اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديداستخدام تقنيات التنقيب في البيانات لتحليل مستوى الطلاب
Using Data Mining Techniques to Analyze Students’ Performance
3425
22 1191
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
يهدف هذا البحث إلى تقديم دراسة حالة عن استخدام تقنيات التنقيب في بيانات المؤسسات التعليمية, و ذلك من خلال استعمال تقنيات التنقيب في البيانات.
The objective of this paper is presenting an educational data mining case study, by applying data mining techniques.
مراجعة الذكاء الصنعي:
ملخص البحث
يهدف هذا البحث إلى تقديم دراسة حالة عن استخدام تقنيات التنقيب في البيانات في المؤسسات التعليمية، وذلك من خلال استعمال تقنيات مثل التصنيف، التجميع، قواعد الارتباط والكشف عن الحالات الشاذة وتطبيقها على درجات الطلاب باستخدام برنامج SQL Server Business Intelligence Development Studio. الهدف من ذلك هو فهم أفضل لعوامل النجاح والرسوب عند الطلاب وتقديم توصيات لتحسين جودة التعليم. تم جمع بيانات أداء الطلاب لعامين دراسيين متتاليين من مقرر "التنقيب في البيانات" في الجامعة الافتراضية السورية. تم تطبيق أربع تقنيات لتحقيق أربع غايات: الكشف عن قواعد الارتباط لفهم السمات الأكثر ارتباطاً بالنجاح أو الرسوب، التصنيف لتوقع نجاح أو رسوب الطالب، التجميع لتجميع الطلاب المتشابهين من حيث التحصيل العلمي، والكشف عن الحالات الشاذة لفهم الأسباب وراء الأداء غير المتوقع لبعض الطلاب. أظهرت النتائج أن المشروع العملي هو العامل الأكثر تأثيراً على رسوب الطالب، وأن الامتحان العملي هو العامل الأهم في عملية التوقع. كما تم فرز الطلاب إلى مجموعتين (ناجحين وراسبين) مما يساعد المدرس على توجيه كل مجموعة بناءً على مستواها. أخيراً، تم الكشف عن الحالات الشاذة بين الطلاب والتي تعتبر مهمة جداً للمدرسين لتحليل الأسباب واتخاذ الإجراءات المناسبة.
قراءة نقدية
دراسة نقدية: يعتبر هذا البحث خطوة مهمة نحو تحسين جودة التعليم من خلال استخدام تقنيات التنقيب في البيانات. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، حجم العينة المستخدمة في البحث صغير نسبياً (113 سجل فقط)، مما قد يؤثر على دقة النتائج. ثانياً، تم استخدام بيانات من مقرر واحد فقط، وهو ما قد لا يكون كافياً لتعميم النتائج على جميع المقررات أو الجامعات. ثالثاً، كان من الأفضل تقديم تحليل أعمق للنتائج ومناقشة كيفية تطبيق التوصيات بشكل عملي في البيئة التعليمية. وأخيراً، يمكن تحسين البحث من خلال استخدام تقنيات تنقيب بيانات أكثر تنوعاً وتقدماً، مثل الشبكات العصبية أو التعلم العميق.
أسئلة حول البحث
-
ما الهدف الرئيسي من البحث؟
الهدف الرئيسي هو فهم أفضل لعوامل النجاح والرسوب عند الطلاب وتقديم توصيات لتحسين جودة التعليم باستخدام تقنيات التنقيب في البيانات.
-
ما هي التقنيات الأربع المستخدمة في البحث؟
التقنيات الأربع هي: التصنيف، التجميع، قواعد الارتباط، والكشف عن الحالات الشاذة.
-
ما هو العامل الأكثر تأثيراً على رسوب الطالب وفقاً للنتائج؟
المشروع العملي هو العامل الأكثر تأثيراً على رسوب الطالب.
-
كيف يمكن تحسين البحث في المستقبل؟
يمكن تحسين البحث من خلال زيادة حجم العينة، استخدام بيانات من مقررات متعددة، تقديم تحليل أعمق للنتائج، واستخدام تقنيات تنقيب بيانات أكثر تنوعاً وتقدماً.
المراجع المستخدمة
ABUTAIR, M., EL-HALEES, A., 2012, Mining Educational Data to Improve Student’s Performance: A Case Study, International Journal of Information and Communication Technology Research, Vol. 2, No. 2, 141-146
AL-RADAIDEH, Q., AL-SHAWAKFA, E., AL-NAJJAR, M., 2006, Mining Student Data Using Decision Trees, The 2006 International Arab Conference on Information Technology
BARADAWAJ, B., PAL, S., 2011, Mining Educational Data to Analyze Students’ Performance, International Journal of Advanced Computer Science and Applications, Vol. 2, No. 6, 63-69
قيم البحث
اقرأ أيضاً
يعرض هذا البحث دراسة مرجعية حول استخدام تقنيات الذكاء الصنعي والتنقيب عن المعطيات في أنظمة مكافحة غسيل الأموال. نقارن بين عدة منهجيات متبعة في أوراق بحثية مختلفة بهدف تسليط الضوء على تطبيقات الذكاء الصنعي في حل مشاكل الحياة الواقعية.
نقدم في بحثنا طريقة بسيطة, لتمييز صور المحارف المكتوبة يدوياً بالاعتماد
على عمليات التنقيب التنبئي. و ذلؾ من خلال استخراج إحداثيات النقاط السوداء من
صور المحارف الثنائية اللون (أسود, أبيض) المستخدمة في مراحل التدريب و الاختبار.
و تخزينها في قاعدة
بيانات, و فق بنية مناسبة لعمليات التنقيب التنبئي (بيانات تدريب
و بيانات اختبار). و من ثم استخدام بيانات التدريب المستخرجة لبناء نموذج تنبئي يساعد
على تمييز صور الاختبار, اعتماداً على خصائصها المستخرجة. و قد أجرينا عدة
اختبارات على عينات مختلفة من صور المحارف المكتوبة يدوياً, و حصلنا على نتائج
دقيقة, ضمن الشروط المطلوبة.
يهدف التنقيب عن البيانات التعليمية إلى دراسة البيانات المتوفرة في المجال التعليمي وإخراج المعرفة المخفية منه بغية الاستفادة منها في تعزيز عملية التعليم واتخاذ قرارات ناجحة من شأنها تحسين الأداء الأكاديمي للطالب. تقترح هذه الدراسة استخدام تقنيات التنق
يب عن البيانات لتحسين التنبؤ بأداء الطلاب، حيث تم تطبيق ثلاث خوارزميات تصنيف Naïve Bayes, J48, Support Vector Machine)) على قاعدة بيانات أداء الطلاب ، ثم تم تصميم مصنف جديد لدمج نتائج تلك المصنفات الفردية باستخدام تقنية الدمج Voting Method . تم استخدام الأداة WEKAالتي تدعم الكثير من خوارزميات و طرائق التنقيب في البيانات. تظهر النتائج أن مصنف الدمج لديه أعلى دقة للتنبؤ بمستويات الطلاب مقارنة بالمصنفات الأخرى ، حيث حقق دقة تعرف وصلت إلى74.8084 % . و أفادت خوارزمية العنقدةsimple k-means في تجميع الطلاب المتشابهين في مجموعات منفصلة بالتالي فهم مميزات كل مجموعة مما يساعد على قيادة وتوجيه كل مجموعة على حدى.
تقدم هذه الورقة البحثية مقارنة لمجموعة من خوارزميات التنقيب في البيانات Data Mining Algorithms فيما يتعلق بتحليل حوادث المرور، انطلاقاً من مرحلة إدخال البيانات، و ذلك من خلال تحليل بنية التقارير الإحصائية الموجودة في فرع مرور اللاذقية وصولاً إلى مرحل
ة التنقيب في البيانات التي تستطيع إيجاد آلية قادرة على دراسة العوامل التي تلعب دوراً في حادث المرور بذكاء من أجل الربط و تحديد مدى العلاقة بينها و أهميتها في تسبب الحادث المروري، و ذلك بعد تصميم بنية مستودع البيانات على أساس قاعدة البيانات التي تم بناؤها لتخزين المعلومات، تم في هذا البحث ذكر مجموعة من النماذج التي تم اختبارها و التي تشكل عينة عن الاختبارات التي بنيت عليها نتائج البحث.
خلال العقد الأخير من القرن العشرين ظهرت مجموعة من المتغيرات التكنولوجية المتقدمة في مجالات نظم المعلومات المرتبطة بالحاسبات الآلية و وسائل الاتصال و ضغط البيانات و نقلها عبر شبكات الحاسب الآلي. حيث انتقلت نظم المعلومات من اعتمادها على النص و بعض الرس
ومات البيانية البسيطة إلى اعتمادها على استخدام الوسائط المتعددة التي تعمل على توصيل المعلومات في أشكال مختلفة من خلال ترابط و تكامل مجموعة متباينة من التكنولوجيات المختلفة (الصوت, الصور, النص, الفيديو, ..الخ).
و قد كان تطور تلك النظم في البداية مقصوراً على الاستخدام المنفرد, و لكن نظراً لأهمية نظم الاتصالات و تطور شبكة الانترنت و استخدام نظم الوسائط المتعددة من قبل مستخدمين متعددين في أماكن مختلفة من حيث الموقع الجغرافي, ظهرت أهمية المشاركة في بيانات الوسائط المتعددة, و بالتالي حتمية تداولها من خلال شبكات الحاسب الآلي. و من هنا ظهرت الحاجة إلى ظهور شبكات ذات مواصفات خاصة يمكنها التعامل مع عناصر الوسائط المتعددة بكفاءة عالية. و من جانب آخر ظهرت أهمية وجود نظم وسائط متعددة لديها القدرة على التعامل مع شبكات الحاسب الآلي.
من ذلك نرى بأن هذه النظم سوف تتسم بكبر حجم بياناتها إضافة إلى الصعوبة الحقيقية في نقل هذه البيانات و خاصة عبر شبكات الحاسب. لذلك فقد دعت مشاكل تخزين أحجام كبيرة من البيانات مقارنة مع صغر سعة الأجهزة التخزينية و مشاكل نقل كميات كبيرة منها عبر الشبكات إلى تطوير تقنيات لتخفيض (اختصار) أحجام البيانات قدر الإمكان مما يساعد على توفير في المساحات التخزينية من جهة و توفير الوقت عند إرسال البيانات من جهة ثانية
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
