تحلیل نظرسنجی کتاب درسی آزمون متمرکز در دانشگاه جامع علمی کاربردی با رویکرد متن‌کاوی

در سال‌های اخیر داده‌کاوی آموزشی با توجه به انبوهی از داده‌ها و دشواری تحلیل نتایج در حوزة آموزش عالی بسیار مورد استقبال قرار گرفته است. جمع‌بندی نظرات مدرسان در خصوص منابع درسی نیز یکی از چالش‌های اساسی در تصمیم‌گیری چاپ/ عدم چاپ مجدد کتب است. این پژوهش بر آن است که از طریق روش نیمه‌خودکار استخراج متن کتاب اخلاق حرفه‌ای اثر ناصر صبحی قراملکی (1398)، برای دانشجویان آزمون متمرکز را ارزیابی نماید. در این مقاله نتایج پرسش‌نامة تکمیل‌شدة درس اخلاق حرفه‌ای 47 نفر از مدرسان این کتاب درسی، در خصوص سوال تشریحی درمورد چاپ/ عدم چاپ مجدد با روش متن‌کاوی مورد تحلیل قرار گرفته و نیز از نرم‌افزار متن‌کاوی «فارسی‌یار» و کدنویسی پایتون و نیز از روش‌های استخراج کلمات کلیدی متن، خلاصه‌سازی خودکار متن، مدل‌سازی موضوعی (شناسایی موضوعات مجموعة متون) و درنهایت از ترسیم ابرکلمات برای تحلیل نظرات ارائه درج شده، استفاده شده است. یافته‌ها حاکی است که روش مدل‌سازی موضوعی برای شناسایی موضوعات مجموعه به کار رفته است و روش ترسیم ابرکلمات که شکل بصری از نظرات متنی را ارائه می‌دادند نسبت به سایر روش‌ها در این پژوهش‌ مناسب‌تر بودند. توصیه می‌شود با بررسی نظرات مدرسان، با بازنویسی و ویراستاری مجدد این کتاب، تجدید چاپ صورت گیرد. 

Analysis of the survey of the centralized exam Textbook in the University Applied Sciences & technology with a text-analysis approach

In recent years, educational data mining has been very popular in the field of higher education due to the large amount of data and the difficulty of analyzing the results. Summarizing teachers’ opinions about textbooks is also one of the main challenges in deciding whether or not to reprint books. This study intends to evaluate the professional ethics textbook written for centralized exam students by using a semiautomatic text extraction method. In this article, the results of the completed questionnaire of the professional ethics Textbook have been analyzed by 47 instructors of this course, regarding the descriptive question about printing / nonreprinting using text mining technique.This research has been used using &Farsiyar& text mining software and Python coding, as well as methods of extracting text keywords, automatic text summarization, thematic modeling (identifying collection of texts) and finally drawing metawords to analyze the submitted comments.Findings indicate that the topic modeling method used to identify the topics of the text collection and the method of drawing metawords that provided a visual form of textual comments were more appropriate than other methods in this study. Reprinting is recommended by rewriting and reediting this book.