استخدامُ تقنيات التَّنقيب في البياناتِ الضخمة لاكتشافِ الأنماطِ التعليمية بالمقررات الإلكترونية عبر نظام إدارة التعلم والتَّنبُّؤ بالتحصيل الدراسي لطلاب الجامعة. | ||
| العلوم التربوية | ||
| Volume 31, Issue 3, July 2023, Pages 441-481 PDF (1.57 M) | ||
| Document Type: المقالة الأصلية | ||
| DOI: 10.21608/ssj.2023.322894 | ||
| Author | ||
| أ.د/ أحمد صادق عبد المجيد ود/ عادل إبراهيم محمد قحمش مشترك | ||
| جامعة | ||
| Abstract | ||
| المُستخلص: هدفَ البحثُ اكتشافَ الأنماط التعليمية في المقررات الإلكترونية عبر نظام إدارة التعلم والتَّنبُّؤ بالتحصيل الدراسي لدى طلبة الجامعة من خلالِ تقنيات التنقيب في البيانات الضخمة؛ ولتحقيقِ هذا الهدف تمَّ اختيارُ مجموعة من المُقرَّرات الإلكترونيَّة التي يتم تقديمُها لطلبة جامعة الملك خالد عبر نظام إدارة التَّعلُّم (Blackboard). ولمعرفة الأنماط السائدة في المقررات الإلكترونية تمَّ استخدامُ خوارزميَّة التَّجميع "K-Means" لاكتشاف الأنماط، وخوارزميات "Linear Regression, Random Forest, KNN, Tree, SVM" للتنبُّؤ بالتحصيل الدراسي للطلبة. وقد أشارت النَّتائجُ إلى أنَّ خوارزمية التَّجميع "K-Means" قد جمعت درجات الطلبة في ثلاثِ طبقاتٍ رئيسة: الأعلى في الدرجات الطبقة الأولي والثَّانية وأقلها الطبقة الثَّالثة، وبالنسبة للتنبُّؤ بالتحصيل الدراسي، فقد أشارت النَّتائجُ إلى أنَّه يمكن التَّنبُّؤ بالتحصيل الدراسي للطلبة من خلال الأنشطة والاختبارات الفصلية لكل المُقرَّرات ما عدا مُقرَّر (111سلم)، فقد أشارت النَّتائجُ إلى أنَّه يمكن التَّنبُّؤ بالتحصيل الدراسي للطلبة في هذا المُقرَّر من خلال الاختبارات الفصلية فقط، وأنَّ الأنشطة الفصلية لا تسهمُ في التَّنبُّؤ بأداء الطلبة الأكاديمي. وأن خوارزمية Linear Regression أكثر الخوارزميات إسهامًا في التَّنبُّؤ بالتحصيل الدراسي للطلبة، وأنَّ خوارزمية SVM أقلها وأنه يوجد ارتباط قوى بين الأنماط التعليمية في المقررات الإلكترونية المصممة على أنظمة إدارة التعلم الإلكتروني (Blackboard) ومستوى تحصيل الطلاب. | ||
| Keywords | ||
| الكلمات المفتاحية: التَّنقيب في البيانات; البيانات الضخمة; الأنماط التَّعليميَّة; التَّنبُّؤ; الخوارزميات | ||
|
Statistics Article View: 207 PDF Download: 100 |
||
