توسعه مدلی برای تخمین و دسته بندی عملکرد آموزشی دانشجویان کارشناسی با استفاده از ترکیب شبکه های عصبی چندلایه (مطالعه موردی: دانشگاه قم)

رشد و پیشرفت دانشجویان، به عنوان سرمایه های آینده این کشور، همواره مورد اهمیت و توجه نظام آموزش و پرورش بوده است. چه بسیار دانشجویانی هستند که خلاقیت و استعدادشان شکوفا شده است و در عوض، ما سالیانه با تعداد کثیری از دانشجو مواجه هستیم که استعدادهایشان تلف شده و از موفقیت دور شده اند. امروزه، با افزایش دانشجویان در مقاطع مختلف دانشگاهی و تنوع رشته های تحصیلی، لزوم هدایت صحیح دانشجویان بیش تر از قبل احساس می شود. بدین منظور داده کاوی آموزشی در سال های اخیر موردتوجه ویژه مسیولان نظام آموزش و پرورش قرارگرفته است. تاکنون روش ها و تکنیک های دسته بندی متنوعی در حوزه داده کاوی و یادگیری ماشین به منظور دسته بندی و پیش بینی عملکرد دانشجویان به کار گرفته شده اند. اما این دسته بندهای تکی برای پیش بینی عملکرد در فرآیند آموزش محدودیت هایی از قبیل پیچیدگی و عدم ثبات دارند. برای مقابله با این مشکل دسته بندهای جمعی به عنوان روش های نوین و کارآمد مطرح می شوند. سیستم های دسته بند جمعی نتایج چندین دسته بند تکی را ترکیب می کنند و مدلی با عملکرد بهتر ارایه می دهند. در این پژوهش یک دسته بند جمعی جدید با استفاده از شبکه های عصبی چندلایه و خوشه بندی SOM به منظور تخمین و دسته بندی معدل دانشجویان دوره کارشناسی ارایه شده است. همچنین از روش ترکیبی میانگین گیری و رای اکثریت برای ترکیب نتایج دسته بندهای تکی استفاده شده است. نتایج ارزیابی بر روی داده های واقعی دانشگاه نشان می دهد که مدل پیشنهادی ارایه شده در این پژوهش دقت و کارایی بیشتری نسبت به روش های دسته بندی منفرد مشهور و پرکاربرد دارد. همچنین مدل پیشنهادی در مقایسه با روش های جمعی معروف، عملکرد بهتری در دسته بندی معدل دانشجویان داشته است.