سال انتشار: ۱۳۸۷

محل انتشار: پنجمین کنفرانس بین المللی مدیریت فناوری اطلاعات و ارتباطات

تعداد صفحات: ۸

نویسنده(ها):

هومن پاینده فر – دانشجوی کارشناسی ارشد دانشکده کامپیوتر دانشگاه پیام نور تهران
حسن سیدرضی – دانشیار دانشکده برق و کامپیوتر دانشگاه تهران
مسعود رهگذر – استادیار دانشکده برق و کامپیوتر دانشگاه تهران

چکیده:

ظهور و رشد بی نظیر اینترنت و وب در دهه های اخیر باعث شده است کاربردهای مختلف این تکنولوژی ها در زندگی روزمره بشری تاثیرات مثبت فراوانی داشته باشند یکی ا ز این موارد تاثیرگذار آموزش الکترونیک بوده است آموزش الکترونیک می تواند به نوعی پدید آورنده عدالت در آموزش باشد تا تمام افراد جامعه فارغ از موقعیت مکانی و زمانی به تحصیل علم بپردازند داده کاوی از شاخه هایی است که به وسیله شخصی سازی می تواند در راستای افزایش کیفی سیستم های آموزش الکترونیک تاثیر بی بدیلی داشته باشد هدف از داده کاوی استخراج دانش از مجموعه داده های بزرگ است و دراین مقاله نیز به بررسی نحوه استفاده از داده کاوی در افزایش کیفیت سیستم های آموزش الکترونیک پرداخته شده است دراین مقاله پیش گویی نتیجه تحصیلی کاربران سیستم آموزش الکترونیک را با استفاده از روشهای یادگیری ماشین، انجام داده ایم که روشهای درخت تصمیم، شبکه های عصبی الگوریتم بیز و رگرسیون منطقی مورد استفاده ما واقع شده اند که روش رگرسیون منطقی با ۸۰٫۹ درصد بیشتری دقت پیشگویی را در میان روشهای استفاده شده داشته است . روشهای درخت تصمیم و بیز ساده نیز دقت مشابه ۸۰٫۱ درصد را داشته اند و در رده بعدی نیز شبکه عصبی با ۷۹٫۳ درصد کمترین دقت را داشته است نتایج به دست آمده می تواند با پیش بینی دقیق تر برای ماژول پیش بینی نتیجه تحصیلی فراگیران، کمک شایانی در افزایش کیفیت سیستم آموزش الکترونیک و شخصی سازی بهتر آن نماید.