نازنین سادات برقی - دانشگاه آزاد اسلامی واحد تهران جنوب
مریم خادمی - دانشگاه آزاد اسلامی واحد تهران جنوب

استفاده از آزمونهای برخط هوشمند روشی برای گزینش و سنجش داوطلبان موردنظر سازمانها و مراکز آموزشی است. مزیت اصلیاستفاده از این نوع آزمونها سرعت و دقت بالا در ارزیابی تعداد زیادی از متقاضیان بهطور همزمان در سطوح و مناطق مختلف است. پاسخگوییبراساس سطح علمی هر داوطلب نقش بهسزایی در انتخاب بهترینها دارد. همچنین لزوم استفاده از الگوریتمهای یادگیر هوشمند در این گزینشبه نحوی که صحت و اعتبار عملکرد آن قابل تضمین باشد، مطالعات و تحقیقات جدید را به سوی دستیابی به راهکارهای بهینه در زمینه دانشکامپیوتر رهنمون کرده است. در این مقاله، ابتدا با استفاده از درخت تصمیم تعداد 1000 نفر از یکی از پایگاه دادههای آزمونهای برخط مؤسساتآموزشی را انتخاب کرده و دستهبندی نموده و سپس با بهکارگیری شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم کلونی زنبور عسل ایندستهبندی را انجام میدهیم. نتایج نشان میدهند مدل شبکه عصبی پرسپترون چندلایه آموزش داده شده توسط الگوریتم کلونی زنبور عسل دارای خطای کمتر MSE و حدود 0/12 است.

آزمون برخط، آزمون هوشمند، درخت تصمیم، دسته بندی، MLP