رقیه رنجبر - دانشگاه آزاد اسلامی، واحد صفاشهر، گروه مهندسی برق و کامپیوتر، صفاشهر، ایران
سامان فروتنی - دانشگاه آزاد اسلامی، واحد صفاشهر، گروه مهندسی برق و کامپیوتر، صفاشهر، ایران

تمایل و نیاز هر سازمان برای استخراج دانش پنهان اما مفید از داده های خود از طریق ابزارهای داده کاوی میسر است. به دلیل کاهش توجهات به مشاوره و راهنمایی در مقطع انتخاب رشته تحصیلی دانش آموزان در آموزش و پرورش نیاز به ابزارهای داده کاوی را دو چندان نموده است. بر روی داده های دانشگاه، از قبیل آزمون ورودی دانشگاه و نتایج سطح معمولی تجزیه و تحلیل هایی مختلف شده است اما ارتباط بین این نتایج ورودی و نمرات نهایی دانش آموزان در زمان فارغ التحصیلی تحقیقات چندانی به عمل نیامده است . با بکارگیری تکنیکهای داده کاوی روی داده های آموزشی می توان اطلاعات و دانش مفیدی را از آنها استخراج کرد که این دانش نیز به نوبه خود می تواند برای درک و فهم رفتار دانش اموزان در انتخاب رشته شان، در امر آموزش و تدریس، ارزیابی و بهبود سیستم های آموزش الکترونیکی، بهبود برنامه آموزشی، افزایش بازدهی وکارایی دانش آموزان و سایر اهداف می تواند کمک شایانی در این زمینه محسوب شود. در سالهای اخیر تحقیقات زیادی در زمینه بکارگیری فرآیند سیستم های پیشنهاد دهنده در امر آموزش صورت گرفته است. که این مهم برای سیستم انتخاب رشته دانش آموزان کمک شایانی می کند، بدین منظور فلوچارت روش پیشنهادی ما در سه مرحله صورت می گیرد:مرحله اول آماده سازی داده ها ،مرحله دوم خوشه بندی و ارزیابی می باشد که خوشه بندی با استفاده از الگوریتم knn می باشد و مرحله سوم بهینه سازی و ارزیابی ،که با استفاده از الگوریتم های فرااکتشافی بهینه سازی ازدحام ذرات pso و درخت پوشا می باشد .جهت مقایسه با یک روش یادگیری دیگراز روش جنگل تصادفی استفاده شده است، مقایسه Rmse برای دو مدل ساخته شده نشان می دهد که مدل ساخته شده بر اساس knn مقدار کمتری داشته و طبیعتا مدل بهتری است.

سیستم پیشنهاد دهنده، الگوریتم بهینه سازی، خوشه بندی