عنوان پایان‌نامه
ارائه یک سیستم پیشنهاد دهنده رشته تحصیلی در حوزه آموزش های الکترونیکی مبتنی بر تکنیک های داده کاوی (مورد مطالعه دانشکده کارآفرینی دانشگاه تهران)
- رشته تحصیلی
- مدیریت فن آوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69955
- تاریخ دفاع
- ۰۴ اسفند ۱۳۹۳
- دانشجو
- آناهیتا داننده
- استاد راهنما
- بابک سهرابی یورتچی
- چکیده
- با گسترش روزافزون تکنولوژی¬های فناوری اطلاعات سیستم¬های پیشنهاد¬دهنده که کاربرد¬های مهمی در حوزه تجارت الکترونیک داشتند به یک حوزه تحقیقاتی مهم در آموزش الکترونیکی تبدیل شده¬اند. استفاده از این سیستم¬ها که کاربرد-های مهمی در زمینه ارائه پیشنهاداتی متناسب با نیازهای آموزشی افراد دارند روند رو به رشدی را طی می¬کند. هدف اصلی این پژوهش این است با ترکیب تکنیک¬های داده¬کاوی به طراحی سیستم پیشنهاد¬دهنده رشته تحصیلی بپردازیم. در ابتدا با استفاده از الگوریتم k-میانگین به دنبال خوشه¬بندی فراگیران الکترونیکی در خوشه¬هایی با رفتارهای مشابه هستیم و در ادامه با استفاده از تکنیک¬های طبقه¬بندی به دنبال بررسی امکان ایجاد نگاشت میان ویژگی¬های فردی و رشته تحصیلی انتخابی افراد و در نتیجه طراحی سیستم پیشنهاد¬دهنده رشته تحصیلی هستیم. جامعه مورد بررسی این پژوهش داده¬های ذخیره شده در پایگاه داده مرکز آموزش¬های الکترونیکی دانشگاه تهران مرتبط با فراگیران الکترونیکی دانشکده-های مدیریت پردیس تهران و پردیس قم دانشگاه تهران می¬باشد. نتایج حاصل از این پژوهش نشان می¬دهد می¬توان میان اطلاعات فراگیران و رشته تحصیلی در هر خوشه نگاشت ایجاد کرده و در نتیجه به ارائه پیشنهاد رشته تحصیلی به فراگیران پرداخت.
- Abstract
- Regarding the recent improvement in the information technology, recommender systems, which have been widely used in the electronic commerce, became a new popular field of research in e-learning, and now they are developing quickly. Basically, these systems recommend based on the learning needs. This research aimed to design a major recommender system using the combination of data mining techniques. First, k-means algorithm grouped electronic learners into the distinct clusters, and then each cluster was analyzed by classification techniques to determine any meaningful relationship between majors and learners to design the recommender system. The data set, which was collected at the Management Faculty of Tehran and Qom branches, was supplied by the e-learning center of the University of Tehran. The study showed that the relationship between majors and learners in each cluster can be defined and used to recommend a major to learners.
