التفاصيل البيبلوغرافية
| العنوان: |
توسعة مدلی برای تخمین و دسته‌بندی عملکرد... (Arabic) |
| Alternate Title: |
Development of a Model for Estimating and Classifying the Educational Performance of Undergraduate Students Using a Combination of Multilayer Neural Networks (Case study: Qom University). (English) |
| المؤلفون: |
هدیه مهدوی, جالل رضائی‌نور, محمد امینی |
| المصدر: |
Iranian Journal of Information Processing & Management; Summer2022, Vol. 37 Issue 4, pxix-1349, 33p |
| مصطلحات موضوعية: |
DATA mining, PLURALITY voting, GRADE point average, MACHINE learning, STUDENTS, SELF-organizing maps |
| Abstract (English): |
Students’ growth and development have always been considered important by the education system as they are the future assets of their country. Although many students can flourish their talents and creativity, we are faced with a large number of students each year whose talents are squandered leading them to a position far from success. Today, with the more students entering in different academic levels and the variety of study disciplines, the necessity to properly guide students is felt more than ever. For this purpose, educational data mining has received special attention from the educational system’s officials in recent years. So far, various classification methods and techniques in data mining and machine learning have been used to predict student performance. However, these individual classifiers have limitations such as complexity and instability for predicting performance in the education process. To tackle this problem, ensemble classification has been proposed as a new and efficient method. Ensemble classification systems combine the results of several individual classifiers to provide a model with better performance. In this paper, a new Ensemble classification system is presented using multilayer neural networks and SOM clustering in order to estimate and classify the grade point average of undergraduate students. In addition, we used averaging and majority voting as combination methods for aggregating the results of individual classifiers. Evaluation results on real university data show that our proposed ensemble system provides better accuracy and performance compared to prevalent individual classification methods. Also, the proposed ensemble system obviously outperforms other popular ensemble methods in classifying students’ GPA. [ABSTRACT FROM AUTHOR] |
| Abstract (Arabic): |
رشــد و پیشــرفت دانشــجویان بهعنــوان ســرمایههای آینــدة کشــور همـواره مـورد توجـه و اهمیـت نظـام آمـوزش و پـرورش بـوده اسـت. چـه بسـیار دانشــجویانی کــه خالقیــت و استعدادشــان شــکوفا شــده و در مقابــل، ســالیانه بــا تعــداد کثیــری از دانشــجویان مواجــه هســتیم کــه استعدادهایشــان تلــف شــده و از موفقیــت دور ماندهانــد. امــروزه، بــا افزایــش دانشــجویان در مقاطــع مختلــف دانشــگاهی و تنــوع رشــتههای تحصیلــی، لــزوم هدایــت صحیــح دانشــجویان بیشــتر از پیــش احســاس میشــود. بدینمنظــور، دادهکاوی آموزشــی در ســالهای اخیــر مــورد توجــه ویــژة مســئوالن نظــام آمــوزش و پــرورش قــرار گرفتــه اســت. تاکنــون روشهــا و تکنیکهــای دســتهبندی متنوعــی در حــوزة دادهکاوی و یادگیــری ماشــین بهمنظــور دســتهبندی و پیشبینــی عملکــرد دانشــجویان بــهکار رفتــه اســت. امــا ایــن دســتهبندهای منفــرد بــرای پیشبینــی عملکــرد در فراینــد آمــوزش، دارای محدودیتهایــی از قبیــل پیچیدگــی و عـدم ثبـات هسـتند. بـرای مقابلـه بـا ایـن مشـکل، دسـتهبندهای جمعـی بهعنـوان روشهــای نویــن و کارآمــد مطــرح میشــوند. سیســتمهای دســتهبندی جمعــی نتایــج چندیــن دســتهبند منفــرد را ترکیــب میکننــد و مدلــی بــا عملکــرد بهتــر رائــه میدهنــد. در ایــن پژوهــش یــک دســتهبند جمعــی جدیــد بــا اســتفاده از شــبکههای عصبــی چندالیــه و خوشــهبندی SOM بهمنظــور تخمیــن و دســتهبندی معــدل دانشــجویان دورة کارشناســی ارائــه شــده اســت. همچنیــن، از روش ترکیبــی میانگینگیــری و رأی اکثریــت بــرای ترکیــب نتایــج دســتهبندهای منفــرد اســتفاده شــده اســت. نتایــج ارزیابــی بــر روی دادههــای واقعــی دانشــگاه نشــان میدهـد کـه مـدل پیشـنهادی ارائهشـده در ایـن پژوهـش دقـت و کارایـی بیشـتری نسـبت بـه روشهـای دسـتهبندی منفـرد مشـهور و پرکاربـرد دارد. همچنیـن، مـدل پیشـنهادی در مقایسـه بـا روشهـای جمعـی معــروف، عملکــرد بهتــری در دســتهبندی معــدل دانشــجویان داشــته اســت. [ABSTRACT FROM AUTHOR] |
|
Copyright of Iranian Journal of Information Processing & Management is the property of Iranian Information & Documentation Center (IRANDOC) and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) |
| قاعدة البيانات: |
Supplemental Index |
Full Text Finder