文献

J-GLOBAL ID：201802223175838418   整理番号：18A1346319

学生の学業成績のための合成特徴選択アプローチに基づく評価モデル【JST・京大機械翻訳】

An Appraisal Model Based on a Synthetic Feature Selection Approach for Students’ Academic Achievement

著者 (2件)： Cheng Ching-Hsue (Department of Information Management, National Yunlin University of Science and Technology, 123 University Road, Section 3, Douliou, Yunlin 64002, Taiwan) ,  Liu Wei-Xiang (Department of Information Management, National Yunlin University of Science and Technology, 123 University Road, Section 3, Douliou, Yunlin 64002, Taiwan)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 9  号： 11  ページ： 282  発行年： 2017年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 既存の大規模データから必要な情報(および隠れたメッセージを抽出する)を得て,次にそれらを知識に変換することは,重要なスキルである。データマイニング技術は,歴史的パターンを発見し,意思決定を助けるために機械学習を採用するために用いることができるので,近年,様々な分野で注目されている。データから予想外のルールまたはパターンを見出すとき,それらは高い値の可能性がある。本論文は,パターンを抽出するためにサポートベクトルマシン(SVM)と結合した合成特徴選択アプローチ(SFSA)を提案して,学生のアカデミックな業績に影響を及ぼす主要な特徴を見つけた。提案したモデルを検証するために,台湾の小学校から2つのデータベースを収集し,研究データセットとして学生の名前に基づいて統合されたデータセットに連結した。結果は以下のことを示す。(1)提案した特徴選択手法の精度は,最小冗長最大値(mRMR)アプローチの精度よりも優れている。(2)提案したモデルは,6つの最も影響力のある特徴が削除されているとき,リスト法よりも優れている。そして,(3)提案したモデルは,正確さを強化することができて,学生のアカデミックな業績のハイブリッド型データセットからパターンの解釈を容易にすることができた。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  冗長性 ,  データベース ,  台湾 ,  *特徴選択 ,  機械学習 ,  データマイニング ,  サポートベクトルマシン
準シソーラス用語： 評価モデル ,  学業成績 ,  データマイニング技術 ,  大規模データ , 【Automatic Indexing@JST】

著者キーワード (4件)： データマイニング ,  サポートベクトルマシン ,  合成特徴選択アプローチ(SFSA) ,  大学の業績

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (75件)：

• Fayyad, U.M.; Piatetsky-Shapiro, G.; Smyth, P.; Uthurusamy, R. Advances in Knowledge Discovery and Data Mining; AAAI Press: Palo Alto, CA, USA, 1996.
• Maimon, O.; Last, M. Knowledge Discovery and Data Mining: The Info-Fuzzy Network (ifn) Methodology; Springer Science & Business Media: Berlin, Germany, 2013; Volume 1.
• Smyth, P.; Pregibon, D.; Faloutsos, C. Data-driven evolution of data mining algorithms. Commun. ACM 2002, 45, 33-37.
• Smyth, P. Breaking out of the Black-Box: Research Challenges in Data Mining. In Proceedings of the Sixth Workshop on Research Issues in Data Mining and Knowledge Discovery (DMKD2001), Santra Barbara, CA, USA, 20 May 2001.
• Gronlund, N.E. Assessment of Student Achievement; Allyn & Bacon Publishing: Needham Heights, MA, USA, 1998.

タイトルに関連する用語 (4件)： 学生 ,  学業成績 ,  特徴選択 ,  評価モデル