پیش بینی عملکرد دانشجویان در محیط آموزش مجازی با استفاده از رویکردهای آماری-فازی

این پژوهش رویکردی جدید مبتنی بر منطق فازی برای پیش بینی نمرات دانشجویان در امتحانات پایان ترم و بهبود نتایج با استفاده از داده های ثبت شده در یک سیستم آموزشی تحت وب ارائه می دهد. هدف پیش بینی با روش های مبتنی بر منطق فازی در این پایان نامه، توسعه مدلی است که بتوان از یک مجموعه داده با ورودی های قطعی(از قبیل آزمون های آنلاین، کوییز، تکالیف و ...) نمره دانشجو را براساس منطق فازی استنتاج نمود. برای نیل به این هدف، بر پایه روش های ناپارامتری فازی، سه روش پیشنهاد شده است. در روش اول، نتایج حاصل از روش های رگرسیون ناپارامتری فازی و ترکیب الگوریتم یادگیری ستیغی و هسته گاوسی مورد بررسی قرار گرفته است. در روش دوم، پیش بینی نمرات دانشجویان با استفاده از ترکیب تخمین گر relieff و پارامترهای رگرسیون ناپارامتری فازی انجام شده است. در روش سوم، ترکیب پارامتر هموارساز ستیغی و تخمین گر relieff در رگرسیون ناپارامتری فازی به منظور پیش بینی نمرات دانشجویان مورد استفاده قرارگرفته است. در این رویکردها، از معیار فاصله پیشنهاد شده توسط دایموند برای اعداد فازی، و به منظور محاسبه معیار هدف نیز، از تکنیک هموارسازی خطی موضعی با یک معیار اعتبارسنجی متقابل برای انتخاب مقدار بهینه پارامتر هموارساز فازی استفاده شده است. در انتها، مقایسه ای بین روش های پیشنهادی با سایر روش های معمول داده کاوی صورت گرفته است که نتایج حاصل از هر روش، درجای خود قابل تأمل است و کارآیی به شکل قابل ملاحظه ای بهتر و بر سایر نتایج موجود غالب می گردد.