كاربرد داده كاوي آموزشي جهت شناسايي عوامل مؤثر بر افت تحصيلي دانش آموزان

Use data mining to identify factors affecting students' academic failure

استخراج دانش يكي از مهمترين مسائل داده‌كاوي مي‌باشد. قوانيني كه به‌صورت اگر - آنگاه مطرح مي‌گردند، اين توانايي را دارند كه به صورت اعداد حقيقي در هر جزء به صورت تمام مقاديري كه در مجموعه‌ داده مي‌تواند وجود داشته باشد، قرار بگيرند. روش پيشنهادي در اين مقاله استفاده از الگوريتم‌هاي درخت تصميم و خوشه‌بندي و قوانين انجمني براي استخراج قوانين مي‌باشد. در روش پيشنهادي استخراج قوانين را به صورت يك مسئله بهينه‌سازي در آورده و هدف به دست آوردن قانوني با اطمينان بالا، عموميت و قابليت درك بالا مي‌باشد. الگوريتم پيشنهادي براي استخراج قوانين ازمجموعه داده افت تحصيلي از اطلاعات فردي256 دانش‌آموزان هنرستان‌ها در زنجان جمع‌آوري شده و تست گرديد. از نتايج به دست آمده از اين تحقيق مي توان براي پيشگيري از افت تحصيلي دانش‌آموزان و بهبود كيفيت ارتباط مسوولين و والدين با دانش‌آموزان و آموزش هر چه بهتر آنان استفاده كرد. نتايج نشان داد كه الگوريتم j48 در درخت تصميم با دقت 0/95 براي مجموعه داده افت تحصيلي و خوشه بندي دادهها با الگوريتم K-Main با ضريب اطمينان 0/95 و بهدست آوردن قوانين با ضريب اطمينان بالا با استفاده از قوانين انجمني كه از الگوريتم Apriori براي مجموعه داده ها اجرا و توليد شد. از نتايج به دست آمده از اين تحقيق مي توان براي پيشگيري از افت تحصيلي دانشآموزان و بهبود كيفيت ارتباط مسوولين و والدين با دانشآموزان و آموزش هر چه بهتر آنان استفاده كرد

Knowledge extraction is one of the most significant problems of data mining. The principles raised in if-then format can be turned into real numbers in each section- as values which could be included in dataset. The suggested method in the present dissertation is application of decision tree algorithms, clustering and forum rules for extraction of final rules. In the suggested method, extraction of rules is defined as an optimization problem and objective was obtaining a rule of high confidence, generalization and understandability. The suggested algorithm for extraction of rules was obtained from and tested based on a dataset of educational failure of 256 art school students living in Zanjan. The results suggested that the j48 algorithm in decision tree and accuracy of 0.95 is the choice for the dataset of educational failure. Data clustering was done by K-Main algorithm with confidence coefficient of 0.95. After all, obtaining rules of high confidence coefficient was done based on forum rules from Apriori algorithm for the whole datasets. The results of present study could be used for inhibition of educational failure of students, improved quality of relationship of parents and authorities with students and enhancing the education they receive.