دسته‌بندی و پیش‌بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک‌های داده‌کاوی

داده‌کاوی و کشف الگوها و دانش نهفته در داده‌‌های سیستم‌های آموزشی کمک شایانی به تصمیم‌گیرندگان عرصه آموزش عالی جهت بهبود فرآیند‌های آموزشی نظیر برنامه‌ریزی، ثبت‌نام، ارزیابی و مشاوره می‌نماید. هدف مقاله حاضر، دسته‌بندی و پیش‌بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک‌های داده‌کاوی است. در این مقاله سعی شده با استفاده از داده‌های دموگرافیک و سوابق تحصیلی دانشجویان و آماده‌سازی مناسب داده‌ها و با کمک تکینک‌های دسته‌بندی درخت تصمیم، رگرسیون لجستیک، نزدیکترین همسایگی و شبکه‌‌های عصبی مدل‌‌های مختلفی برای پیش‌بینی وضعیت تحصیلی دانشجویان در نیمسال آینده ارائه شود. در نهایت مقایسه‌ای میان نتایج حاصل از تکنیک‌های مختلف صورت گرفته و بهترین مدل‌ها در دسته‌بندی صحیح دانشجویان مدل نزدیکترین همسایگی و سپس شبکه‌های عصبی شناخته شده‌اند. بر همین اساس می‌توان مدل‌های پیشنهادی را به عنوان یک ابزار پشتیبان تصمیم‌گیری در سیستم‌های آموزشی مورد استفاده قرار داد.