ارائه رويكردهاي مبتني بر يادگيري ماشين سنتي و رگرسيوني روي پيش بيني عملكرد دانش آموزان مؤسسات عالي

مقدمه: پيش‌بيني عملكرد دانش‌آموزان به يك خواسته مبرم در اكثر نهادها و مؤسسات آموزشي و آموزشي عالي تبديل شدهاست. اين مسئله براي كمك به دانشآموزان در معرض خطر و اطمينان از حفظ آنها، ارائه منابع و تجربيات عالي يادگيري و بهبود رتبه و شهرت مؤسسات ضروري است. با اين حال، دستيابي به آن براي مؤسسات استارت‌آپي كه سوابق كوچكي براي تجزيه و تحليل دارند، ممكن است دشوار باشد. هدف از پژوهش حاضر ارائه رويكردهاي مبتني بر يادگيري ماشين سنتي و رگرسيوني روي پيش بيني عملكرد دانش آموزان بود. روش: پژوهش حاضر از نوع پژوهش‌هاي كيفي بوده و از لحاظ هدف كاربردي و از لحاظ روش از نوع پژوهش‌هاي تحليلي آزمايشي بود. در اين پژوهش از روش‌هاي رگرسيون خطي، درخت تصميم، جنگل تصادفي و ماشين بردار پشتيباني استفاده شد. در اين بخش پس از معرفي محيط پياده‌سازي، پارامترهاي شبيه‌سازي معرفي شد. در ادامه نيز با معرفي معيارهاي ارزيابي كارايي روش پيشنهادي بر اساس معيارهاي ارزيابي موصوف بررسي و يافته‌ها با ديگر روش‌هاي مشابه مقايسه شد. كه براي اين مقايسات از رويكرد يادگيري عميق مبتني بر شبكه كانولوشني عميق و ديگر رويكردهاي يادگيري عميق استفاده مي‌شود. در اين تحقيق همچنين از مجموعه داده‌هاي مدرسه پسرانه دكتر هشت رودي كه جزو 10 مؤسسه برتر در تهران مي‌باشد استفاده شد. نتيجه‌گيري: نتايج اصلي اين مطالعه كارايي جنگل تصادفي را در آموزش داده‌هاي كوچك و در توليد نرخ آزمون دقيق نشان ميدهد.