سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۱۲

نویسنده(ها):

حسن احمدی –
بهارک شاکری اسکی –
محمد علیشاهی –

چکیده:

در سالهای اخیر، پیشرفتهای بسیاری در سیستم های آموزشی، در راستای معرفی تکنولوژی های نوینی همچون آموزش تحت وب رخ داده است. به جرات میتوان گفت بار بسیاری از این پیشرفتها بر دوش یکی از حوز ه های علوم کامپیوتر یعنی داده کاوی است. هدف از دادهکاوی استخراج دانش از مجموعه دادههای بزرگ است و در این مقاله نیز به بررسی نحوه استفاده از روش های طبقه بندی داده که یکی از روش های داده کاوی می باشد ، در غنی کردن سیستمهای آموزش الکترونیک پرداخته شده است. دراین مقاله پیشگویی نتیجه تحصیلی کاربران سیستم آموزش الکترونیک با استفاده از روش های یادگیری ماشین نظیر روشهای ماشین بردار پشتیبان ، درخت تصمیم، بیز ساده و K همسایه نزدیکترین مورد استفاده واقع شده است که در بین این چهار روش، دو روش درخت تصمیم و بیز ساده با ۸۰٫۱۱۳ بیشترین دقت را در پیشگویی در میان روشهای استفاده شده داشتهاند . روش های ماشین بردار پشتیبان وK همسایه نزدیکترین نیز با دقتهای ۷۸٫۴۰۹ و ۷۲٫۴۴۳ در مرتبه های بعدی قرار گرفتند