ارتقای کیفیت فرآیندهای آموزشی، یکی از چالش های مهم در سال های اخیر بوده است که پیدایش و گسترش آموزش الکترونیکی در افزایش توجه به این حوزه نقش بسزایی داشته است. منظور از فرآیندهای آموزشی، تمام تعاملات میان دانشجو، درس، منبع درسی، استاد و مدیران آموزشی است. در میان این تعاملات، اخذ درس توسط دانشجو در فرآیند انتخاب واحد درسی، اخذ منابع درسی توسط دانشجو، پیشگیری از ترک تحصیل دانشجویان توسط اساتید و مدیران آموزشی، از اهمیت بالایی برخوردار است. به منظور رفع این چالش ها، تکنیک های داده کاوی، سامانه های توصیه گر، فرآیندهای تصمیم گیری مارکوف و روش های مبتنی بر گراف مورد استفاده قرار گرفتند. این تکنیک ها با تکیه بر مجموعه عظیمی از داده های ذخیره شده در سامانه های آموزشی، سعی در یافتن روابط غیرقابل مشاهده میان این مجموعه داده ها را دارند. ما در این پایان نامه برای اولین بار از الگوریتم های پیش بینی پیوند، به منظور بهبود فرآیندهای آموزشی در سامانه های آموزش الکترونیک استفاده می کنیم. هدف از این پژوهش، کشف الگوهای نهفته در فرآیند انتخاب دروس، انتخاب منابع درسی و ترک تحصیل یا انصراف از دروس توسط دانشجویان است. بدین منظور از سه مجموعه داده آموزشی Moodle، OULAD و MOOC استفاده می نماییم و روش پیشنهادی را به وسیله دو معیار Precision و AUC مورد ارزیابی قرار می دهیم. آزمایشات نشان می دهند که روش پیشنهادی، علاوه بر آنکه نتایج قابل مقایسه ای با الگوریتم های فیلترینگ مشارکتی مبتنی بر کاربر و آیتم سامانه های توصیه گر دارد، در بعضی موارد نسبت به آن ها برتری نیز دارد.
