امروزه بانکهای اطلاعاتی وسیعی از دادههای انتخاب واحد دانشجویان موجود است که شامل نام دانشجو، شماره دانشجویی، نام درس، نمره درس و ... میشود. پیدا کردن الگوها و دانش نهفته در این اطلاعات میتواند به دانشجویان در زمان انتخاب واحد کمک شایانی بکند. چارچوب فعلی نرمافزارهای سنتی آموزشی، تنها با دستورات پایگاه داده کار میکنند و جنبه تحلیل داده در این سیستم ها بسیار ضعیف می باشد و چون داده ها تحلیل نمی شوند، پس اطلاعاتی از داده های این سیستم نه به مسئولین نه به دانشجو ارائه نمی شود، بنابراین دانشجو در انتخاب واحد تنها متکی بر اطلاعات خودش می باشد (که کاملاً تجربی است و دلیل علمی بر صحت آنها وجود ندارد) بعد از ایجاد مدل ها یک موتور داده کاوی به سیستم فعلی اضافه می شود و یک سیستم پشتیبانی از تصمیمی را ارائه می دهد، که بسیار پویاتر نسبت به سیستم فعلی می باشد. در این پژوهش سعی بر آن است از طریق بررسی پایگاه داده سیستم جامع گلستان، انتخاب واحد سال های قبل دانشجویان کارشناسی مهندسی کامپیوتر پیام نور واحد قم بررسی و الگو های مناسب با استفاده از الگوریتم های داده کاوی استخراج شده و مناسب ترین دروس جهت انتخاب واحد به دانشجویان پیشنهاد گردد. بنابراین در راستای انجام این پژوهش از روش های طبقه بندی استفاده شده است. پس از طی نمودن فرآیند آماده سازی داده ها و تولید مجموعه داده مورد نظر، مدل ها با استفاده از ابزار کلمنتاین تولید شدند و پس از مقایسه نتایج مشخص گردید که در این داده ها مدل حاصل از الگوریتم شبکه عصبی و درخت تصمیم chaid از دقت بالاتری برخوردار است و قواعد نسبتاً مطلوبی را ارائه می کند. امید است با کاربردی کردن داده کاوی در این گونه داده ها، علاوه بر کمک به دانشجویان در پیشبرد اهداف آموزشیشان، آینده بهتری را نیز برای آنها رقم بزنیم.

امروزه بانکهای اطلاعاتی وسیعی از دادههای انتخاب واحد دانشجویان موجود است که شامل نام دانشجو، شماره دانشجویی، نام درس، نمره درس و ... میشود. پیدا کردن الگوها و دانش نهفته در این اطلاعات میتواند به دانشجویان در زمان انتخاب واحد کمک شایانی بکند. چارچوب فعلی نرمافزارهای سنتی آموزشی، تنها با دستورات پایگاه داده کار میکنند و جنبه تحلیل داده در این سیستم ها بسیار ضعیف می باشد و چون داده ها تحلیل نمی شوند، پس اطلاعاتی از داده های این سیستم نه به مسئولین نه به دانشجو ارائه نمی شود، بنابراین دانشجو در انتخاب واحد تنها متکی بر اطلاعات خودش می باشد (که کاملاً تجربی است و دلیل علمی بر صحت آنها وجود ندارد) بعد از ایجاد مدل ها یک موتور داده کاوی به سیستم فعلی اضافه می شود و یک سیستم پشتیبانی از تصمیمی را ارائه می دهد، که بسیار پویاتر نسبت به سیستم فعلی می باشد. در این پژوهش سعی بر آن است از طریق بررسی پایگاه داده سیستم جامع گلستان، انتخاب واحد سال های قبل دانشجویان کارشناسی مهندسی کامپیوتر پیام نور واحد قم بررسی و الگو های مناسب با استفاده از الگوریتم های داده کاوی استخراج شده و مناسب ترین دروس جهت انتخاب واحد به دانشجویان پیشنهاد گردد. بنابراین در راستای انجام این پژوهش از روش های طبقه بندی استفاده شده است. پس از طی نمودن فرآیند آماده سازی داده ها و تولید مجموعه داده مورد نظر، مدل ها با استفاده از ابزار کلمنتاین تولید شدند و پس از مقایسه نتایج مشخص گردید که در این داده ها مدل حاصل از الگوریتم شبکه عصبی و درخت تصمیم chaid از دقت بالاتری برخوردار است و قواعد نسبتاً مطلوبی را ارائه می کند. امید است با کاربردی کردن داده کاوی در این گونه داده ها، علاوه بر کمک به دانشجویان در پیشبرد اهداف آموزشیشان، آینده بهتری را نیز برای آنها رقم بزنیم. واژه های کلیدی: سیستم پشتیبانی از تصمیم، انتخاب واحد، داده کاوی، دانشگاه پیام نور.