تلفن: 04142273781

ترجمه مقاله ‌راه حل داده‌کاوی دانشجویان – سیستم مدیریت دانش مرتبط با موسسات آموزش عالی – نشریه الزویر

عنوان فارسی: ‌راه حل داده‌کاوی دانشجویان – سیستم مدیریت دانش مرتبط با موسسات آموزش عالی
عنوان انگلیسی: Student data mining solution–knowledge management system related to higher education institutions
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : 20
سال انتشار : 2014 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7548 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.14Mb
رشته های مرتبط با این مقاله: مدیریت
گرایش های مرتبط با این مقاله: داده کاوی، مدیریت دانش و سیستم های اطلاعاتی پیشرفته و مدیریت منابع اطلاعاتی
مجله: سیستم های خبره با کاربردهای آن - Expert Systems with Applications
دانشگاه: مدرسه بین المللی مطالعات اجتماعی و تجاری، اسلوونی
کلمات کلیدی: داده‌کاوی، سیستم مدیریت دانش، درصد موفقیت دانشجو، داده‌ کاوی برای مجموعه داده‌های کوچک، موسسه آموزش عالی، داده‌کاوی آموزشی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

مقدمه

روش

ایجاد مدل داده‌کاوی درصد موفقیت دانشجویان با استفاده از نرم افزار اکسل

ایجاد مدل داده‌کاوی دانشجویان با استفاده از برنامة Weka

نتایج

Key influencer برای نمره آزمون نهایی دانشجو

تفسیر داده‌ها

تکنیک Key influencer برای «مشخصه نمره نمایی» دانشجو با استفاده از ابزار Weka

مدل Reptree

مدل J48

مدل M5P

تشریح مطالب

نتیجه گیری‌ها و تحقیق آتی

نمونه متن انگلیسی

Abstract

Higher education institutions (HEIs) are often curious whether students will be successful or not during their study. Before or during their courses the academic institutions try to estimate the percentage of successful students. But is it possible to predict the success rate of students enrolled in their courses? Are there any specific student characteristics, which can be associated with the student success rate? Is there any relevant student data available to HEIs on the basis of which they could predict the student success rate? The answers to the above research questions can generally be obtained using data mining tools. Unfortunately, data mining algorithms work best with large data sets, while student data, available to HEIs, related to courses are limited and falls into the category of small data sets. Thus, the study focuses on data mining for small student data sets and aims to answer the above research questions by comparing two different data mining tools. The conclusions of this study are very promising and will encourage HEIs to incorporate data mining tools as an important part of their higher education knowledge management systems.

نمونه متن ترجمه

چکیده

مؤسسات آموزش عالی (HEI) اغلب کنجکاوند بدانند دانش آموزان حین تحصیل شان موفق‌اند یا خیر. ‌مؤسسات دانشگاهی پیش از دوره و در حین آن تلاش می‌کنند تا درصد دانشجویان موفق را برآورد کنند. اما آیا می‌توان درصد موفقیت دانش آموزانی که در این دوره‌ها نام نویسی کرده‌اند پیش بینی کرد؟ آیا خصوصیات دانشجویی خاصی وجود دارد که بتوان آن را با درصد موفقیت دانشجویان ربط داد؟ آیا داده‌های قابل دسترسی مربوط به دانشجویان برای ‌مؤسسات آموزش عالی وجود دارد که براساس آنها بتوانند درصد موفقیت دانشجویان را پیش بینی کنند؟ پاسخ سوالات تحقیقاتی فوق را عموماً می‌توان با بکارگیری روش‌های داده‌کاوی پیدا کرد. متأسفانه، الگوریتم‌های داده‌کاوی با مجموعه داده‌های بزرگ بهترین عملکرد را نتیجه می‌دهند، درحالیکه داده‌های قابل دسترس برای ‌مؤسسات و مرتبط با این دوره‌ها محدودند و در دسته مجموعه داده‌های کوچک قرار می‌گیرند. به همین دلیل، محوریت این مقاله داده‌کاوی برای مجموعه داده‌های کوچک دانشجویی است و درصدد است که به سوالات مطرح شده با مقایسه دو روش متفاوت داده‌کاوی پاسخ دهد. نتیجه گیری‌های این مطالعه بسیار نویدبخش‌اند و ‌مؤسسات آموزش عالی را تشویق می‌کنند تا روش‌های داده‌کاوی را به عنوان بخش مهمی از سیستم‌های مدیریت دانش آموزش عالی خود بکار گیرند.