التنقيب في بيانات القبول الجامعي في سورية

  • رند شعبان Syrian
  • د. زين جنيدي
الكلمات المفتاحية: التنقيب في البيانات, منصة WEKA, القبول الجامعي, أشجار القرار, نايف بايز, الجار الأقرب, المتغير الهدف, التنبؤ, التصنيف, اختيار المتغيرات

الملخص

لا يخفى على أحد أن عملية القبول الجامعي هي عملية استراتيجية على مستوى القطر، ومهمة جداً للمواطنين بمختلف فئاتهم، فهذه العملية تلقى الاهتمام من شرائح المجتمع كافة، الطلاب وأهاليهم والقطاع التعليمي بشكل عام. لذلك كان لا بد من الاهتمام بأدق تفاصيلها، ومحاولة تحسينها وتبسيطها. تعتمد مديرية تقانة المعلوماتية والاتصالات الإعلانات الصادرة عن وزارة التعليم العالي والبحث العلمي في سورية لتنفيذ المفاضلات الكترونياً، وتعتبر هذه الإعلانات بمثابة الناظم لعمل البرامج الالكترونية، هدفت هذه الدراسة إلى توظيف بيانات القبول الجامعي الخاصة بالفرع العلمي والمتراكمة خلال العشر سنوات السابقة، وتسخيرها لإنشاء نموذج تنبؤي يطبق على الطلاب المقبلين على القبول الجامعي. وكان من أهم نتائج الدراسة:

تصميم نموذج تنبؤي باستخدام منصة WEKA للتنقيب في البيانات باستخدام بيانات القبول الجامعي المتراكمة في السنوات العشر السابقة لتطبيقه على طلاب الفرع العلمي المقبلين على القبول الجامعي وإرشادهم للجامعة والفرع المناسب لهم حسب بياناتهم، واستخدام النموذج لدعم القرار في وزارة التعليم العالي والبحث العلمي بما يسهم في توزيع الطاقة الاستيعابية في الكليات والمعاهد في الجامعات الحكومية السورية كافة قبل البدء بأعمال القبول الجامعي.

المراجع

1. Abdul Hamid M. Ragab, Abdul Fatah S. Mashat, and Ahmed M. Khedra. (2014). Design and Implementation of a Hybrid Recommender System for Predicting College Admission. International Journal of Computer Information Systems and Industrial Management Applications, 6(2150-7988), 35-44.
2. Alex A. Freitas. (2002). Data Mining and Knowledge Discovery with Evolutionary Algorithms. Berlin, Germany: Springer.
3. Mwapashua H. Fujo and Mussa Ally Dida. (2018). Web-based admission system for advanced level, private schools: case of Kilimanjaro region, Tanzania . International Journal of Advanced Technology and Engineering Exploration, 5(47)(2394-7454), 407-418.
4. Annam Mallikharjuna Roa, Nagineni Dharani, A. Satya Raghava, J. Buvanambigai and K. Sathish. (2018). College Admission Predictor . Journal of Network Communications and Emerging Technologies (JNCET), 8(4), 142-147.
5. Ian H. Witten and Eibe Frank . (2005). Data Mining Practical Machine Learning Tools and Techniques 2nd Edition. Elsevier.
6. J. Ross Quinlan. (1994). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, Inc.
7. Baswana, S., Chakrabarti, P. P., Patanged, U., Kanoria, Y., & Chandran, S. (2019, September - October). Centralized Admissions for Engineering Colleges in India. INFORMS JOURNAL ON APPLIED ANALYTICS, pp. 338-354.
8. Janusz Sobecki. (2006). Implementations of Web-based Recommender Systems Using Hybrid Methods . International Journal of Computer Science & Applications, 3(3), 53-64.
9. R. Suguna and D. Sharmila. (2013). An Efficient Web Recommendation System using Collaborative Filtering and Pattern Discovery Algorithms. International Journal of Computer Applications,(0975-8887). 37-70.
10. الشربيني الهلالي. (نيسان, 2008). نظام مقترح للقبول بمؤسسات التعليم العالي في مصر. اللجنة التحضيرية للمؤتمر القومي لتطوير الثانوية العامة وسياسات القبول في التعليم العالي في مصر.
11. قصي عزام. (2015). نظام دعم القرارات المتعلقة بالقبول الجامعي (المفاضلة) في الجمهورية العربية السورية. دمشق: المعهد العالي للعلوم التطبيقية والتكنولوجيا.
12. نصرة رضا البناي، وفاء محمد بلحاضي، و محمد أحمد الخولي. (2004). القيمة التنبؤية لمعايير القبول المستخدمة بجامعة قطر وعلاقتها بالمعدل التراكمي الجامعي.
13. هيفاء ابراهيم. (2013). أنموذج مقترح لتطوير واقع سياسات قبول الطلبة في التعليم الجامعي في الجمهورية العربية السورية في ضوء تجارب بعض الدول المتقدمة. جامعة دمشق - كلية التربية، سورية.
منشور
2021-02-02
كيفية الاقتباس
شعبانر., & جنيديد. ز. (2021). التنقيب في بيانات القبول الجامعي في سورية. مجلة جامعة حماة, 3(12). استرجع في من https://hama-univ.edu.sy/ojs/index.php/huj/article/view/327