ارزیابی عملکرد دانشجویان با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم بهینه سازی نهنگ قاتل با در نظر گرفتن انتخاب ویژگی های مهم

ارزیابی عملکرد دانشجویان نقش مهمی در بهبود کیفیت آموزشی و تصمیمگیریهای دانشگاهی دارد. در این پژوهش، روشی ترکیبی مبتنی بر ماشین بردارپشتیبان و الگوریتم بهینه سازی نهنگ قاتل برای پیشبینی و ارزیابی عملکرد دانشجویان ارائه شده است. در روش پیشنهادی، ابتدا الگوریتم نهنگ قاتلجهت انتخاب ویژگی های مهم از میان 31 ویژگی موجود در مجموعه داده evaluation performance students education higher(شامل145 نمونه( به کار گرفته شده است. سپس مقادیر بهینه پارامترهای کلیدی ماشین بردار پشتیبان ) cوγ ) با استفاده از همین الگوریتم استخراج میشوندتا دقت طبقهبندی افزایش یابد. برای ارزیابی عملکرد، روش پیشنهادی با الگوریتم های svm، knnو svm-psoمقایسه شده است. نتایج آزمایش هانشان میدهد که رویکرد ترکیبی svm-kwoa با انتخاب ویژگی های موثر و تنظیم بهینه پارامترها، از دقت و کارایی بالاتری نسبت به سایر روش هایمقایسهای برخوردار است. این موضوع نشاندهنده توانایی بالای الگوریتم پیشنهادی در شناسایی عوامل کلیدی موثر بر عملکرد دانشجویان و بهبودفرآیندهای تصمیم سازی آموزشی می باشد