ارائه کننده: فاطمه قاسمی
استاد راهنما: دكتر بابك تيمورپور
استاد داور داخلي: دكتر سيدكمال چهارسوقي
استاد داور خارج از دانشگاه: دكتر فريبرز جولاي
نماينده تحصيلات تكميلي: دكتر سيدكمال چهارسوقي
تاریخ: ۱۴۰۴/۰۶/۳۱
ساعت: ۱۱:۰۰
مكان:  اتاق 219 دانشكده فني و مهندسی

چکیده:
امروزه، با افزایش دانشجویان در مقاطع مختلف دانشگاهي و تنوع رشته های تحصيلي، لزوم هدایت صحيح دانشجویان بيشتر از پيش احساس ميشود. بدین منظور، داده کاوی آموزشي و استفاده از مدل های یادگيری ماشين و یادگيری عميق در سالهای اخير مورد توجه پژوهشگران این حوزه بوده است. پژوهش حاضر با عنوان 'پیش‌بینی ماندگاری دانشجویان در دانشگاه با استفاده از روش‌های یادگیری ماشینی' به بررسی عوامل مؤثر بر ماندگاری دانشجویان در دانشگاه‌ها می‌پردازد. هدف اصلی این پژوهش، توسعه مدل‌های پیش‌بینی دقیق با استفاده از الگوریتم‌های یادگیری ماشین است تا بتوان دانشجویان در معرض ترک  تحصیل را شناسایی و راهکارهای حمایتی مناسب ارائه نمود. در این پژوهش، داده‌های مورد نیاز از طریق پرسشنامه‌ای جامع جمع‌آوری شد که شامل متغیرهای فردی، تحصیلی، اقتصادی، اجتماعی و روان‌شناختی بود. پس از پیش‌پردازش داده‌ها، مدل‌های مختلف یادگیری ماشین شامل جنگل تصادفی، XG Boost و SVR پیاده‌سازی و ارزیابی شدند. نتایج تحقیق حاکی از آن است که عواملی مانند سن، سال ورود به دانشگاه، در چه مقطعی تحصیل می‌کنید؟-دکترا، رشته تحصیلی-مهندسی صنایع بهینه‌سازی سیستم‌ها، رشته تحصیلی- سایر رشته‌ها بر ماندگاری دانشجویان تاثیر دارند. همچنین، مدل پیشنهادی می‌تواند به مدیران آموزشی در طراحی مداخلات هدفمند برای کاهش نرخ ترک تحصیل کمک کند. این پژوهش از جنبه‌های نوآورانه، تمرکز بر داده‌های بومی ایرانی و ترکیب روش‌های یادگیری ماشین با تحلیل‌های چندمعیاره را شامل می‌شود.