استاد راهنما:
دکتر امیر افسر
 

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

درک عواملی که منجر به موفقیت یا شکست در امتحانات مسئله ای جالب و چالش برانگیز است.مفاهیم مرتبط، تجزیه و تحلیل عوامل موفقیت در امتحانات، ممکن است به درک و به طور بالقوه به بهبود پیشرفت تحصیلی کمک کند.بنابراین در این پژوهش ضمن مروری کلی بر داده کاوی و ویژگی های اصلی یک داشبورد مدیریتی کارا، سعی بر این است تا یک مطالعه موردی بر روی پایگاه داده های دانشگاه های سراسری و آزاد استان قم صورت گیرد تا پیشرفت تحصیلی دانشجویان پیش بینی گردد.

در این پژوهش ابتدا توسط الگوریتم k-means خوشه بندی صورت گرفته است و با بهره گرفتن از شاخص ارزیابی SSE ، تعداد خوشه بهینه تعیین گردیده است. بنابراین تعداد خوشه بهینه برای دانشجویان چهار خوشه می باشد و سپس خوشه ها با روش های پیش بینی داده کاوی از جمله شبکه عصبی و درخت تصمیم C5 که از پرکاربردترین و دقیق ترین روش های پیش بینی می باشند، پیش بینی شده اند و درنهایت با بهره گرفتن از نتایج این روش ها، شاخص های مناسب یافت شدند و به صورتی روشن در یک داشبورد نمایش داده شدند.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

پیش‌‌‌‌بینی آینده در زمینه‌های مختلف همواره برای انسان جالب و جذاب بوده است. با اطمینان می‌توان گفت که پیش‌‌‌‌بینی آینده و روند تغییرات در همه‌ی حوزه‌ها از دغدغه‌های اصلی و همیشگی مدیران سطح بالا و میانی می‌باشد. اما همواره مشکلات فراوانی در برابر آن وجود داشته است که انجام پیش‌‌‌‌بینی‌های دقیق و قابل اعتماد را تقریباً غیرممکن نموده است (توحیدی- مقدم و فرهادی، 1391). در سالهای اخیر با توجه به جذابیت‌هایی که در زمینه داده‌کاوی و همچنین پیش‌‌‌‌بینی که یکی از اهداف داده‌کاوی می‌باشد وجود دارد،تحقیقات زیادی در این حوزه انجام شده است.

در حال حاضر در اکثر دانشگاه‌ها بانک‌های اطلاعاتی وسیعی از ویژگی‌های دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی و تحصیلی را شامل می‌شود و از آن‌جایی که امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است. مدیران باید سریع‌تر و درست‌تر از قبل تصمیم بگیرند. لازمه چنین امری، دستیابی سریع و دقیق به دانش است و برای دستیابی به دانش، وجود ابزارهای کارا و موثری نظیر داشبوردهای مدیریتی ضرورت دارد. ارزش داشبورد در اتصال ویژگی‌ها و کاربرد مناسب آن در سازمان است. گرچه تا به امروز توافق خاصی در اینکه داشبورد باید دقیقا چگونه باشد و چه کارهایی را انجام دهد، وجود ندارد اما به طور کلی انتظار می‌رود داشبورد، امکان جمع‌آوری، خلاصه‌سازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخص‌ها را به طور یک‌جا ملاحظه نماید.

هدف از انجام این تحقیق، داده‌کاوی‌آموزشی جهت مقاصد پیش‌‌‌‌بینی پیشرفت تحصیلی دانشجویان به همراه داشبورد آن می‌باشد، داده‌کاوی‌آموزشی یک حوزه علمی نوظهور است که به توسعه روش هایی برای کاوش و اکتشاف دانش در محیط‌های آموزشی می‌پردازد. پیشرفت‌ تحصیلی دانشجویان یکی از اموری است که در امر آموزش مطرح است و از مسائل مورد توجه مدیران آموزشی دانشگاه‌هاست. در این تحقیق سعی شده از داده‌کاوی و فنون آن استفاده شود و با بهره گرفتن از داده‌هایی که در دانشگاه‌ها موجود است پیشرفت تحصیلی را پیش‌‌‌‌بینی نمود. پس از آشنایی با ادبیات مسئله و مرورکلی بر ویژگی‌های اصلی یک داشبورد مدیریتی کارا، روش های داده‌کاوی و پیش‌‌‌‌بینی به عنوان مطالعه موردی کار پیش‌‌‌‌بینی در امور آموزش را انجام داده‌ایم. معدل دانشجویان به‌صورت تصادفی تغییر نمی‌کند، بلکه تغییرات بر اساس یک روند تکرار پذیر و قابل تشخیص صورت می‌گیرد، پس قابل پیش‌‌‌‌بینی است. برای این منظور پس از گردآوری داده‌ها جهت داده‌کاوی، با بهره گرفتن از روش های شبکه‌عصبی و درخت‌تصمیم C5، کار پیش‌‌‌‌بینی را انجام داده ایم و بعد از پیش‌‌‌‌بینی، طراحی و پیاده‌سازی داشبورد آن صورت گرفت.

2-1- تعریف مسأله و بیان سوال های اصلی تحقیق

از هنگامی که رایانه در تحلیل و ذخیره‌سازی داده‌ها به‌کار رفت (1950) پس از حدود 20 سال، حجم داده‌ها در پایگاه‌داده‌ها دو برابر شد ولی پس از گذشت دو دهه و همزمان با پیشرفت فن‌آوری

اطلاعات(IT) هر دو سال یکبار حجم داده‌ها، دو برابر شد. همچنین تعداد پایگاه‌داده‌ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده‌ها و آمارشناسان با این سرعت رشد نكرد. حتی اگر چنین امری اتفاق می‌افتاد، بسیاری از پایگاه‌داده‌ها چنان گسترش یافته‌اند که شامل چندصدمیلیون یا چندصدمیلیارد رکورد ثبت شده هستند و امکان تحلیل و استخراج اطلاعات با روش‌های معمول آماری از دل انبوه داده‌ها مستلزم چند روز کار با رایانه‌های موجود است. حال با وجود سیستم‌های یکپارچه اطلاعاتی، سیستم‌های یکپارچه بانکی و تجارت الکترونیک، لحظه به لحظه به حجم داده‌ها در پایگاه‌داده‌های مربوط اضافه شده و باعث به‌وجود آمدن انبارهای ( توده‌های ) عظیمی از داده‌ها شده است به‌طوری که ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه‌داده‌ها بیش از پیش نمایان شده است. داده‌کاوی یا استخراج و کشف سریع و دقیق اطلاعات باارزش و پنهان از این پایگاه‌داده‌ها از جمله اموری است که هر کشور، سازمان و شرکتی به منظور توسعه علمی، فنی و اقتصادی خود به آن نیاز دارد. با توجه به فصول دهم و یازدهم قانون برنامه سوم توسعه در خصوص داد و ستدهای الکترونیکی و همچنین تأکید بر برخورداری کشور از فن‌آوری‌های جدید اطلاعات برای دستیابی آسان به اطلاعات داخلی و خارجی، دولت مکلف شده است امکانات لازم برای دستیابی آسان به اطلاعات، زمینه‌سازی برای اتصال کشور به شبکه‌های جهانی و ایجاد زیرساخت‌های ارتباطی و شاهراه‌های اطلاعاتی فراهم کند. واضح است این امر باعث ایجاد پایگاه‌های عظیم داده‌ها شده و ضرورت استفاده از داده‌کاوی را بیش از پیش نمایان می سازد.

داده‌کاوی فرآیندی تحلیلی است که برای کاوش داده‌ها(معمولا حجم عظیمی از داده‌ها) صورت می‌گیرد و یافته‌ها با به‌کارگیری الگوهایی، احراز اعتبار می‌شوند. این تکنولوژی امروزه دارای کاربرد بسیاروسیعی در حوزه‌های مختلف است به‌گونه‌ای که حدومرزی برای کاربرد این دانش درنظر نگرفته و زمینه‌های کاری این دانش را از ذرات کف اقیانوس‌ها تا اعماق فضا می‌دانند. امروزه، بیش‌ترین کاربرد داده‌کاوی در بانک‌ها، مراکز‌‌ درمانی، بیمارستآن‌ها، بازاریابی هوشمند، مراکز تحقیقاتی و زمینه‌هایی که در آن مقدار زیادی از داده‌ها در حال جمع‌آوری و ذخیره می‌باشد. هدف اصلی داده‌کاوی پیش‌‌‌‌بینی است. یکی از عناصر کلیدی در مدیریت و تصمیم‌گیری، پیش‌‌‌‌بینی پارامترها و متغیرهای لازم در یک محدوده سیستمی می‌باشد.

پیش‌‌‌‌بینی به عنوان یکی از مهم‌ترین شاخه‌های علمی مطرح شده است و روز به روز توسعه و پیشرفت می نماید و در بخش های مختلف به کار گرفته می‌شود. پیشرفت‌های اخیر در تکنولوژی‌های جمع‌آوری و ذخیره‌سازی داده، موجب شده که سازمان‌ها، حجم زیادی از داده‌های مربوط به فعالیت‌های روزانه‌ی خود را انباشته کنند. داده‌هایی که توسط سازمان‌ها جمع‌آوری شده است بسیار ارزشمند است و برای اهداف مختلف می‌تواند مورد استفاده قرار گیرد. یکی از این اهداف پیش‌‌‌‌بینی‌هایی می‌باشد که جهت بهبود عملکرد و برنامه‌ریزی‌هایشان از آن‌ها استفاده می‌نمایند.

مدیران سازمان‌های مختلف به دلیل عدم قطعیت و پیچیدگی محیط سعی بر آن دارند تا مکانیزمی را در اختیار داشته باشند که بتوانند آن‌ها را در امر تصمیم‌گیری‌شان یاری و مشاوره دهد و به همین دلیل سعی در استفاده از روش‌های پیش‌‌‌‌بینی دارند که به واسطه‌ی آن‌ها تخمین‌هایشان به واقعیت نزدیک و خطاهایشان بسیار‌کم باشد. این امر باعث توجه بسیاری به روش‌های نوین پیش‌‌‌‌بینی شده است.

داده‌کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش‌مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می‌باشد. داده‌کاوی فرایندی پیچیده جهت شناسایی الگوها، مدل‌های صحیح و بالقوه مفید در حجم وسیعی از داده است، به طوریکه این الگوها ومدل‌ها برای انسآن‌ها قابل درک باشند(Han et al,2006). داده‌کاوی به‌صورت یک محصول قابل خریداری نیست، بلکه یک رشته علمی و فرآیندی است که باید به‌صورت یک پروژه پیاده‌سازی شود. در گذشته موسسات آموزشی از مزیت داده‌کاوی به خوبی بعضی حوزه‌های دیگر توجه نداشته‌اند اما در سال‌های اخیر تحقیقات زیادی در زمینه بكارگیری فرآیند داده‌كاوی در امر آموزش صورت می‌گیرد. این زمینه تحقیقاتی جدید، داده‌كاوی‌آموزشی نامیده می‌شود كه به امر توسعه روش‌های كشف دانش از داده‌های محیط‌های آموزشی خصوصاً دانشجویان می‌پردازد(Romero et al,2007). داده‌های جمع‌آوری شده در مورد دانشجویان می‌تواند شخصی یا آموزشی باشد كه از طریق دفاتر و پایگاه داده‌های موجود در مدارس یا دانشكده‌ها جمع‌‌آوری می‌شوند. این نوع داده‌ها همچنین از طریق سیستم‌های آموزش الكترونیكی قابل دستیابی هستند. با به‌كارگیری تكنیک‌های شبکه‌عصبی و درخت‌تصمیم روی داده‌های آموزشی می توان اطلاعات و