پيش‌بيني رخداد افت تحصيلي در دانشجويان پزشكي دانشگاه علوم پزشكي لرستان با استفاده از درخت رده‌بندي

Predicting the Incidence of Academic Failure in Medical Students of Lorestan University of Medical Sciences Using Classification Tree

مقدمه و اهداف: افت تحصيلي در دانشجويان رشته پزشكي از اهميت خاصي برخوردار است؛ چرا كه در آينده مي‌تواند سبب كاهش سطح علمي پزشكان شود. اين مطالعه براي پيش‌بيني رخداد افت تحصيلي در دانشجويان پزشكي دانشگاه علوم پزشكي لرستان با استفاده از درخت رده‌بندي انجام شده است. روش كار: در اين مطالعه طولي، پرونده تحصيلي دانشجويان پزشكي ورودي 87-1378 دانشگاه علوم پزشكي لرستان به روش سرشماري انتخاب و تا شهريور 1395 از نظر افت تحصيلي پيگيري شدند. افت تحصيلي بر اساس وجود حداقل يكي از مؤلفه‌هاي معدل كل نامطلوب، طولاني شدن مدت تحصيل، مشروطي، انصراف از تحصيل، اخراج و مردودي در آزمون‌هاي جامع تعريف شد و براي پيشگويي آن از درخت رده‌بندي CRT و نرم‌افزار SPSS نسخه 22 استفاده شد. يافته‌ها: ميزان بروز تجمعي افت تحصيلي 26/4 درصد و شايع ترين مؤلفه‌هاي آن، طولاني شدن مدت تحصيل (21/7 درصد) و مشروطي (15 درصد) بوده است. احتمال افت تحصيلي در افراد داراي سابقه‌ي ميهماني در ساير دانشگاه‌ها 0/449، در افراد فاقد سابقه ميهماني، پذيرفته شده در ورودي‌هايي كمتر از 40 نفر و سهميه قبولي مناطق 1 يا 3 0/022 و در افراد فاقد سابقه‌ي ميهماني، پذيرفته شده در ورودي‌هايي با تعداد حداقل 40 نفر و مذكر 0/456 بوده است. نتيجه‌گيري: با توجه به شناسايي عوامل پيشگوي افت تحصيلي پيشنهاد مي‌شود اين افراد از ابتداي تحصيل به مراكز مشاوره يا استادان راهنماي آموزشي معرفي شوند و در ضمن قوانين ميهماني در ساير دانشگاه‌ها بازبيني شوند.

Background and Objectives: Academic failure is of paramount importance for medical students because it might lead to a decline in scientific level of the community of physicians in the future. This study was conducted to investigate the predictors of academic failure in medical students of Lorestan University of Medical Sciences using classification tree. Methods: In this cohort study, academic records of all medical students of Lorestan University of Medical Sciences during the academic years of 1999-2008 were selected by census and were followed up until September 2016. Academic failure was defined as having at least one of the components of appropriate grade point average, prolonged graduation, academic probation, dropout, expulsion, and any failure in ccomprehensive exams and the CART classification tree was adopted using the SPSS 22 software to predict it. Results: The cumulative incidence of academic failure was 26.4% and the most prevalent components were prolonged graduation (21.7%) and academic probation (15.0%). The probability of academic failure was 0.449 in subjects taking guest courses, 0.220 in subjects with no history of guest courses admitted to courses with less than 40 students and admission quotas of zone 1 or 3, and 0.456 in subjects with no history of guest courses admitted to courses with more than 40 students and males. Conclusion: With respect to identifying the predictors of academic failure, it is suggested that these students be referred to consulting centers of the university or educational supervisors’ moreover, the regulations of taking guest courses in other universities should be revised.