Düştegör, DilekBaghdadi, Heyam Baker2024-01-092024-01-092020https://hdl.handle.net/20.500.14154/70866إن من أكبر التحديات التي تواجه جامعه الإمام عبد الرحمن بن فيصل اليوم هي الموازنة بين المدخلات و المخرجات، وعلى وجه التحديد تحقيق التوا زن الصحيح بين الطلبة الملتحقين والخريجين ، في الواقع نجد أن حوالي 45 % من الطلاب المقيدين في برامج الماجستير يقدمو ن على الإنسحاب قبل الحصول على الدرجة وهذا يمثل تكلفة عالية جداً لكل من المؤسسات التعليمية و لطلبة الدراسات العليا على حد سواء بحيث أن برامج الدراسات العليا لها رسوم مالية يتم دفعها من قبل الطالب الملتحق بالبرنامج . بتطبيق تقنيات التنقيب عن البيانات الذي من شأنه اكتشاف العوامل المحددة لهذه الظاهرة و باستخدام هذه المحددات سنقوم بتطوير نموذج يتنبأ بنسحاب طالب الدراسات العليا قبل الحصول على الدرجة أم إكمال الدرجة وسيتم إستخدام أدوات وتقنيات التنقيب عن البيانات في تحليل بيانات طلبة الدراسات العليا خلال الفترة من عام 2012 حتى عام 2018 بعمادة الدراسات العليا في جامعة الإمام عبد الرحمن بن فيصل و ستكون ألية النموذج كالتالي تحديد ومعرفة العوامل التي تؤدي لإنسحاب الطالب ، ثم تطوير نموذج للتنبؤ بستخدام هذه العوامل، وبعدها تدريب واختبار النموذج المقترح على البيانات . تكشف الدراسات السابقة عن تحقيقات محدودة على مستويات مختلفة حيث لم يتم إجراء بحث سابقًا عن التسرب على مستوى الدراسات العليا ، ولم نعثر على دراسات حول التسرب في المملكة العربية السعودية ، وقليلًا من الدراسات بحثت في ظاهرة التسرب على مستوى المؤسسة . عملية التنبؤ مهمة وستؤثر على دقة النماذج حيث إ ن التنبؤ سيكون في وقت مبكر 1( قبل التسجيل مباشرة ، 2( بنهاية الفصل الدراسي الأول ، و 3 ( بحلول نهاية الفصل الدراسي الثاني، كما تمت صياغة مجموعة من الاقتراحات لمساعدة كلا القسمين وعمادة الدراسات العليا في جامعة الإمام عبد الرحمن بن فيصل لمساعدة الطلاب المعرضين للخطر وتقليل معدلات التسرب. كلمات دالة : التعليم العالي ، التنقيب عن البيانات ، انسحاب الطلاب ، التنقيب عن البيانات التعلمية ، انقطاع الطلاب ، طرق التصنيف .One of the important challenges facing Imam Abdulrahman Bin Faisal University is balancing between inputs and relevant output, specifically the right balance of enrolled and graduated students. As a matter of fact, around 30% of students who enrolled in postgraduate programs from 2012 to 2018 withdraw before finishing the degree. This number is even more dramatic when we focus on MS programs only, reaching 45%. Since postgraduate programs are paid by students, dropping-out charge students due to significant tuition rates. Clearly, from the university perspective too, an investment in terms of teaching effort and infrastructure is made without return. However, the related literature reveals some limitations: no research was previously conducted on drop-out at postgraduate level, we found no studies about drop-out in Saudi Arabia, and very few studies investigated the drop-out phenomenon at the institution level. The purpose of this thesis study is to descriptively analyse the effectiveness of applying machine learning techniques to discover the determinants of this phenomenon. For this, we develop several predictive models utilizing various educational data mining techniques. We also investigate the effect of the prediction window on the models' accuracy. This study revealed several red flags, namely being a female student, being a working student, having a significant gap between previous and current degree, and having a BS degree in a different field. The experiments also revealed that a prediction as early as 1) right before enrolment, 2) by the end of the firsts semester, and 3) by the end of the second semester will allow, with very satisfactory accuracy rate, for early intervention. A set of suggestions are also formulated to help both departments and the Deanship of Graduate Studies at Imam Abdulrahman bin Faisal University to assist students at risk and minimize drop-out rates.enhigher education, data mining, educational data mining (EDM), student retention, student dropout, classification methodsThesis