• صفحه اصلی
  • تکنیک های داده‌کاوی در سهمیه‌بندی مناطق برای کنکور

اشتراک گذاری

آدرس مقاله


کد مقاله : 20200503324 بازدید : 13633 صفحه: 43 - 54

نوع مقاله: پژوهشی

تکنیک های داده‌کاوی در سهمیه‌بندی مناطق برای کنکور

محورهای موضوعی : تخصصی

نرجس سرعتی آَشتیانی 1 (موسسه مطالعات بین المللی انرژی ( وزارت نفت))
سمیه علیزاده 2 (دانشگاه خواجه¬ نصیرالدّین طوسی)
علی  مبصّـری 3

تاریخ دریافت : 1393/04/02 تاریخ انتشار : 1398/08/17

کلید واژه: داده‌کاوی, تحلیل خوشه‌ای, پیش‌بینی, توسعه‌یافتگی, سهمیه‌بندی مناطق,

چکیده مقاله :

تعداد زیادی از فارغ‌التحصیلان دبیرستان‌ها در سیستم آموزشی ایران خواهان ورود به دانشگاه‌ها می‌باشند و رقابت اصلی برای ورود به مراکز دانشگاهی معتبر می‌باشد. از سویی دیگر تسهیلات آموزشی، بهداشتی و ... در تمامی شهرها توزیعی مناسب ندارند. مدیران سازمان‌های ذیربط، تخصیص سهمیه را راه‌کاری مناسب برای حل این مسأله می‌دانند و به دنبال استفاده از دانش نهفته در داده‌های موجود در این حوزه هستند. با منطقه‌بندی کلیه بخش‌های کشور، داوطلبان هر منطقه با هم مقایسه می‌شوند و در واقع با این روش از اینکه درصد پذیرفته‌شدگان یک شهر چند برابر شهر دیگری باشد، جلوگیری می‌شود. تعیین میزان سهمیه کنکور برای بخش‌های کشور در سال های اخیر، برمبنای میزان توسعه‌یافتگی مناطق با استفاده از روش تاکسونومی صورت گرفته است که خروجی حاصل از این روش نوعی رتبه‌بندی مناطق می‌باشد که در آن امکان تحلیل گروهی مناطق وجود ندارد، همچنین تعداد مناطق بصورت نظری تعیین می شود. برای رفع این مسائل بخش‌بندی می‌تواند به عنوان یک راهکار مناسب مورد استفاده قرار گیرد. تحقیق حاضر برای اولین بار در حوزه توسعه‌یافتگی، با استفاده از تکنیک‌های داده‌کاوی و روش کریسپ و در قالب متدولوژی پیشنهادی، بر روی داده‌های مرتبط، در وزارت آموزش‌ و پرورش، وزارت کشور، وزارت بهداشت و درمان، مرکز آمار و سازمان سنجش، صورت گرفته است. پس از شناسایی استانداردها و شاخص‌های اثرگذار در این زمینه، آماده‌سازی داده‌ها انجام شده و به ساخت انباره‌داده و ترکیب شاخص‌ها جهت استخراج عوامل جدید پرداخته شده است. در گام بعدی با بکارگیری الگوریتم K-means بخش‌های شبیه به هم در خوشه‌های مربوطه قرار گرفته و سپس با استفاده از روش پیش‌بینی شبکه های عصبی و درخت تصمیم امکان اختصاص بخش‌های جدید به هر کلاس (خوشه‌های ایجاد شده) فراهم شده و جهت ارزیابی مدل‌های ایجاد شده، دقت خروجی با سایر روش‌ها مقایسه شده است. دستاوردهای این تحقیق عبارتند از: تعیین تعداد بهینه بخش‌ها، بخش‌بندی مناطق، تحلیل هر بخش، استخراج قواعد تصمیم‌گیری، امکان پیش‌بینی سریع‌تر و دقیق‌تر برچسب کلاس برای مناطق جدید، فراهم نمودن امکان تدوین راهبرد‌های مناسب برای هر بخش.

چکیده انگلیسی:

The large numbers of Iranian high school graduates are willing to enter in governmental and popular colleges and compete for it. On the other hand, these graduate students are from various regions with different levels of access to facilities. In opinion of directors of relevant agencies, the quota allocation solves this problem and they are looking to use the knowledge hidden in the data are available in this area.By this way volunteers from each region are compared together and managers are helped to allocate proper quota to related students in regions of each segment. In recent years, quota allocation was determined by Taxonomy that its result is a kind of ranking that does not allow group analyzing and identifies number of region theoretically. To solve this problem clustering is a good strategy. This study is carried out by using data mining techniques and Crisp methods on related dataset from education ministry, interior ministry, ministry of health, and center of statistic and evaluation organization for the first time. After extracting of effective attributes in this area, data preparation, data reduction and combination of attributes using Factor Analysis have done.in next step, by using K-means algorithm, similar items assign in to a cluster that has the minimum distance with centroid mean and then by using neural networks and decision trees, new item can be devoted to each cluster. Finally for assessing created models, accuracy of outputs compared with other methods. Outcomes of this research are: determining the optimal number of sectors, segmenting regions, analyzing each section, extracting decision rules, predicting class labels for new areas faster and more accurately, allowing the appropriate strategies formulation for each section

منابع و مأخذ:


متن کامل:


ارتقای روابط صنعت و دانشگاه با نگرشي بر شاخص هاي توسعه يافتگي در سهميه بندي كنكور

( كاربرد تكنيك داده كاوي)

 

* نرجس سرعتي آشتياني    ** سمیّه علیزاده    *** علی مبصّـری 

* موسسه مطالعات بين المللي انرژي، دانشجوي دكتراي مديريت منابع انساني دانشگاه تهران

** عضو هیئت علمی دانشکده صنایع، دانشگاه خواجه­ نصیرالدّین طوسی، تهران

*** دانش آموخته کارشناسی ارشد مهندسی صنایع، دانشگاه علم وصنعت ایران، تهران

تاریخ دریافت: 3/4/1393 تاریخ پذیرش: 2/10/1394

چکیده

تعداد زیادی از فارغ­التحصیلان دبیرستان­ها در سیستم آموزشی ایران خواهان ورود به دانشگاه­ها می­باشند و رقابت اصلی برای ورود به مراکز دانشگاهی معتبر می­باشد. از سویی دیگر تسهیلات آموزشی، بهداشتی و ... در تمامی شهرها توزیعی مناسب ندارند. مدیران سازمان­های ذیربط، تخصیص سهمیه را راه­کاری مناسب برای حل این مسأله می­دانند و به دنبال استفاده از دانش نهفته در داده­های موجود در این حوزه هستند. با منطقه­بندی کلیه بخش­های کشور، داوطلبان هر منطقه با هم مقایسه می­شوند و در واقع با این روش از اینکه درصد پذیرفته­شدگان یک شهر چند برابر شهر دیگری باشد، جلوگیری می­شود. تعيين ميزان سهميه کنکور براي بخش­هاي کشور در سال هاي اخير، برمبناي ميزان توسعه­يافتگي مناطق با استفاده از روش تاكسونومي صورت گرفته است که خروجی حاصل از این روش نوعی رتبه­بندی مناطق می­باشد که در آن امکان تحلیل گروهی مناطق وجود ندارد، همچنین تعداد مناطق بصورت نظری تعیین مي شود. برای رفع این مسائل بخش­بندی می­تواند به عنوان یک راهكار مناسب مورد استفاده قرار گیرد. تحقيق حاضر براي اولين بار در حوزه توسعه­یافتگی، با استفاده از تکنیک­های داده­کاوي و روش كريسپ و در قالب متدولوژی پیشنهادی، بر روي داده­هاي مرتبط، در وزارت آموزش­ و پرورش، وزارت کشور، وزارت بهداشت و درمان، مرکز آمار و سازمان سنجش، صورت گرفته است.

پس از شناسایی استانداردها و شاخص­های اثرگذار در این زمینه، آماده­سازی داده­ها انجام شده و به ساخت انباره­داده و ترکیب شاخص­ها جهت استخراج عوامل جدید پرداخته شده است. در گام بعدی با بکارگیری الگوریتم K-means بخش­های شبیه به هم در خوشه­های مربوطه قرار گرفته و سپس با استفاده از روش پیش­بینی شبکه های عصبی و درخت تصمیم امکان اختصاص بخش­های جدید به هر کلاس (خوشه­های ایجاد شده) فراهم شده و جهت ارزیابی مدل­های ایجاد شده، دقت خروجی با سایر روش­ها مقایسه شده است. دستاوردهای این تحقیق عبارتند از: تعیین تعداد بهینه بخش­ها، بخش­بندی مناطق، تحلیل هر بخش، استخراج قواعد تصمیم­گیری، امکان پیش­بینی سریع­تر و دقیق­تر برچسب کلاس برای مناطق جدید، فراهم نمودن امکان تدوین راهبرد­های مناسب برای هر بخش.

 واژه‌های کلیدی‌: فرهنگ سازمانی، مدیریت منابع انسانی استراتژیک، رفتار شهروندی سازمانی، مدل معادلات ساختاری

نویسندة عهده‌دار مکاتبات: نرجس سرعتي آشتياني nara.sorati@yahoo.com

 

 

 

 

مقدمه

امروزه شناخت و درک صحيح توانايي­ها، نيازها و خواسته‌هاي خدمت­گيرندگان يا مشتريان هر سازمان از موارد قابل تأمل مي­باشد و سازمان­ها مي­بايد به اين موارد آگاه بوده و حتي آنها را پيش­بيني کنند و با تجهيز شدن به اين اطلاعات و دانش سلامت کاري خود را بهبود داده، امکان اتخاذ تصمیم درست را فراهم نمایند. باتوجه به اهمّيت كليدي موضوع آموزش، بسترهاي مورد نياز آن و نحوه­ی توزيع تسهيلات و سهميه­هاي مرتبط با آن در هر کشوري، بررسي و تحقيق در اين حوزه بسيار حياتي مي باشد.

فن­آوری داده­کاوی امروزه به موضوعی داغ برای تصمیم­گیران تبدیل شده است، زیرا داده­کاوی کسب­ و ­کارهای مخفی و باارزش را از مقادیر بزرگی از داده­های تاریخی ارائه می­دهد. اساساً داده­کاوی فن­آوری جدیدی نیست، موضوع استخراج اطلاعات و دانش از رکوردهای داده مفهومی کاملاً جاافتاده است، آنچه­که جدید محسوب می­گردد، تجمّع و پکپارچگی چندین رشته و فن­آوری مرتبط می­باشد که فرصتی یکتا برای کاوش داده­ها در فضایی علمی و واحد را خلق نموده است .)كانتراتزيك 2003)

اين تحقيق سعي داشته است تا با استفاده از مفاهيمي همچون بخش­بندي مناطق (بخش­هاي تقسيمات کشوري، به­عنوان خدمت­گيرندگان سازمان سنجش) با استفاده از داده­کاوي و نيز استانداردهاي موجود در راستاي توسعه­يافتگي، ويژگي­هاي مؤثر در اين زمينه را انتخاب کند و پس از آن تعداد بهينه مناطق شبيه را تعيين نموده و مناطق شبيه را در خوشه­هاي مربوطه قرار دهد، تا شناخت بهتري از مناطق ايجاد گردد. همچنین با استفاده از الگوریتمهای پیش­بینی امکان تحلیل بهتر بخشها و تعیین کلاس بخشهای جدید را فراهم نموده است.

مبانی نظری پژوهش

الف ) شاخص­های توسعه­یافتگی

توسعه به مفهوم ارتقاء مستمر كل جامعه و نظام اجتماعي به سوي زندگي بهتر و يا انساني تر با استفاده بهينه از منابع موجود است (تودارو، 1370) توسعه به هدف و وسيله تغييرات اشاره داشته و به طور همزمان دور نماي نوعي زندگي بهتر كه از نظر مادي مرفه‌تر، جديد تر، داراي غناي معنوي بيشتر و از نظر تكنولوژيكي ”كاراتر“ است را بصورت مجموعه اي از وسايل لازم براي رسيدن به اين دورنما، ترسيم مي‌كند. به طور كلي بايد اذعان داشت توسعه فرايندي پيچيده و چند بعدي است كه مستلزم تغيير در ساخت اجتماعي، طرز تلقي مردم و نهادهاي ملي و نيز تسريع رشد اقتصادي، كاهش نابرابري و ريشه كن كردن فقر و برقراري عدالت اجتماعي و پايداري محيط مي باشد. (توداور، 1378)

توسعه و توسعه نيافتگي مناطق از جمله مباحث توسعه بوده كه در بين اقتصادانان و برنامه ريزان مطرح است. در همين راستا وجود نابرابري‌ها و تفاوت هاي منطقه‌اي كه علاوه بر ويژگي‌هاي طبيعي، اقتصادي، اجتماعي، متاثر از سياست‌ها و برنامه‌ريزي‌هاي گذشته، حال و آينده است، برنامه ريزان را بر آن داشته كه تكنيك‌ها و روش‌هايي را ابداع كنند تا از طريق تعيين درجه توسعه يافتگي و رتبه بندي مناطق بتوانند به شناخت و تحليل علل يا عوامل نابرابريها و تفاوت‌هاي منطقه‌اي دست يابند. تعيين شاخصهاي توسعه خاصه شاخصهاي مرتبط با توسعه همه جانبه مهمترين قدم در مطالعات توسعه منطقه‌اي است. شاخصهاي توسعه در واقع بيان آماري پديده‌هاي موجود در منطقه بوده و براي بيان اهميت شاخصهاي توسعه و نقش آن در بيان آماري پديده‌ها، ضروري است تا مفاهيم مربوط به متغير و شاخص بطور عميق‌تر بررسي قرار گرفته و تفاوت بين آنها مشخص شود.

الف-1) شاخص­های توسعه انسانی

شاخص توسعه انسانی یک سنجه خلاصه برای توسعه انسانی است. این شاخص متوسط دستاوردهای یک کشور را در سه بعد از توسعه انسانی محاسبه می­کند:

·       زندگی طولانی و سالم، که بر اساس امید به زنگی در بدو تولد محاسبه می­شود.

·       دانش، که بر اساس نرخ باسوادی بزرگسالان (با ضریب دوسوم) و نسبت ترکیبی ثبت­نام در مدارس ابتدایی، متوسطه و عالی (با ضریب یک سوم) محاسبه می­شود.

·       استاندارد شایسته زندگی، که بر اساس سرانه تولید ناخالص داخلی (برحسب برابری قدرت خرید دلار آمریکا) محاسبه می­گردد.

الف-2) شاخص فقر انسانی1 برای کشورهای در حال توسعه

در حالیکه، شاخص توسعه انسانی، متوسط دستاوردها را محاسبه می­کند، شاخص فقر انسانی، محرومیت­ها را در سه بعد از ابعاد توسعه انسانی اندازه­گیری می­کند و در دوحالت، برای کشورهای در حال توسعه و کشورهای پردرآمد بطور مجزا محاسبه می­شود.

·       زندگی طولانی و سالم: آسیب­پذیری در برابر مرگ در سنین نسبتاً پایین، که بر اساس احتمال نرسیدن به سن 40 سالگی (در بدو تولد) محاسبه می­شود.

·       دانش: محرومیت از دنیای ارتباطات و خواندنی­ها که بر اساس نرخ بی­سوادی بزرگسالان محاسبه ­می­شود.

·       استاندارد شایسته زندگی: عدم دسترسی به تسهیلات اقتصادی که بر اساس متوسط دو معیار محاسبه می­شود، درصدی از جمعیت که به منابع آب سالم، دسترسی دائمی ندارند و درصدی از کودکان که نسبت به سنشان کم­وزن هستند.(وانتزكينز2008)

ب) داده­کاوی 

اساساً داده­کاوی فن­آوری جدیدی نیست، داده­کاوی دستیابی به اطلاعات و دانش، و کشف مدلها و الگوهای پنهان از بانکهای اطلاعاتی حجیم و پیچیده می­باشد. این فن­آوری شامل حوزه­های متنوعی از علوم پایگاه داده­ها، آمار، بصری­سازی، علوم اطلاعاتی، یادگیری ماشین، تشخیص الگو، بازیابی اطلاعات، هوش مصنوعی و بعضی علوم دیگر می­باشد.(هان، 2006)

در داده­کاوی معمولاً به کشف الگوهای مفید از میان داده­ها اشاره می­شود، منظور از الگوی مفید، مدلی در داده­هاست که ارتباط میان یک زیر مجموعه از داده­ها را توصیف می­کند و معتبر، ساده، قابل فهم و جدید است.(هند،1998)روش­های مورد استفاده برای انجام داده­کاوی به صورت زیر هستند:

·       دسته­بندی2: این مدل یک قلم داده را به یکی از چند طبقه موجود تخصیص می­دهد. از جمله تکنیک­های دسته­بندی، پس­انتشار3 ،تکنیک شبکه عصبی4، دسته­بند­های درخت تصمیم5 و دسته­بندهای بیزین6 می­باشند.

·       رگرسیون7:هدف این تابع مدل، نگاشت یک قلم داده به یک متغیر پیش­بینی، با ارزش حقیقی یا پیوسته است.

·       خوشه­بندی8: این مدل، یک قلم داده را به یکی از چند خوشه موجود، نگاشت می­کند، جائیکه خوشه­ها گروه­های طبیعی از قلم­های داده­ بر اساس استانداردهای شباهت یا مدل­های تراکم احتمالی هستند.

·       تولید قوانین9: این روش قوانینی را در داده­ها کاوش می­کند. قواعد انجمنی که بدنبال کشف ارتباطات در میان ویژگی­های مختلف هستند، زیرمجموعه این حوزه می­باشند.

·       خلاصه­سازی و چگالش10: این تابع، توصیفی فشرده برای یک زیرمجموعه از داده­ها را فراهم می­کند و نقشی مهم در فشرده­سازی داده­ها به­ویژه داده­های چندرسانه­ای، با کاهش تعداد بیتها و افزایش پهنای باند حافظه، ایفا می­کند.

·       تحلیل توالی11: این روش الگوهای متوالی، همچون تحلیل سری­های زمانی و ترتیب ژن­ها، را مدل می­کند و هدف آن مدل نمودن مراحل فرایند تولید توالی و یا استخراج و گزارش انحراف­ها در طول زمان می­باشد( بري 2004 و چيو 2009)

ب-1)روش کریسپ برای داده­کاوی

روش 12 CRISP-DM که توسط کمیته اروپایی ارائه شده، ازجمله متدولوژی­های مطرح برای انجام پروژه­های داده­کاوی است كه چارچوب واحدی را پیشنهاد می­کند تا کیفیت نتایج همراه با کاهش هزینه و زمان تضمین گردد.(هيل دبرانت، 2008) این روش چشم­اندازی از چرخه زندگی یک پروژه داده­کاوی را ارائه می­کند و شامل فازهای یک پروژه، وظایف مربوط به هر فاز و ارتباط میان این وظایف می­باشد. تعیین دقیق روابط میان وظایف امکان­پذیر نیست و بطور خاص، روابط وابسته به اهداف، پیش­زمینه، علایق کاربران و به­ویژه براساس داده­ها می­باشد. راه­حل داده­کاوی13 همیشه به مرحله استقرار نمی­رسد، بلکه درس­های آموخته شده14 از هر فاز خود می­توانند برای سؤالات سازمان مفید واقع شوند.(ميلوتينوي 2002) گام­های این متدولوژی عبارتند از: درک محیط کسب وکار، درک داده­ها، آماده­سازی داده­ها، مدلسازی، ارزیابی و جاری­سازی(هيل دبرانت 2008) 

ب-2) الگوریتم k-means

K-means یکی از معروف­ترین الگوریتم­ها برای خوشه­بندی می­یاشد و در اصل بعنوان روش فورجی شناخته می­شود و در بسیاری از حوزه­های مختلف شامل داده­کاوی، تحلیل آماری داده­ها و دیگر کاربردهای کسب و کار استفاده شده است. (MacQueen, 1967) واژه K-means را برای این الگوریتم که هر قلم داده را به خوشه­ای تخصیص می­دهد که دارای نزدیکترین فاصله به مرکز ثقل (میانگین) آن خوشه باشد، پیشنهاد نمود.(چنگ 2009)

ب-3)شبکه­های عصبی

یک شبکه عصبی از یک شبکه لایه­ای شده، پیش­رو و نرون­های (نودهای) کاملاً متصل تشکیل شده است. ماهیت پیش­رو بودن شبکه مانع بوجود آمدن حلقه و اتصالات تکی می­گردد. این شبکه متشکل از سه لایه ورودی، پنهان و خروجی می­باشد که لایه مخفی ممکن است بیشتر از یکی باشد. شبکه کاملاً متصل شبکه­ای است که در آن تمامی نودهای یک لایه به کلیه نودهای لایه بعدی متصلند و هر اتصال دارای وزن مربوط به خود می­باشد. در ابتدا این وزن­ها بطور تصادفی و در فاصله 0 و 1 به نرون­ها منصوب می­شوند. نودهای ورودی معرف ویژگی­ها در مجموعه داده هستند. تعداد لایه­های مخفی و تعداد نودهای آنها توسط کاربر قابل پیکربندی بوده و در لایه خروجی ممکن است تعداد نودها بیشتر از یکی باشد.

(1)

با استفاده از ورودی­های هر گره و وزن­های مربوطه، طبق رابطه زیر، یک ترکیب خطی برای آن گره ایجاد می­شود که نت گره نام دارد و در آن img0، iامین ورودی نود jام و img0، نیز وزن iامین ورودی نود jام است.
img0

(2)

د

در مرحله بعد مقدار نت محاسبه شده برای هر نود بعنوان x وارد تابع سیگموید15 می­شود که معروف­ترین تابع فعال­­سازی16 می­باشد و فرمول آن بصورت ذیل می­باشد:

img0 

خروجی این تابع به­عنوان ورودی نرون­ها درلایه(های) بعدی می­باشد. برای یادگیری شبکه باید از الگوریتم پس­انتشار خطا استفاده نمود.(لاروس 2005)

ب-4)درخت تصمیم

در داده­کاوی درخت تصمیم، مدلی است که می­تواند برای هر دو منظور پیش­بینی و دسته­بندی مورد استفاده قرار گیرد. از سوی دیگر تصمیم­گیران از این درخت برای تعیین راهبردی که به هدف موردنظرشان منتهی می­شود، استفاده می­کنند. درخت تصمیم دسته­بندی برای دسته­بندی نمودن یک شیء یا نمونه (نظیر بیمه) به مجموعه دسته­های از قبل تعریف شده (نظیر پرریسک و کم ریسک)، بر اساس ویژگی­ها (نظیر سن و جنسیّت) بکار می­رود. درخت تصمیم درختی است مستقیم با گره­ای بنام ریشه که این گره17 دارای یال­های ورودی نمی­باشد و تمامی گره­های دیگر دارای یک یال ورودی هستند، هر گره­ای که دارای یال­های خروجی ­است، گره داخلی یا تست نامیده می­شود. گره­های باقیمانده در انتهای مسیر برگ­ها هستندکه به عنوان پایانه یا تصمیم نیز شناخته می­شوند. هر مسیر از ریشه یک درخت تصمیم تا هر یک از برگ­های آن با در نظر گرفتن گره­های تست، بعنوان مسیر میانی به صورت یک قانون ترجمه می­شود. (روكاخ 2008)برای انتخاب نقطه انشعاب18 معیارهای متعددی وجود دارد که از جمله معروف­ترین آنها، شاخص جینی19 می­باشد که جزء روش­های مبتنی بر ناخالصی20 بوده و برای انشعاب دودویی بکار می­رود، نحوه محاسبه شاخص جینی به­صورت زیر است:

img0img0 

 

که در آن:

n: تعداد رکوردهای موجود در مجوعه S                 m: تعداد کلاس­ها

i C: تعداد رکوردهای متعلق به کلاس I

و S به دو زیرمجموعه S1 و S2 با تعداد رکوردهای n1 و n2 تقسیم می­شود. به ازای تمامی متغیرهای گره­ها، این شاخص را محاسبه و کمترین مقدار به­عنوان نقطه انشعاب، انتخاب می­شود.(ليو،2001)

روش شناسي

پژوهش حاضر به لحاظ هدف در زمره­ی تحقيقات کاربردي بوده و هدف آن توسعه­ی دانش کاربردي در زمينه ميزان توسعه­يافتگي مي­باشد. افزون بر اين، از لحاظ تقسيم بندي هاي روش شناسي، روش به كار رفته در پژوهش توصيفي و از نوع مطالعه موردي و از نظر سطح و قلمرو بررسي نيز در محدوده كشور جمهوري اسلامي ايران مي­باشد.

جامعه آماري و نمونه آماري

با توجه به عنوان پژوهش، پيداست كه جامعه مورد پژوهش داده هاي مرتبط با شاخص هاي توسعه يافتگي است. در پژوهش حاضر با توجه به گستردگي و عدم امكان بررسي تمامي شاخص هاي جهاني مربوط به توسعه­يافتگي که سالانه توسط سازمان ملل جهت تعيين ميزان توسعه­يافتگي مورد استفاده قرار مي­گيرد، بر اساس مصاحبه با صاحب­نظران و مطالعه مدارک سازمان­هاي داخلي مرتبط،و نيز داده­هاي موجود در کشور، شاخص­هاي بومي در اين زمينه استخراج گرديدند. این داده­ها مربوط به وزارت آموزش­ و پرورش، وزارت کشور، وزارت بهداشت و درمان، مرکز آمار و سازمان سنجش و در بازه زمانی سا­ل­های 1384 تا 1386 می­باشند.

 

مدل مفهومي پژوهش

در این بخش فرایند پیشنهادی تشریح گردیده است که گام­های آن مطابق مدل ارائه شده در شکل (2) می­باشد:

1-       استخراج شاخص­هاي مؤثر به­روش مصاحبه و مطالعه منابع

با در نظر گرفتن شاخص­های توسعه انسان سازمان ملل و پس از مطالعه اولیه مستندات سازمان­هایی که در این حوزه فعالند، همچنین مصاحبه با افراد خبره و داده­های در دسترس تعداد 40 شاخص طبق جدول (1) حاصل شد:

2-       آماده­سازی داده­ها

نرمال­سازي داده­ها با روش Min-Max

img0در الگوريتم­هايي كه از سنجه­هاي تعيين فاصله، مانند فاصله اقليدسي استفاده مي­کنند، ممکن است داده­هايي که داراي مقياس بزرگ هستند نتايج را بسوي خود منحرف کنند، براي جلوگيري از اين مسأله و بهبود کارايي و دقّت، داده­ها را قبل از استفاده نرمــال مي­نماييم. در روش Min-Max يک تبديل خطي روي داده­هاي اصلي انجام مي­شود که اين تبديل طبق رايطه زير  صورت مي­گيرد:

 

 در اين پژوهش ابتدا داده­های مربوط به شاخصهای جدول 1 جمع­آوری و مورد پیش­پردازش قرار گرفتند، که این پیش­پردازش شامل، حذف نقاط مغشوش، حذف نقاط پرت، حذف داده­های ناسازگار، تچمیع داده­ها و ساخت انباره­داده­ می­باشد که در نتیجه 719 رکورد داده­های بخشهای تقسیمات کشوری مربوط به 40 شاخص آماده گردید. سپس داده­های که معرف شاخصهایی دارای ماهیت هزینه بودند، مانند نرخ بیکاری، معکوس شده تا به جنس سود تبدیل شوند. داده­های بدست آمده باتوجه به فرمول­ ارائه شده در گام قبل در بازه [0,1] نرمال گردیدند.

کاهش بعد و ترکیب شاخص­ها با استفاده از روش تحلیل عاملی

عامل متغیر جدیدی است که شامل ترکیب خطی مقادیر مشاهده شده متغیرها، مطابق معادله زیر است

img0 

 

 

[1] . The Poverty Human Index (HPI)

[2] . Classification

[3] . Backpropagation

[4] . Neural network

[5] . Decision tree classifiers

[6] . Bayesian classifiers

[7] . Regression

[8] . Clustering

[9] . Rule generation

[10] . Summarization or condensation

[11] . Sequence analysis

[12] 3. CRoss-Industry Standard Process for Data Mining

[13] . Data mining solution

[14] . Lessons learned

[15] . Sigmoid

[16] . Activation Function

[17] . Node

[18] . Split selection

[19] . Gini index

[20] . Impurity based

 

img0 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

کد شاخص

عنوان شاخص

کد شاخص

عنوان شاخص

1,5,9,

13,17

میانگین نمرات دروس عمومی شرکت­کنندگان گروه­های آزمایشی A،B ، C، D و E (5 شاخص)

29

فاصله مرکز بخش از مرکز شهرستان

2,6,10,

14,18

میانگین نمرات دروس اختصاصی شرکت­کنندگان گروه­های آزمایشی A،B ، C، D و E (5 شاخص)

30

فاصله مرکز بخش از مرکز استان

3,7,11,

15,19

میانگین نمرات دروس عمومی پذیرفته­شدگان گروه­های آزمایشی A،B ، C، D و E (5 شاخص)

31

فاصله مرکز بخش از اولين ايستگاه راه آهن

4,8,12,

16,20

میانگین نمرات دروس اختصاصی پذیرفته­شدگان گروه­های آزمایشی A،B ، C، D و E (5 شاخص)

32

تراكم خانواردر واحد مسكوني

21

درصد قبولي کل

33

نسبت مراكز بهداشتي درماني به تعداد نقاط جمعيتي(شهر+روستا)

22

درصد قبولي روزانه

34

نسبت پزشك به تعداد نقاط جمعيتي(شهر+روستا)

23

نسبت قبولي روزانه و شبانه به کل شرکت کنندگان

35

نسبت مدرسه راهنمايي به تعداد نقاط جمعيتي(شهر+روستا)

24

تعداد پذيرفته شده

36

نسبت دبيرستان و هنرستان به تعداد نقاط جمعيتي(شهر+روستا

25

تعداد شرکت کننده

37

نسبت كتابخانه و كانون پرورش فكري كودكان به تعداد نقاط جمعيتي(شهر+روستا)

26

نرخ بیسوادي

38

نسبت تاسيسات ورزشي به تعداد نقاط جمعيتي(شهر+روستا)

27

نرخ بیکاری

39

نسبت شعب بانك به تعداد نقاط جمعيتي(شهر+روستا)

28

نسبت تعداد شرکت کننده به جمعيت بالاي 6 سال

40

جمعيت

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

در اين رابطهimg0 بيانگر متغير i ام،img0 ضريب نمره عاملي متغير i ام و از نظر عامل j ام، p تعداد متغيرها و Fj عامل j است.

پس از ورود داده­ها جهت بررسی کفایت تعداد داده­ها، بايد مقدار شاخص KMO از رابطه زیر محاسبه مي­شود که در آن img0 ضريب همبستگي بين متغيرهاي i و j و aij ضريب همبستگي جزئي بين آنهاست.

 

 

در پژوهش حاضر با توجه به­ اینکه تفسیر و تحلیل 40 شاخص دشوار بوده و دارای پیچیدگی می­باشد، با استفاده از روش تحلیل عاملی و محاسبه مقدار معیار KMO، همچنین ساخت ماتریس­های مربوطه با استفاده از نرم­افزار SPSS، پس از انجام 10 مرتبه تکرار و حذف 9 شاخص که دارای تأثیرگذاری کمتری بودند، نهایتاً 8 عامل که نمایانگر 31 شاخص باقیمانده بود، با دقت تبیین 83% باقی ماند که در جدول (2) ارائه شده­اند: 

تعيين وزن عوامل با استفاده از روش انتروپي

با توجه به اينکه همه عوامل داراي اهميت يکساني نمي­باشند و برخي داراي اهميت بيشتري نسبت به ديگر عوامل مي­باشد، مي­توان با استفاده از روش انتروپی ميزان وزن عوامل را تعيين نمود( ماكويي،2007)

با فرض اینکه D ماتریس تصمیم­گیری باشد، ستون­ها معرف ویژگی­ها و سطرها معرف اشیاء می­باشند، به­ترتیب با محاسبه P، K، E، d و W طبق روابط زیر وزن هریک از عوامل بدست خواهد آمد.

img0 

در اين پژوهش برای محاسبه میزان اهمیت هر یک از عوامل ، با استفاده از Oracle forms builder 10g بسته نرم­ افزاری ایجاد گردید که مقادیر Pij، K، Ej، djو Wj توسط

این بسته محاسبه و در نتیجه وزن عوامل مطابق جدول (3) بدست آمد. همچنین پس از ضرب نمودن وزن در مقادیر هر یک از عوامل، عوامل وزندار حاصل گردید که بازه آنها مطابق جدول (4) است.

3- مدلسازی

تعيين تعداد بهينه خوشه­ها با استفاده از شاخص بولدين- ديويس

اين شاخص براي يافتن تعداد بهينه خوشه­ها در الگوریتم­هایی که برای بخش­بندی نیازمند تعیین تعداد اولیه خوشه­ها می­باشند مورد استفاده قرار می­گیرد و از اين منطق استفاده مي­کند که خوشه­بندي مناسب، اولاً در آن ميانگين فاصله عناصر درون هر خوشه از مرکز آن خوشه حداقل بوده و ثانياً فاصله مراکز خوشه­ها از يکديگر حداکثر باشند که براي پياده شدن اين مفهوم از روابط زیر استفاده مي­شود(ديوايس،1997) 

تعيين وزن عوامل با استفاده از روش انتروپي

با توجه به اينکه همه عوامل داراي اهميت يکساني نمي­باشند و برخي داراي اهميت بيشتري نسبت به ديگر عوامل مي­باشد، مي­توان با استفاده از روش انتروپی ميزان وزن عوامل را تعيين نمود( ماكويي،2007)

با فرض اینکه D ماتریس تصمیم­گیری باشد، ستون­ها معرف ویژگی­ها و سطرها معرف اشیاء می­باشند، به­ترتیب با محاسبه P، K، E، d و W طبق روابط زیر وزن هریک از عوامل بدست خواهد آمد.

img0 

در اين پژوهش برای محاسبه میزان اهمیت هر یک از عوامل ، با استفاده از Oracle forms builder 10g بسته نرم­افزاری ایجاد گردید که مقادیر Pij، K، Ej، djو Wj توسط این بسته محاسبه و در نتیجه وزن عوامل مطابق جدول (3) بدست آمد. همچنین پس از ضرب نمودن وزن در مقادیر هر یک از عوامل، عوامل وزندار حاصل گردید که بازه آنها مطابق جدول (4) می­با­شد.

3- مدلسازی

تعيين تعداد بهينه خوشه­ها با استفاده از شاخص بولدين- ديويس

جدول(2): عوامل، نام­های­ پیشنهادی و شاخص­های متعلق به هر عامل

شناسه عامل

نام عامل

کد شاخص­ها

شناسه عامل

نام عامل

کد شاخص­ها

F1

ميزان برخورداري از تسهيلات

61,63,64,

65,66,67

F5

نمرات گروه D و E در کنکور

15,16,19,

20

F2

نمرات گروه A در کنکور

1,2,3,4

F6

ميزان جذب جمعيت

24,25,70

F3

نمرات گروه B در کنکور و نرخ باسوادي

5,6,7,8,

27,29

F7

درصد قبولي در کنکور

21,22,23

F4

نمرات گروه C در کنکور

9,10,11,12

F8

نزديکي مرکز بخش به مرکز استان

30

جدول(3): وزن عوامل

شناسه عامل

F1

F2

F3

F4

F5

F6

F7

F8

وزن

0.071

0-656

0.008

0.003

0.103

0.121

0.005

0.033

جدول(4) بازه عوامل وزن­دار

شناسه عامل

F1

F2

F3

F4

F5

F6

F7

F8

بازه

0-68

0-656

0-8

0-3

0-103

0-121

0-5

0-33

جدول(5): تعداد نمونه­ها در هر خوشه­ها

شماره­ خوشه

1

2

3

4

5

تعداد نمونه­های هر خوشه­ها

379

25

8

194

113

 اين شاخص براي يافتن تعداد بهينه خوشه­ها در الگوریتم­هایی که برای بخش­بندی نیازمند تعیین تعداد اولیه خوشه­ها می­باشند مورد استفاده قرار می­گیرد و از اين منطق استفاده مي­کند که خوشه­بندي مناسب، اولاً در آن ميانگين فاصله عناصر درون هر خوشه از مرکز آن خوشه حداقل بوده و ثانياً فاصله مراکز خوشه­ها از يکديگر حداکثر باشند که براي پياده شدن اين مفهوم از روابط زیر استفاده مي­شود(ديوايس،1997).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

براي بدست آوردن تعداد بهينه خوشه­ها، الگوريتم K-means در بازه­ی [6 و 2] که توسط افراد خبره تعيين شده بود، اجرا گرديد و با انجام محاسبات مربوطه تعداد 5 به­عنوان تعداد خوشه بهينه بدست آمد که نتايج طبق شکل 3 است. 

img0 

 

شکل(3): تعداد بهينه خوشه­ها - شاخص بولدين- ديويس

 خوشه­بندی با استفاده از الگوریتم K-means

در این مرحله دو ماتریس باید تشکیل شود:

·       ماتریس داده که نمایانگر n شیئ نظیر بخش­های تقسیمات کشوری و p ویژگی یا عامل نظیر نرخ بیکاری است:

·       ماتریس فاصله که میزان نزدیکی یا دوری هر زوج از اشیاء را نمایش می­دهد که یک ماتریس n*n بوده و d(i,j) نمایانگر فاصله شیء i از شیء  j است.

img0فاصله میان اشیاء که دارای مقیاس فاصله­ای هستند، معمولاً از روش اقلیدسی بر اساس رابطه زیر محاسبه می­گردد:

 براي انجام اين گام در پژوهش، الگوریتم K-means با استفاده از نرم­افزار Clementine و با مقدار اولیه 5 بر روی عوامل ميزان برخورداري از تسهيلات، نمرات گروه رياضي در کنکور، نمرات گروه تجربي در کنکور و نرخ باسوادي، نمرات گروه انساني در کنکور، نمرات کروه زبان و هنر در کنکور، ميزان جذب جمعيت، درصد قبولي در کنکور و نزديکي مرکز بخش به مرکز استان اجرا گردید. تعداد اعضا هر خوشه مطابق جدول (5) و فاصله میان مراکز خوشه­ها در جدول (6) ارائه گردیده­اند.

 

 

I

j

d ( i,j )

1

2

0.55

1

3

0.74

1

4

0.32

1

5

0.47

2

3

1.02

2

4

0.67

2

5

0.50

3

4

0.62

3

5

0.95

4

5

0.60

جدول (6): فاصله میان مراکز خوشه­ها

 

توصیف، تحلیل و نامگذاری خوشه­ها

در اين مرحله با استفاده از نمودارهاي مربوطه، مي­توان خوشه­هاي بدست آمده را با يکديگر مقايسه نمود. ميانگين و انحراف معيار مربوط به هر عامل در هريک از خوشه­ها براي تحليل ارائه مي­شود. همچنين فاصله مراکز خوشه­ها از يکديگر و فاصله هر عنصر از مرکز خوشه­ی خود توليد شده است. بدين ترتيب بينشي در مورد هر خوشه ايجاد مي­گردد که در نتيجه مي­توان نام مناسبی براي خوشه­ها انتخاب نمود و با دانش بدست آمده استراتژی مناسب برای هر خوشه را تعیین کرد.

 طبق نتایج بدست آمده از خوشه­بندی در اين پژوهش، بخش­هایی از کشور که در خوشه­ سوم قرار گرفته­اند در کلیه عوامل، بجز عامل نمرات گروه زبان و هنر از دیگر خوشه­ها برترند، بویژه این نسبت برتری در دو عامل میزان جذب جمعیت و میزان برخورداری از تسهیلات دارای اختلاف زیادی با دیگر خوشه­هاست. بنابراین می­توان خوشه سوم را با برچسب "بخش­های توسعه­یافته" شناخت، که البته این خوشه شامل مراکز بعضی استان­های بزرگ مانند اصفهان، تبریز و شیراز می­باشد. با توجه به میزان فاصله مراکز خوشه­ها از خوشه سوم و همچنین بررسی وضعیت عوامل در هرخوشه می­توان وضعیت دیگر خوشه­ها را بدین ترتیب ذکر نمود:

·       خوشه ­چهارم در تمامی 8 عامل، بعد از خوشه سوم از دیگر خوشه­ها برتر است. می­توان برچسب کلاس این خوشه را "بخش­های در حال توسعه" در نظر گرفت. بیشتر بخش­های مرکزی شهرستان­های کشور، زیرمجموعه این خوشه هستند.

·       خوشه اول رتبه سوم فاصله از مرکز خوشه سوم را داراست، این خوشه از نظر عوامل درصد قبولی در کنکور و میانگین نمرات گرو­ه­های مختلف شرکت­کننده، بجز گروه زبان و هنر در سطح خوبی قرار دارد. الیته عامل میزان جذب جمعیت آن در سطح پایینی قرار دارد. برچسب "کمتر توسعه­یافته" برای این خوشه درنظر گرفته شده است.

·       در خوشه­هایی که عامل جذب جمعیت پایین و درصد قبولی بالا می­باشد، باید به این موضوع توجه نمود که ممکن است در این خوشه­ها ­بخش­هایی وجود داشته ­باشند که از تعداد شرکت­کننده مثلاً 2 نفر، یک نفر آنها پذیرفته شده باشد و در نتیجه عامل درصد قبولی 50 درصد خواهد شد که میزان بالایی است.اما با توجه به پایین بودن تعداد شرکت­کننده نمی­تواند دلیلی بر مناسب بودن درصد قبولی در آن بخش تلقی گردد.

·       در خوشه دوم و پنجم وضعیت عوامل نسبت به سه خوشه دیگر پایین­تر می­باشد و می­توان عناصر این خوشه را جزء "بخش­های محروم" در نظر گرفت. .با مقایسه این دو خوشه با یکدیگر، عامل جذب جمعیت، میزان برخورداری از تسهیلات، همچنین نمرات گروه­های مختلف شرکت­کننده در کنکور، در خوشه دوم نسبت به خوشه پنجم وضعیت بهتر می­باشد، اما عناصر خوشه پنجم به مراکز استان­های خود نزدیکترند.

دسته­بندی و پیش­بینی

با توجه به آنکه هر ساله بخش­های جدیدی به تقسیمات کشوری اضافه می­شوند، بکارگیری کلیه مراحل مدل پیشنهادی جهت خوشه­بندی نیازمند صرف زمان زیادی می­باشد، لذا استفاده از الگوریتم­های دسته­بندي جهت پیش­بینی کلاس مربوط به هر بخش جدید می­تواند راه­کاری بهینه محسوب گردد. همچنین ایجاد درخت تصمیم و استخراج قوانین مربوط به­آن نگرشی مفید برای تصمیم­گیران ایجاد خواهد نمود. در این گام روش­های مناسب برای پیش­بینی را با توجه به نوع داده­ها انتخاب نموده و سپس برای ارزیابی و انتخاب روش مناسب، با تقسیم داده­ها به دو دسته­ی آموزش و آزمون دقت مدل­ها بررسی می­شود.

براي اين مرحله در پژوهش حاضر از سه الگوريتم شبکه­هاي عصبي، C&RT و CHAID بر روي داده­هاي آموزشي و آزمايشي استفاده شده است و ارزيابي نتايج بدست آمده در جدول 7 ارائه شده است:

براي انتخاب روش مناسب باتوجه به درصد پيش­بيني صحيح الگوریتمی که دارای بالاترین مقدار است را انتخاب می­کنيم. 

يافته هاي پژوهش

بر اساس نتايج حاصل از ارزيابي مدل­هاي مختلف جدول حاصل از مرحله قبل، از الگوريتم C&RT براي ساخت درخت و استخراج قوانين و از شبکه عصبي براي پيش­بيني برچسب کلاس بخش­هاي جديد استفاده شده است. از درخت بدست آمده تعداد 9 قانون استخراج شده است که اين قوانين طبق شکل (4) و ذیلاً توصیف شده­اند:

1.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9) و (مقدار عامل نمرات گروه ریاضی در کنکور کوچکتر یا مساوی 169.8) و (مقدار عامل نزدیکی مرکز بخش به مرکز استان کوچکتر یا مساوی 19.4) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 90% متعلق به خوشه مناطق محروم خواهد بود).

2.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9) و (مقدار عامل نمرات گروه ریاضی در کنکور کوچکتر یا مساوی 169.8) و (مقدار عامل نزدیکی مرکز بخش به مرکز استان بزرگتر از 19.4) و (مقدار عامل نمرات گروه تجربی و نرخ باسوادی کوچکتر یا مساوی 4.2) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 97% متعلق به خوشه پنجم خواهد بود).

3.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9) و (مقدار عامل نمرات گروه ریاضی در کنکور کوچکتر یا مساوی 169.8) و (مقدار عامل نزدیکی مرکز بخش به مرکز استان بزرگتر از 19.4) و (مقدار عامل نمرات گروه تجربی و نرخ باسوادی بزرگتر از 4.2) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 75% متعلق به خوشه اول خواهد بود).

4.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9) و (مقدار عامل نمرات گروه ریاضی در کنکور بزرگتر از 169.8) و (مقدار عامل درصد قبولی در کنکور کوچکتر یا مساوی 1.46) و (مقدار عامل نزدیکی مرکز بخش به مرکز استان کوچکتر یا مساوی 21.98) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 100% متعلق به خوشه دوم خواهد بود).

5.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9) و (مقدار عامل نمرات گروه ریاضی در کنکور بزرگتر از 169.8) و (مقدار عامل درصد قبولی در کنکور کوچکتر یا مساوی 1.46) و (مقدار عامل نزدیکی مرکز بخش به مرکز استان بزرگتر از 21.98) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 67% متعلق به خوشه پنجم خواهد بود).

6.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 16) و (مقدار عامل نمرات گروه ریاضی در کنکور بزرگتر از 169.8) و (مقدار عامل مقدار عامل درصد قبولی در کنکور بزرگتر از 1.46) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 96% متعلق به خوشه اول خواهد بود).

7.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9 و بزرگتر از 16) و (مقدار عامل نمرات گروه ریاضی در کنکور بزرگتر از 169.8 و کوچکتر یا مساوی 336) و (مقدار عامل درصد قبولی در کنکور بزرگتر از 1.46) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 89% متعلق به خوشه اول خواهد بود).

8.       اگر (مقدار عامل نمرات گروه زبان و هنر کوچکتر یا مساوی 21.9 و بزرگتر از 16) و (مقدار عامل نمرات گروه ریاضی در کنکور بزرگتر از 336) و (مقدار عامل درصد قبولی در کنکور بزرگتر از 1.46) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 93% متعلق به خوشه چهارم خواهد بود).

9.       اگر (مقدار عامل نمرات گروه زبان و هنر بزرگتر از 21.9) باشد، آنگاه (بخش با این ویژگی­ها با قطعیت 93% متعلق به خوشه چهارم خواهد بود).

 

 

 

 

 

 

بحث و نتيجه گيري

با توجه به اینکه طبق بررسی­های صورت­گرفته توسط محققین این طرح، تاکنون کار منتشر شده­ای در زمینه­ی بخش­بندی مناطق و پیش­بینی در راستای توسعه­یافتگی صورت نگرفته است و تحقیقات و کارهای انجام شده صرفاً رتبه­­بندی1 بوده­ا­ند، در نتیجه برای از بین بردن ضعف رتبه بندي كه امکان تحلیل گروهی بخش­ها وجود ندارد و همچنین در روش­های قبلی برای تعیین رتبه مناطق جدید باید کل فرایند از ابتدا صورت می­گرفت، تحقیق حاضر صورت گرفته است. بدین منظور با بررسی استاندارهای بین­المللی موجود در این زمینه و استخراج شاخص­های بومی و نیز بکارگیری تکنینک­های داده­کاوی مدل جدیدی که حاصل ترکیب روش­های مختلف آماری (تحلیل عاملی)، پایگاه­داده­ها، یادگیری ماشین (شبکه عصبی)، تصمیم­گیری (انتروپی) و داده­کاوی می­باشد، ارائه شده است.

پس از جمع­آوری داده­های مرتبط با شاخص­ها، از سازما­ن­های ذیربط و ساخت انباره داده ­مربوطه، داده­ها در قالب مدل پیشنهادی بکار گرفته شده­اند تا در نهایت خروجی­های بدست آمده جهت تدوین استراتژی در اختیار تصمیم­گیران قرار گیرد. دستاوردهای این تحقیق عبارتند از: تعیین تعداد بهینه بخش­ها، بخش­بندی مناطق، تحلیل هر بخش، استخراج قواعد تصمیم­گیری، امکان پیش­بینی سریع­تر و دقیق­تر برچسب کلاس برای مناطق جدید، فراهم نمودن امکان تدوین راهبرد­های مناسب برای هر بخش و تخصیص میزان سهمیه مناسب به دانش­آموزان هر منطقه جهت ورود به سازمان­هایی مانند دانشگاه آزاد، دانشگاه دولتی و وزارت­کار. با توجه به اینکه مناطق مختلف جغرافیایی می­توانند دارای خصوصیات منحصر بفرد خود ­باشند و ممکن است شاخصی که در یک منطقه دارای اهمیت بالایی است، در منطقه­ای دیگر از اهمیت کمی برخوردار باشد تقسیم نمودن اولیه کشور به چند ناحیه و تعیین وزن شاخص­ها در هرناحیه بطور مجزا و سپس بکارگیری فرایند مدل پیشنهادی، جهت کسب نتایج دقیق­تر و منطقی­تر، می­تواند بعنوان تحقیقات آتی در نظر گرفته شود

 

 

جدول (7): ارزیابی نتايج دسته­بندی

نام روش

تعداد پيش­بيني صحيح

درصد پيش­بيني صحيح

تعداد پيش­بيني نادرست

درصد پيش­بيني نادرست

C&RT

679

94.44%

40

5.56%

CHAID

659

1.669%

60

8.34%

شبکه­هاي عصبي

698

96.8%

23

3.2%

 

 

 

 

[1] . Ranking 

img0 

 

 

 

 

 

 

 

       شکل (4): قوانین استخراج شده از درخت تصمیم

شکل (4-23)شاخص بولدین  1

 

 

 

 

 

منابع:

1.       توداور، مايكل ، 1378، توسعه اقتصادي در جهان سوم، ترجمه غلامعلي فرجادي، سازمان برنامه و بودجه ، ص 25).

2.       Berry, M. J. A., & Linoff, G. S. (2004). Data Mining Techniques: For Marketing, Sales And Customer Support, John Wiley And Sons.

3.       Cheng, C.-H., & Chen, Y.-S. (2009). Classifying the segmentation of customer value via RFM model and RS theory, Expert Systems with Applications, 36, 4176–4184.

4.       Chiu, C. Y., Chen, Y. F., Kuo, I. T., & Ku, H. C. (2009). An Intelligent Market Segmentation System Using K-Means And Particle Swarm Optimization. Expert Systems with Applications, 36, 4558-4565.

5.       Davies, D.L., & Bouldin, D.W. (1979), A Cluster Separation Measure. IEEE Transaction on Pattern Analysis and Machine Intelligence, 224-227.

6.       Han, J., & Kamber, M. (2006). Data Mining: Concepts And Techniques, (2nd ed.). San Francisco: Morgan Kaufmann Publishers.

7.       Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate Data Analysis. Prentice Hall, (Chapter 3).  

8.       Hand, D. (1998). Data Mining: Statistics And More?. The American Statistician, Vol. 52.

9.       Hildebrandt, M., & Gutwirth, S. (2008). Profiling The European Citizen: Cross-Disciplinary Perspectives, Springer Publishing Company.

10.       Kantardzic, M. (2003(. Data Mining: Concepts, Models, Methods, And Algorithms. John Wiley & Sons Inc.

11.       Larose, D. T. (2005). Discovering Knowledge In Data ‎An Introduction To Data Mining, John Wiley And Sons.

12.       Liu H., & Motoda H. (2001). Instance Selection and Construction for Data Mining‎ , Publisher: Kluwer Academic Publishers Norwell, MA, USA.

13.       Makui, A. (2007). Decision Making Techniques. Mehr va mahe no Pubublier, (Chapter 3 in persian).     

14.       Milutinovi, V., & Patricelli, F. (2002). E-Business And E-Challenges‎, Publisher: Ios Press Inc.

15.       Myatt, G. J. (2006), Making Sense Of Data: A Practical Guide To Exploratory Data Analysis And Data Mining, John Wiley And Sons Publication, (Chapter 3).

16.       Parr, R. O. (2001). Data Mining Cookbook Modeling Data for Marketing, Risk, and Customer Relationship Management. John Wiley & Sons Inc., Wiley computer publishing, (Chapter 3).

17.       Pregibond. (2001). a statistical odyssey, proceedings of the fifth acm sigkdd,  international conference on knowledge discovery and data mining.

18.       Rokach L., & Maimon O.(2008). Data Mining with Decision Trees: Theory and Applications, World Scientific Publishing.

19.       Soukup, T., & Davidson, I. (2002). Visual Data Mining: Techniques and Tools for Data Visualization and Mining. John Wiley & Sons, (Chapters 4, 5 and 6).

20.       Watkins, K. (2007/2008), Human Development Report, United Nations Development Programme, http://hdr.undp.org.

21.       Ye, N. (2003), The Handbook Of Data Mining. Arizona State University, Lawrence Erlbaum Associates  Publishers, (Chapter 14).

 

 

 

 

 

 

 

 

 

 

 


مقالات مرتبط

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396

صفحه اصلی| عضویت/ ورود| درباره رایمگ| تماس با ما|
[English] [العربية] [en] [ar]