طراحی سامانه شناسایی عوامل موثر در پذیرش داوطلبان دورۀ دکترای تخصصی با استفاده از vprst

افزایش تقاضا برای ورود به دورۀ دکترای تخصصی و سرعت کُند افزایش ظرفیت دانشگاهی متناسب با این رشد، موجب می شود که داوطلبان در فرایندی گزینشی برای حضور در این دوره قرار گیرند. عوامل بسیاری در انتخاب دانشجویان برای دورۀ دکترای تخصصی تاثیرگذار است و از آنجا که بسیاری از این عوامل ذهنی و برخاسته از دیدگاههای استادان است، این موضوع با ابهام و عدم قطعیت جدی همراه است. شناسایی اثرگذارترین عوامل در انتخاب دانشجویان و نیز تعیین میزان اثر هریک از عوامل ذهنی مد نظر استادان در پذیرش دانشجویان دکترای تخصصی علاوه بر شفاف کردن فرایند، تاثیری چشمگیر در صرفه جویی در زمان و هزینه های دانشگاههای پذیرنده دارد. در این پژوهش سامانه ای با استفاده از نظریه مجموعه های نادقیق با دقت متغیر (vprst) برای شناسایی عوامل موثر در گزینش دانشجویان متقاضی ورود به دورۀ دکترای تخصصی طراحی شد. در طراحی این سامانه عواملی که در فرایند گزینش دانشجویان ارزیابی می شوند، شناسایی و مجموعۀ داده ای با استفاده از اطلاعات سالهای پیش آماده شد. سپس، این مجموعه با استفاده از نظریۀ مجموعه های نادقیق با دقت متغیر تحلیل و عوامل موثر در پذیرش دانشجویان دکترای تخصصی شناسایی شد. نتایج این پژوهش برای استخراج قواعد پذیرش داوطلبان استفاده می شود و امکان تصمیم گیری در ارزیابی و پذیرش داوطلبان را فراهم می آورد. به منظور ارزیابی عملکرد این سامانه از داده های آزمون سالهای 1387 تا 1393 دانشگاه تربیت مدرس استفاده شد. نتایج نشان می دهد از بین 12 عامل که در مصاحبه بررسی شد، فقط سه عامل تعداد مقالات، استعداد و قدرت بیان و امتیاز آزمون کتبی در گزینش داوطلبان اثرگذارند و بر مبنای این سه عامل می توان دربارۀ وضعیت 71% داوطلبان تصمیم گیری کرد. ضمن اینکه استفاده از عامل قدرت تجزیه و تحلیل علمیبه عنوان چهارمین عامل اثرگذار می تواند به افزایش دقت تصمیم گیری تا سطح 91% بینجامد. این سامانه می تواند به عنوان یک سامانۀ تصمیم یار برای استادان و دانشگاهها در ارزیابی و پذیرش دانشجویان به کار آید.

Designing a system to identify main factors doctoral applicants' selection by using Variable Precision Rough Set Theory

Increasing demand for doctoral programs and slow growth rate of appropriate academic capacity has caused the candidates of such programs to be involved in a selection process. In this paper, Variable Precision Rough Set Theory (VPRST) was employed to design a system for identifying the main factors in doctoral students' selection. In order to design the system, the evaluation factors in doctoral interview were identified. Using information from previous years, data collection set was prepared. Then, utilizing Variable Precision Rough Set Theory, the effecting factors in doctoral students' selection were identified. These results are used to provide the rules and regulations for applicantsrsquo assessment and acceptance in doctoral programs. To evaluate the efficacy of proposed system, the data obtained from Tarbiat Modares University from 2009 to 2015 doctoral selection examinations were used. Results showed that 3 of 12 factors that were evaluated in the interviews including ldquo number of papersrdquo , ldquo presentation skillsrdquo and ldquo result of written examinationrdquo were effective in applicants' selection and based on these three factors decision can be made about 71% of the applicants. While using the power of scientific analysis as the fourth effecting factor could increase the accuracy of decisionmaking up to 91%. The system can be used as a decision support system for the evaluation and acceptance of students by faculty members.