عنوان ترجمه فارسی
دسته : فناوری اطلاعات
:
:
:
:
این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره داده کاوی تحصیلی
کشف دانش
مقاله درباره دسته بندی
Educational Data Mining
Knowledge Discovery
Classification
چکیده
داده کاوی آموزشی بیشتر از تولید نتایج دقیق برای اهداف آتی، بر پیش بینی تمرکز دارد. برای بررسی تغییرات الگوهای برنامه آموزشی، تحلیل منظم پایگاه داده های آموزشی ضروری است.
موضوع این مقاله، تشخیص دانش آموزان کند از بین دانش آموزان دیگر و نشان دادن آن از طریق یک مدل داده کاوی پیش گویانه، با استفاده از الگوریتم های مبتنی بر دسته بندی است. داده های واقعی از یک دبیرستان گرفته شده و متغیرهای بالقوه ی مورد نظر با استفاده از WEKA (یک ابزار منبع باز) فیلتر شده اند.
مجموعه داده ی سوابق تحصیلی دانش آموزان، با استفاده از WEKA (یک ابزار منبع باز) با الگوریتم های دسته بندی مختلفی مانند ادراک چندلایه، بیزی ساده، SMO، J48 و REPTree مورد آزمایش قرار گرفته و به کار رفته است.
در نتیجه، ویژگی های آماری بر اساس تمام الگوریتم های دسته بندی تولید شده است. ما نتایج پنج دسته بندی کننده را نیز مقایسه کردیم تا دقت را پیش بینی کرده، و الگوریتمی که بیشترین کارایی را دارد پیدا کنیم. ما در این مقاله مدل جریان دانش را نیز در بین پنج دستهب ندی کننده نشان می دهیم.
این مقاله اهمیت الگوریتم های داده کاوی مبتنی بر پیش بینی و دسته بندی را در زمینه آموزش نشان می دهد و چند مسیر تحقیقاتی امیدوارکننده را در آینده مشخص می کند.
1-مقدمه
در سال های اخیر داده کاوی به علت وجود حجم زیادی از داده ها و نیاز به تبدیل این داده ها به اطلاعات و دانش مفید، در صنعت تحقیقات و به طورکلی در جامعه، بسیار مورد توجه قرار گرفته است.
داده کاوی که کشف دانش در پایگاه داده (KDD) نیز نامیده می شود، یعنی کشف اطلاعات جدید و احتمالاً مفید از پایگاه داده های بسیار بزرگ [12]..