ارتقاي روابط صنعت و دانشگاه با نگرشي بر شاخص هاي توسعه يافتگي در سهميه بندي كنكور(كاربرد تكنيك داده كاوي)

تعداد زيادي از فارغ التحصيلان دبيرستان ها در سيستم آموزشي ايران خواهان ورود به دانشگاه ها مي باشند و رقابت اصلي براي ورود به مراكز دانشگاهي معتبر مي باشد. از سويي ديگر تسهيلات آموزشي، بهداشتي و ... در تمامي شهرها توزيعي مناسب ندارند. مديران سازمان هاي ذيربط، تخصيص سهميه را راه كاري مناسب براي حل اين مسأله مي دانند و به دنبال استفاده از دانش نهفته در داده هاي موجود در اين حوزه هستند. با منطقه بندي كليه بخش هاي كشور، داوطلبان هر منطقه با هم مقايسه مي شوند و در واقع با اين روش از اينكه درصد پذيرفته شدگان يك شهر چند برابر شهر ديگري باشد، جلوگيري مي شود. تعيين ميزان سهميه كنكور براي بخش هاي كشور در سال هاي اخير، برمبناي ميزان توسعه يافتگي مناطق با استفاده از روش تاكسونومي صورت گرفته است كه خروجي حاصل از اين روش نوعي رتبه بندي مناطق مي باشد كه در آن امكان تحليل گروهي مناطق وجود ندارد، همچنين تعداد مناطق بصورت نظري تعيين مي شود. براي رفع اين مسائل بخش بندي مي تواند به عنوان يك راهكار مناسب مورد استفاده قرار گيرد. تحقيق حاضر براي اولين بار در حوزه توسعه يافتگي، با استفاده از تكنيك هاي داده كاوي و روش كريسپ و در قالب متدولوژي پيشنهادي، بر روي داده هاي مرتبط، در وزارت آموزش و پرورش، وزارت كشور، وزارت بهداشت و درمان، مركز آمار و سازمان سنجش، صورت گرفته است. پس از شناسايي استانداردها و شاخص هاي اثرگذار در اين زمينه، آماده سازي داده ها انجام شده و به ساخت انباره داده و تركيب شاخص ها جهت استخراج عوامل جديد پرداخته شده است. در گام بعدي با بكارگيري الگوريتم Kmeans بخش هاي شبيه به هم در خوشه هاي مربوطه قرار گرفته و سپس با استفاده از روش پيش بيني شبكه هاي عصبي و درخت تصميم امكان اختصاص بخش هاي جديد به هر كلاس (خوشه هاي ايجاد شده) فراهم شده و جهت ارزيابي مدل هاي ايجاد شده، دقت خروجي با ساير روش ها مقايسه شده است. دستاوردهاي اين تحقيق عبارتند از: تعيين تعداد بهينه بخش ها، بخش بندي مناطق، تحليل هر بخش، استخراج قواعد تصميم گيري، امكان پيش بيني سريع تر و دقيق تر برچسب كلاس براي مناطق جديد، فراهم نمودن امكان تدوين راهبرد هاي مناسب براي هر بخش.