پیشبینی کارایی مربی با استفاده از تکنیکهای دادهکاوی در آموزش عالی
پیشبینی کارایی مربی با استفاده از تکنیکهای دادهکاوی در آموزش عالی
زهرا شب خیز1
1) کارشناسی ارشد آموزش زبان انگلیسی. دانشگاه آزاد اسلامی واحد
کد IOI مقاله
:
AAAB-ABCBDD
محل انتشار :
دومین کنگره بین المللی علوم مهندسی و توسعه شهری پایدار(dtuconf.com)
چکیده :
کاربردهای دادهکاوی در حال تبدیل شدن به ابزاری رایجتر در درک و حل مشکلات آموزشی و اداری در آموزش عالی هستند. به طور کلی، تحقیقات در دادهکاوی آموزشی بر مدلسازی عملکرد دانشجویان به جای عملکرد اساتید تمرکز دارد. یکی از ابزارهای رایج برای ارزیابی عملکرد اساتید، پرسشنامه ارزیابی دوره برای ارزیابی بر اساس ادراک دانشجویان است. در این مقاله، از چهار تکنیک طبقهبندی مختلف - الگوریتمهای درخت تصمیمگیری، ماشینهای بردار پشتیبان، شبکههای عصبی مصنوعی و تحلیل تشخیصی - برای ساخت مدلهای طبقهبندیکننده استفاده شده است. عملکرد آنها بر روی یک مجموعه داده متشکل از پاسخهای دانشجویان به یک پرسشنامه ارزیابی دوره واقعی با استفاده از معیارهای عملکرد دقت، صحت، یادآوری و ویژگی مقایسه شده است. اگرچه همه مدلهای طبقهبندیکننده عملکرد طبقهبندی نسبتاً بالایی را نشان میدهند، طبقهبندیکننده C5.0 از نظر دقت، صحت و ویژگی بهترین است.علاوه بر این، تحلیلی از اهمیت متغیر برای هر مدل طبقهبندی انجام میشود. بر این اساس، نشان داده میشود که بسیاری از سوالات پرسشنامه ارزیابی دوره، نامربوط به نظر میرسند. علاوه بر این، این تحلیل نشان میدهد که موفقیت مدرسان بر اساس درک دانشجویان، عمدتاً به علاقه دانشجویان به دوره بستگی دارد. یافتههای این مقاله، اثربخشی و گویایی مدلهای دادهکاوی در ارزیابی دوره و دادهکاوی آموزش عالی را نشان میدهد. علاوه بر این، این یافتهها ممکن است برای بهبود ابزارهای اندازهگیری مورد استفاده قرار گیرند.
کلمات کلیدی : شبکههای عصبی مصنوعی الگوریتمهای طبقهبندی درختهای تصمیمگیری تحلیل تفکیک خطی ارزیابی عملکرد ماشینهای بردار پشتیبان