2

fa پیش بینی وضعیت تحصیلی دانش آموزان بر اساس تلفیق داده های آموزشی و اجتماعی با استفاده از داده کاوی (مطالعه میدانی مقطع متوسطه دوم استان مازندران) Forecasting Academic Outcomes of Students Based on the Fusion of Educational and Social Data via Data Mining: A Case Study of High School Students in Mazandaran Province مسائل آموزشی پژوهشي Research دادهکاوی آموزشی یک حوزه علمی نوظهور است که به توسعه روشهایی برای کاوش و اکتشاف دادههای منحصر به فرد محیطهای آموزشی میپردازد و از این روشها برای درک بهتر دانشآموزان و محیطهای آموزشی که فرآیند آموزش و یادگیری در آن صورت میگیرد استفاده میکند. در این پروژه بر اساس الگوریتم های داده کاوی دانش آموزان به گروههای پنج گانه دارای پیشرفت خوب، معمولی، بدون پیشرفت و یا پسرفت، پسرفت ضعیف و پسرفت شدید تقسیم بندی شدند. پس از گروه‌بندی دانش آموزان،  با استفاده از تحلیل پرسشنامه ای که به صورت نمونه برداری در اختیار دانش آموزان قرار گرفت، علل پیشرفت و یا پسرفت تحصیلی آنها توسط الگوریتم های هوش مصنوعی استخراج شده است. جامعه آماری این پژوهش دانش آموزان مقطع متوسطه دوم استان مازندران می باشند. این داده ها مربوط به نمرات سالهای 1395 لغایت 1399 دانش آموزان مقطع متوسطه دوم در رشته های نظری از 33 ناحیه آموزش و پرورش استان مازندران بوده است. تعداد 420 نمونه برای داده های کیفی جمع آوری شد. عامل انسجام اجتماعی خانواده دارای بیشترین میزان تاثیر در پیشرفت و یا عدم پیشرفت تحصیلی بوده است. عامل محیط خانواده و آرامش روانی در مرتبه بعدی قرار داشتند. همکاری پدر و مادر در هنگام مشکلات مالی (یکی از زیر مولفه های سرمایه اجتماعی)، میزان اضطراب و استرس و نشاط در زندگی (مولفه های آرامش روانی فرد) به عنوان مهمترین زیر مولفه های عوامل اصلی 8 گانه در پیشرفت تحصیلی نقش داشتند.  نتایج حاصل از این روش با روشهای معمول دارای مشابهت و تفاوتهایی بوده است.  Educational data mining is an emerging scientific field that focuses on developing methods to explore and discover the unique data of educational environments. These methods are applied to gain a better understanding of students and the educational contexts in which teaching and learning take place. In this project, based on data mining algorithms, students were classified into five groups: those with good progress, normal progress, no progress or decline, mild decline, and severe decline. After grouping the students, using the analysis of questionnaires distributed among a sample of them, the causes of their academic progress or decline were extracted through artificial intelligence algorithms. The statistical population of this study consists of high school students in Mazandaran Province. The data relate to the grades of high school students in theoretical fields from 2016 to 2020, collected from 33 educational districts of Mazandaran Province. A total of 420 samples were gathered for qualitative data. The factor of family social cohesion had the greatest impact on academic progress, or lack thereof. The family environment and psychological well-being ranked next. Parental cooperation during financial difficulties (a sub-component of social capital), along with levels of anxiety, stress, and vitality in life (components of individual psychological well-being), were identified as the most significant sub-components among the eight main factors influencing academic achievement. The results obtained from this method were compared with conventional methods of evaluating academic progress, showing both similarities and differences. داده کاوی آموزشی, پیشرفت تحصیلی, داده های آموزشی و اجتماعی Educational data mining, Academic achievement, Educational and social data. 0 0 http://isoedmag.ir/browse.php?a_code=A-10-493-1&slc_lang=fa&sid=1 Mohammad Amiri محمد امیری m-amiri@tvu.ac.ir Yes Technical and Voctional University دانشگاه ملی مهارت شهرام ملانیا جلودار smollania@pnu.ac.ir No Payame Noor University دانشگاه پیام نور