مطالب مرتبط با کلیدواژه

دسته بندی


۲۱.

شناسایی، دسته بندی و اولویت بندی انگیزه های گردشگران داخلی جهت سفر به شهر کرمان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: دسته بندی اولویت بندی انگیزه های سفر کرمان

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۰ تعداد دانلود : ۹۵
شناسایی انگیزه گردشگران جهت سفر به یک منطقه کمک ویژه ای به شناخت رفتار گردشگران می کند. هدف از انجام این پژوهش شناسایی، دسته بندی و اولویت بندی انگیزه گردشگران داخلی از سفر به شهر کرمان است. روش پژوهش ازنظر هدف کاربردی، از منظر ماهیت از نوع توصیفی و از حیث نوع داده از نوع ترکیبی است. از روش های کتابخانه ای و میدانی برای جمع آوری داده های پژوهش استفاده شده است. جامعه آماری پژوهش حاضر شامل آن دسته از گردشگران داخلی است که به شهر کرمان در فروردین 1401 سفر کرده اند و همچنین در دسترس پژوهشگر قرار دارند. روش نمونه گیری پژوهش، نمونه گیری غیراحتمالی و از نوع نمونه گیری آسان یا در دسترس است. جهت شناسایی و دسته بندی انگیزه گردشگران از روش تحلیل عاملی اکتشافی و جهت اولویت بندی انگیزه های شناسایی شده از روش تاپسیس استفاده شده است. نتایج تجزیه وتحلیل داده ها نشان داد انگیزه گردشگران داخلی جهت سفر به شهر کرمان به ترتیب شامل موارد زیر است: انگیزه بازدید از جاذبه های فرهنگی-تاریخی، انگیزه مذهبی، انگیزه کاری، بهره مندی از سفر اقتصادی، بهره مندی از سفر گروهی، دیدار دوستان و بستگان، خرید، تفریح و سرگرمی، انگیزه نوستالژیک، بهره مندی از محیط طبیعی، یادگیری.
۲۲.

دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی

کلیدواژه‌ها: آموزش عالی داده کاوی آموزشی دسته بندی پیش بینی موفقیت تحصیلی دانشجو روند تحصیلی دانشجو

حوزه‌های تخصصی:
تعداد بازدید : ۳۷ تعداد دانلود : ۳۱
داده کاوی و کشف الگوها و دانش نهفته در داده های سیستم های آموزشی کمک شایانی به تصمیم گیرندگان عرصه آموزش عالی جهت بهبود فرآیند های آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره می نماید. هدف مقاله حاضر، دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی است. در این مقاله سعی شده با استفاده از داده های دموگرافیک و سوابق تحصیلی دانشجویان و آماده سازی مناسب داده ها و با کمک تکینک های دسته بندی درخت تصمیم، رگرسیون لجستیک، نزدیکترین همسایگی و شبکه های عصبی مدل های مختلفی برای پیش بینی وضعیت تحصیلی دانشجویان در نیمسال آینده ارائه شود. در نهایت مقایسه ای میان نتایج حاصل از تکنیک های مختلف صورت گرفته و بهترین مدل ها در دسته بندی صحیح دانشجویان مدل نزدیکترین همسایگی و سپس شبکه های عصبی شناخته شده اند. بر همین اساس می توان مدل های پیشنهادی را به عنوان یک ابزار پشتیبان تصمیم گیری در سیستم های آموزشی مورد استفاده قرار داد.