مدل شبکه بیزی عوامل مرتبط با افت تحصیلی دانشجویان دانشگاه تهران

زمینه: همواره پژوهشگران با انجام تحقیقات کوشیده‌اند تا با تصمیم‌سازی برای مدیران نظام آموزشی، از شکل‌گیری و تشدید افت تحصیلی پیشگیری کنند و در این راستا از روش‌های آماری پیش‌بینی استفاده کرده‌اند. شبکه بیزی از جمله روش‌های داده‌کاوی پیش بینی‌کننده و افت تحصیلی یکی از مشکلات بزرگ نظام آموزش عالی است. هدف: هدف از این تحقیق شناسایی عوامل مرتبط با افت تحصیلی با استفاده از داده‌کاوی آموزشی و شبکه بیزی بود. روش: جامعه پژوهش، کلیه دانشجویان دوره کارشناسی دانشگاه تهران بودند و نمونه‌ای به حجم800 نفر به روش تصادفی طبقه‌ایی انتخاب شد. بعد از اجرا پرسشنامه افت‌تحصیلی دانشجویان و کنارگذاشتن پرسشنامه‌های مخدوش، 746 پرسشنامه مورد تحلیل قرارگرفت و داده‌ها با استفاده از ابزار محقق‌ساخته سنجش افت‌تحصیلی دانشجویان، که دارای درستی مورد تایید استادان و قابلیت اعتماد آلفای کرونباخ برابر با 0/971 بود، جمع‌آوری شد. یافته ها: داده‌های جمع‌آوری شده از دانشجویان تحلیل شد و مدل بیزی آن با میزان صحت الگوریتم 95/84% بدست آمد. نتیجه گیری: نتایج نشان داد، کلیه عوامل پرسشنامه در وقوع افت تحصیلی موثر بودند و عوامل فردی تنها عاملی بودکه هم بطور مستقیم و هم با تاثیر بر سایرعوامل بر وقوع افت تحصیلی اثرگذار بود. میزان صحت الگوریتم بیانگر این بودکه با استفاده از مدل شبکه بیز به خوبی می‌توان وقوع افت تحصیلی را پیش‌بینی کرد.

Bayesian network model of factors related to academic failure in Tehran university students

Background: Researchers have always tried to prevent the formation and escalation of academic failure by making decisions for educational system administrators. For this reason, they have been using forecasting statistical methods. Bayesian network is one of the Predictor Data mining methods and Academic failure is one of the major problems in the higher education system. Aims: The purpose of this study was to identify factors associated with academic failure using educational data mining and Bayesian networks. Method: The research population was all undergraduate students of Tehran University. A sample of 800 people was selected by Stratified Random Sampling. After performing and eliminating confused questionnaires, 746 questionnaires were analyzed and data were collected using researchermade students' academic failure questionnaire, which had a validity of professors and Cronbach's alpha coefficient of 0/971. Results: Data collected from students was analyzed and Bayesian model was obtained.The accuracy of the algorithm was equal to 95/84% . Conclusion: The results showed that all factors of the questionnaire were effective in the occurrence of academic failure and individual factors were the only factors that directly and indirectly affect the occurrence of academic failure. The accuracy of the algorithm indicates that the Bayesian network model can predict the academic failure well.