Abstract
This review pursues a twofold goal, the first is to preserve and enhance the chronicles of recent educational data mining (EDM) advances development; the second is to organize, analyze, and discuss the content of the review based on the outcomes produced by a data mining (DM) approach. Thus, as result of the selection and analysis of 240 EDM works, an EDM work profile was compiled to describe 222 EDM approaches and 18 tools. A profile of the EDM works was organized as a raw data base, which was transformed into an ad-hoc data base suitable to be mined. As result of the execution of statistical and clustering processes, a set of educational functionalities was found, a realistic pattern of EDM approaches was discovered, and two patterns of value-instances to depict EDM approaches based on descriptive and predictive models were identified. One key finding is: most of the EDM approaches are ground on a basic set composed by three kinds of educational systems, disciplines, tasks, methods, and algorithms each. The review concludes with a snapshot of the surveyed EDM works, and provides an analysis of the EDM strengths, weakness, opportunities, and threats, whose factors represent, in a sense, future work to be fulfilled
چکیده
این بازبینی دو هدف را دنبال میکند. درابتدا تاریخچه پیشرفتهای انجام شده در دادهکاوی آموزشی (EDM) اخیر حفظ و بهبود داده شده و سپس محتوی بازبینی براساس خروجیهای تولید شده از یک روش دادهکاوی (DM). سازماندهی، تحلیل و بررسی میگردد. بنابراین در نتیجه انتخاب و تحلیل 240 تحقیق EDM، پروفایل کاری EDM حاوی 222 روش و 18 ابزار EDM گردآوری شد. پروفایل تحقیقات EDM به عنوان پایگاهداده خام سازماندهی شده و سپس به پایگاه داده موردی مناسب دادهکاوی تبدیل شد. درنتیجه اجرای فرآیندهای خوشه بندی و آماری، مجموعه ای از عملکردهای آموزشی یافته شد، الگوی واقع گرایانه روشهای EDM کشف شد و دو الگوی مقدار-نمونه برای شرح دادن روشهای EDM براساس مدلهای توصیفی و پیشبینی مورد شناسایی قرار گرفت. یکی از یافتههای اصلی این تحقیق این بود که اساس اکثر روشهای EDM مجموعه ای پایه متشکل از سه نوع الگوریتم، روش، وظیفه، اصل و سیستم آموزشی میباشد. این بازبینی با چشم اندازی از تحقیقات EDM مقایسه شده خاتمه یافته و تحلیلی از قدرتها، ضعفها، فرصتها و خطراتی ارائه میشود که عوامل موثر در آنها باید در تحقیقات آینده پوشش داده شوند.
1-مقدمه
دادهکاوی (DM) سیستم اطلاعاتی مبتنی بررایانه (CBIS) است (Vlahos, Ferratt, & Knoepfle, 2004) که به اسکن مخازن حجیم داده، تولید اطلاعات و کشف دانش میپردازد. اساسا DM برگرفته از عبارت استخراج معدن است. ولی به جای جستجوی مواد طبیعی، دانش مورد هدف قرار میگیرد. DM سعی میکند الگوهای داده را یافته، اطلاعات روابط پنهان را سازماندهی کرده، قوانین انجمنی ساخته، برای دسته بندی، مقادیر ناشناخته آیتمها را تخمین زده، خوشههایی از اشیاء همگن ساخته و به سادگی بسیاری از نتایجی که توسط CBIS کلاسیک چارچوبل دستیابی نبوده اند را تولید کند. درنتیجه خروجیهای DM پشتیبانی ارزشمندی برای تصمیم گیری به شمار میرود...