چکیده مقاله
امروزه فناوری اطلاعات در مناطق مختلف باعث تولید هر روز مقدار زیادی داده می شود در سال های اخیر، بسیاری از محققان شروع به استخراج دانش از داده ها برای تصمیم گیری مبتنی بر داده و بهبود کیفیت فرایندها در سازمان های مختلف کرده اند داده کاوی آموزشی با بهره برداری از داده های مربوط به همه ذی نفعان، به موسسات آموزشی کمک می کند تا به طور موثر و کارآمد عمل کنند این می تواند به دانشجویان در معرض خطر کمک کند، سیستم های پیشنهادی ایجاد کند و دانشجویان را در سطوح مختلف هشدار دهد استفاده از داده کاوی آموزشی و تجزیه وتحلیل یادگیری در آموزش می تواند در بهبود وضعیت تحصیلی و فراهم آوردن ابزارهای موردنیاز که موسسات قادر به استفاده از آن ها برای اهداف مستمر هستند، مفید باشد اخیرا، یادگیری عمیق و شبکه عصبی توجه زیادی در بخش های آموزشی نسبت به روش های دیگر دارد در این پژوهش با استفاده از شبکه عصبی روی مجموعه داده دانشگاه بنگلادش، عملکرد آن را با مدل رگرسیون مبتنی بر یادگیری عمیق صدیق حسین ۲۰۲۱ مقایسه کرده ایم معیارهای ارزیابی جهت مقایسه عملکرد، MAE میانگین خطای مطلق و MSE میانگین خطای مربع هستند MAE و MSE شبکه عصبی در اولین اجرا به ترتیب ۰ ۱۳۵۷ و ۰ ۰۲۶۱۲۳ به دست آمد و در یادگیری عمیق ۱ ۶۱ و ۴ ۷ می باشد ضمن این مقایسه، با شبکه عصبی سیستم پیشنهاددهنده جهت پیش بینی وضعیت تحصیلی دانشجویان ارائه داده شده است که وضعیت دانشجو در چهار حالت عالی ، خوب ، نیاز به تلاش بیشتر و نیاز به راهنمایی در نظر می گیرد در این پژوهش به این نتیجه دست یافتیم که شبکه عصبی می تواند نسبت به رگرسیون مبتنی بر یادگیری عمیق عملکرد بهتری داشته باشد
کلیدواژهها
نویسندگان
سیده صفیه سیادت
استادیار، گروه کامپیوتر، دانشگاه پیام نور تهران، تهران، ایران
فائزه شیرزاد
دانش آموخته کارشناسی ارشد مهندسی کامپیوتر نرم افزار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور تهران واحد تهران شمال، ایران
شیوه ارجاع
�یادت، سیده صفیه و شیرزاد، فائزه،1404،طراحی و ارزیابی سیستم پیشنهاددهنده مبتنی بر شبکه های عصبی عمیق برای پیش بینی عملکرد تحصیلی دانشجویان،سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند28 بهمن 1404 · لارستان