شماره بازیابی	EN COM ۵۹۰
عنوان	تطبیق برنامه ریزی درسی بر اساس نیازمندی های شغلی با استفاده از متن کاوی
عنوان لاتین	Adapting academic curriculum with job requirements using text mining
نویسنده	توکلی حقیقی، امیر - Tavakoli Haghighi, Amir
استاد راهنما	بهکمال، بهشید
مقطع تحصیلی	کارشناسی ارشد
سال دفاع از پایان نامه	۱۳۹۹
رشته	مهندسی کامپیوتر - نرم افزار
توصیفگر	برنامه‌ریزی درسی
توصیفگر	تحلیل نیازمندی‌های کسب و کار
توصیفگر	مشاغل
توصیفگر	داده‌کاوی
توصیفگر	بازار کار
توصیفگر	یادگیری
توصیفگر	شبکه عصبی
چکیده فارسی	تأثیر یادگیری یک درس خاص بر آینده شغلی دانشجو مسئله ای است که در زمان برنامه ریزی درسی به آن توجهی نمی شود و برنامه ریزی دقیق درسی برای دانشجویانی که در ابتدای مسیر آموزشی قرار دارند، کاری پیچیده است. اگر عامل شباهت شغلی در زمان برنامه ریزی در نظر گرفته شود، می تواند باعث ایجاد بهینه سازی هایی در سیستم آموزشی دانشگاه ها بشود. از میان این بهینه سازی ها می توان به تخصیص منابع بیشتری به دروسی که بازار شغلی بهتری دارند، بهینه سازی مفاهیم ارائه شده در کلاس بر اساس تقاضای بازار کار و پیشنهاد درس مناسب به دانشجو اشاره کرد. هدف این پژوهش کشف ارتباطات بین دروس و مشاغل علوم کامپیوتر با استفاده از پردازش متون مشخصات دروس و آگهی های شغلی است. با استفاده از روش های مبتنی بر یادگیری عمیق، شباهت معنایی و متن کاوی، ارتباط معنایی بین متون برای کامپیوتر قابل درک است و با استفاده از این روش، کامپیوتر می تواند با معیارهای کمی شباهت بین درس و شغل را مشخص کند. در این پژوهش از ترکیب چندین رویکرد متفاوت استفاده شد، هرکدام ارزیابی شد، مزیت و عیب هر روش تشریح شد و در نهایت با هم مقایسه شد. تأثیر پارامتر و منابع مختلف مثل نوع و حجم داده ورودی سنجیده و معیارهای متفاوتی برای ارزیابی خروجی بررسی شد. در انتها نشان داده شد که می توان با استفاده از روش های منتخب ارتباط بین مشاغل و دروس را به صورت نیمه خودکار استخراج کرد.
چکیده لاتین	The effect of passing a course is a factor that is not taken into account when the courses are being scheduled and planning an educational path can be overwhelming for a new student. If we consider “job similarity” factor as one, it can be beneficial to academic system of education. Some of the improvements of this consideration are dedicating additional resources to the jobs that have better job markets, improving the content presented in the course, and recommending appropriate courses to students. The purpose of this research is to discover the relation between computer science courses and their related jobs by mining the textual data of this context. Using deep learning, semantic similarity and text mining techniques, the semantic relationship of text is understandable for computer and we can quantify the similarity between a specific job and course with specific metrics. In this research, we test different methods and approaches and combination of them to discover the relation between course and jobs. We evaluate each method and explain the cons and pros for each one of them based on their results, and present a comparison for all methods. We research the effects of each parameter of the system and the role of each resource such as the volume of input data, with a variety of metrics. We show that we can discover and extract the relationships between jobs and courses with a semi-automated method.
لیست فایلها:	۲۰ صفحه اول پایان نامه