چکیده فارسی :

یکی از وظایف اساسی مدیر گروههای دانشگاهها ، استفاده از استادان بر اساس برخی از عوامل به طور پیش فرض از قبیل تجربه، مدارک، واجد شرایط بودن و غیره باید پاسخ داده شود. در این رابطه، برای کمک به مدیر گروه ها، برخی از سیستم های اتوماتیک در حال حاضر با استفاده از روش های یادگیری ماشینی، سیستم های پشتیبانی تصمیم گیری و غیره پیشنهاد شده است در این مقاله با توجه به مزایا و معایب روشهای قبلی، یک سیستم تمام اتوماتیک با استفاده از سیستم های خبره طراحی شده است. سیستم پیشنهادی شامل دو مرحله ی اصلی است. در مرحله ی اول، دانش تخصصی انسانی به عنوان درخت های تصمیم گیری طراحی شده است. مرحله دوم، شامل یک سیستم خبره است که با استفاده از قوانین استخراج شده از این درخت های تصمیم گیری ارزیابی می شود. همچنین، به منظور بهبود کیفیت سیستم پیشنهادی، یک الگوریتم رأی گیری اکثریت به عنوان مراحل بعدی پیشنهاد شده برای انتخاب بهترین استاد که درخت های تصمیم گیری متخصصان بهتری را برای هر دوره  برآورده سازد. نتایج به دست آمده نشان  می دهد که این سیستم طراحی شده به طور متوسط با دقت ​​ 78.88 است. پیچیدگی محاسباتی کم، سادگی برنامه و برخی دیگر، از مزایای استفاده از سیستم پیشنهادی می باشد.

کلمات کلیدی : سیستم خبره- سیستم مبتنی بر قانون– تصمیم گیری درختی – مدیر گروه دانشگاه

چکیده انگلیسی :

One of the basic tasks which is responded for head of each university department, is employing lecturers based on some default factors such as experience, evidences, qualifies and etc. In this respect, to help the heads, some automatic systems have been proposed until now using machine learning methods, decision support systems (DSS) and etc. According to advantages and disadvantages of the previous methods, a full automatic system is designed in this paper using expert systems. The proposed system is included two main steps. In the first one, the human expert’s knowledge is designed as decision trees. The second step is included an expert system which is evaluated using extracted rules of these decision trees. Also, to improve the quality of the proposed system, a majority voting algorithm is proposed as post processing step to choose the best lecturer which satisfied more experts’ decision trees for each course. The results are shown that the designed system average accuracy is 78.88. Low computational complexity, simplicity to program and are some of other advantages of the proposed system. Keywords: Expert system, Rule based system, Decision tree, Head of University Department.