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

هدف پژوهش حاضر، توسعه مدلی برای پیش بینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشته های مهندسی بوده که به روش داده کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفته شدگان سال های 1387 لغایت 1390 در سه مورد از دانشگاه های فنی و مهندسی کشور بوده است. داده های پژوهش با بهره برداری مستقیم از سیستم های آموزش هر سه دانشگاه در مدل سازی وارد شدند. نتایج حاکی از آن است که با   بهره گیری از داده های موجود در سیستم های حوزه آموزش دانشگاه ها و به خدمت گرفتن شبکه عصبی می توان با صحت بیش از 95 درصد نسبت به پیش بینی وضعیت تحصیلی یکایک دانشجویان اقدام نمود. کارآئی مدل های حاصله در دانشگاههای مورد مطالعه، به ترتیب برابر 0.72، 0.556و 0.565 حاصل گردیدند. معدل کل، تعداد واحدهای گذرانده، تعداد نیمسال های مبادرت به   فعالیت های فوق برنامه و تعداد نیمسال های مشروطی قبلی به عنوان به عنوان موثرترین متغیرهای پیش بین، توسط شبکه عصبی تشخیص داده شدند.