دهه هفتاد را می توان آغازی بر ورود دستاوردهای هوش مصنوعی به مسایل تخصصی تر و شاخه هایی از علم که تأثیر بیشتری بر زندگی مردم دارند، از جمله حوزه پزشکی به حساب آورد. هدف ابتدایی ارائه رایانه ها در اقدامات پزشکی در سال 1960 به طور مشخص عبارت بود از تدارک تصمیماتی برای پزشکان که آن ها را کمک کند تا از استدلال مبتنی بر هوش مصنوعی جهت تشخیص پزشکی استفاده کنند. پزشکان دریافتند که ساختار تصمیم ساز به جای ساختار تصمیم یار تهدیدی است برای خودمختاری و استقلال عمل متخصصین بالینی. پس از آن مفهوم مهم سیستم پشتیبان تصمیم گیری به عنوان جایگزین، مطرح شد اما تا کنون کاربرد جامع و قابل قبولی از فناوری اطلاعات در حوزه تشخیص و درمان دیده نشده است. خدمات پزشکی امروزه جزء مهم ترین دغدغه های جوامع بشری هستند و با مشکلات بسیاری مواجه می باشند. خدمات پزشکی به عنوان بزرگ ترین صنعت، این روزها به نا آرام ترین و بحرانی ترین صنعت تبدیل شده است و با انبوه هزینه های سنگین مواجه می باشد. انبوه مشکلات کیفی در سطح خدمات شناسایی شده و تقاضا برای خدمات پزشکی جامع ریسک بالای این شرایط را تایید می کند. در سال های اخیر مفهوم جدیدی با عنوان «درمان بر پایه شواهد» به حوزه سلامت و پزشکی راه یافته و در همین مدت کوتاه به لحاظ کاربردی جایگاه ویژه ای در تشخیص و درمان بیماری ها به خود اختصاص داده است. درمان بر پایه شواهد را می توان هر زمان که شک و تردیدی در تشخیص و درمان، مداخله یا پیش بینی بیماری وجود دارد، به کار برد. تصمیم گیری با کمک درمان بر پایه شواهد ترکیبی از خبرگی فردی، تجربه، دانش و تخصص کلینیکی با بهترین شواهد خارجی بازبینی شده در طول تحقیقات مختلف می باشد. این روش علیرغم مزایای بسیار واضح و مشخصی که دارد، به دلیل گستردگی دانش موجود به لحاظ زمانی کارا نمی باشد. تمرکز اصلی ما در این تحقیق ورود فناوری اطلاعات به حوزه پزشکی به منظور کاهش هزینه ها، صرفه جویی در وقت و بهبود سطح خدمات می باشد. به این منظور مکانیزم جدیدی بر مبنای درمان بر پایه شواهد برای درمان بیماران ارتوپدی طراحی و سپس آن را در قالب یک سیستم کامپیوتری تصمیم یار در تشخیص و درمان بیماران اورژانس ارتوپدی بکار گرفتیم. نتایج حاصل از این تحقیق نشان می دهد، بکار گیری این مکانیزم به دلیل منابع و مستنداتی که در دفاع از خروجی های خود ارائه میکند، از قابلیت اطمینان بالایی برخوردار است. بعلاوه منجر به صرفه جویی قابل ملاحظه ای در هزینه و زمان نیز می شود.

کاوش اطلاعات وکسب دانش مفید از پایگاه داده ها یکی از مهمترین اهداف بسیاری ازسازمان ها و زمینه های تحقیقاتی در سال های اخیر بوده است .دلیل عمده ای که داده کاوی توجه در صنعت اطلاعات را در سالهای اخیر جلب نموده است ، این است که با حجم بالای داده درسطح گسترده ای سرو کار دارد و نیاز حتمی تبدیل داده به اطلاعات مفید و دانش وجود دارد. با توجه به علاقه روز افزون به رویکردهای داده کاوی و بهبود عملکرد سیستم های آموزشی ، این امر منجر به ایجاد داده کاوی آموزشی در یک جامعه پژوهشی در حال رشد می شود. داده کاوی آموزشی به بررسی و استخراج اطلاعات از سیستم های آموزشی و بکارگیری نتایج جهت بهبود سیستم آموزش، اشاره دارد. در این پایان نامه پس از بررسی ماهیت داده کاوی، تاریخچه و کاربردهای آن، به معرفی رویکرد داده کاوی آموزشی پرداخته و تحقیقات انجام گرفته در این زمینه را مورد بررسی قرار می دهیم.در ادامه با به دست آوردن داده های مورد نیاز از مدارس که شامل بانک اطلاعاتی مدارس برای داده های آموزشی و پرسش نامه دانش آموزان برای داده های تربیتی می باشد و بکارگیری و پیاده سازی تکنیک ها و الگوریتم های مختلف داده کاوی از جمله کاوش قوانین انجمنی، خوشه بندی ، دسته بندی و درخت تصمیم بر روی این داده ها مدلی جهت تحلیل داده های تربیتی و آموزشی دانش آموزان ارائه خواهیم داد. در روش پیشنهادی سعی بر این است که با استخراج روابط و الگوهای درست درمیان رفتارهای آموزشی و تربیتی دانش آموزان، راهکارهایی جهت بهبود عملکرد آموزشی دانش آموزان ارائه دهیم.