توسعه مدلي براي تخمين و دسته‌بندي عملكرد آموزشي دانشجويان كارشناسي با استفاده از تركيب شبكه‌هاي عصبي چندلايه (مطالعه موردي: دانشگاه قم)

رشد و پيشرفت دانشجويان به‌عنوان سرمايه‌هاي آينده كشور همواره مورد توجه و اهميت نظام آموزش و پرورش بوده است. چه بسيار دانشجوياني كه خلاقيت و استعدادشان شكوفا شده و در مقابل، ساليانه با تعداد كثيري از دانشجويان مواجه هستيم كه استعدادهايشان تلف شده و از موفقيت دور مانده‌اند. امروزه، با افزايش دانشجويان در مقاطع مختلف دانشگاهي و تنوع رشته‌هاي تحصيلي، لزوم هدايت صحيح دانشجويان بيشتر از پيش احساس مي‌شود. بدين‌منظور، داده‌كاوي آموزشي در سال‌هاي اخير مورد توجه ويژه مسئولان نظام آموزش و پرورش قرار گرفته است. تاكنون روش‌ها و تكنيك‌هاي دسته‌بندي متنوعي در حوزه داده‌كاوي و يادگيري ماشين به‌منظور دسته‌بندي و پيش‌بيني عملكرد دانشجويان به‌كار رفته است. اما اين دسته‌بندهاي منفرد براي پيش‌بيني عملكرد در فرايند آموزش، داراي محدوديت‌هايي از قبيل پيچيدگي و عدم ثبات است. براي مقابله با اين مشكل، دسته‌بندهاي جمعي به‌عنوان روش‌هاي نوين و كارآمد مطرح مي‌شوند. سيستم‌هاي دسته‌بندي جمعي نتايج چندين دسته‌بندي منفرد را تركيب مي‌كنند و مدلي با عملكرد بهتر ارائه مي‌دهند. در اين پژوهش يك دسته‌بند جمعي جديد با استفاده از شبكه‌هاي عصبي چندلايه و خوشه‌بندي SOM به‌منظور تخمين و دسته‌بندي معدل دانشجويان دوره كارشناسي ارائه‌ شده است. همچنين، از روش تركيبي ميانگين‌گيري و رأي اكثريت براي تركيب نتايج دسته‌بندهاي منفرد استفاده‌ شده است. نتايج ارزيابي بر روي داده‌هاي واقعي دانشگاه نشان مي‌دهد كه مدل پيشنهادي ارائه‌شده در اين پژوهش دقت و كارايي بيشتري نسبت به روش‌هاي دسته‌بندي منفرد مشهور و پركاربرد دارد. همچنين، مدل پيشنهادي در مقايسه با روش‌هاي جمعي معروف، عملكرد بهتري در دسته‌بندي معدل دانشجويان داشته است.