تحليل بيانات الأداء الدراسي باستخدام تقنيات التحليل الوصفي والانحدار

تحليل بيانات الأداء الدراسي باستخدام تقنيات التحليل الوصفي والانحدار

وصف المشروع:

في هذا المشروع، قمت بتحليل بيانات الأداء الدراسي لطلاب باستخدام تقنيات تحليل البيانات الوصفية المتقدمة. شمل التحليل دراسة العلاقة بين عدة متغيرات مؤثرة في التفوق الدراسي مثل "دخل الأسرة"، "ساعات الدراسة"، "نسبة الحضور"، و "المشاركة في الأنشطة" وعلاقتها بالمعدل التراكمي للطلاب. تم استخدام مكتبات Python مثل pandas و seaborn و matplotlib لإنشاء مخططات بيانية وتحليل إحصائي شامل، بما في ذلك مخطط الانتشار مع خط الانحدار لعرض العلاقة بين دخل الأسرة والتفوق الدراسي.

تفاصيل المشروع:

البيانات: تم استخدام مجموعة بيانات محاكاة تضم معلومات 20 طالبًا تشمل معدلهم التراكمي، ساعات الدراسة، دخل الأسرة، وغيرها من العوامل.

التحليل: تم إجراء تحليل وصفي للبيانات باستخدام مخططات الانتشار، خطوط الانحدار، و مخططات كثافة التوزيع (KDE)، بالإضافة إلى حساب معاملات الارتباط لفحص العلاقة بين المتغيرات.

الأدوات المستخدمة: Python, pandas, seaborn, matplotlib.

النتائج:

توفير رؤية واضحة لارتباط دخل الأسرة مع المعدل التراكمي باستخدام خط الانحدار.

توفير مخططات حرارية (Heatmaps) لتحليل العلاقة بين جميع المتغيرات.

استخدام مخططات التوزيع المشترك (Jointplot) لفحص تداخل المتغيرات وتوزيع البيانات.

أهداف المشروع:

فهم العلاقة بين العوامل الاجتماعية والاقتصادية (مثل دخل الأسرة) وأداء الطلاب الدراسي.

توفير أدوات بصرية تساعد في اتخاذ قرارات أكاديمية مبنية على البيانات.

المهارات المكتسبة:

مهارات متقدمة في تحليل البيانات باستخدام Python.

تحسين قدرات استخدام مكتبات البيانات مثل pandas و seaborn و matplotlib.

تطوير مهارات التصور البياني لإظهار العلاقة بين المتغيرات بشكل بصري واضح.