به نام خدا

1. به نام خدا موضوع : استاد راهنما : دانشجو : تاریخ ارائه :

3. فهرست مطالب • مقدمه • چکیده • تعریف مساله • هدف تحقیق • رشته داروسازی • روش انجام تحقیق • نتیجه گیری • منابع

4. 1. مقدمه در تمام جوامع برای پیشرفت افراد در هر زمینه ای به انگیزه و علاقه ی فرد نسبت به آن زمینه نیازاست.امروزه به جهت رقابت بین جوانان برای کسب تحصیلات عالی افراد ازطبقات گوناگون جامعه وبا انگیزه های مختلف وگاهی بدون شناخت، آگاهی و علاقه وارد رشته های مختلف آموزشی می شوند.این امر می تواند به صرف هزینه و وقت گزافی منجر شود و نتیجه ی لازم را نیز به بار نیاورد. از طرف دیگر انتخاب رشته های دانشگاهی باتوجه به حساسیت موضوع بایدبادقت وتامل بیشتری صورت پذیرد. عدم توجه به این مسئله باعث شده است که تعدادی از دانشجویان علی رغم وقت ، هزینه و تلاشی که درانتخاب رشته داشته اند، به تغییر رشته اقدام نمایند. از این رو کشف الگوها و دانش نهفته در اینگونه اطلاعات و داده های اموزش عالی می تواند به تصمیم گیرندگان عرصه آموزش عالی در جهت ارتقا و بهبود فرایند های آموزشی نظیر برنامه ریزی ، ثبت نام ، ارزیابی ، انتخاب رشته ی تحصیلی، و مشاوره ی دانشجویان در دوران تحصیل کمک زیادی کند. 1/24

5. داده کاوی یک تکنیک میان رشته ای برای اکتشاف اینگونه الگوها است . داده کاوی الگوهای قابل فهم ، مفید ، ناشناخته، و معتبر را از داده های آموزشی استخراج می کند 2/24

6. 2. چکیده مطالعات متعددی درکشورهای مختلف انجام شده ومیزان انگیزه افراد جهت ادامه تحصیل در رشته های مختلف را اندازه گیری نموده اند.بررسی میزان انگیزه فرد در یک رشته خاص می تواند زمینه ای جهت تقویت این انگیزه ها شودو بتواند انگیزه افراد را تقویت کرده تا در کار خود پیشرفت کنند. لذا در این تحقیق تلاش بران بوده است تابا بکارگیری روشهای داده کاوی ازجمله درختان تصمیم گیریcartc50وتحلیل داده های جمع آوری شده از پرسش نامه هایی که از طریق دانشجویان دانشکده داروسازی دانشگاه علوم پزشکی اصفهان در طول سال های 82 تا 87 بدست آمده به سوالاتی درزمینه عوامل موثر در تغییر انگیزه دانشجو و نیز ارتباط بین این عوامل پاسخ داده شود در این مقاله ازنرم افزار Clementine12.0ساخت کشور spssاستفاده شده است . این نرم افزار امکان ایجاد مدلهای متعددی را ، براساس تئوری های آماری ، هوش مصنوعی و یادگیری ماشین ارائه می دهد. 3/24

7. 3. تعریف مساله • در این مقاله تلاش بر ان بوده است تا با بکارگیری تکنیک های داده کاوی و تحلیل داده های جمع آوری شده از پرسشنامه هایی که توسط دانشجویان تکمیل شده است به بررسی عوامل موثر در افزایش یا کاهش انگیزه آنها به رشته تحصیلیشان و نیز کشف ارتباط بین این عوامل بپردازیم. • جامعه مورد نظرکلیه دانشجویان سالهای مختلف رشته ی داروسازی دانشگاه علوم پزشکی اصفهان می باشد • در این مطالعه رشته داروسازی به عنوان یک case study انتخاب شده زیرا داروسازی از مشاغل با منزلت اجتماعی به حساب می آید و متقاضیان زیادی ازکنکور تجربی را به خود جذب کرده است درحالیست که رشته های پزشکی نیز در اولویت عموم متقاضیان کنکور علوم تجربی وجود دارد. • دراین تحقیق دانشجویان به دوگروه اصلی با انگیزه بالا و انگیزه پایین دسته بندی شده اند. 4/24

8. طبق این نمودار تعداد دانشجویان با انگیزه پایین در ورودی سالهای 82و83و85 از سایر ورودیهای دیگر بیشتر است که با مروری برسوابق دانشگاه اصفهان نشان می دهد که تغییرات در سیاستهای دانشگاه نیز می تواند بر دانشکده ها و دانشجویان تاثیر گذار باشد. 5/24

9. شکل 2 مدل پیشنهاد شده توسط بکارگیری تکنیکهای داده کاوی به منظورکشف عوامل موثر در انگیزه دانشجویان و انتخاب رشته تحصیلی را نشان می دهد. داده های کاوی موردمطالعه در این مقاله توسط پرسشنامه ای وبراساس دو مجموعه فاکتور اصلی جمع آوری شده اند.نتایج این مدل می تواند به منظور پشتیبانی از سیستم های آینده نگری انگیزه و علاقه مندی دانشجویان و مشاوره تحصیلی استفاده شود. 6/24

10. در این مطالعه از روش کلاسه بندی در درختان تصمیم گیری به عنوان مدل استفاده شده است زیرا هدف اصلی این کار پژوهشی شناسایی دانشجویان با ریسک بالای کاهش انگیزه ونیز دانشجویان با انگیزه و علاقه مندی بالا به ادامه تحصیل است همچنین تشخیص درجه و نوع بی انگیزگی (کاهش علاقه ، تمایل به تغییر رشته ،محقق نشدن اهداف) در دانشجویان دجار ریسک از اهداف دیگر این تحقیق است. • الگوریتم های درخت تصمیم مدل های دقیق و قابل تفسیر را با دخالت نسبتا کم کاربر ایجادمیکنند .از این الگوریتم ها میتوان برای مسائل کلاسه بندی دو دویی و چند کلاسه استفاده نمود درختان تصمیم گیری خیلی سریع آموزش می بینند و نیز سریع اجرا می شوند دراین مقاله ازدو الگوریتم استنتاج قانون به نام c5.0وcartاستفاده شده است. الگوریتم cartشکست های دودویی در درخت را به خوبی کنترل می کند در حالی که شکست های چند تایی با c5.0به خوبی کنترل می شوند. این دو الگریتم در معیاری که برای شکست استفاده میکنند با هم تفاوت دارند 7/24

11. 4. هدف تحقیق • بررسی افزایش و یا کاهش انگیزه دانشجویان بر اساس دلایل انتخاب رشته دارو سازی • بررسی عوامل موثر درتغییر انگیزه دانشجویان و نیز ارتباط بین این عوامل • بررسی روند افزایشی یا کاهشی انگیزه دانشجویان در طول دورهی تحصیل 8/24

12. 5. رشته داروسازی دارو سازی تلفیقی از علوم پایه و بالینی است که درساخت و تولید دارو و دادن اطلاعات دارویی خدمات ارزنده ای را ارائه می دهد. دروس رشته ی دارو سازی در مقابل رشته پزشکی بسیار فراگیر و متنوع بوده و هم جنبه ی حفظی و هم جنبه تحلیلی دارد درنتیجه به همت و تلاش قابل توجه نیازمند است داروسازی نیز همانند بسیاری از رشته های دیگرمشکلات عام آموزش رادارد به این معناکه نظام آموزشی ما به جای بحث وگفتگوودرک عمیق مطلب بیشترمبتنی بر حفظ کردن است. 9/24

13. 6. روش انجام تحقیق این تحقیق در طی انجام چند فاز اصلی صورت گرفته است: • جمع آوری داده ها ، بررسی و تحلیل آن و درنهایت انتخاب داده های مناسب • پیش پردازش و آماده سازی • اعمال تکنیک هایی از درختان تصمیم گیری • کشف عوامل موثر بر انگیزه دانشجویان و مقایسه نتایج 10/24

14. 1.6 روش اجرای طرح و جمع آوری داده ها • در مبحث داده کاوی مهمترین مسئله دستیابی به داده هایی است که بتوان براساس آن به نتایج مفیدی دست یافت • در این مقاله از داده های آموزش عالی استفاده کردیم • در ابتدا براساس منابع موجود و مطالعات قبلی یک پرسشنامه مربوطه اصلاح و در اختیار کلیه دانشجویان ورودی در سالهای 82 تا 87 همین رشته قرار داده شده است • عرضه پرسشنامه به صورت حضوری انجام شده است • درتهیه پرسشنامه از مدل لیکرت با گزینه های شامل خیلی زیاد ، زیاد متوسط ، کم و خیلی کم استفاده شده است • داده های جمع آوری شده که شامل 434 رکورد اطلاعاتی به همراه 33 فیلد می باشد در یک فایل صفحه گسترده اکسل قرار گرفتند 11/24

15. 2.6 پیش پردازش و آماده سازی داده ها برای افزایش دقت و کیفیت قوانین همچنین ایجاد مدلهایی با قوانین کمتر و موثر و همچنین کاهش تعداد صفات و صرفه جویی در حافظه مصرفی الگوریتم feature selection در یک جامعه کوچکتر از داده ها بکار برده شده است • در مرحله گزینش اولیه فیلدهایی که اطلاعات مفیدی را براساس فیلد خروجی فراهم نمی کردند به دلیل زیر حذف شده اند : • فیلد های که دربیش از 70 درصد از نمونه ها برای آنها مقداری داده نشده • فیلدهای که مقادیر معتبر برای انها در بیش از80 درصد موارد ثابت است • فیلدهای جمع آوری شده شامل دوگروه اطلاعاتی از مجموعه فیلدهای مرتبط به : • شرایط زمینه ای و دلایل انتخاب رشته دارو سازی پیش از ورود به دانشگاه • شرایط به وجود امده در دوران تحصیل و دانشگاه است • و گام پیش پردازش به صورت مجزا براساس دو فیلد هدف 1. وضعیت انگیزه: انگیزه بالا، انگیزه پایین 2. حالات کاهش انگیزه اعمال گردیده است 12/24

16. مجموعه صفات انتخاب شده به عنوان نتیجه بعد ازگذراندن 3 مرحله گزینش اولیه رتبه بندی و انتخاب میشوند که در جدول شماره ی 1 نمایش داده شده اند • در مرحله رتبه بندی به هریک از صفات پیشگوی باقی مانده از مرحله اول امتیازی متناسب با میزان تاثیر گذاری انها بر روی فیلد هدفبا استفاده از محاسبه مقدار اختصاص داده می شود • برای تعیین مقدار p هر فیلد باتوجه به این که فیلد هدف از نوع طبقه بندی شده است برای صفات پیشگوی عددی ازf static و برای صفات پیشگوی طبقه بندی شده از رابطه pearson's chi-square یا رابطه • Pearson's chi-square استفاده می شود • سپس از میان آن صفات با اهمیت ترین رو انتخاب میکنیم بعد از انجام این مراحل نیاز به ابزاری برای گرفتن نتایج است ما از نرم افزار Clementine 12.0 برای شبیه سازی دو الگوریتم cart و c5.0استفاده می کنیم این نرم افزار به علت داشتن بیشتر تکنیک های مورد استفاده در داده کاوی ، ابزاری توانمند و کاربردی محسوب میشود. 13/24

17. 14/24

18. 15/24

19. 3.6 درخت های تصمیم گیری نتایج داده کاوی می تواند در فرم ساده ای تحت عنوان درخت تصمیم گیری ارائه شود. با توجه به ساختار درخت قوانین تولید می شوند. درختان تصمیم گیری به منظور پیشگویی یا کلاسه بندی داده ها براساس مجموعه قوانین تصمیم ایجاد شدند. 16/24

20. کلاسه بندی داده ها با درختان تصمیم گیری یک فرایند دو مرحله ای می باشد 1. آموزش 2. یاد گیری • درمرحله آموزش : مدلی براساس یک الگوریتم کلاسه بندی منطبق با داده کاوی مربوط به مجموعه آموزشی ساخته می شود. مجموعه اموزشی به صورت تصادفی از پایگاه داده انتخاب می شود • در مرحله یاد گیری : از طریق یک تابع y=f(X) انجام می شود که می تواند برچسب کلاس هر رکوردx از پایگاه داده را پیش بینی کند. مرحله یاد گیری خود طی دو گام اساسی رشد و هرس انجام می شود. 17/24

21. 4.6 الگوریتم CART • در این بخش از تحقیقات مان به منظور کشف دانش مدل درخت تصمیم گیری مبنی بر الگوریتم cartاستفاده نمودیم • الگوریتم cart توسط olshen, friedman,stone, bremiman در سال 1984 برای درختان رگرسیون و کلاسه بندی طراحی شد. • این الگوریتم شامل یک متد بازگشتی است. • الگوریتمcartدرهر مرحله رکورد های آموزشی را به دو زیر مجموعه تقسیم می کند.به طوریکه رکوردهای هر زیر مجموعه نسبت به زیر مجموعه های قبلی همگن تر باشد.این تقسیم شدنها به دفعات انجام می شودتا شرایط تو قف برقرار شود 18/24

22. 1.4.6 روش برخورد با miss value ها عملکرد این الگوریتم در مقابل missing value ها تاثیر مهمی در کیفیت مدل می گذارد. در الگوریتم cart از surrogate splitting برای بهترین بهره گیری از دادههای حاوی miss value استفاده می شود 2.4.6 هرس کردن • هرس کردن درخت cart با درنظر گرفتن دو هدف: • حذف ریسک های misclassification • کاهش پیچیدگی درخت • برای دستیابی به این هدف از شاخص cost-complexityاستفاده می شود.که هر دو مقدارریسک misclassification و complexityدرخت را محاسبه می کند و هدف اصلی حداقل کردن مقدار این دو پارامتراست. 19/24

23. 5.6 الگوریتم c5.0 • C5.0 یکی از الگوریتم های درختان تصمیم گیری می باشدکه تحقیقاتمان به منظور کشف دانش و قوانین با کیفیت تر مورد استفاده قرار گرفت • الگوریتم c5.0 یک نوع درخت تصمیم گیری تک متغییره و بهبود یافته الگوریتم c4.5 است که تو سط محقق استرلیایی j.rossquinlanدر سال 1993 طراحی شد • این الگوریتم مشابه با cart ابتدا درختی تقریبا پر ایجاد می کند ولی استراتژی هرس ان کاملا متفاوت است . • این الگوریتم کلاسه بندی را با تقسیم کردن داده ها به زیر مجموعه هایی که شامل رکورد های همگن تر از والد خود هستند انجام می دهد در c5.0تقسیم کردن نمونه ها براساس فیلدی که بیشترین بهره اطلاعات را دارد صورت میگیرد 20/24

24. 1.5.6 روش برخورد با miss value ها • الگوریتم c5.0درمقابل مسائلی از قبیلmissing data و زیاد بودن تعداد فیلدهای ورودی قدرتمند است. معمولا این الگوریتم به زمان بیشتری برای اموزش نیاز ندارد. • مدل بدست امده توسط این الگوریتم به سادگی قابل فهم است و همچنین قوانین تولید شده به آسانی تفسیم میشوند.c5.0 ازچندین روشattributemissingها را مورد بررسی قرار می دهد • یکی از این روشها این است که مقدار missing attribute را با مقادیری که درهمانگره بیشتر متداول است جایگزین کند ویابا انجام یکسری محسبات احتمالی براساس مابقی نمونه مقدار مناسب را جایگزین کند 21/24

25. 2.5.6 هرس کردن رویه هرس کردن در c5.0 با هدف دستیابی به درختی مختصر تر و کاهش پیچیدگی ها در دو گام انجام می شود: گام اول : هرس محلی در این مرحله هر زیر درخت مورد بررسی قرار میگیرد و در صورت نیاز شاخه های زیر درختها جهت افزایش دقت مدل حذف می شوند. گام دوم : هرس سراسری که زیر درخت های ضعیف حذف می شوند. در واقع رویه هرس درختی را که قبلا ایجاد شده بود را مورد بررسی قرار می دهد و سپس آنرا توسط مجموعه validationتست می کند. 22/24

26. Boosting الگوریتم c5.0 از boosting در درختان تصمیم گیری پشتیبانی می کند Boosting یک تکنیک برای تولید و ترکیب کلاسه بندی کننده ها چند گانه به منظور بهبود نرخ دقت است. Grouo symbolc گزینه Grouo symbolc در مدل c5.0 به ازای هر مقدار symbolic یک شاخه جدید ایجاد می کند و سپس سعی بر ترکیب کردن مقادیر symbolic ای دارد که الگوهای مشابهی را در ارتباط با فیلد خارجی ارائه می دهند. 23/24

27. 7. نتیجه گیری انتخاب صحیح رشته ی تحصیلی از اهمیت خاصی بر خوردار است که اشتباه در این امر مهم می تواند اثراد جبران نا پذیری به همراه داشته باشد باشد. لذا در این مقاله سعی شدتا با استناد به اطلاعات جمع اوری شده از دانشجویان رشته دارو سازی که در خصوص مشخصات دانشجو عوامل موثر در انتخاب این رشته شرایط زمینه ای و شرایط به وجود امده در حین تحصیل بوده اند. به کشف ارتباط بین عوامل احتمالی تاثیر گذار در تغییر انگیزه دانشجویان به ادامه تحصیل و یا تغییر رشته بپردازیم تا براساس ان نتایج تنهدات لازم اندیشیده شود. براساس داده های واقعی یکسری نتایج بدست امده ازجمله آگاهی ازاینده شغلی ازمهمترین پارامتر هایی است که در هنگام انتخاب رشته داروسازی باید به ان توجه کرد. همچنین متقاضیان ورود به دانشگاه می بایست علاقه مندی خوبی به دروس پایه ای رشته تحصیلی مورد نظر برخوردار باشند. علاوه بر این عدم وجودآزمایشگاه های مناسب، کیفیت دروس اختصاصی و بخصوص بعد از امتحان جامع علوم پایه نیز می تواند از علل کاهش علاقه دانشجویان در این رشته باشد . بسیاری از این افرادبه امید اخذ تخصص و جهت کسب شغلی مناسب سختی های تحصیل را تحمل می کنند ولی متاسفانه دروس ارائه شده همچنان انها را از داشتن شغلی مناسب در اینده نگران می سازد . از این رو نکات و سایر نتایج بدست امده در این تحقیق اهمیت و نقش مسئولین و رسانه های اموزشی را در جهت بهبود کیفیت دروس تخصصی و مطلع سازی دانشجویان و متقاضیان ورود به دانشگاه از آینده شغلی و دروس بنیادی اینگونه رشته ها را می رساند. 24/24

28. 8. منابع

29. سوال ؟

30. با تشکر از توجه شما