28378

پيش بيني عملكرد دانشجويان علوم پزشكي مبتني بر تحليل داده هاي آموزشي با استفاده از تكنيك هاي داده كاوي (مطالعه موردي: برخي از دانشگاه هاي علوم پزشكي)

كارشناسي ارشد

مهندسي صنايع

1399

1402/1/22

روزبه قوسي

فرناز برزين پور

مهندسي صنايع

موسسات و مراكز آموزشي همواره در حال توليد ميزان چشمگيري از اطلاعات و داده ها مي باشند. داده كاوي آموزشي حوزه اي در حال رشد است و به سبب آن با اتخاذ تصميم گيري هاي صحيح مي توان وضعيت تحصيلي محصلان را بهبود بخشيد تا در آينده نيروهاي انساني كارآمد و مفيد وارد جامعه گردند. در داده كاوي آموزشي با پيش بيني وضعيت تحصيلي محصلان و شناسايي افراد در معرض خطر مي توان از طريق راه هاي مختلف به اين افراد كمك نمود و به بهترين نحو به آموزش و تربيت آنان پرداخت. در نتيجه داده كاوي در آموزش فرصت مناسبي براي كشف الگو ها و اطلاعات پنهان مي باشد. در اين پژوهش داده هاي مربوط به دانشجويان علوم پزشكي مورد بررسي قرار گرفت، بررسي وضعيت تحصيلي اين دانشجويان به دليل ارتباط مستقيمي كه با سلامت افراد جامعه دارند، حائز اهميت مي باشد. هدف اين مطالعه سطح بندي دانشجويان از نظر وضعيت تحصيلي و شناسايي دانشجوياني كه عملكرد خوبي نداشتند، مي باشد. از الگوريتم هاي مختلف يادگيري ماشين از جمله: رگرسيون لجستيك، درخت تصميم، بگينگ، جنگل تصادفي، آناليز تشخيص خطي، ماشين بردار پشتيبان و K نزديك ترين همسايه به كار گرفته شدند. استفاده از الگوريتم هاي يادگيري تركيبي منجر به بهبود نتايج گرديد، همچنين با استفاده از روش انتخاب ويژگي مستقيم، ويژگي هاي مهم در مدل گنجانده شدند. بهترين نتايج در حالت دو سطحي مربوط به الگوريتم جنگل تصادفي با دقت 90 درصد و در حالت سه سطحي مربوط به الگوريتم بگينگ با دقت 83 درصد مي باشند.

1402/03/20

Forecasting the performance of medical sciences students based on the analysis of educational data using data mining techniques (Case study: Some medical sciences universities)

4/10/2024 12:00:00 AM

Institutions and educational centers are always producing a large amount of information and data. Educational data mining is a growing field, and because of that, by making the right decisions, the educational status of students can be improved so that in the future, efficient and useful human resources will enter society. In educational data mining, by predicting the educational status of students and identifying people at risk, it is possible to help these people in different ways and educate them in the best way. As a result, data mining in education is a good opportunity to discover patterns and hidden information. In this research, the data related to medical science students were examined, it is important to examine the educational status of these students because of their direct relationship with the health of people in society. The purpose of this study is to stratify students in terms of academic status and identify students who did not perform well. Various machine learning algorithms including logistic regression, decision tree, bagging, random forest, linear diagnostic analysis, support vector machine, and K nearest neighbor were used. The use of ensemble learning algorithms led to the improvement of the results, and by using the direct feature selection method, important features were included in the model. The best results in the two-level mode correspond to the random forest algorithm with an accuracy of 90% and in the three-level mode, the bagging algorithm has an accuracy of 83%.

داده هاي آموزشي , عملكرد دانشجويان علوم پزشكي , روشهاي داده كاوي , پيش بيني

educational data , performance of medical science students , data mining methods , forecasting

Maryam Haghi

Rouzbeh Ghousi