>
Fa   |   Ar   |   En
   ارتقای روابط صنعت و دانشگاه با نگرشی بر شاخص های توسعه یافتگیدر سهمیه بندی کنکور(کاربرد تکنیک داده کاوی)  
   
نویسنده سرعتی آَشتیانی نرجس ,علیزاده سمیه ,مبصری علی
منبع نوآوري و ارزش آفريني - 1394 - دوره : 4 - شماره : 8 - صفحه:43 -54
چکیده    تعداد زیادی از فارغ التحصیلان دبیرستان ها در سیستم آموزشی ایران خواهان ورود به دانشگاه ها می باشند و رقابت اصلی برای ورود به مراکز دانشگاهی معتبر می باشد. از سویی دیگر تسهیلات آموزشی، بهداشتی و ... در تمامی شهرها توزیعی مناسب ندارند. مدیران سازمان های ذیربط، تخصیص سهمیه را راه کاری مناسب برای حل این مساله می دانند و به دنبال استفاده از دانش نهفته در داده های موجود در این حوزه هستند. با منطقه بندی کلیه بخش های کشور، داوطلبان هر منطقه با هم مقایسه می شوند و در واقع با این روش از اینکه درصد پذیرفته شدگان یک شهر چند برابر شهر دیگری باشد، جلوگیری می شود. تعیین میزان سهمیه کنکور برای بخش های کشور در سال های اخیر، برمبنای میزان توسعه یافتگی مناطق با استفاده از روش تاکسونومی صورت گرفته است که خروجی حاصل از این روش نوعی رتبه بندی مناطق می باشد که در آن امکان تحلیل گروهی مناطق وجود ندارد، همچنین تعداد مناطق بصورت نظری تعیین می شود. برای رفع این مسائل بخش بندی می تواند به عنوان یک راهکار مناسب مورد استفاده قرار گیرد. تحقیق حاضر برای اولین بار در حوزه توسعه یافتگی، با استفاده از تکنیک های داده کاوی و روش کریسپ و در قالب متدولوژی پیشنهادی، بر روی داده های مرتبط، در وزارت آموزش و پرورش، وزارت کشور، وزارت بهداشت و درمان، مرکز آمار و سازمان سنجش، صورت گرفته است. پس از شناسایی استانداردها و شاخص های اثرگذار در این زمینه، آماده سازی داده ها انجام شده و به ساخت انباره داده و ترکیب شاخص ها جهت استخراج عوامل جدید پرداخته شده است. در گام بعدی با بکارگیری الگوریتم kmeans بخش های شبیه به هم در خوشه های مربوطه قرار گرفته و سپس با استفاده از روش پیش بینی شبکه های عصبی و درخت تصمیم امکان اختصاص بخش های جدید به هر کلاس (خوشه های ایجاد شده) فراهم شده و جهت ارزیابی مدل های ایجاد شده، دقت خروجی با سایر روش ها مقایسه شده است. دستاوردهای این تحقیق عبارتند از: تعیین تعداد بهینه بخش ها، بخش بندی مناطق، تحلیل هر بخش، استخراج قواعد تصمیم گیری، امکان پیش بینی سریع تر و دقیق تر برچسب کلاس برای مناطق جدید، فراهم نمودن امکان تدوین راهبرد های مناسب برای هر بخش.
کلیدواژه فرهنگ سازمانی، مدیریت منابع انسانی استراتژیک، رفتار شهروندی سازمانی، مدل معادلات ساختاری
آدرس موسسه مطالعات بین المللی انرژی, ایران. دانشگاه تهران, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده صنایع, ایران, دانشگاه علم و صنعت ایران, ایران
 
   Applying data mining techniques to regions segmentation for entrance exams to governmental universities  
   
Authors Mobasseri Ali ,Sorati Ashtiyani Narjes ,Alizadeh Somayeh
Abstract    The large numbers of Iranian high school graduates are willing to enter in governmental and popular colleges and compete for it. On the other hand, these graduate students are from various regions with different levels of access to facilities. In opinion of directors of relevant agencies, the quota allocation solves this problem and they are looking to use the knowledge hidden in the data are available in this area.By this way volunteers from each region are compared together and managers are helped to allocate proper quota to related students in regions of each segment. In recent years, quota allocation was determined by Taxonomy that its result is a kind of ranking that does not allow group analyzing and identifies number of region theoretically. To solve this problem clustering is a good strategy. This study is carried out by using data mining techniques and Crisp methods on related dataset from education ministry, interior ministry, ministry of health, and center of statistic and evaluation organization for the first time. After extracting of effective attributes in this area, data preparation, data reduction and combination of attributes using Factor Analysis have done.in next step, by using Kmeans algorithm, similar items assign in to a cluster that has the minimum distance with centroid mean and then by using neural networks and decision trees, new item can be devoted to each cluster. Finally for assessing created models, accuracy of outputs compared with other methods. Outcomes of this research are: determining the optimal number of sectors, segmenting regions, analyzing each section, extracting decision rules, predicting class labels for new areas faster and more accurately, allowing the appropriate strategies formulation for each section
Keywords Data mining ,cluster analysis ,prediction ,level of development ,regions segmentation
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved