شماره ركورد
21432
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
21432
پديد آورنده
سيدمهدي علوي
عنوان
پيش بيني رتبه سهميه نهايي داوطلبان آزمون ورودي دانشگاهها با استفاده از روشهاي داده كاوي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
نرم افزار
سال تحصيل
1395
تاريخ دفاع
1398/6/30
استاد راهنما
دكتر بهروز مينايي بيدگلي
استاد مشاور
دكتر سيدباقر ميراشرفي
دانشكده
كامپيوتر
چكيده
يكي از مراحل مهمي در مسير تحصيلي دانش آموزان، شركت در آزمون سراسهري بهراي تعيين رشته تحصيلي و به تبع آن مسير زندگي آينده آنان است. ازاينرو همواره اين آزمون از حساسيت و شرايط ويژهاي برخوردار بوده است. با وجود تمام تلاشها براي تغيير نحوه برگزاري اين آزمون، همچنان پيش بيني وضعيت علمي داوطلبان و ميزان موفقيت آنان در بسياري از مواقهع با رتبه كسب شده توسط آنان پس از برگزاري آزمون سنجيده مي شود. در اين پروژه تحليل داده هاي
موجود داوطلبان به منظور شناسايي و دسته بندي آنان و پيش بيني وضعيت آنان از جمله رتبه شركت كنندگان در آزمون سراسري، قبل از آنكه در آزمون شركت كرده باشند، انجام ميشود. براي رسيدن به هدف تعريف شده در اين پروژه، از داده هاي داوطلبان آزمون سراسري در سه سال 1395 ، 1396 و 1397 ، متدولوژي CRISP و نرم افزار داده كاوي SPSS Modeler 18.0 استفاده شده است.
در اين طرح براي پيش بيني رتبه سهميه نهايي داوطلبان آزمون سراسري با استفاده از دو روش درخت تصميم و شبكه عصبي، مدل ايجاد نموديم. از ميان روش هاي C&R ، QUEST و C5.0 مدل ايجادشده با روش سوم به مراتب نتايج بهتري در پيش بيني رتبه سهميه نهايي داوطلبان به دست آمد. دو روش ديگر نيز نتايج قابل قبولي را داشتند كه در مقايسه با روش C5.0 دقت پايين تري داشت. در روش C5.0 حدود 93 درصد از رتبه هاي پيش بيني شده داراي بالاترين ميزان دقت در درخت ايجادشده بودند.در روش شبكه عصبي نيز با استفاده از شبكه هاي ده لايه و مقايسه ميزان اختلاف رتبه هاي واقعي با رتبه هاي پيش بيني شده توسط مدل به دست آمده، با صحت حدود
76 درصد نتيجه گرفتيم.
تاريخ ورود اطلاعات
1398/09/24
عنوان به انگليسي
Prediction of Participants' Quota Rank in Universities' Entrance Exam Using Data mining Methods
تاريخ بهره برداري
10/22/2019 12:00:00 AM
دانشجوي وارد كننده اطلاعات
سيدمهدي علوي
چكيده به لاتين
Prediction of Participants' Quota Rank in Universities' Entrance Exam Using Data mining Methods