ارائه کننده: فاطمه قاسمیاستاد راهنما: دکتر بابک تیمورپوراستاد داور داخلی: دکتر سیدکمال چهارسوقیاستاد داور خارج از دانشگاه: دکتر فریبرز جولاینماینده تحصیلات تکمیلی: دکتر سیدکمال چهارسوقیتاریخ: ۱۴۰۴/۰۶/۳۱ساعت: ۱۱:۰۰مکان:  اتاق 219 دانشکده فنی و مهندسی

چکیده:امروزه، با افزایش دانشجویان در مقاطع مختلف دانشگاهی و تنوع رشته های تحصیلی، لزوم هدایت صحیح دانشجویان بیشتر از پیش احساس میشود. بدین منظور، داده کاوی آموزشی و استفاده از مدل های یادگیری ماشین و یادگیری عمیق در سالهای اخیر مورد توجه پژوهشگران این حوزه بوده است. پژوهش حاضر با عنوان 'پیش‌بینی ماندگاری دانشجویان در دانشگاه با استفاده از روش‌های یادگیری ماشینی' به بررسی عوامل مؤثر بر ماندگاری دانشجویان در دانشگاه‌ها می‌پردازد. هدف اصلی این پژوهش، توسعه مدل‌های پیش‌بینی دقیق با استفاده از الگوریتم‌های یادگیری ماشین است تا بتوان دانشجویان در معرض ترک  تحصیل را شناسایی و راهکارهای حمایتی مناسب ارائه نمود. در این پژوهش، داده‌های مورد نیاز از طریق پرسشنامه‌ای جامع جمع‌آوری شد که شامل متغیرهای فردی، تحصیلی، اقتصادی، اجتماعی و روان‌شناختی بود. پس از پیش‌پردازش داده‌ها، مدل‌های مختلف یادگیری ماشین شامل جنگل تصادفی، XG Boost و SVR پیاده‌سازی و ارزیابی شدند. نتایج تحقیق حاکی از آن است که عواملی مانند سن، سال ورود به دانشگاه، در چه مقطعی تحصیل می‌کنید؟-دکترا، رشته تحصیلی-مهندسی صنایع بهینه‌سازی سیستم‌ها، رشته تحصیلی- سایر رشته‌ها بر ماندگاری دانشجویان تاثیر دارند. همچنین، مدل پیشنهادی می‌تواند به مدیران آموزشی در طراحی مداخلات هدفمند برای کاهش نرخ ترک تحصیل کمک کند. این پژوهش از جنبه‌های نوآورانه، تمرکز بر داده‌های بومی ایرانی و ترکیب روش‌های یادگیری ماشین با تحلیل‌های چندمعیاره را شامل می‌شود.