مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

547
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

652
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کاربست فنون داده کاوی در تبیین صحت مدل های پیش بینی افت تحصیلی دانشجویان

صفحات

 صفحه شروع 36 | صفحه پایان 46

چکیده

 مقدمه: افت تحصیلی دانشجویان یکی از آفت های سیستم آموزش عالی است و وجود سیستمی برای پیش بینی و در نتیجه پیشگیری از وقوع آن, می تواند نقش تعیین کننده ای در ارتقای کیفیت آموزش باشد. استفاده از داده کاوی آموزشی, از موثرترین راهبردهای پایش و بهبود کیفیت آموزش است. این مطالعه با هدف مقایسه فنون مختلف داده کاوی و مشخص ساختن بهترین مدل پیش بینی انجام شده است. مواد و روش ها: جامعه پژوهش, کلیه دانشجویان دوره کارشناسی رشته های علوم آزمایشگاهی, مدیریت اطلاعات سلامت و تکنولوژی علوم پرتوی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی تهران در سال تحصیلی 98-1397 بودند و نمونه ای به حجم 500 نفر انتخاب شد. بعد از اجرا و کنار گذاشتن پرسش نامه های مخدوش, 153 پرسش نامه از رشته علوم آزمایشگاهی, 85 پرسش نامه مدیریت اطلاعات سلامت, و 73 پرسش نامه رشته تکنولوژی علوم پرتوی مورد تحلیل قرار گرفت. ابزار جمع آوری داده ها, پرسش نامه سنجش افت تحصیلی دانشجویان با ضریب پایایی 971/0 بود که روایی آن توسط متخصصان تایید شد. داده های جمع آوری شده از دانشجویان با الگوریتم های رگرسیون لجستیک, درخت تصمیم, شبکه عصبی, شبکه بیزین و ماشین بردار پشتیبان و با استفاده از نرم افزار SPPSS vol. 16, SMART_PLS-3 و SPPSS_MODELLER-18 کلمنتاین تحلیل شد. یافته های پژوهش: یافته ها نشان داد, میزان افت تحصیلی در رشته های مختلف در سطح معناداری 05/0 متفاوت است. در رشته علوم آزمایشگاهی, میزان صحت مدل پیش بین داده ها در الگوریتم های متفاوت به ترتیب بهترین مدل پیش بینی عبارت است از: الگوریتم های درخت تصمیم و شبکه بیز, ماشین بردار پشتیبان, شبکه عصبی و رگرسیون لجستیک. در رشته مدیریت اطلاعات سلامت و تکنولوژی علوم پرتوی میزان صحت مدل پیش بین داده ها در الگوریتم های متفاوت به ترتیب بهترین مدل پیش بینی عبارت است از: الگوریتم شبکه بیز, ماشین بردار پشتیبان, شبکه عصبی و رگرسیون لجستیک. الگوریتم درخت تصمیم جوابی نداشت. هم چنین آزمون خی دو نشان داد تفاوت موجود بین الگوریتم های به دست آمده از لحاظ آماری در رشته علوم آزمایشگاهی در سطح 05/0 معنادار نیست, در رشته مدیریت اطلاعات و در رشته تکنولوژی علوم پرتوی در سطح 01/0 معنادار است. بحث و نتیجه گیری: نتایج بیان کننده این است که در داده های واقعی مدل رگرسیون لجستیک توان پیش بین کمتری نسبت به مدل های شبکه ای داراست و در هر مجموعه از داده ها, الگوریتم پیش بین مناسب داده را باید کاوش کرد. الگوریتم های پیش بین, به خوبی توان پیش بینی افت تحصیلی را در هر سه رشته مورد بررسی در دانشکده پیراپزشکی را داراست و می توان از آن, در امر آموزش دانشجویان پزشکی و پیراپزشکی به منظور شناسایی دانشجویان در معرض خطر افت تحصیلی جهت انجام اقدامات مربوط به پیشگیری, استفاده کرد.

استنادها

  • ثبت نشده است.

    • ارجاعات

    استناددهی

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button