مدل شبكه بيزي عوامل مرتبط با افت تحصيلي دانشجويان دانشگاه تهران

Bayesian network model of factors related to academic failure in Tehran university students

زمينه: همواره پژوهشگران با انجام تحقيقات كوشيده‌اند تا با تصميم‌سازي براي مديران نظام آموزشي، از شكل‌گيري و تشديد افت تحصيلي پيشگيري كنند و در اين راستا از روش‌هاي آماري پيش‌بيني استفاده كرده‌اند. شبكه بيزي از جمله روش‌هاي داده‌كاوي پيش­ بيني‌كننده و افت تحصيلي يكي از مشكلات بزرگ نظام آموزش عالي است. هدف: هدف از اين تحقيق شناسايي عوامل مرتبط با افت تحصيلي با استفاده از داده‌كاوي آموزشي و شبكه بيزي بود. روش: جامعه پژوهش، كليه دانشجويان دوره كارشناسي دانشگاه تهران بودند و نمونه‌اي به حجم800 نفر به روش تصادفي طبقه‌ايي انتخاب شد. بعد از اجرا پرسشنامه افت‌تحصيلي دانشجويان و كنارگذاشتن پرسشنامه‌هاي مخدوش، 746 پرسشنامه مورد تحليل قرارگرفت و داده‌ها با استفاده از ابزار محقق‌ساخته سنجش افت‌تحصيلي دانشجويان، كه داراي درستي مورد تأييد استادان و قابليت اعتماد آلفاي كرونباخ برابر با 0/971 بود، جمع‌آوري شد. يافته­ ها: داده‌هاي جمع‌آوري شده از دانشجويان تحليل شد و مدل بيزي آن با ميزان صحت الگوريتم 95/84% بدست آمد. نتيجه ­گيري: نتايج نشان داد، كليه عوامل پرسشنامه در وقوع افت تحصيلي مؤثر بودند و عوامل فردي تنها عاملي بودكه هم بطور مستقيم و هم با تأثير بر سايرعوامل بر وقوع افت تحصيلي اثرگذار بود. ميزان صحت الگوريتم بيانگر اين بودكه با استفاده از مدل شبكه بيز به خوبي مي‌توان وقوع افت تحصيلي را پيش‌بيني كرد.

Background: Researchers have always tried to prevent the formation and escalation of academic failure by making decisions for educational system administrators. For this reason, they have been using forecasting statistical methods. Bayesian network is one of the Predictor Data mining methods and Academic failure is one of the major problems in the higher education system. Aims: The purpose of this study was to identify factors associated with academic failure using educational data mining and Bayesian networks. Method: The research population was all undergraduate students of Tehran University. A sample of 800 people was selected by Stratified Random Sampling. After performing and eliminating confused questionnaires, 746 questionnaires were analyzed and data were collected using researcher-made students' academic failure questionnaire, which had a validity of professors and Cronbach's alpha coefficient of 0/971. Results: Data collected from students was analyzed and Bayesian model was obtained.The accuracy of the algorithm was equal to 95/84% . Conclusion: The results showed that all factors of the questionnaire were effective in the occurrence of academic failure and individual factors were the only factors that directly and indirectly affect the occurrence of academic failure. The accuracy of the algorithm indicates that the Bayesian network model can predict the academic failure well.