Oded Outlier Detection in Educational Data

عنقدة البيانات المستمرة هي واحدة من المهام المميزة لاكتشاف الأنماط المخفية في البيانات المستمرة. فهي تشير إلى عملية اكتشاف مجاميع جديدة في البيانات مستمرة الوصول والتي تغير من أنماطها باستمرار. خوارزميات عنقدة البيانات الحالية تفتقد الخطوات العامة الواضحة لتحميل مجاميع البيانات الجديدة. ولكن غالبية...

Full description

Saved in:

Bibliographic Details
Published in:	المجلة العراقية للعلوم الاحصائية Vol. 18; no. 33; pp. 72 - 88
Main Author:	Al Abd Alazeez, Ammar Thaher Yaseen
Format:	Journal Article
Language:	Arabic English
Published:	الموصل، العراق جامعة الموصل - كلية علوم الحاسوب والرياضيات 2021 جامعة الموصل، كلية علوم الحاسبات و الرياضيات
Subjects:	الأنماط المخفية البيانات التعليمية البيانات المستمرة التعليم الحالات الشاذة الخوارزميات الرياضية
Online Access:	Get full text
Tags:	Add Tag No Tags, Be the first to tag this record!

Description
Summary:	عنقدة البيانات المستمرة هي واحدة من المهام المميزة لاكتشاف الأنماط المخفية في البيانات المستمرة. فهي تشير إلى عملية اكتشاف مجاميع جديدة في البيانات مستمرة الوصول والتي تغير من أنماطها باستمرار. خوارزميات عنقدة البيانات الحالية تفتقد الخطوات العامة الواضحة لتحميل مجاميع البيانات الجديدة. ولكن غالبية الحلول الموجودة الآن هي تحديث الخوارزميات التقليدية مع البيانات المستمرة. المسالة المهمة قيد الدراسة هي اقتراح حل يمكنه من تحسين كفاءة الطرق الموجودة وتقديم عناقيد صحيحة فضلا عن الحالات الشاذة. البيانات الواردة في سيل البيانات غالبا ما تحتوي على حالات شاذة، والتي من الممكن أن تحمل الأهمية نفسها التي تملكها العناقيد. وهكذا، انه من المرغوب لخوارزميات عنقدة البيانات المستمرة أنها تكون قادرة على اكتشاف الحالات الشاذة فضلا عن عناقيد البيانات. خوارزميات عنقدة البيانات يجب أن تكون قادرة على تقليل تأثير البيانات العشوائية والحالات الشاذة في البيانات المعطاة. هذه المقالة تقدم خوارزمية تنقيب جديدة لعنقدة البيانات المستمرة ومراقبة تطورها. على الرغم من أن اكتشاف الحالات الشاذة هو متوقع في البيانات المستمرة، التعريف الصريح لاكتشاف هذه الحالات غير واضح. الخوارزمية المقترحة قادرة على اكتشاف البيانات الشاذة وتحليل تطور العناقيد. العلاقة بين تحديد البيانات الشاذة وتوالي الأحداث الحقيقية تم دراستها بواسطة تطبيق الخوارزمية المقترحة في هذا البحث على البيانات التعليمية المستمرة. التجارب التي تم إجرائيا على هذه البيانات قادت إلى استنتاج أن اكتشاف الحالات الشاذة مرتبط مع التغييرات في عدد العناقيد والتي تشير إلى أحداث مهمة في عملية التعليم. هذا النوع من المراقبة الآنية ونتائجه ممكن أن يستخدم في أنظمة التعليم في مختلف الطرق. البيانات التعليمية المستمرة لجروبات برنامج الفايبر تم استخدامها في هذه الدراسة.
ISSN:	1680-855X 2664-2956