به‌کارگیری تکنیک‌های رایج داده‌کاوی به‌منظور پیش‌بینی نمرات دانش آموزان و دانشجویان

جهان امروز، عصر تکنولوژی است و ما با پیشرفت تکنولوژی و استفاده از روش‌های به‌روز، قادر خواهیم بود به نحوی نوین با موقعیت‌های مختلف روبرو شویم. نمونه‌ای از این موقعیت‌ها، استفاده از فنّاوری در پیش‌بینی وضعیت درسی دانش آموزان می‌باشد. این روش نوین کمک می‌کند تا از این طریق بتوانیم برنامه‌ریزی درست‌تر و شرایط بهتری را برای اصلاح کاستی‌ها فراهم نماییم. درواقع هوش مصنوعی با غرق کردن دانش آموزان در دنیای آموزش مجازی و شبیه‌سازی موقعیت‌های مختلف درسی مانند کلاس درس، آزمایشگاه و غیره توانسته باعث ایجاد فرصت‌های جدید و یادگیری بهتر شود. نمونه‌ای دیگر استفاده از تکنولوژی، داده‌کاوی است که در چند سال اخیر ازجمله روشهای بسیار پرطرفدار به‌ویژه در حوزه آموزش بوده است. دلیل این محبوبیت وجود اطلاعات بیش‌ازحد دانشآموزان و دانشجویان می‌باشد که بررسی تک‌به‌تک آن‌ها امری زمانبر و تا حدودی غیرممکن است. در پژوهش پیش رو از انواع روش‌های داده‌کاوی ازجمله درخت تصمیم، تئوری بیزین، ماشین بردار پشتیبان، جنگل تصادفی و غیره برای بررسی وضعیت درسی دانش آموزان و دانشجویان و همچنین پیش‌بینی نمرات و وضعیت تحصیلی آن‌ها استفاده‌شده است. بررسی چندین پژوهش تحقیقاتی نشان دادند که روش‌های هوش مصنوعی و داده‌کاوی به‌طور فزاینده‌ای به‌پیش بینی وضعیت دانش آموزان و دانشجویان و بهبود برنامه‌ریزی آموزشی کمک می‌کنند. به‌عنوان نمونه روش جنگل تصادفی با دقت بسیار بالا وضعیت درسی دانشجویان را بررسی و از طریق داده‌های موجود، شرایط را برای پیش‌بینی متقاضیان ورود به دانشگاه بدون آزمون ورودی مهیا کرده است.