تحليل بيانات التسليف لطلاب التعليم العالي باستخدام خوارزميات العنقدة في تعدين البيانات ( بالتطبيق على الصندوق القومي لرعاية الطلاب )

Abstract

Abstract This research provides an applied study in the field of Data Mining and Knowledge Discovery in Databases towards achieving the maximum possible benefit for students of higher education in the domain of loan service (the non-interest loan) for the years 2015 and 2016 to To convert the concept from grants to lending of education among students due the high costs of the educational process, in addition to the shifting of sponsorship service from grants to loans by discovering new patterns and seeking certain method or relationship in a big part of the data. In this study, some patterns in these data have been discovered, and the research concluded to a set of patterns which can give significant indicators in the educational aspect through reaching a number of results, including the fact that, the percentage of applicants in the general admission is higher than the private admission, and most of them are females, and that most of those applying for the service are not sponsored and they belong to government universities such as ELGezira and AL-Imam AL-Mahdi and Dongla University. Data mining technologies were chosen as they are the most suitable ones to benefit from the data size. Clustering technology has been used in collections that can assist in extracting knowledge and using of K-Means which has applied the tool WEKA that supports a lot of algorithms and methods of data mining.

المستخلص يقدم هذا البحث دراسة تطبيقية في مجال التنقيب عن البيانات Data Mining واكتشاف المعرفة في قواعد البيانات Knowledge Discovery in Databases لتحقييق اقصي استفادة ممكنة لطلاب التعليم العالي من خدمة التسليف (القرض الحسن بدون أرباح) خلال 2015و2016م لتقليل نسبة التسرب في التعليم وسط الطلاب بسبب ارتفاع تكاليف العملية التعليمية بالاضافة لتحويل المفهوم من المنح الي الاقراض وذلك باكتشاف انماط جديدة والبحث عن منوال أو علاقة معينة في جزئية كبيرة من البيانات وفي هذه الدراسة تم اكتشاف بعض الانماط Patterns في هذه البيانات وقد خلص البحث الي مجموعه من الانماط التي يمكن ان تعطي مؤشرات ذات دلالة في الجانب التعليمي وذلك بالتوصل الي عدد من النتائج منها أن نسبة المتقدمين من القبول العام اعلي من القبول الخاص واغلبهم من الإناث وان اكثر المتقدمين للخدمة غير مكفولين ومن الجامعات الحكومية هي الجزيرة والامام المهدي وجامعة دنقلا . تم اختيار تقنيات التنقيب في البيانات كونها الانسب للاستفاده من حجم البيانات وتم استخدام تقنية العنقدة Clustering لتجميع البيانات في تجمعات تساعد في استخلاص المعرفة وباستخدام خوارزمية K-Means وتم تطبيقها بواسطة الاداة WEKA التي تدعم الكثير من الخوارزميات والطرق للتنقيب في البيانات.