چکیده:
افزایش تقاضا برای ورود به دورة دکترای تخصصی و سرعت کند افزایش ظرفیت دانشگاهی متناسـب بـا این رشد، موجب میشود که داوطلبان در فرایندی گزینشی برای حضور در این دوره قـرار گیرنـد. عوامـل بسیاری در انتخاب دانشجویان برای دورة دکترای تخصصی تاثیرگذار است و از آنجا کـه بسـیاری از ایـن عوامل ذهنی و برخاسته از دیدگاههای استادان است ، این موضوع با ابهام و عـدم قطعیـت جـدی همـراه است . شناسایی اثرگذارترین عوامل در انتخاب دانشجویان و نیز تعیین میزان اثر هریـک از عوامـل ذهنـی مد نظر استادان در پذیرش دانشجویان دکترای تخصصی علاوه بر شفاف کردن فرایند، تاثیری چشـمگیر در صرفه جویی در زمان و هزینه های دانشگاههای پذیرنده دارد. در این پژوهش سـامانه ای بـا اسـتفاده از نظریه مجموعه های نادقیق با دقت متغیر (VPRST) برای شناسایی عوامل موثر در گزینش دانشجویان متقاضی ورود به دورة دکترای تخصصی طراحی شد. در طراحی این سامانه عواملی که در فرایند گـزینش دانشجویان ارزیابی میشوند، شناسایی و مجموعه داده ای با استفاده از اطلاعات سالهای پیش آمـاده شـد. سپس ، این مجموعه با استفاده از نظریه مجموعه های نادقیق بـا دقـت متغیـر تحلیـل و عوامـل مـوثر در پذیرش دانشجویان دکترای تخصصی شناسایی شد. نتایج این پـژوهش بـرای اسـتخراج قواعـد پـذیرش داوطلبان استفاده میشود و امکان تصمیم گیری در ارزیابی و پذیرش داوطلبان را فراهم می آورد. به منظـور ارزیابی عملکرد این سامانه از داده های آزمون سالهای ١٣٨٧ تا ١٣٩٣ دانشگاه تربیت مدرس استفاده شد. نتایج نشان میدهد از بین ١٢ عامل که در مصاحبه بررسی شد، فقط سه عامل تعداد مقـالات، اسـتعداد و قدرت بیان و امتیاز آزمون کتبی در گزینش داوطلبان اثرگذارند و بر مبنای این سه عامل میتـوان دربـارة وضعیت ٧١% داوطلبان تصمیم گیری کرد. ضمن اینکه استفاده از عامـل قـدرت تجزیـه و تحلیـل علمـی به عنوان چهارمین عامل اثرگذار میتواند به افزایش دقت تصمیم گیری تا سطح ٩١% بینجامد. این سـامانه
خلاصه ماشینی:
"(Ali, 2008) معیارهای انتخاب داوطلبان از دانشگاهی به دانشگاه دیگر متفاوت است ، با وجود این ، بیشتر دانشگاهها سوابق آموزشی و پژوهشی داوطلبان را معیار مناسبی برای ورود آنان به دورههای آموزشی میدانند (٢٠١٠ ,Stewart &Gordon, Williams, Hudson ).
Variable Precision Rough Set Theory (VPRST) توسعه ای از مدل اولیه مجموعه های نادقیق ١٧ (١٩٩٨ ,Pawlak) است ، اسـتخراج و ارزش هـر کـدام در فرایند تصمیم گیری مشخص شد.
نظریـۀ مجموعـه هـای نـادقیق در حـوزه هـای یادگیری ماشینی (١٩٩٦ ,Piatetsky-Shapiro &Fayyad )، اکتسـاب دانـش & Leung, Wu) (٢٠٠٦ ,Zhang، تحلیـل تصـمیم ;٢٠٠١ ,Slowinski &Salvatore Greco, Matarazzo ) (٢٠٠٦ ,Gwo-Hshiung &Tuan-Fang, Duen-Ren ، کشف دانش از پایگاههـای داده Sinh) (١٩٨٨,Hung Son &Hoa ، سامانه های خبـره (١٩٨٨ ,Shusaku)، طراحـی سـامانه هـای تصـمیم یـار١٨(١٩٩٥ ,Pearson &Swiniarski, Hunt, Chalvet )، داده کـاوی (٢٠٠١ ,Kusiak) و ١٨.
جدول ١- نمونه ای از جدول تصمیم (به تصویر صفحه مراجعه شود) رابطۀ عدم تمایز: نقطۀ آغازین نظریۀ مجموعه های نادقیق رابطۀ عدم تمایز٢٤ است که از اطلاعات مربوط به اشیای مورد بحث ایجاد می شود؛ رابطۀ عدم تمایز روی مجموعۀ A ⊇B که با IB نشان داده میشود، به صورت زیر تعریف میشود: -a(x) =a(y) ∀ a∈B (1) که در آن (a)x مقدار خصیصۀ a برای عنصر x را نشان میدهد.
در روند اجرای الگوریتم فروکاست سریع و استخراج قواعد تصمیم گیری، این نکته نیز قابل توجه اسـت که شاخص «استعداد و قدرت بیان » معنادارترین شاخص شناسایی شده است و با استفاده از آن مـیتـوان دربارة حدود ٢٠% از داوطلبان تصمیم گیری کرد."