مدلي براي بخش‌بندي يادگيرندگان و بهبود عملكرد آموزشي با استفاده از الگوريتم‌هاي داده‌كاوي

A Model for Learners Segmentation and Educational Performance Improvement Using Data Mining Algorithms

ارزيابي عملكرد آموزشي از طريق شناسايي و تحليل داده‌هاي حاصل از فعاليت‌هاي يادگيرندگان، مي‌تواند به بهبود مؤثر عملكرد آموزشي منجر گردد. در پژوهش حاضر، داده‌هاي مربوط به دانش پذيران بين‌المللي، بر اساس روش تحقيق علم طراحي و با استفاده از روش‌هاي داده‌كاوي مورد بررسي قرار گرفته است. در اين راستا تحقيقات انجام‌گرفته داخلي و بين‌المللي در دهه گذشته بررسي و مرور شده است و داده‌هاي تحصيلي و غير تحصيلي يادگيرندگان در سه دسته خانوادگي، حمايتي و رفتار تحصيلي با استفاده از داده‌كاوي، خوشه‌بندي شده است. پس از اعتبارسنجي خروجي الگوريتم‌ها توسط شاخص‌هاي مرتبط و تعيين تعداد خوشه بهينه در هر بخش، خوشه‌ها نام‌گذاري و تحليل شدند. تحليل خوشه‌هاي شناسايي‌شده، نشان‌دهنده تجربه موفقيت يا شكست تحصيلي دانش پذيران و ريشه‌هاي عملكرد مؤثر در هر بخش است و روش نام‌گذاري ارائه‌شده، روشي نوين و قابل‌استفاده در اغلب مراكز آموزشي جهت تفكيك و تبيين عملكرد آموزشي است.

Educational performance measurement through the identification and analysis of data extracted from learners’ activities can effectively result in the improvement of educational performance. In this Article, data of international learners was analyzed based on design science methodology and using data mining methods. In this regard, domestic and international research has been reviewed over the past decade and the academic and non-academic data of students were clustered into three categories: family, supportive, and academic behavior. After the validation of algorithms outputs and determining the number of optimal clusters in each category, clusters were labeled and analyzed. Analysis of labels presents the experience of success or failure of students and roots of effective performance in each cluster, and the labeling method proposed is a new and applicable method in most of the learning centers for segmenting and formulating the educational performance.