کاربرد داده کاوی برای تشخیص گروههای معنادار دانشجویان دانشگاه آزاد اسلامی به همراه پیاده سازی عملی در یک نمونه واقعی

در سال های اخیر اکثر واحدهای دانشگاهی دانشگاه آزاد اسلامی با افت دانشجو مواجه شده اند. این تحقیق با هدف کنترل نرخ اتلاف و افزایش نرخ موفقیت دانشجویان انجام شد. بدین منظور خروجی های موفق آموزشی شامل دانشجویان فارغ التحصیل و خروجی های ناموفق شامل دانشجویان انصرافی، اخراجی و انتقالی مد نظر قرار گرفت و تلاش گردید با استفاده از تکنیک های داده کاوی معنادار بودن این گروههای دانشجویی تشخیص داده شده و وضعیت آنها برای سالهای آینده پیش بینی گردد. مجموعه داده شامل 6098 نفر از دانشجویانی است که بین سالهای 1383 تا 1391 در دانشگاه آزاد تربت جام تحصیل نموده و به شکل موفق یا ناموفق به تحصیل شان پایان داده اند. متدلوژی مورد استفاده crisp-dm و تکنیک مورد استفاده رده بندی با درخت تصمیم c5 است. روش اعتبار سنجی تقسیم تصادفی داده ها با نرم افزار داده کاویspss modeler14.2 به دو مجموعه داده ی آموزشی و تست است. و برای ارزیابی قابلیت اطمینان، نتایج این الگوریتم با الگوریتم های مشهور دیگر مقایسه شده است. بر اساس نتایج حاصل، رده بندی با درخت تصمیم c5 با دقت 88.57% انجام شد و سه گروه دانشجویان انصرافی، اخراجی و فارغ التحصیل به عنوان گروه های معنادار تشخیص داده شد. .و قوانینی برای هر گروه استخراج گردید. همچنین «تعداد کل واحدهای پاس شده» به عنوان مهم ترین شاخص و «کارآیی علمی در حین تحصیل» به عنوان مهم ترین عامل شناخته شد. و اگر چه دقت الگوریتم c5قابل قبول بود ولی قدرت پیش بینی مدل ارائه شده بر اساس chaid 97/90% و نتایج پیش بینی مدل ترکیبی svm و chaid، 51/93% بود.