انجمن کامپیوتر ایران

امروزه یکی از مهم‌ترین دغدغه‌های سیستم آموزش و پروش کشور، عملکرد تحصیلی مطلوب دانش‌آموزان به جهت جلوگیری از هدر رفتن منابع مالی و انسانی است. به این منظور رویکرد داده‌کاوی مورد توجه قرار گرفته که یکی از اهداف آن شناسایی روشی‌ست که قابلیت عمومی‌سازی خوبی داشته باشد. قابلیت عمومی‌‌سازی دسته‌بندهای ترکیبی (تعدادی دسته‌بند مبنا) بسیار بالاتر از این قابلیت در یک دسته‌بند مبنا است. روش ترکیبی قادر است دسته‌بندهایی که کمی بهتر از تصادفی هستند، به دسته‌بندی با قابلیت پیش‌بینی بالا تبدیل کند. در این مقاله، مدل پیشنهادی، ترکیبی از دو دسته‌بند مبنای متفاوت درخت تصمیم و شبکه‌های عصبی است که دقت پیش‌بینی عملکرد دانش‌آموزان با این روش از دقت تک تک دسته‌بندهای مذکور بیشتر شده است. موضوع قابل اهمیت دیگر مطرح در داده‌کاوی کیفیت داده است. از عوامل تأثیرگذار بر کیفیت داده، وجود مقادیر پرت، گمشده و نحوه‌ی برخورد با این مقادیر است. همچنین به‌منظورکاهش ابعاد مسئله از چندین روش انتخاب ویژگی به منظور افزایش دقت مدل با دخالت دادن عوامل قطعی و مؤثرتر در عملکرد تحصیلی دانش‌آموزان، استفاده شد. داده‌های آزمایشی استفاده شده داده‌های واقعی مربوط به دانش‌آموزان هنرستان مکتبی اصفهان است که بر اساس متدولوژی CRISP-DM و با بهره‌گیری از نرم‌افزار WEKAتحلیل شده‌اند.