به کارگیری رگرسیون پواسنی و رگرسیون دوجمله ای منفی با انباشتگی صفر برای مدل سازی داده های آموزشی

زمینه و هدف: بررسی تعداد دروس مردودی و ترم‏های مشروطی دانشجویان از جمله روش‏هایی است که می‏تواند موفقیت تحصیلی آنان را ارزیابی کند. از آن جا که این عوامل در بسیاری از دانشجویان مقدار صفر دارند، استفاده از مدل‏های رگرسیون پواسنی و دوجمله ای منفی با انباشتگی در صفر که برای مدل‏سازی داده‏های شمارشی و برآورد پارامترهای مدل بکار می رود، توصیه می‏گردد.روش کار: در این مطالعه مقطعی که در سال تحصیلی 89-88 در دانشگاه علوم پزشکی ایران با جامعه آماری بیش از 6000 دانشجو و با نمونه‏ای 670 نفری از آنان انجام شد، اطلاعات آموزشی، دانشجویی و جمعیت شناختی دانشجویان از طریق سایت سما و حوزه های مرتبط دانشگاه، اخذ گردید. نمونه گیری به صورت طبقه‏ای انجام پذیرفت. این مطالعه در شورای پژوهشی دانشگاه به تصویب رسید و کلیه اطلاعات دانشجویان به صورت محرمانه بررسی شد. برای تجزیه و تحلیل از نرم افزارهای spss و stata استفاده شد.یافته ها: در رگرسیون‏های پواسنی و دوجمله ای منفی با انباشتگی در صفر و برای متغیر وابسته تعداد ترم‏های مشروطی، معدل دانشجویان در دانشگاه و سهمیه بیش ترین نقش را در مدل داشته‏اند. در مدل های فوق و برای متغیر وابسته تعداد دروس مردودی، معدل دانشگاه، مقاطع کارشناسی و کارشناسی ارشد در هر دو مدل حضور داشته و مدل‏ها شامل برخی دیگر از عوامل موثر در تعداد دروس مردودی نیز بوده‏اند.نتیجه‏گیری: در رگرسیون‏های تعداد ترم‏های مشروطی، معدل و سهمیه نقش مهمی دارند به طوری‏که افزایش معدل باعث کاهش تعداد ترم‏های مشروطی می‏شود. همچنین تغییر از سایر سهمیه‏ها به سهمیه مناطق (آزاد) باعث کاهش تعداد ترم‏های مشروطی می‏گردد. در رگرسیون‏های تعداد دروس مردودی، معدل در هر دو مدل نقش مهمی دارد و افزایش آن باعث کاهش تعداد دروس مردودی می‏شود. همچنین مقاطع کارشناسی و وکارشناسی ارشد نیز باعث کاهش تعداد دروس مردودی می‏گردند.