fa مدل شبکه بیزی عوامل مرتبط با افت تحصیلی دانشجویان دانشگاه تهران عمومى General پژوهشي Research <div style="text-align: justify;"><span style="font-family:tahoma;"><strong>زمینه: </strong>همواره پژوهشگران&nbsp; با انجام تحقیقات کوشیده‌اند تا با تصمیم‌سازی برای مدیران نظام آموزشی، از شکل‌گیری و تشدید افت تحصیلی پیشگیری کنند و در این راستا از روش‌های آماری پیش‌بینی استفاده کرده‌اند. شبکه بیزی از جمله روش‌های داده‌کاوی پیش&shy; بینی‌کننده و افت تحصیلی یکی از مشکلات بزرگ نظام آموزش عالی است. <strong>هدف: </strong>هدف از این تحقیق شناسایی عوامل مرتبط با افت تحصیلی با استفاده از داده‌کاوی آموزشی و شبکه بیزی بود. <strong>روش: </strong>جامعه پژوهش، کلیه دانشجویان دوره کارشناسی دانشگاه تهران بودند و نمونه‌ای به حجم800 نفر به روش تصادفی طبقه‌ایی انتخاب شد. بعد از اجرا پرسشنامه افت‌تحصیلی دانشجویان و کنارگذاشتن پرسشنامه‌های مخدوش، 746 پرسشنامه مورد تحلیل قرارگرفت و داده‌ها با استفاده از ابزار محقق‌ساخته سنجش افت‌تحصیلی دانشجویان، که دارای درستی مورد تأیید استادان و قابلیت اعتماد آلفای کرونباخ برابر با 0/971 بود، جمع‌آوری شد<span dir="LTR">.</span><strong> یافته&shy; ها: </strong>داده‌های جمع‌آوری شده از دانشجویان تحلیل شد و مدل بیزی آن با میزان صحت الگوریتم 95/84% بدست آمد. <strong>نتیجه &shy;گیری:</strong> نتایج نشان داد، کلیه عوامل پرسشنامه در وقوع افت تحصیلی مؤثر بودند و عوامل فردی تنها عاملی بودکه هم بطور مستقیم و هم با تأثیر بر سایرعوامل بر وقوع افت تحصیلی اثرگذار بود. میزان صحت الگوریتم بیانگر این بودکه با استفاده از مدل شبکه بیز به خوبی می‌توان وقوع افت تحصیلی را پیش‌بینی کرد. &nbsp;</span><span dir="LTR"></span></div> <div style="text-align: justify;"><strong>Background:</strong> Researchers have always tried to prevent the formation and escalation of academic failure by making decisions for educational system administrators. For this reason, they have been using forecasting statistical methods. Bayesian network is one of the Predictor Data mining methods and Academic failure is one of the major problems in the higher education system. <strong>Aims:</strong> The purpose of this study was to identify factors associated with academic failure using educational data mining and Bayesian networks. <strong>Method:</strong> The research population was all undergraduate students of Tehran University. A sample of 800 people was selected by Stratified Random Sampling. After performing and eliminating confused questionnaires, 746 questionnaires were analyzed and data were collected using &nbsp;&nbsp;researcher-made students&#39; academic failure questionnaire, which had a validity of professors and Cronbach&#39;s alpha coefficient of 0/971. <strong>Results:</strong> Data collected from students was analyzed and Bayesian model was obtained<span dir="RTL">.</span>The accuracy of the algorithm was equal to 95/84% .<strong> Conclusion</strong><strong>:</strong> The results showed that all factors of the questionnaire were effective in the occurrence of academic failure and individual factors were the only factors that directly and indirectly affect the occurrence of academic failure. The accuracy of the algorithm indicates that the Bayesian network model can predict the academic failure well.&nbsp;</div> عملکرد تحصیلی, افت تحصیلی, داده‌کاوی, شبکه بیزی Academic performance, Academic failure, Data analysis, bayesian network 417 429 http://psychologicalscience.ir/browse.php?a_code=A-10-207-1&slc_lang=fa&sid=1 Azadeh Fadavi Roodsari آزاده فدوی رودسری a.fadavi@ut.ac.ir 2590847300 10031947532846002620 No University of Tehran دانشگاه تهران Keyvan Salehi کیوان صالحی keyvansalehi@ut.ac.ir 1755750889 10031947532846002621 Yes University of Tehran دانشگاه تهران Ebrahim khodaie ابراهیم خدایی khodaie@ut.ac.ir 1708770070 10031947532846002622 No University of Tehran دانشگاه تهران Ali Moghadamzadeh علی مقدم زاده amoghadamzadeh@ut.ac.ir 1583073124 10031947532846002623 No University of Tehran دانشگاه تهران Mohammad Javadipour محمّد جوادیپور javadipour@ut.ac.ir 10031947532846002624 10031947532846002624 No University of Tehran دانشگاه تهران