Arab Educational Information Network

يعد التنقيب عن البيانات مجالًا مهمًا حيث تم استخدامه على نطاق واسع في مجالات يومية مختلفة مثل التعليم، كما يعد التنقيب في البيانات التعليمية من أهم استخدامات التنقيب عن البيانات. في هذه الدرسة: قمنا بتطبيق بعض النماذج من نماذج التعلم الآلي على بيانات لطلاب قسم هندسة الحاسوب والحوسبة التطبيقية في جامعة فلسطين التقنية - خضوري في طولكرم. حيث يدرس الطلاب في كلا التخصصين نفس المواد التخصص الاجبارية مثل مساق لغة السي بلس بلس ومساق لغة الجافا. لذلك، اعتمدنا على مثل هذه المساقات للتنبؤ بأداء الطالب. الهدف من هذه الدراسة هو توقع أداء الطلاب في تخصصه حيث يتم قياسه من خلال المعدل التركمي. هناك العديد من التقنيات المستخدمة في مجال التنقيب عن البيانات في المجالات التعليمية. تم تطبيق ثلاثة نماذج على بيانات الدراسة والتي كانت شائعة الاستخدام في مجال التنقيب عن البيانات وهي شجرة اتخاذ القرار مع مقياس اكتساب المعلومات، وشجرة القرار بمقياس مؤشر “جيني”، ونموذج بيز. تم استخدامنا هذه النماذج لأنها فعالة ولديها سرعة عالية في تصنيف البيانات والتنبؤ بها. تشير النتائج إلى أن شجرة اتخاذ القرار مع مقياس اكتاب المعلومات تتفوق على النماذج الأخرى بدقة 0.66. تم دراسة وتحديد حقول البيانات الرئيسة المتضمنة في بيانات الدراسة والتي تم استخدامها في تدريب وتطبيق النموذج المختار، على وجه التحديد تم اختيار حقل تخصص الطالب في الدراسية الثانوية (علمي، ادبي .)، تخصص الطالب في الجامعة، وما إذا كان الطالب حاصل على منحة دراسية أم لا. حيث ان هذه الحقول لها تأثير على التنبؤ باداء الطالب. على سبيل المثال، تزيد دقة شجرة القرار مع مقياس اكتساب المعلومات إلى 0.71 عند تطبيقها على مجموعة فرعية من الطلاب الذين درسوا في الفرع العلمي في المرحلة الثانوية. هذه الدراسة مهمة لكل من طلبة وادارة جامعة فلسطين التقنية – خضوري، حيث ستكون الجامعة قادرة على استخدام النموذج للتنبؤ باداء الطلبة. هذا وقد كانت نتائج التجارب بالتنبؤ باداء الطلبة تتماشى مع اداء الطلبة الحقيقية الموجودة في عينة البيانات التي تم تطبيق الدراسة عليها. (الملخص المنشور)

Data mining is an important field; it has been widely used in different domains. One of the fields that make use of data mining is Educational Data Mining. In this study, we apply machine learning models on data obtained from Palestine Technical University-Kadoorie (PTUK) in Tulkarm for students in the department of computer engineering and applied computing. Students in both fields study the same major courses, C++ and Java. Therefore, we focused on these courses to predict student’s performance. The goal of our study is predicting students’ performance measured by (GPA) in the major. There are many techniques that are used in the educational data mining field. We applied three models on the obtained data which have been commonly used in the educational data mining field: the decision tree with information gain measure, the decision tree with Gini index measure, and the naive Bayes model. We used these models in our work because they are efficient and they have a high speed in data classification, and prediction. The results suggest that the decision tree with information gain measure outperforms other models with 0.66 accuracy. We had a deeper look at key features that we train our models; precisely, their branch of study at school, field of study in the University, and whether or not the students have a scholarship. These features have an influence on prediction. For example, the accuracy of the decision tree with information gain measure increases to 0.71 when applied on the subset of students who studied in the scientific branch at high school. This study is important for both the students and the higher management of PTUK. The university will be able to make some predictions on the performance of the students. In the carried experiments, the prediction of the model was in line with the actual expectation. (Published abstract)