اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اس فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار

اختصاصی از اس فایل دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار


دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار

دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار

 

 

 

فهرست

چکیده

مقدمه

روش پژوهش

ابزارها

پرسشنامه ی گذشت

پرسشنامه سبک های حل تعارض بین فردی

یافته های پژوهش

بحث ونتیجه گیری

منابع و مأخذ

Abstract

شامل: 11 صفحه

نوع فایل : word


دانلود با لینک مستقیم


دانلود مقاله شوخ طبعی و حس انسجام در پیش بینی سبک های حل تعارض بین فردی زوجین ناسازگار

دانلود پایان نامه پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎

اختصاصی از اس فایل دانلود پایان نامه پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎ دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎


دانلود پایان نامه پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎

پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎

 قالب بندی :   PDF

قیمت :   6500

شرح مختصر : پیش بینی ساختار دوم آر ان ای (RNA) یکی از حوزه های مهم بیوانفورماتیک می باشد و روش های مختلفی برای آسانتر کردن تعیین ساختار RNA ارائه شده است. RNA یک نوکلئیک اسید می باشد که در ساختار سلول موجودات زنده نقش های مهمی بر عهده دارد. دانستن ساختار RNA نقش بسیار تعیین کننده ای در فهمیدن کارکرد یک رشته RNA دارد. تعیین ساختار دوم رشته RNA بوسیله روشهای مختلف کامپیوتری به طور متوسط سریع تر و ارزان تر از روش های آزمایشگاهی است. این پایان نامه بر آن است الگوریتم SetPSO را که یک الگوریتم بهینه سازی بر پایه کار با مجموعه هاست و از رویکرد مینیمم سازی سطح انرژی استفاده می کند, برای پیش بینی ساختار دوم مولکول RNA معرفی کند.

فهرست :

  فصل اول : مختصری راجع به مولکول RNA

 ساختار شیمیایی نوکلئیک اسیدها

  ریبو نوکلئیک اسید یا RNA

  پروتئین سازی, مهمترین وظیفه RNA

 رونویسی

 ترجمه

  ساختار اول RNA

  ساختار دوم RNA

  مولفه های ساختار دوم RNA

  نحوه نمایش ساختار دوم RNA

  ساختار سوم RNA

  مشخص کردن ساختار طبیعی مولکول RNA

 رویکرد مقایسه ای

 رویکرد مینیمم سازی سطح انرژی

 رویکرد گرامرهای مستقل از متن

 قوانین ترمودینامیکی و مدل های مختلف ترمودینامیکی

  فصل دوم : الگوریتم SetPSO

  الگوریتم PSO

  SetPSO

 فضای مساله و موقعیت ذرات

 عملگر جمع

 عملگر تفریق

 عملگر فاصله

  الگوریتم SetPSO

 مقدار دهی اولیه به ذرات

 تغییر سرعت ذرات

 به روز رسانی وضعیت ذرات

  پارامترهای الگوریتم SetPSO

  Closing probability

  Random add probability

 ضریب بی نظمی

 میزان تنوع

فصل سوم : پیش بینی ساختار دوم SetPSO با استفاده از الگوریتم RNA

 نمایش ذرات

  پیدا کردن استم های ممکن در یک رشته و تشکیل مجموعه فراگیر U

 مقدار دهی اولیه به ذرات

 روند اجرای الگوریتم در یک نگاه

 پیچیدگی محاسباتی

 نتایج به دست آمده

واژه نامه

منابع و مراجع


دانلود با لینک مستقیم


دانلود پایان نامه پیش بینی ساختار دوم RNA با استفاده از الگوریتم SetPSO‎

دانلود ترجمه مقاله کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی

اختصاصی از اس فایل دانلود ترجمه مقاله کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی دانلود با لینک مستقیم و پر سرعت .

دانلود ترجمه مقاله کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی


دانلود ترجمه مقاله کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی

 

نام مقاله : The Application of Multiple Criteria Linear Programming in Advertisement Clicking Events Prediction

 

منبع :ScienceDirect

 

سال انتشار : 2013

 

دانلود اصل مقاله به صورت رایگان

 

 

موضوع مقاله: کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی

در صنعت تبلیغات ، پیش بینی سود بالقوه کاربرانی که بر روی تبلیغات هدف کلیک می کنند بسیار اهمیت دارد(با دنبال کردن رفتار کاربران). ما ازمدل پیش بینی برنامه ریزی خطی چند معیاره برای پیش بینی رویداد های تبلیغات کلیکی استفاده می کنیم. مجموعه داده های آزمایشی ما توسط یک شرکت اینترنتی پیشرو در چین به نام KDD Cup 2012 گرفته شده است. . در این مقاله،از ماشین های بردار پشتیبانی (SVM)، رگرسیون لجستیک (LR)، شبکه پایه تابع شعاعی (شبکه RBF)،- الگوریتم نزدیکترین همسایه K (KNN) و NaïveBayes به عنوان پنج معیار و مدل برای مقایسه استفاده می شود.

 

برچسب ها : دانلود مقاله OR,برنامه ریزی خطی چند معیاره,چند معیاره,برنامه ریزی خطی ,تبلیغات کلیکی,پیش بینی


دانلود با لینک مستقیم


دانلود ترجمه مقاله کاربرد برنامه ریزی خطی چندمعیاره در پیش بینی رویدادهای تبلیغات کلیکی

پایان نامه روشهای پیش بینی ضریب بهره وری TBM

اختصاصی از اس فایل پایان نامه روشهای پیش بینی ضریب بهره وری TBM دانلود با لینک مستقیم و پر سرعت .

پایان نامه روشهای پیش بینی ضریب بهره وری TBM


پایان نامه روشهای پیش بینی ضریب بهره وری TBM

این فایل در قالب ورد وقابل ویرایش در 140 صفحه می باشد. 
چکیده:

 

 در این پایان نامه پس از بررسی اصول پایه شکست سنگ توسط برش دهنده آزمایشهای

 

 استفاده شده در روشهای مختلف پیش بینی نرخ نفوذ و ضریب بهره وری شرح داده شده

 

 و پارا مترهای ورودی – خروجی و دامنه کاربرد هر یک از روشهای پیش بینی مورد

 

 بحث قرار گرفته است.

 

 روشهای مختلف با هم مقایسه شده و شباهت ها – تفاوتها – مزایا و معایب هر کدام عنوان

 

 گردیده و روشهای که می توانند جهت بهینه کردن طرح تاج حفار و دستیابی به بهره وری

 

 بیشینه مورد استفاده قرار گیرند شرح داده شده است . در میان روشهای ارائه شده دو روش

 

 CSM  وNTH کاربرد بیشتری دارند. روش  CSM بر اساس تخمین نیروهای اعما ل

 

 شده بر برش دهنده و روش NTH بر مبنای تجربیات حاصل از حفاری می باشد.

 

 هنگامی که داده های حاصل از آ زمونهای بزرگ مقیاس موجود باشد استفاده از روش

 

 CSM برای تخمین نرخ نفوذ و روش NTH جهت پیش بینی نرخ پیشروی توصیه میشود.

 

 مقدمه:

 

 ضریب بهره وری زمان تکمیل پروژه و به تبع ان هزینه را تحت تا ثیر قرار می دهد لذا

 

 نقش اساسی در انتخاب شدن یا نشدن حفر مکانیزه به عنوان روش حفر بازی می کند.زمان

 

 حفر ماشین به کل زمان پروژه یا عملیات روزانه را ضریب بهره وری می گویند.

 

 این ضریب تابعی از شرایط زمین – نوع ماشین – تاسیسات پشتیبانی – مدیریت پروژه و

 

 در نهایت تجربه کارکنان است. حاصلضرب نرخ نفوذ در ضریب بهره وری را نرخ

 

 پیشروی می گویند. نرخ نفوذ نرخ پیشروی انی ماشین است و از هندسه تونل و ویژگیهای

 

 سنگ و پارامترهای ماشین تا ثیر می پذیرد.

 

 تاکنون مدلهای زیادی جهت پیش بینی نرخ نفوذ ارائه شده است و هر کدام تعدادی از

 

 پارامترهای موثر را منظور کرده اند. در این مطالعه به پیش بینی نرخ نفوذ بر مبنای تردی

 

 در فصل چهارم و بر مبنای نتایج آزمون پانچ در فصل پنجم پرداخته شده است.

 

 آزمایشهای زیادی جهت پیش بینی نرخ نفوذ و بهره وری ایجاد شده اند که برخی از آنها

 

 در فصل دوم مورد بحث قرار گرفته است. فرایند برش سنگ توسط برش دهنده های

 

 دیسکی – توزیع فشار پیرامون دیسکها و نحوه محاسبه نیروهای وارد بر دیسک در فصل

 

 سوم مفصل توضیح داده شده است.

 

 در این مطالعه بر مبنای فاکتور پایداری در تاج تونل و مقاومت سنگ پیشروی پیش بینی

 

 شده است و در مورد روشهای پیش بینی CSM و NTH بحث شده است.

 

فهرست

 

 مقدمه

 

 فصل اول

 

 1- اشنایی و سابقه.............................................................................. 1

 

     1-1- نرخ پیشروی.......................................................................... 3

 

     1-2- نرخ نفوذ.............................................................................. 3

 

 

 فصل دوم

 

 2- آزمون های مورد نیاز برای پیش بینی بهره وری TBM ........................... 11

 

   2-1- آزمون تعیین تردی................................................................... 11

 

   2-2- آزمایش اندیس جی سیورز.......................................................... 12

 

   2-3- آزمون سایش......................................................................... 12

 

   2-4- آزمون اندیس سوشار................................................................ 13

 

   2-5- آزمون های برش ازمایشگاهی..................................................... 14

 

      2-5-1- آزمون برش خطی............................................................. 14

 

      2-5-2- آزمون برش دورانی........................................................... 16

 

   6-2- آزمون پانچ........................................................................... 16

 

      2-6-1- تاریخچه آزمون................................................................ 18

 

   7-2- آزمون های تعیین سختی............................................................ 18

 

   8-2- آزمون های مقاومت سنگ.......................................................... 19

 

   9-2- خواص توده سنگ.................................................................. 19

 

 فصل سوم

 

 3- تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی......................... 21

 

   3-1- فرضیات پایه......................................................................... 22

 

   3-2- توزیع فشار و فرایند برش......................................................... 26

 

   3-3- طراحی ماشین و محاسبات......................................................... 33

 

   3-4- پیش بینی نرخ نفوذ................................................................. 33

 

 

 فصل چهارم

 

 4- پیش بینی نرخ نفوذ بر اساس تردی................................................... 37

 

   4-1- ارزیابی برخی داده های حاصل از آزمایش...................................... 38

 

 

 فصل پنجم

 

 5- پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ................................. 48

 

   5-1- تعیین نرخ نفوذ..................................................................... 48

 

   5-2- رده بندی سنگ با استفاده از آزمون پانچ....................................... 51

 

   5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین......................... 54

 

 

 فصل ششم

 

 6- پیش بینی نرخ نفوذ بر مبنای مدل فازی – عصبی و نرخ پیشروی با بهره گیری از

 

  شبکه عصبی............................................................................... 56

 

   6-1- روش فازی – عصبی............................................................. 56

 

      6-1-1- اجزاء منطقی................................................................ 58

 

      6-1-2- اجزاء عددی................................................................. 59

 

   6-2- مدل نرخ نفوذ ( روش عصبی – فازی).......................................... 60

 

      6-2-1- ویژگیهای توده سنگ........................................................ 60

 

      6-2-2- ویژگیهای ماشین............................................................. 60

 

      6-2-3- هندسه تونل................................................................... 61

 

      6-2-4- تحلیل داده ها................................................................. 62

 

      6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)....................... 64

 

   6-3- مقایسه با روشهای مختلف........................................................ 68

 

   6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)................................. 69

 

      6-4-1- انتخاب ساختار مدل و کاهش متغییرها.................................... 69

 

      6-4-2- الگوریتم آموزش شبکه عصبی............................................ 71

 

      6-4-3- توپولوژی شبکه عصبی.................................................... 71

 

      6-4-4- بهبود قابلیت تعمیم شبکه عصبی.......................................... 71

 

      6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل............................... 73

 

      6-4-6- مقایسه با مدلهای آماری.................................................... 73

 

 

 فصل هفتم

 

 7- پیش بینی بهره وری TBM با استفاده از.................................. 74

 

  7-1-  و ....................................................................... 74

 

   7-2- سایش برش دهنده............................................................... 81

 

   7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با .............................. 82

 

   7-4- تخمین زمان اتمام تونل......................................................... 84

 

 فصل هشتم

 

 8- پیش بینی بهره وری TBM براساس فاکتور پایداری تونل..................... 85

 

   8-1- تخمین ضریب بهره وری....................................................... 86

 

   8-2- تخمین نرخ پیشروی............................................................ 87

 

   8-3- مثالی از کاربرد مدل............................................................ 89

 

   8-4- تخمین زمان اتمام تونل........................................................ 92

 

 

 فصل نهم

 

 9- پیش بینی بهره وری TBM برمبنای روش NTH............................. 94

 

 

 فصل دهم

 

 10- پیش بینی بهره وری TBM بر مبنای روش CSM......................... 106

 

    10-1- نیروهای عمودی روی برش دهنده ............................... 108

 

    10-2- نیروهای غلتشی ....................................................... 109

 

    10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده در

 

             یک نفوذ مشخص.......................................................... 113

 

    10-4- تصحیح نرخ نفوذ.......................................................... 116

 

      10-4-1- شاخص دشواری زمین (GDI )................................... 116

 

      10-4-2- انرژی ویژه........................................................... 117

 

      10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی... 117

 

 نتیجه گیری............................................................................ 122

 

 منابع................................................................................... 124

 

 

 

 فصل اول

________________

 

 

 اشنایی و سابقه

 

 

 در طول چند دهه گذشته تکنولوژی TBM های سنگ توسعه زیادی پیدا کرد. این ماشین ها

 

 اکنون به مرحله ای رسیده اند که می توانند در هر نوع سنگ یا خاکی حفر کنند ولی به هر

 

 حال حفر با ماشین پر خطر بوده زیرا همیشه امکان روبرو شدن با زمینی که ماشین توانایی

 

 حفردر آن را ندارد وجود دارد. پیش بینی ضریب بهره وری بخش مهمی از هر پروژه حفر

 

 مکانیزه است. تعداد برش دهنده های مورد نیاز هزینه های آزمایشگاهی – هزینه های

 

 سرمایه ای و عملیاتی همه از دوره ساخت پروژه و دوره ساخت پروژه از ضریب بهره

 

 وری و نرخ نفوذ تاثیر می پذیرد که تخمین این دو بسیار مشکل ا ست. تاکنون تلاش های

 

 زیادی جهت گسترش روشهای پیش بینی بهره وری و پیش بینی دقیق نرخ پیشروی در یک

 

 شرایط زمین شناسی شده است. در کشورهای مختلف و توسط شرکت های مختلف سازنده

 

 TBM دامنه وسیعی از روشهای پیش بینی ضریب بهره وری استفاده می شود.

 

 اصولا" این روشها بر مبنای تحلیل نظری و داده های تجربی بنا نهاده شده اند. در حالت

 

 کلی می توان روشهای ارائه شده را به دو گروه تقسیم کرد. روشهای کاملا" تجربی و

 

 روشهای تئوری/ تجربی. گروه اول بر مبنای داده های جمع اوری شده از زمین و استفاده

 

 از تحلیل رگرسیون میان پارامترهای ماشین خواص سنگ و نرخ نفوذ حاصل شده اند.

 

                                                                                                         1

 

 

 روش NTH یک نمونه از این روشها است. گروه های دیگر بر جزئیات فرایند برش

                                                                                                      

در سنگ تحلیل نظری فرایند شکست سنگ با ابزار مکانیکی و نیروهای وارد بر هر برش

 

 دهنده به منظور دستیابی به یک نرخ نفوذ مشخص متمرکز شده اند.

 

 روش CSM و برخی از روشها که توسط کارخانه های سازنده TBM توسعه داده شده اند

 

 در این گروه قرار می گیرند. این روشها می توانند در بهینه کردن طرح تاج حفار به کار

 

 گرفته شوند. نیروهای اعمال شده بر برش دهنده که توسط این روشها تعیین می شوند میتواند

 

 در تخمین نیروی محوری گشتاور و توان مورد نیاز نیز استفاده شود.

 

 در حالت عمومی روشهای پیش بینی بهره وری بر مبنای قواعد زیر پایه گذاری شده اند:

 

 1) داده های حاصل از زمین یا آزمایش

 

 2) آزمایشهای کوچک مقیاس ( ازمونهای شاخص)

 

 3) آزمایشهای بزرگ مقیاس

 

 4) روشهای تجربی

 

 5) مدلهای تئوری

 

 به عنوان مثال روش پیش بینی NTH ترکیبی از قواعد 1- 2- 4 است و روش CSM

 

 شامل تمامی قواعد ذکر شده می شود.

 

 در تمام روشهای پیش بینی بهره وری نمونه گیری صحیح یک عامل کلیدی است. اگر نمونه

 

 های مورد ازمایش معرف ( نماینده شرایط واقعی زمین) نباشند نتایج پیش بینی قا بل اعتماد

 

 نخواهد بود. تخمین بهره وری TBM در سنگهای سخت یک فرایند بسیار پیچیده است که به

 

 شرایط زمین شناسی خواص توده سنگ و جزئیات ماشین( مانند اندازه برش دهنده ها-

 

 فاصله و بار اعمالی بر آنها) مربوط می شود. فرایند برش و نفوذ در سنگ توسط برش

 

 دهنده مستلزم شکست کششی- برشی و فشاری سنگ است.

                                                                                                         2

 

 درزه ها و شکستگی ها تا حدودی نرخ نفوذ ماشین را بهبود می بخشند.

 

 بر اساس مطالعات صورت گرفته میان   و نرخ نفوذ همبستگی خوبی در TBM های

 سنگ سخت وجود دارد.

 

در این رابطه میزان تنش های برجا و  مقاومت فشاری

 

 توده سنگ می باشد.

 


دانلود با لینک مستقیم


پایان نامه روشهای پیش بینی ضریب بهره وری TBM

مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

اختصاصی از اس فایل مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی دانلود با لینک مستقیم و پر سرعت .

مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی


مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

پایان نامه دکتری تکنولوژی آموزشی

همراه با پرسش نامه

258 صفحه

چکیده

آموزش الکترونیکی در مؤسسه­های آموزش عالی به ویژه در حوزه آموزش مهندسی ایران در حال توسعه چشمگیر است. پذیرش دانشجو برای تحصیل به روش الکترونیکی در ایران و جهان با چالشی مشترک و پدیده­ای تحت عنوان افت تحصیلی مواجه بوده به گونه­ای که آماری بین 20 تا 80 درصد برای افت تحصیلی گزارش شده که این میزان دو برابر آموزش متداول است. در راستای شناسایی عوامل مؤثر بر موفقیت یادگیرنده الکترونیکی در جامعه پژوهشی حاضر که مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران است، تحقیقی کمّی- کیفی اجرا شد. نمونه پژوهش 738 یادگیرنده الکترونیکی بود. داده‌های کمّی پژوهش با استفاده از پرسشنامه محقق ساخته گردآوری شد. روایی سازه ابزار با استفاده از روش تحلیل عاملی اکتشافی، روایی پیش­بین با استفاده از روش تحلیل رگرسیون و پایایی آن با استفاده از روش آلفای کرونباخ بررسی و تایید شد. داده‌های کیفی نیز از طریق مصاحبه، جلسات برخط، فروم و پیام­های دانشجویان گردآوری و مورد تحلیل کیفی قرار گرفت.

نتایج تحلیل رگرسیون چند متغیری نشان داد، مدل رگرسیونی که تجارب یادگیری الکترونیکی را در بر می­گیرد 66.7%، متغیرهای دموگرافیک 24.8%؛ پیشینه تحصیلی 23.1%؛ متغیر­های روانی- فنی 16.4%؛ مدیریتی 14.6%؛ اجتماعی- اقتصادی 8% و رسانه­ای 4.4% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین می­کنند. معنی­دارترین متغیر­های پیش­بین در هر کدام از مدل­ها عبارت بود از: معدل ترم اول دانشجو در تحصیل الکترونیکی، سن، معدل مقطع قبل، اضطراب امتحان، خودگردانی، سکونت در شهرستان، دارا بودن لپ­تاپ. با استفاده از مدل معادلات ساختاری، مدلی تدوین و آزمون شد. این مدل 72% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین کرده و برازش مطلوب نیز داشت (2.294=X2/Df).

در بخش تحلیل کیفی پژوهش، پس از تحلیل محتوای کیفی و کدگذاری باز و محوری، 11 کد محوری استخراج شد. پنج کد محوری که بیشترین فراوانی را داشتند عبارتند از: 1) تبعیض گذاشتن بین دانشجوی مجازی و روزانه؛ 2) عدم شرکت در کلاس مجازی؛ 3) مسائل روان‌شناختی محیط یادگیری الکترونیکی؛ 4) وفق نیافتن با سیستم مجازی؛ 5) مشکلات کلاس مجازی.

در راستای شناسایی مدل مناسب هوش مصنوعی، از روش داده­کاوی آموزشی استفاده شد. پیش­بینی وضعیت دانشجو در یادگیری الکترونیکی به دو صورت مسئله طبقه­بندی و رگرسیونی تعریف شد. نتایج میانگین خطای مطلق نشان داد برای مسئله رگرسیونی، الگوریتم M5' (از مدل­های درخت تصمیم­گیری) و M5Rules (از مدل­های استنتاج قانون) دقیق­ترین و پایاترینِ مدل­ها هستند. برای مسئله طبقه­بندی نیز الگوریتم JRip (از مدل­های استنتاج قانون) قدرت پیش­بینی مطلوب­تری نسبت به سایر مدل­ها داشت. مدل­های پیش­بینی درخت تصمیم و استنتاج قانون به دلیل قابلیت تفسیر نتایج و قدرت پیش­بینی بر مدل­های دیگر چون شبکه عصبی ترجیح داده شد. در پایان نتایج مربوط به یافته­های پژوهش بحث و پیشنهادات کاربردی برای کاهش افت و افزایش موفقیت یادگیرنده الکترونیکی ارائه شد.

واژگان کلیدی: یادگیری الکترونیکی، افت تحصیلی، یادگیری ماشینی، هوش مصنوعی، داده­کاوی آموزشی


دانلود با لینک مستقیم


مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی