پيش بيني عوامل موثر در انصراف از تحصيل دانشجويان دانشگاه فني و حرفه اي با كمك تكنيك هاي داده كاوي

Prognosis of effective factors in dropping out of college students technical and vocational education with the help of data mining techniques

نظام آموزشي يكي از مهمترين سيستم هاي هر كشور محسوب مي شودكه هزينه هاي زيادي صرف آن مي گردد تا به عملكرد مطلوب دست يابد، لذا جلوگيري از انصراف دانشجويان ضروري مي باشد. در اين پژوهش با استفاده از الگوريتم هاي داده كاوي مدلي براي پيش بيني انصراف از تحصيل دانشجويان ارائه شده است.داده هاي اين پژوهش از دانشجويان دانشگاه فني و حرفه اي مي باشد.در ابتدا روش هاي دسته بندي مختلف اجرا و نتايج آنها با هم مقايسه گرديد كه صحت درستي همگي آنها بالاي 80 درصد مي باشد اما درخت تصميم گيري نسبت به ساير آنها معيار بهينگي و دقت بيشتري دارد. سپس دانشجويان انصرافي دسته بندي مي شوند كه عامل مالي تاثير بر چرايي انصراف آنها دارد. پژوهش زير از نظر هدف كاربردي مي باشد و نتايج حاصل از آن مي تواند در جلوگيري از انصراف از تحصيل دانشجويان كمك كند.

The educational system is one of the most important systems in each country, which costs a lot to achieve the desired performance, thus preventing students from dropping out. In this research, using data mining algorithms, a model is proposed to predict student dropout. The data of this research are from the students of the technical and vocational college. At first, different classification methods are implemented and their results are compared. All of them were up to 80% correct, but the decision tree was the best option for them. Then, students are classification as non-affiliates, which have a financial impact on the reason for their withdrawal. The following research is a practical goal, and the results can help prevent students from dropping out.