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

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 موثرترین متغیرهای پیش‌بین، تشخیص داده شدند.