شهركرد. مجله پزشكي هرمزگان، (2)16،163- 172.

رحمتي، ع. لساني،‌ م. و خليل زاده، ‌ر. (1391). عوامل مرتبط با مشروطي دانشجويان شهيد باهنر كرمان در سال 89-1388 و ارائه مدل تحليلي آن. پايان نامه كارشناسي ارشد. دانشگاه شهيد باهنر كرمان،‌ دانشكده ادبيات و علوم انساني.

رودباري، م.، احمدي، آ. و عبادي فرد آذر، ف. (1389). تعيين عوامل مؤثر بر پيشرفت تحصيلي دانشجويان دانشگاه علوم پزشكي ايران در سال تحصيلي 89-88. فصلنامه طب و تزكيه، (3)19، 48-37.

زارعی، ج.، عزیزی، ا. و کاظمی، ا. (1393). بررسی عوامل مؤثر بر کاهش میل به ادامه تحصیل در دانشجویان مقطع کارشناسی دانشگاه جندی شاپور اهواز. مجله توسعه آموزش در علوم پزشکی، 7(15): 59- 49

سنائی نسب، ه.، رشیدی جهان، ح. و صفاری، م. (1391). عوامل مؤثر بر پیشرفت تحصیلی دانشجویان. فصلنامه راهبردی آموزش، 5(4): 249- 233

شهرابی، جمال (1392). داده کاوی 2. چاپ دوم. . انتشارات جهاد دانشگاهی، واحد دانشگاه صنعتی امیرکبیر. تهران. ایران.

شهرابی، جمال و زارع، ابولفضل(1392). داده کاوی با کلمنتاین. چاپ اول. انتشارات جهاد دانشگاهی، واحد دانشگاه صنعتی امیرکبیر. تهران. ایران.

فراحي، ا. و مختاري، ف. (1392). انتخاب الگوریتم داده کاوی مناسب برای تشخیص دلایل ترک تحصیل دانش آموزان(مورد کاوی مدارس استان اردبیل). پايان نامه كارشناسي ارشد. دانشگاه پيام نور استان تهران.

عبد خدائی، م. س.، فاتحی، ی. و اسلامیان، ح. (1390). پیش بینی میزان اهمال کاری تحصیلی با توجه به باورهای فراشناختی در دانشجویان. اولین همایش ملی یافته های علوم شناختی در تعلّیم و تربیت. مشهد، ایران.

علیزاده، سمیه و ملک محمدی، سمیرا (1393). داده کاوی و کشف دانش گام به گام با نرم افزار کلمنتاین. چاپ سوم. انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی. تهران. ایران.

غفاري، ا.، كارشكي،‌ ح. و رضائي، ‌م. (1389). مقايسه ميزان و عوامل مؤثر بر افت تحصيلي دانشجويان ايراني و افعاني دانشگاه فردوسي مشهد و دانشگاه هرات. پايان نامه كارشناسي ارشد. دانشگاه فردوسي مشهد. دانشكده علوم تربيتي و روانشناسي.

کانتاردزیک، اِم. داده کاوی. ترجمه علیخانزاده، امیر (1392). چاپ سوم. انتشارات علوم رایانه. بابل. ایران.

لشكرگير، سعادت جو، لطيف. (1392). پیش بینی عملکرد دانش آموزان با استفاده از تکنیک داده کاوی و ارائه راهکار مناسب برای بهبود آن. پايان نامه كارشناسي ارشد. دانشگاه آزاد اسلامي، واحد يزد.

موسوی، م.، هاشمی، س.، امین یزدی، س. ا. و سلطانی، ا. (1392). پیش بینی تعلل ورزی تحصیلی بر اساس مولفه های هوش هیجانی. مجله علمی دانشگاه علوم پزشکی ایلام، 21: 29-21

Blass, E., Jasman, A. & Shelley, S. (2010). Visioning 2035: The Future of the Higher Education Sector in the UK. Futures, 42, 445–453.

Chen, S. and Voyles, D. (2013). HESI Admiddion Assessment Scores: Predicting Student Ssuccess. Journal of Professional Nursing, 9(25): 32–37

Dorothyjean, C. (2012). Potential for Significant Reductions In Dropout Rates: Analysis of An Entire 3rd Grade State Cohort. Economics of Education Review, 31, 644–662.

Giambona, F., Erasmo, V., & Vassiliadis, E. (2011). Educational Systems Efficiency in European Union Countries. Studies in Educational Evaluation, 37, 108–12.

Gil-Galván, R., & Gil-Galván, F. J. (2013). How to Use Professional and Life Projects to Guide University Students towards Optimal Professional Development. Procedia - Social and Behavioral Sciences, 93, 1901 – 1905.

Gqweta, N. (2012). A perspective of final year diagnostic radiography students. Radiography, 18, 212-217.

Hamaideh, S. H., & Hamdan-Mansour, A. M. (2013). Psychological, Cognitive and Personal Variables that Predict College Academic Achievement among Health Sciences Students. Nurse Education Today, 34, 703-708.

Hardinger, K. L., Schauner, S., Graham, M., & Garavalia, L. (2013). Admission Predictors of Academic Dismissal for Provisional and Traditionally Admitted Students. Currents in Pharmacy Teaching and Learning, 5, 33–38.

Islam Shovon, H. and Haque, M. (2012). An Approach of Improving Student’s Academic Performance by using K-means clustering algorithm and Decision tree. International Journal of Advanced Computer Science and Applications, 3(8): 145- 149

Juklová, K. (2012). Analysis of University Education In Terms of the Level of Cognitive Study Goals – From the Perspective of Future Teachers. Procedia - Social and Behavioral Sciences, 69, 1610 – 1615.

Knauss, P. J. & Wilsson, P. (2013). Predicting Early Academic Success: HESI Admissions Assessment Exam. Journal of Professional Nursing, 29, 28-31.

Laurens, C., Krist, D. W., Erwin, O., & Ides, N. (2012). Efficiency and Equity in Private and Public Education: A Nonparametric Comparison. European Journal o f Operational Research, 202, 563–573.

Mikolaj, H., Steven, R. (2013). Divergent Historical Experiences and Inequality in Academic Achievement: The Case of Poland. The Journal of Socio-Economics, 42, 1–12.

Nasir, N. A., Rasid, N. S., Ahmad, N. & Noor Shah, M. S. (2013). Bicluster Analysis as an Effective Tool to Measure Students Overall Performance. Procedia - Social and Behavioral Sciences, 90, 593 – 598.

Reichmann, M. (2012). Future-Oriented Higher Education: Which Key Competencies Should Be Fostered Through University Teaching And Learning? Futures, 44, 127–135.

Rodgers, S., Stenhouse, R., McCreaddie, M., & Small, P. (2013). Recruitment, Selection and Retention of Nursing and Midwifery Students in Scottish Universities. Nurse Education Today, 33, 1301–131.

Rosander, P., Bäckström, M., & Stenberg, G. (2011). Personality Traits and General Intelligence as Predictors of Academic Performance: A Structural Equation Modeling Approach. Learning and Individual Differences, 21, 590–596.

Saklofske, D. H., Austin, E. J., Mastoras, S. M., Beaton, L., & Osborne, S. E. (2012). Relationships of Personality, Affect, Emotional Intelligence and Coping with Student Stress and Academic Success: Different Patterns of Association for Stress and Success. Learning and Individual Differences, 22, 251–257.

Stukalina, Y. (2013). Management of the Educational Environment: The Context in Which Strategic Decisions Are Made. Procedia - Social and Behavioral Sciences, 99, 1054 – 1062.

U.S. Department Of Education, for Each And Every Child—A Strategy for Education Equity and Excellence, Washington, D.C., 2013.

Vesela, D., & Klimova, K. (2013). Supporting Creative Industries with Innovative University Study Programmes. Procedia - Social and Behavioral Sciences, (81), 152 – 156

Warwick, P. (2014). The International Business of Higher Education. A Managerial Perspective on the Internationalisation of UK Universities. The International Journal of Management Education, (12), 91-103

Weber, A. S. (2011). The Role of Education in Knowledge Economies in Developing Countries. Procedia Social and Behavioral Sciences, 15, 2589–2594.

Willcockson, I. U., Johnson, C. W., Hersh, W. & Bernstam, E. V. (2009). Predictors of Student Success in Graduate Biomedical Informatics Training: Introductory Course and Program Success. Journal of the American Medical Informatics Association,16, 837–846.

Zimmermann, J., Heinimann, H.R. & Buhmann, J. M.(2015).A model-based approach to predicting graduate-level performance using indicators of undergraduate-level performance. Journal of Educational Data Mining, Volume( 7), 3, 151- 176

Zoghbi, C., Fabiana, A. R., & Enlinson, M. (2013). Education Production Efficiency: Evidence from Brazilian Universities. Economic Modeling, 31, 94–103.


ارجاعات

  • در حال حاضر ارجاعی نیست.