داده‎كاوي دانشجويان انصرافي دانشگاه تهران با تمركز بر حفظ دانشجويان شهريه‎پرداز (جلوگيري از روي‎گرداني مشتري)

Data Mining of Students Withdrawal at University of Tehran, Focusing on Fee Paid Students (to Prevent Customer Churn)

انصراف دانشجو يكي از چالش‌هاي پيش روي آموزش عالي است. مقاله حاضر رويكرد پذيرش دانشجوي شهريه‎پرداز را نوعي كسب‎وكار و انصراف دانشجو را روي‎گرداني مشتري در نظر گرفته است و به‎دنبال بررسي عوامل انصراف دانشجويان و اتخاذ سياست‌هاي مداخله‎جويانه بازدارنده ‌‌است. پژوهش پيش رو كاربردي از نوع توصيفي است كه به‎كمك داده‌هاي كمي و كيفي بر مبناي روش پژوهش كريسپ از داده‎كاوي اطلاعات دانشجويان ورودي شهريه‎پرداز (21420 دانشجو دانشگاه تهران طي سال‌هاي 1392- 1388) استخراج‎شده از بانك‌هاي اطلاعاتي سيستم آموزش دانشگاه تهران، اجرا شده است. هدف آن، تحليل رفتار دانشجويان به‎منظور شناسايي دانشجويان در معرض خطر انصراف و ارايه مدل پيش‌بيني احتمال انصراف است. پس از تحليل داده‌ها و ارايه مدل پيش‎بيني، جدول احتمال انصراف و مدل رگرسيوني انصراف، يافته‎هاي پژوهش ترم اول و دوم (به‎ويژه ترم اول در دوره سني 31-24 سال) را به‎منزله پرخطرترين دوره زماني، دانشجويان ارشد را مستعدترين مقطع و دوره شبانه را پرخطرترين دوره تحصيلي براي انصراف دانشجو (روي‎گرداني مشتري) شناسايي كرد.

Student withdrawal in higher education is one the important challenges in universities. This paper considers the admission of fee paid students as a business and their withdrawals as customer churn. The aim is to investigate the attrition and predicted risk of attrition to adapt interventionist polices deterrent. This study is a descriptive an applicable technique that uses quantitative and qualitative data. It uses Crisp technology of data mining. The data are derived from educational system of University of Tehran including 21420 fee paid students accepted at 2010 to 2014. The main goal is to analyze the behavior that is at risk of attrition and withdrawal. After data analyze and construction of predictive modeling, the probability table of attrition and regression model will be presented. The final results show that the first and second semester (especially the age range 24-31) of M.Sc students are the most likely risk of withdrawal of happening.