ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

Using Classification Tecniques in Educational Data Mining

المصدر: مجلة البحوث المالية والتجارية
الناشر: جامعة بورسعيد - كلية التجارة
المؤلف الرئيسي: Al-Metwally, Ahmed Ramadan Mohammed (Author)
المجلد/العدد: ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2016
الشهر: مارس
الصفحات: 445 - 459
ISSN: 2090-5327
رقم MD: 821053
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
Data Mining | WEKA | Classification | Naive Bayes | K-Nearest Neighbor | MLP | Artificial Neural Network | J48 Decision Tree
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

50

حفظ في:
المستخلص: يهدف البحث إلى اكتشاف فرص تفوق طلاب الفرقة الرابعة شعبة اللغة الإنجليزية بالكلية عن طريق استخدام تقنية التصنيف كأحد أساليب تنقيب البيانات، اعتماداً على بيانات تاريخية محفوظة بهذه القاعدة وبسجلات شؤون الطلاب بالكلية. تتمثل أهمية البحث في الدور الذي سيؤديه من خلال تحسين أداء قاعدة بيانات الكلية بشكل يمكنها من إستكمال رسالتها العلمية، فالطالب المؤهل هو المنتج النهائي الذي تسعى الكلية إلى الوصول إليه، ومن ثم فإن تفهم العوامل التي تؤثر على أداء الطالب تساعدنا في التوصل إلى أفضل الطرق التي يمكن بها رفع مستويات الطلاب. فقد شملت الدراسة على (261) حالة بعدد متغيرات (16) متغير، حيث تم استخدام أربع أساليب تصنيف وهي خوارزمية بايز البدائية Naïve Bayes، خوارزمية الجوار الأقرب K-Nearest Neighbor، خوارزمية الشبكة العصبية MLP Artificial neural network، خوارزمية شجرة القرارات The j48 decision tree. وقد توصلت الدراسة من خلال تحليل البيانات باستخدام برنامج WEKA إلى أن خوارزمية بايز البدائية كانت الأفضل على الإطلاق لهذه البيانات المتوفرة، حيث أعطى أدنى معدل خطأ وأعلى منطقة دقة على منحنى ROC.

This research aims to discover chances of a superiority of the fourth year student's English section. The technique of classification as one of data mining techniques are applied, based on historical data reserved in database and records of student affairs. This search would help the faculty administrative to use modem techniques to achieve quick and easy patterns for evaluating and understanding the behavior of a student in the light of using the outcome of mining tasks in practical life. This search included (261) instances and (16) variables. Four classification techniques ( 1- Naive Bayes, 2- K Nearest Neighbor, 3- MLP Artificial Neural Network, 4- the j48 decision tree) through WEKA program are applied. As a result, the Naive Bayes classifier is the most accurate algorithm which gives the lowest error rate in addition to the highest accuracy.

ISSN: 2090-5327

عناصر مشابهة