طراحی سامانه تصمیم یار هوشمند برای هدایت تحصیلی دانش‌آموزان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد دانشگاه الزهرا

2 گروه مدیریت، دانشکدهعلوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران

3 دانش آموخته دکتری دانشگاه تربیت مدرس

10.22099/jcr.2024.7626

چکیده

تعدد عوامل تاثیرگذار بر موفقیت در انتخاب رشته، تصمیم‌گیری صحیح در این خصوص را دشوار می‌کند. اگرچه مشاورانی برای کمک به دانش‌آموزان در این امر مهم وجود دارند، اما آنها نیز به دلیل محدودیت‌های شناختی بشری (قدرت پردازش و ذخیره سازی) توانایی درنظر گرفتن همزمان و متناسب همه عوامل موثر بر انتخاب رشته را ندارند. بنابراین نیاز به سامانه‌ای وجود دارد که در برنامه هدایت تحصیلی دانش‌آموزان تمامی جنبه‌ها و عوامل را در نظر بگیرد و میزان افت کیفیت آموزشی را کاهش دهد. در این پژوهش یک سامانه پشتیبانی تصمیم بر مبنای مجموعه‌ای از معیارهای جامع تأثیرگذار بر انتخاب رشته برای کمک به مشاوران و دانش‌آموزان طراحی شده است. این معیارها در 3 دسته کلی شامل عوامل مربوط به خانواده، عوامل فردی دانش‌آموز و نهایتا معیارهای تحصیلی و آموزشی قرار دارد. پس از جمع‌آوری داده‌ها از دانش‌آموزان پایه دوازدهم با استفاده از پرسشنامه، تجزیه‌وتحلیل داده‌ها با نرم‌افزار رپیدماینر و اعمال آنها در درخت تصمیم، درنهایت بهترین قواعد مربوط به انتخاب هر رشته برای همه رشته‌های تحصیلی به دست آمد. به‌منظور بررسی میزان دقت و صحت درخت تصمیم در تمامی رشته‌ها و با توجه به پیش‌بینی درست در 95% از داده‌های آزمایشی، می‌توان این سامانه را از لحاظ کارایی و دقت در سطح بالایی دسته‌بندی کرد و از آن در مدارس به عنوان پشتیبان مشاوران در ارائه مشاوره به دانش‌آموزان بهره برداری نمود. این سامانه علاوه بر تعیین بهترین انتخاب برای هر دانش‌آموز، قابلیت پیش‌بینی عملکرد وی در صورت انتخاب سایر رشته‌ها را نیز دارد.

کلیدواژه‌ها

موضوعات


Al-Zawqari, A., Peumans, D., & Vandersteen, G. (2022). A flexible feature selection approach for predicting students’ academic performance in online courses. Computers and Education: Artificial Intelligence, 3, 100103.
Breiman, L, Friedman, J., Olshen. R., & Stone, C. (1984). "Classification and Regression Trees", Wadsworth Press.
Chanwijit, J., Lomwongpaiboon, W., Dowjam, O., & Tangworakitthaworn, P. (2016). Decision Support System for Targeting Higher Education. In 2016 Fifth ICT International Student Project Conference (ICT-ISPC). 154–157. https://doi.org/10.1109/ICT-ISPC.2016.7519259.
Deniz, D. Z., & Ersan, I. (2001). Using an academic DSS for student, course and program assessment. International Conference on Engineering Education, (January 2001), 12–17.
El Mrabet, H., & Moussa, A. A. (2019). Smart school guidance and vocational guidance system through the internet of things. In Proceedings of the 2nd international conference on networking, information systems & security. 1-5.
Engin, G., Aksoyer, B., Avdagic, M., Bozanli, D., Hanay, U., Maden, D., & Ertek, G. (2014). Rule-based expert systems for supporting university students. In Procedia Computer Science. https://doi.org/10.1016/j.procs.2014.05.241.
Grupe, F. H. (2002). An Internet-based expert system for selecting an academic major : www.MyMajors.com, 5, 333–344.
Haddadi, F. (2016). Managers and educational guidance process. Roshd School Management Quarterly, 15 (1), 46-44. (In Persian)
Lin, J., Pu, H., Li, Y., & Lian, J. (2018). Intelligent Recommendation System for Course Selection in Smart Education. Procedia Computer Science, 129, 449–453. https://doi.org/10.1016/j.procs.2018.03.023.
Kardan, A. A., & Sadeghi, H. (2013). A Decision Support System for Course Offering in Online Higher Education Institutes. International Journal of Computational Intelligence Systems, 6(5), 928–942. https://doi.org/10.1080/18756891.2013.808428.
Kosari, M. (2016). Evaluation of the criteria and the process of choosing the academic field of high school students. Master's thesis. Allameh Tabatabai University, Tehran, Iran. (In Persian)
Naderi, E. & Seif Naraghi, M. (2011). Research methods and how to evaluate them in humanities (with an emphasis on educational sciences), Tehran, Iran: Arsbaran Publications. (In Persian)
Navidi, A. (2018). Academic guidance in the Iranian education system, practical experiences and sustainable challenges. Quarterly Journal of Education, 133, 9-34. (In Persian)
Mimis, M., El Hajji, M., Es-saady, Y., Oueld Guejdi, A., Douzi, H., & Mammass, D. (2019). A framework for smart academic guidance using educational data mining. Education and Information Technologies, 24(2), 1379-1393.
Moosavi, S. A., Pirani, A., and Momeni, H. (2020). Pathology of the academic guidance process of 9th grade students in Ilam province. Educational innovations, 19(3), 123-148. (In Persian)
Nilashi, M., Minaei-Bidgoli, B., Alghamdi, A., Alrizq, M., Alghamdi, O., Nayer, F. K., ... & Mohd, S. (2022). Knowledge discovery for course choice decision in Massive Open Online Courses using machine learning approaches. Expert Systems with Applications, 199, 117092.
Ognjanovic, I., Gasevic, D., & Dawson, S. (2016). Using non-identifiable data to predict student course selections. Internet and Higher Education, 29, 49-62.
Oripova, M. (2022). The impact of intrusive college academic advising on high school students’ college degree attainment commitment levels: A quantitative quasi-experimental study. Social Sciences & Humanities Open, 6(1), 100315.
Poursaleh, R. (2014). Designing an expert system to suggest majors to high school studentds. Master's thesis. University of Science and Art, Yazd, Iran.
Royce, C. S., Everett, E. N., Craig, L. B., Fleming, A., Forstein, D. A., Graziano, S. C., ... & Morosky, C. (2021). To the point: advising students applying to obstetrics and gynecology residency in 2020 and beyond. American Journal of Obstetrics and Gynecology, 224(2), 148-157.
Sharifi, B., Niazazari, K., & Jabbari, N. (2020). Providing an efficient academic guidance model for students; Based on information and communication technology. Information and Communication Technology Quarterly in Educational Sciences, 10(339), 45-64.
Shavetov, S., Borisov, O., Borisova, E., & Zhivitskii, A. (2022). Student Advising Services in Control Systems and Robotics. IFAC-PapersOnLine, 55(17), 13-18.
Supriyanto, G., Widiaty, I., Abdullah, A. G., & Yustiana, Y. R. (2019). Application expert system career guidance for students. In Journal of Physics: Conference Series, 1402(6), 066031. IOP Publishing.
Tajari, T., & Javan Neshan, M. (2020). Identifying the Components and Indicators of the New Educational Guidance Model: An Application to Social Welfare Student and Family. Social Welfare Quarterly, 20(76), 207-235. (In Persian)
Toam, A., & Javani, M. (2011). Using the FCM clustering method to select the field of second grade high school students. Second National Soft Computing and Information Technology Conference, Islamic Azad University, Mahshahr branch. (In Persian)
Vejdani Hemat, M., Kalantar Hormozi, A., Salimi Bajestani, H., & Farahbakhsh, K. (2021). Qualitative study of students' academic guidance based on the lived experiences of school counselors. Quarterly of Educational Measurement, 11(42), 1-35. (In Persian)
Wang, H., Zhang, X., Mei, Y., Sun, Z., & Jiang, Y. (2022). Learning analytics system to aid students in engineering thermodynamics: Impact of pre-requisite course attainment. Education for Chemical Engineers, 41, 42-48.
Wong, L. P. W., & Yuen, M. T. (2019). Career guidance and counseling in secondary schools in Hong Kong: A historical overview. Journal of Asia Pacific Counseling, 9 (1), 1–19.
Zare-Ee, A., & Shekarey, A. (2010). The effects of social, familial, and personal factors on students’ course selection in Iranian technical schools. Procedia Social and Behavioral Sciences, 9, 295–298.