مقارنة خوارزميات تنقيب البيانات التعليمية لدعم القرار في مؤسسات التعليم العالي السودانية حالة دراسية (أداء الطلاب بكلية علوم الحاسوب وتقانة المعلومات – جامعة الزعيم الأزهري)

Abstract

المستخلص تقدم هذه الدراسة طريقة لإستخدام تقنيات التنقيب في البيانات التعليمية التي تستخدم لدعم اتخاذ القرار في مؤسسات التعليم العالي السودانية ، تم إستخدام تقنيات (التجميع ، قواعد الإرتباط وأشجار القرارات) ، تم جمع بيانات هذه الدراسة من نظام معلومات الطلاب في كلية علوم الحاسب وتقنية المعلومات في 2016/2017 بجامعة الزعيم الأزهري .تم تطبيق التجربة لهذه الدراسة باستخدام أداة ويكا (بيئة وايكاتو لتحليل المعرفة) لتصنيف البيانات باستخدام 10 خوارزميات هي:( J 48, LMT, Random tree, One R, Zero R, JRIP, Bayes Nest, Naïve Bayes, Naïve Bayes multinational and Naïve Bayes updateable).. يمكن أن تكون خوارزميات تنقيب البيانات حلاً لبعض المشكلات التعليمية، بالإضافة إلى توفير المعلومات لصانعي القرار والمستخدمين. يمكننا تطبيق هذه الخوارزميات في مجالات التعليم العالي للتحقيق في العلاقات بين السمات ، إذا قمنا بتطوير العديد من النماذج باستخدام تقنيات (Trees, Rules and Bayes). لتحسين كفاءة وفعالية مهام تحليل البيانات ، تمت مقارنة دقة تلك النماذج التقيبية. هذه الدراسة تقدم مقارنة بين عدة خوارزميات للتنقيب في البيانات التعليمية لاستخدام افضلها لدعم القرار في مؤسسات التعليم وتقديم طريقة مبنية علي تقنيات تنقيب البيانات التعليمية ونتائج عمليات تنقيب البيانات والمعلومات التي تدعم صنع القرار (supporting the decision) في مؤسسات التعليم العالي السودانية . وقد إستخدمنا عدة عوامل لعملية المقارنة مثل : الدقة (accuracy) والوقت المستغرق (time taken) والحالات المصنفة بشكل صحيح (Correctly) أو تلك المصنفة بشكل غير صحيح (Incorrectly) في جميع الخوارزميات. من خلال هذه الدراسة تبين أن تقنيات تنقيب البيانات يمكن استخدامها في دعم القرار في المؤسسة التعليمية. كما أن نماذج أو مقاربة دعم القرار التي تعتمد على تنقيب البيانات ستكون مفيدة وستوفر نتيجة ناجحة وموثوقة في دعم القرار في مؤسسات التعليم العالي. يمكن أن تساعد في حل حاجة السودان التعليمية للمحللين المهرة و يمكننا أيضًا اكتشاف بعض الأنماط الخفية والتي يمكن أن تكون غنية بالمعلومات وفي غاية الأهمية. أكثر من ذلك فقد استطعنا ان نجيب على أسئلة البحث التي وضعناها مثلاً: كيف يمكن أن تؤثر تقنيات التنقيب عن البيانات في عملية اتخاذ القرارات في مؤسسات التعليم العالي وكيف يؤدي ذلك الي تحسين بيئة مؤسسات التعليم العالي؟وكيفية وضع استراتجيات تساعد ادارة مؤسسات العالي في اتخاذ قرارات جيدة من خلال نظم دعم القرار؟ ماهي أفضل خوارزميات تنقيب البيانات التي يمكن ان تستخدم لدعم اتخاذ القرار في مؤسسات التعليم العالي من حيث الزمن المستغرق ودقة النتائج في التحليل وبناء النموذج ؟ كيف يمكن أن يؤثر استخدام تقنيات التنقيب في بيانات التعليم العالي علي أداء الطلاب ؟ كيف يمكن وضع استراتيجيات قابلة للتطبيق وفعالة لمنع ظاهرة تسرب الطلاب , ليستخدمها مديرو مؤسسات التعليم العالي من خلال نظم دعم القرار؟ Abstract This study presents an approach to use educational data mining techniques which will be employed to support decision-making in Sudanese higher education institutions, by providing an approach based on Data Mining. Three techniques (Clustering, Association Rules, Decision Tree) were selected to make use of the educational data and provide results or information that would support the decision in higher education institutes. The sample data of this study is from student academic databases of Faculty of Computer Sciences and Information Technology session 2016/2017 at the University of Azim Azhari. This study presents the experiments using Weka tool (Waikato Environment for Knowledge Analysis). Various classification mining algorithms were used. The experiments show that data mining algorithms can be a solution for some educational problems, in addition to providing information for decision makers and users. In this study three classifiers (Trees, Rules and Bayes), ten classification algorithms (J 48, LMT, Random tree, One R, Zero R, JRIP, Bayes Nest, Naïve Bayes, Naïve Bayes multinational and Naïve Bayes updateable) were discussed. They could be applied in higher education field (s) to investigate relationships among attributes using several (Trees, Rules and Bayes) models. To improve the efficiency and effectiveness of data analysis tasks, the accuracy of those mining models was compared. Through this study we supported that Data Mining Techniques can be used in supporting the decision in educational institutes. Also decision support models or approaches that based on the data mining will be useful and will provide successful and reliable results in the decision making in higher educational institutes. It can help to solve Sudan’s education need for skilled analysts, also we could discover some hidden patterns which could influence the performance of the educational system such as the performance of students. Moreover, we could solve our typical research questions, such as:How can educational data mining techniques affect Decision Support and help managers to improve the university environment? How to make strategies for frustrating attrition easily conveyable to managers of higher education institutions through decision support systems? How can data mining Decision Support help students to choice their major before enrollment to university? How to make Labor Institutions managers easily select Manpower from College graduates by using data mining decision support systems? How can educational data mining techniques affect Decision Support and help managers to improve the university environment? How to make strategies for frustrating attrition easily conveyable to managers of higher education institutions through decision support systems? How can data mining Decision Support help students to choice their major before enrollment to university? How to make Labor Institutions managers easily select Man power from College graduates by using data mining decision support systems?