ارائه چارچوب جدیدی برای تعیین عوامل تاثیرگذار بر نمره ارزشیابی اساتید با ترکیب روشهای داده کاوی

آموزش عالی به عنوان بخشی از نظام آموزشی که هدف مهم ایجاد نوآوری و پرورش نیروی انسانی متعهد و متخصص در زمینه های گوناگون مورد نیاز جامعه را دنبال می کنند، نقش حیاتی و کلیدی در توسعه ملی هر کشوری دارد. مسلماً در هر سیستمی شاخص هایی جهت ارزیابی کیفیت در نظر گرفته شده است. ارزشیابی اعضای هیئت علمی به عنوان یک استراتژی مهم برای ارتقای کیفیت آموزشی، مورد توجه دانشگاه ها است. این تحقیق در پی رده بندی اساتید بر اساس داده های موجود در پایگاه داده مربوط به حوزه آموزشی دانشگاه و ارزشیابی های انجام شده توسط دانشجویان می باشد. در ادامه، قوانین انجمنی به دست آمده بین مشخصه های مربوط به استاد، درس، عوامل کلاسی و عمومی و نمره ارزشیابی استاد مورد بررسی قرار می گیرد. برای انجام این پژوهش ، ابتدا تحقیقات انجام شده در خصوص کاربردهای داده کاوی در سیستمهای آموزشی مرور و بررسی گردید. بسیاری از کارهای انجام شده مربوط به ارزیابی استاد توسط دانشجو، در حوزه های تکنولوژی آموزشی، علوم تربیتی، روانشناسی به این مسئله پرداخته است. در زمینه داده کاوی آموزشی نیز بیشترین توجه به دانشجویان معطوف بوده است. به منظور پیاده سازی تکنیک های داده کاوی بر روی مسئله مورد بحث مجموعه داده ای مربوط به ارزشیابی 868 نفر از اساتید یکی از دانشگاههای بزرگ کشور مربوط به سالهای 1387-1381 جمع آوری و مورد تجزیه و تحلیل قرار گرفت. در تمام مراحل انجام کار، استاندارد crisp-dm به عنوان یکی از پرکاربردترین روشهای انجام پروژه های داده کاوی مبنای کار واقع شد. پس از بررسی و شناخت مسائل اصلی تحقیق و تحقیقات انجام شده پیشین، کار آماده سازی یا پیش پردازش داده ها انجام شده و پس از گذراندن این مرحله زمانبر ، مرحله مدل سازی آغاز گردید که به دلیل ارتباط تنگاتنگ بین پیش پردازش صحیح و مناسب داده ها و صحت مدلهای ساخته شده، بارها مراجعه مجدد به مرحله آماده سازی صورت گرفت. در مرحله مدل سازی ابتدا عملیات خوشه بندی با استفاده از الگوریتم k-means انجام شد که تعداد 5 خوشه به عنوان تعداد خوشه بهینه انتخاب گردید. با در نظر گرفتن نتایج خوشه بندی متغیر جدید شماره خوشه به هر نمونه اضافه گردید. این کار نتایج خوشه بندی را در رده بندی حفظ نموده و باعث بهبود میزان صحت الگوریتم های c5.0 و svm شده است. همچنین جهت دست یافتن به دقت بالاتر نتایج دو الگوریتم را با یکدیگر ترکیب نموده ایم که در نهایت به صحت رده بندی 94.17 درصد دست یافته ایم. در ادامه، از قوانین انجمنی و الگوریتم gri جهت تعیین قواعد و رابطه های موجود بین مشخصه های ورودی و سطح نمره ارزیابی استاد استفاده شده است.